检索结果-南通市图书馆

计算机应用与软件 2024年第6期41卷 215-222,256页

作者：姜雨娇黄铝文荚子萌西北农林科技大学信息工程学院陕西杨凌712100

针对传统问答模型采用循环神经网络带来的梯度消失和网络退化的问题,提出一种基于IMGRU-Seq2seq(Identity Mapping Gated Recurrent Unit-Sequence to Sequence)的自动问答模型。通过TF-IDF方法对文本进行加权词向量表示;以门控循环单... 详细信息

针对传统问答模型采用循环神经网络带来的梯度消失和网络退化的问题,提出一种基于IMGRU-Seq2seq(Identity Mapping Gated Recurrent Unit-Sequence to Sequence)的自动问答模型。通过TF-IDF方法对文本进行加权词向量表示;以门控循环单元为基础,将批标准化技术和线性整流激活函数相结合并添加恒等映射,从而构建IMGRU模型;将双向IMGRU作为问答模型的语义抽取单元,引入注意力机制和集束搜索算法,实现自动问答。实验结果表明,所提方法比现有方法BLEU、ROUGE-L分别平均提高18.87%、4.35%。

关键词：问答模型门控循环单元神经网络恒等映射注意力机制集束搜索算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于集束搜索的二维装箱算法的研究和应用

基于集束搜索的二维装箱算法的研究和应用

引用

作者：陈嘉俊厦门大学

学位级别：硕士

随着工业化4.0时代的到来,工业生产相关的研究在不断朝着自动化和智能化的方向迈进。其中,二维装箱问题的研究在此进程中起着重要的作用,解决此类问题及其变体问题能为实际生产应用提供一种准确有效的解决方案,从而提升相关资源的利用率... 详细信息

随着工业化4.0时代的到来,工业生产相关的研究在不断朝着自动化和智能化的方向迈进。其中,二维装箱问题的研究在此进程中起着重要的作用,解决此类问题及其变体问题能为实际生产应用提供一种准确有效的解决方案,从而提升相关资源的利用率,推进产业的发展。本文中对石材切割行业中三个实际应用问题所衍生的二维装箱变体问题进行研究。石材等自然材料轮廓的不规则性和内部缺陷区域的随机性加大了装箱问题的求解难度,无法将传统的装箱算法直接应用于此类问题。对此,本文使用集束搜索作为基本的搜索框架,设计了不同的启发式算法,旨在解决不同应用场景下的装箱问题。本文中的主要工作点包括:(1)针对一刀切约束下的装箱问题,提出了基于上界的切割线启发式评价指标。它可以自适应地根据数据情况指导算法选择切割线路,不需要设定固定的启发式规则。随后本文基于此评价指标设计了基于集束搜索的启发式算法,实验结果表明,所提出的启发式算法可以在更短的执行时间内获取部分用例的最优值。(2)对于带缺陷一刀切装箱问题,提出了基于集束搜索的方法来改进目前两种缺陷处理的启发式算法。改进中结合了基于上界的切割线启发式评价指标,并分别设计了两种算法的评价函数和搜索策略。实验结果表明,改进算法在绝大部分测试用例优于原有算法,不同约束下平均利用率有4.45%-15.7%的提升。(3)对于不规则带缺陷且带切割条件约束的一刀切装箱问题,首次提出解决此类问题的算法,设计了基于条带板的集束搜索算法与相应的启发式评价函数和搜索策略。实验结果表明,提出的算法可以在更短的时间内找到解决方案,在带有切割条件约束的限制下取得了与自由切割算法相接近的结果,两者的平均利用率差距为0.3%,并且在部分用例中所得结果优于自由切割算法的结果。

关键词：二维装箱问题启发式算法集束搜索算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于seq2seq模型的聊天机器人对话研究

基于seq2seq模型的聊天机器人对话研究

引用

作者：吴威震南京邮电大学

学位级别：硕士

随着深度学习研究不断取得突破,深度学习技术更加广泛地应用在自然语言理解、词向量技术、中文分词、情感分析等领域。相比基于检索技术的聊天机器人,基于深度学习的聊天机器人扩展性更强,系统开发效率也更高,有着非常广阔的发展前景。... 详细信息

随着深度学习研究不断取得突破,深度学习技术更加广泛地应用在自然语言理解、词向量技术、中文分词、情感分析等领域。相比基于检索技术的聊天机器人,基于深度学习的聊天机器人扩展性更强,系统开发效率也更高,有着非常广阔的发展前景。目前seq2seq模型是最常用于开放领域聊天机器人的深度学习模型,但传统seq2seq模型直接应用于聊天机器人会有一些问题,如长距离依赖问题、安全回复问题等。针对传统seq2seq模型存在的问题,本文提出了一个聊天机器人对话模型,即注意力机制、集束搜索算法、BiLSTM与传统seq2seq模型相结合得到的聊天机器人对话模型。具体的研究工作如下:(1)本文研究了词嵌入相关技术。传统的文本表示方法,无法表现出单词之间的语义相似性,且当词典数量极大时,会出现向量维度大的问题。word2vec通过将语义相近的词映射到向量空间中相近的位置,使得词向量带有语义信息,并通过“降维”降低运算量。(2)本文详细分析了传统seq2seq模型的长距离依赖问题,提出了使用BiLSTM和注意力机制。传统seq2seq模型使用的LSTM无法编码从后到前的信息,BiLSTM可以更好地捕捉双向的语义依赖,解决了丢失部分语义信息的问题。传统seq2seq模型在编码和解码时都只使用一个固定长度向量,注意力机制通过保留编码器输入序列的中间输出结果,利用训练模型对这些输入进行选择性的学习,并且在模型输出时将输出序列与之进行关联,从而解决了长文本序列信息丢失的问题。(3)本文研究了传统seq2seq模型的安全回复问题。传统seq2seq模型中解码器的输出原则是直接输出候选结果集中概率最大的语句,但概率最大的语句往往是语料库中最常见的语句,如“我不知道”、“你好”等安全回复。本文采用了集束搜索算法,通过排序和剪枝使本文的聊天机器人对话模型比传统seq2seq模型生成的回复更多样,很好地改善了安全回复问题。使用TensorFlow框架实现本文提出的聊天机器人对话模型,并使用中文对白对本文提出的聊天机器人对话模型进行训练。通过最后的实验效果对比,验证了本文提出的聊天机器人对话模型是有效和可行的。

关键词：深度学习 seq2seq模型聊天机器人注意力机制集束搜索算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

巷道堆垛式立体车库库位布局设计及设备配置优化研究

巷道堆垛式立体车库库位布局设计及设备配置优化研究

引用

作者：张海飞兰州交通大学

学位级别：硕士

自动化立体车库在解决城市静态交通方面起着越来越重要的作用,汽车保有量的日益增长和土地资源的稀缺更推动了自动化立体车库的发展。自动化立体车库的出现在一定程度上缩短了车辆的存取时间,降低了资源的浪费。巷道堆垛式自动化立体车... 详细信息

自动化立体车库在解决城市静态交通方面起着越来越重要的作用,汽车保有量的日益增长和土地资源的稀缺更推动了自动化立体车库的发展。自动化立体车库的出现在一定程度上缩短了车辆的存取时间,降低了资源的浪费。巷道堆垛式自动化立体车库作为自动化立体车库的一种形式,其库容量大、处理迅速、自动化程度高,车库内设有安检、电控系统等防护装置,安全性较高,应用范围广。在对立体车库进行设计时,合理规划库位布局和设备资源配置可以在车库建成后避免车位资源的浪费,满足停车需求。本文的研究主要从以下几个方面进行:(1)对自动化立体车库在解决现代社会静态交通问题中的重要作用进行了分析,并通过国内外学者对立体车库的研究,阐述了对立体车库进行库位布局和设备资源配置的重要性;(2)对巷道堆垛式自动化立体车库的控制机构及服务特点进行了分析,构建了车库模型,以排队论为基础理论,建立了立体车库的顾客排队数学模型。以实际运行自动化立体车库顾客到达时间等为原始数据集,对顾客到达时间间隔进行统计,进行概率拟合,以此作为顾客达到行为特征参数,然后根据实际运行的自动化立体车库分析不同车库排队过程,建立车库不同车辆到达率的排队模型;(3)根据不同运行参数的排队系统,以顾客平均等待时间、平均等待队长和堆垛机空闲概率作为立体车库评价指标,参考实际运行车库,设计不同库位容量的立体车库,通过编写MATLAB仿真程序,对比分析不同层、列布局下顾客平均等待时间、平均等待队长和堆垛机空闲概率,得出运行效率较高的库位布局;(4)在对立体车库进行设计时,在确定的库位布局下,需要考虑车库内部设备资源的配置,设备资源配置的目标是保证立体车库整体运行,对服务台和堆垛机数量进行合理化配置,一方面可以提高立体车库运行效率,另一方面减少立体车库建造成本;(5)在确定的库位布局和设备资源配置下,为进一步优化堆垛机调度,提高立体车库运行效率,以堆垛机运行距离为研究对象,以缩短顾客平均等待时间和平均等待队长,采用遗传算法优化的集束搜索算法对堆垛机进行调度优化,缩短了堆垛机运行距离,提高了车库整体运行效率。

关键词：立体车库库位层列布局排队论资源配置集束搜索算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：