检索结果-南通市图书馆

同方期刊数据库

融合多层注意力机制与CNN-LSTM的反向散射信道预测

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2023年

作者：徐双文永新刘文斌李佳龙李灯熬赵菊敏山西省智能感知工程研究中心太原理工大学电子信息与光电工程学院大数据融合分析与应用山西省重点实验室太原理工大学计算机科学与技术学院(大数据学院)

反向散射通信系统频谱资源十分有限且易受链路突变性影响，信道预测是提高其频谱资源利用率和通信质量的一种有效方法。但大多数现有预测方法的预测精度偏低、依赖完全已知的信道状态信息、适用性受限。为此，本文提出了一种融合多层注... 详细信息

反向散射通信系统频谱资源十分有限且易受链路突变性影响，信道预测是提高其频谱资源利用率和通信质量的一种有效方法。但大多数现有预测方法的预测精度偏低、依赖完全已知的信道状态信息、适用性受限。为此，本文提出了一种融合多层注意力机制与卷积神经网络-长短期记忆网络（Convolutional Neural Networks-Long Short-Term Memory， CNN-LSTM）的信道预测方法。利用CNN模型与注意力机制提取接收信号强度序列的特征，并进一步使用LSTM模型与注意力机制提取其跨时间步长的特征，从而实现对信道指标的预测。最后，借助商用阅读器与标签采集三种不同场景下的信道状态数据，并基于Tensorflow与Keras验证了所提预测方法性能。结果表明，融合多层注意力机制与CNN-LSTM的信道预测方法具有较强的场景适用性，且其预测准确性较高。

关键词：反向散射通信信道预测卷积神经网络长短期记忆网络多层注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多层注意力机制的口罩佩戴检测算法改进

电子器件 2023年第6期46卷 1652-1660页

作者：周蕾陈冠宇钟海莲淮阴工学院计算机与软件工程学院江苏淮安223003 淮阴工学院化学工程学院江苏淮安223003

针对已有的对于口罩的目标检测算法中存在的问题,如对小目标检测精度低,复杂场景下出现漏检等问题,提出了一种基于多层注意力机制的口罩佩戴检测算法YOLOX-l-sd。通过在骨干网络中添加Swin Transformer的特征层来提升目标检测算法的性能... 详细信息

针对已有的对于口罩的目标检测算法中存在的问题,如对小目标检测精度低,复杂场景下出现漏检等问题,提出了一种基于多层注意力机制的口罩佩戴检测算法YOLOX-l-sd。通过在骨干网络中添加Swin Transformer的特征层来提升目标检测算法的性能,加入多层注意力机制提高特征提取效果以及减少计算量,采用DIOU损失函数提升模型的精度,采用DW卷积以进一步减少计算量。实验结果表明,相比原YOLOX-l模型,改进后的模型在精度上提高了2.45%,达到了预期的效果。

关键词： YOLOX Swin Transformer 口罩检测多层注意力机制

基于多层注意力机制的4DC-BGRU脑电情感识别

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2023年第8期46卷 134-141页

作者：张丽彩李鸿燕司马飞扬申雁太原理工大学信息与计算机学院晋中030600

为了提高脑电情感识别的准确率,提取更丰富的特征信息,提升网络模型稳定性,提出一种改进的基于多层注意力机制的脑电情感识别模型。在特征提取方面,将原始脑电信号转换成四维空间-频谱-时间结构,提取丰富的脑电信息。在网络模型方面,构... 详细信息

为了提高脑电情感识别的准确率,提取更丰富的特征信息,提升网络模型稳定性,提出一种改进的基于多层注意力机制的脑电情感识别模型。在特征提取方面,将原始脑电信号转换成四维空间-频谱-时间结构,提取丰富的脑电信息。在网络模型方面,构建双路卷积神经网络学习空间及频率信息,有效提取多尺度特征,增加网络宽度来学习更丰富的特征信息;在卷积层及池化层后融入批量归一化层,防止过拟合。最后,构建多层注意力机制-双向门控循环单元模块处理时间特征并配合Softmax分类。采用双向门控循环单元学习更全面的上下级特征信息。利用多层注意力机制使四维特征中不同时间切片与整体时间切片之间产生关联。该文在DEAP数据集唤醒度和效价两个维度进行了评估实验,二分类平均准确率分别为96.38%和96.73%,四分类平均准确率为93.78%。实验结果显示,与单路卷积神经网络及其他文献算法相比,该文算法的平均准确率有所提高,表明该算法可以有效提升脑电情感识别性能。

关键词：脑电情感识别双路卷积神经网络多尺度特征多层注意力机制双向门控循环单元

融合多层注意力机制与BiLSTM的知识图谱补全算法研究

在线全文

学校读者我要写书评

暂无评论

数据与计算发展前沿 2023年第3期5卷 123-137页

作者：张晓帆孙海春李欣中国人民公安大学信息网络安全学院北京100038

【目的】针对目前大多数知识图谱补全算法无法兼顾局部与全局特征的问题,本文提出一种对实体间的关系路径进行层级划分,并利用双向长短期记忆网络和多层注意力机制进行特征提取的算法,以对知识图谱进行补全。【方法】首先,结合关系路径... 详细信息

【目的】针对目前大多数知识图谱补全算法无法兼顾局部与全局特征的问题,本文提出一种对实体间的关系路径进行层级划分,并利用双向长短期记忆网络和多层注意力机制进行特征提取的算法,以对知识图谱进行补全。【方法】首先,结合关系路径上的实体类型和关系得到关系路径序列的向量表示;然后,利用多层注意力机制和双向长短期记忆网络分层级提取序列关键信息;最终通过计算关系路径特征向量与候选关系向量间的相似度得出预测结果。【结果】在NELL-995和FB15k-237数据集上进行链路预测实验,结果表明,该算法与已有基于关系路径的知识图谱补全算法CNN-BiLSTM等相比,MAP值提高了1.8%,Hits@1指标提高了1.4%;在Kinship数据集上,其Hits@3值达到了0.988。【结论】本文通过实验证明了所提出的HAN-BiLSTM算法能有效提取关系路径的整体特征和局部特征,从而提高知识图谱补全效果。

关键词：知识图谱补全关系路径推理多层注意力机制双向长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

基于多层注意力机制的跨模态检索方法研究

基于多层注意力机制的跨模态检索方法研究

作者：孔浩华中科技大学

学位级别：硕士

大数据的一个重要特征是多模态,不同行业领域的数据来源广泛、形式多样,每一种来源或形式都可以看作是一种模态,例如视频、图片、语音等。基于这些多模态数据,用户可能选择任何媒体形式的内容作为查询条件,因此跨模态数据之间的信息检... 详细信息

大数据的一个重要特征是多模态,不同行业领域的数据来源广泛、形式多样,每一种来源或形式都可以看作是一种模态,例如视频、图片、语音等。基于这些多模态数据,用户可能选择任何媒体形式的内容作为查询条件,因此跨模态数据之间的信息检索具有非常广阔的应用空间,已经成为目前研究的一个热点问题。跨模态检索的主要挑战是如何弥补不同模态间的语义鸿沟,目前已有的基于深度学习的跨模态检索方法通常利用神经网络单独学习每个模态的特征,然后将这些特征投影到公共空间进行表示,然而这些方法往往忽略了每个模态内部和不同模态之间的相互影响。考虑到已有方法的不足,本文在跨模态检索过程中引入了多层注意力机制提取文本和图像数据的细粒度特征,学习每个模态数据内部和不同模态之间的潜在语义关系。在模型中使用自注意力单元学习模态内部的上下文局部信息,使用协同注意力单元学习不同模态数据的全局交互信息,然后将自注意力单元以及协同注意力单元堆叠成多层神经网络结构,利用文本特征编码后的结果指导图像特征的学习过程。此外,由于图像特征会影响单词的含义进而影响文本在语义空间中的位置,本文在多层注意力机制中引入一个多模态自适应门根据图像特征动态的调整文本特征的表示形式,实现文本和图像特征的进一步融合,最后根据标签对模型进行训练,使用训练好的模型完成跨模态检索任务。本文在公开的数据集上进行了测试,通过对比实验和消融实验验证了所提出的跨模态检索模型的有效性。实验结果表明,基于多层注意力机制的跨模态检索方法在Wiki Pidea、Pascal Sentence和Nuswide-10k三个公开的数据集上的效果超越了之前提出的方法,有效的提升了跨模态检索任务的平均精度均值。

关键词：跨模态检索公共空间表示多层注意力机制多模态自适应门

融合多层注意力机制与双向LSTM的语义关系抽取

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

软件导刊 2019年第7期18卷 10-14,18页

作者：周文烨刘亮亮张再跃江苏科技大学计算机科学与工程学院江苏镇江212003 上海对外经贸大学统计与信息学院上海201620

关系抽取是构建如知识图谱等上层自然语言处理应用的基础。针对目前大多数关系抽取模型中忽略部分文本局部特征的问题,设计一种结合实体位置特征与多层注意力机制的双向LSTM网络结构。首先根据位置特征扩充字向量特征,并将文本信息向量... 详细信息

关系抽取是构建如知识图谱等上层自然语言处理应用的基础。针对目前大多数关系抽取模型中忽略部分文本局部特征的问题,设计一种结合实体位置特征与多层注意力机制的双向LSTM网络结构。首先根据位置特征扩充字向量特征,并将文本信息向量化,然后将文本向量化信息输入双向LSTM模型,通过多层注意力机制,提高LSTM模型输入与输出之间的相关性,最后通过分类器输出关系获取结果。使用人工标注的百科类语料进行语义关系获取实验,结果表明,改进方法优于传统基于模式匹配的关系获取方法。

关键词：位置特征多层注意力机制双向LSTM 关系抽取

基于注意力机制与LSTM-CCN的月降水量预测

在线全文

学校读者我要写书评

暂无评论

人民长江 2024年第6期55卷 129-135页

作者：周祥张世明苏林鹏张守平重庆水利电力职业技术学院重庆402160 水库安全及水环境大数据重庆市高校工程中心重庆402160 长江水利委员会水文局长江上游水文水资源勘测局重庆400020 重庆市渝西水利电力勘测设计院有限公司重庆402160

针对现有月降水量预测方法预测准确性不高的问题,提出一种基于注意力机制与LSTM-CCN的月降水量预测方法。首先,利用长短时记忆神经网络(long short-term memory neural network,LSTM)提取气象数据在时间维度的特征分布,从时间相关性方... 详细信息

针对现有月降水量预测方法预测准确性不高的问题,提出一种基于注意力机制与LSTM-CCN的月降水量预测方法。首先,利用长短时记忆神经网络(long short-term memory neural network,LSTM)提取气象数据在时间维度的特征分布,从时间相关性方面捕获相邻时间段或长距离气象数据段中的统计分布;其次,利用因果卷积神经网络(causal convolutional network,CCN)将气象数据映射到空间维度,深层次地从空间维度捕获气象数据在空间中的特征统计分布;再次,以并联的方式将时间和空间特征作为交叉注意力网络的输入,构造融合的时空特征;最后,以长短时记忆神经网络构造解码器,并将融合的时空特征作为解码器的输入,预测的月降水量作为输出。选取河南省新乡市2001~2017年数据集进行测试,结果表明:所提出方法的均方根误差仅为13.08 mm,相比主流方法具有更低的预测误差。研究成果可为提高气象预测的准确性和实用性提供参考。

关键词：月降水量预测多层注意力机制因果卷积神经网络长短时记忆神经网络

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

融合角色心理画像的心理健康文本匹配模型

计算机研究与发展 2024年第7期61卷 1812-1824页

作者：赵芸刘德喜万常选刘喜平廖国琼江西财经大学信息管理学院南昌330013 江西科技师范大学数学与计算机科学学院南昌330038 数据与知识工程江西省高校重点实验室(江西财经大学) 南昌330013

全球心理健康问题形势严峻,由于心理健康服务的从业人员不足,遭受心理健康困扰的人并不总是能获得专业的心理健康服务.检索式心理健康社区自动问答可以快速地为需要心理健康服务的人提供相应的信息自助服务.与传统检索式社区问答中的文... 详细信息

全球心理健康问题形势严峻,由于心理健康服务的从业人员不足,遭受心理健康困扰的人并不总是能获得专业的心理健康服务.检索式心理健康社区自动问答可以快速地为需要心理健康服务的人提供相应的信息自助服务.与传统检索式社区问答中的文本匹配不同,在匹配支持帖和求助帖时,需要考虑2种不同层面的匹配准则:语义层面和心理层面.为了解决该问题,提出融合角色心理画像的2阶段文本匹配模型(two-stage text matching model integrating characters’mental portrait,T2CMP),该模型引入心理特征用于构建角色心理画像,从而辅助模型理解文本心理层面的内容和匹配关系.同时为了提升检索效率以及减少大量负样例带来的噪声问题,将文本匹配任务拆分为2阶段的序列型子任务.首先针对每条求助帖,使用基于语义的筛选模型甄别出候选支持帖;然后依据用户的角色心理画像,使用多层注意力机制将其与语义信息有效融合,提高模型的总体效果.在MHCQA数据集上的实验结果显示,T2CMP比现有优秀算法拥有更高的F1值.

关键词：文本匹配 2阶段模型角色心理健康画像多层注意力机制心理健康信息自助服务

融合RoBERTa和注意力机制的隐喻方面级情感分析

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2023年第10期44卷 2236-2241页

作者：马圆圆禹龙田生伟钱梦莹张立强新疆大学软件学院乌鲁木齐830008 新疆大学网络与信息中心乌鲁木齐830008

针对目前大多数隐喻情感分析方法存在对方面情感注意力引入不足的问题,提出一种用于隐喻方面级情感分类的模型.模型首先通过RoBERTa对具有方面情感信息的文本进行编码,将编码后的方面信息和多层情感注意力信息融合,形成多层方面注意力... 详细信息

针对目前大多数隐喻情感分析方法存在对方面情感注意力引入不足的问题,提出一种用于隐喻方面级情感分类的模型.模型首先通过RoBERTa对具有方面情感信息的文本进行编码,将编码后的方面信息和多层情感注意力信息融合,形成多层方面注意力表征向量.将该表征向量与隐喻句的关联结果作为文本原始特征,利用注意力机制和方面信息对其解码,然后通过卷积网络计算隐喻句与方面词的关联度.将池化层输出结果和卷积计算结果合并,最后计算隐喻句不同方面词的情感极性的概率,完成隐喻情感分析.实验结果表明该模型对3种情感极性的平均判断准确率分别达到了83.26%,81.69%和56.68%,与基线实验相比均有所提升.

关键词：隐喻情感分析方面级情感分析多层注意力机制 RoBERTa