检索结果-南通市图书馆

基于多模态集成卷积神经网络的数控机床齿轮箱故障诊断

在线全文

学校读者我要写书评

暂无评论

机床与液压 2024年第8期52卷 202-207页

作者：姜广君杨永吉王赜内蒙古工业大学机械工程学院内蒙古呼和浩特010051 内蒙古自治区先进制造技术重点实验室内蒙古呼和浩特010051

针对数控机床齿轮箱在实际工作环境中负载多变且噪声干扰大、传统神经网络难以充分提取信号中的故障特征等问题,提出一种多模态集成卷积神经网络(MECNN)用于数控机床齿轮箱故障诊断。该方法将多模态融合技术与多个卷积神经网络结合,利... 详细信息

针对数控机床齿轮箱在实际工作环境中负载多变且噪声干扰大、传统神经网络难以充分提取信号中的故障特征等问题,提出一种多模态集成卷积神经网络(MECNN)用于数控机床齿轮箱故障诊断。该方法将多模态融合技术与多个卷积神经网络结合,利用快速傅里叶变换方法将时域信号转换成频域信号;利用时域信号和频域信号对2个卷积神经网络进行训练,使模型能够分别从时域和频域2个角度提取特征,再将浅层特征融合;最后,将融合后的特征输入到卷积神经网络中进行故障特征的深度挖掘,并进行故障诊断。使用东南大学的齿轮箱数据集进行验证,设计了2种特征融合的方法并进行了对比。实验结果表明:在噪声下,MECNN模型用于故障诊断的准确性和鲁棒性均优于单一的时域CNN和频域CNN。

关键词：数控机床齿轮箱故障诊断多模态学习卷积神经网络

数字赋能民族地区国家通用语言文字推广的优化路径研究——基于推拉理论的分析框架

在线全文

学校读者我要写书评

暂无评论

语言与翻译 2024年第2期 19-22,39页

作者：张晓娜刘宏宇新疆师范大学中国语言文学学院乌鲁木齐830054

民族地区持续推广普及国家通用语言文字既是提升当地人力资本水平的重要措施,也是巩固拓展脱贫攻坚成果同乡村振兴有效衔接的重要环节。推拉理论以优化民族地区语言环境和满足群众的实际语言应用需求为导向,探寻数字赋能国家通用语言文... 详细信息

民族地区持续推广普及国家通用语言文字既是提升当地人力资本水平的重要措施,也是巩固拓展脱贫攻坚成果同乡村振兴有效衔接的重要环节。推拉理论以优化民族地区语言环境和满足群众的实际语言应用需求为导向,探寻数字赋能国家通用语言文字的多模态学习模式,重点改善民族地区学习资源不足、师资力量短缺及语言环境缺乏等问题,同时完善推普长效机制和学习退出机制,实现重点地区、重点人群精准推普,促进推普工作提质增效,建立数字赋能国家通用语言文字推广的优化路径。

关键词：推拉理论数字赋能多模态学习优化路径

基于多模态多标记迁移学习的早期阿尔茨海默病诊断

在线全文

学校读者我要写书评

暂无评论

计算机应用 2016年第8期36卷 2282-2286,2291页

作者：程波朱丙丽熊江重庆三峡学院计算机科学与工程学院重庆404000

针对当前基于机器学习的早期阿尔茨海默病(AD)诊断中训练样本不足的问题,提出一种基于多模态特征数据的多标记迁移学习方法,并将其应用于早期阿尔茨海默病诊断。所提方法框架主要包括两大模块:多标记迁移学习特征选择模块和多模态多标... 详细信息

针对当前基于机器学习的早期阿尔茨海默病(AD)诊断中训练样本不足的问题,提出一种基于多模态特征数据的多标记迁移学习方法,并将其应用于早期阿尔茨海默病诊断。所提方法框架主要包括两大模块:多标记迁移学习特征选择模块和多模态多标记分类回归学习器模块。首先,通过稀疏多标记学习模型对分类和回归学习任务进行有效结合;然后,将该模型扩展到来自多个学习领域的训练集,从而构建出多标记迁移学习特征选择模型;接下来,针对异质特征空间的多模态特征数据,采用多核学习技术来组合多模态特征核矩阵;最后,为了构建能同时用于分类与回归的学习模型,提出多标记分类回归学习器,从而构建出多模态多标记分类回归学习器。在国际老年痴呆症数据库(ADNI)进行实验,分类轻度认知功能障碍(MCI)最高平均精度为79.1%,预测神经心理学量表测试评分值最大平均相关系数为0.727。实验结果表明,所提多模态多标记迁移学习方法可以有效利用相关学习领域训练数据,从而提高早期老年痴呆症诊断性能。

关键词：多模态学习多标记学习迁移学习阿尔茨海默病特征选择

在线全文

学校读者我要写书评

暂无评论

面向多标记/多模态数据的主动学习研究

面向多标记/多模态数据的主动学习研究

作者：高能能南京航空航天大学

学位级别：硕士

在传统有监督学习问题中,若要得到性能较好的模型,往往需要在大量已标记样本上进行训练学习。但在很多实际任务中,特别是处理多标记、多模态等复杂数据时,样本标注十分困难,代价昂贵。因此,如何利用尽可能少的标记数据训练出有效模型是... 详细信息

在传统有监督学习问题中,若要得到性能较好的模型,往往需要在大量已标记样本上进行训练学习。但在很多实际任务中,特别是处理多标记、多模态等复杂数据时,样本标注十分困难,代价昂贵。因此,如何利用尽可能少的标记数据训练出有效模型是一个重要的研究问题。主动学习是有效解决这一问题的主要途径,它通过主动选择部分最有价值的样本向用户查询其标记,从而用较少的代价提升模型性能。本文结合主动学习技术分别针对多标记、多模态复杂数据在训练建模时标记数据匮乏的问题开展了研究,由此取得了如下成果:1.提出一种结合模型引导的分布匹配多标记主动学习算法MADM。该算法通过匹配未标记数据和已标记数据的分布,发掘特征、标记两方面均最具代表性、差异性的监督信息。同时,利用模型的预测得分动态引导分布的匹配,使算法倾向于更有查询价值的潜在正样本。实验证实MADM能显著减小多标记样本的标注代价。2.提出一种查询细粒度监督信息的多示例多标记主动学习算法MIML-AL。该算法针对多示例多标记对象提出一个特定的查询方式,在不增加用户标注代价的前提下获取更为精细的监督信息。同时,通过联合考虑输入、输出空间的差异性和不确定性,使查询的监督信息最有价值。实验证明MIML-AL能在同等标注代价下获得更大的性能提升。3.提出一种结合主动查询的跨模态相似度学习算法COSLAQ。该算法充分利用模态内和模态间不同相似性度量的不一致度,发掘对模型性能提升最具价值的监督信息。同时,通过结合模型的不确定性以有效避免离群点的干扰。实验验证显示出COSLAQ的有效性。

关键词：主动学习多标记学习多模态学习多示例多标记学习跨模态相似度学习

基于多模态学习的深度玻尔兹曼机分析微博用户的心理压力

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

海南大学学报（自然科学版） 2016年第2期34卷 121-130页

作者：杨展杜文才海南大学信息科学技术学院海南海口570228

提出了利用基于多模态学习的深度玻尔兹曼机模型(DBM)对微博图片和文本数据进行处理和分析,在模型中可以实现文本和图片的低层次特征向稀疏高层次抽象特征的转变,最后用一个联合层表示来自2种不同模态数据的融合特征.此外,该模型发现2... 详细信息

提出了利用基于多模态学习的深度玻尔兹曼机模型(DBM)对微博图片和文本数据进行处理和分析,在模型中可以实现文本和图片的低层次特征向稀疏高层次抽象特征的转变,最后用一个联合层表示来自2种不同模态数据的融合特征.此外,该模型发现2种不同模态数据的输入特征处在低层次时是高度非线性的.实验结果证明了本文所提出方法的有效性.

关键词：微博数据多模态学习玻尔兹曼机心理压力分析

在线全文

学校读者我要写书评

暂无评论

基于显著性多模态小样本学习方法之研究

基于显著性多模态小样本学习方法之研究

作者：姚苏丹天津大学

学位级别：硕士

随着卷积神经网络的提出,深度学习在图像分类,语音识别和物体检测等任务中取得了惊人的成绩。然而,这些研究通常都需要大量带有标签的数据进行训练,但在现实生活中,想要获取到大量的数据是十分困难的,限制了模型在现实世界中的适用性。... 详细信息

随着卷积神经网络的提出,深度学习在图像分类,语音识别和物体检测等任务中取得了惊人的成绩。然而,这些研究通常都需要大量带有标签的数据进行训练,但在现实生活中,想要获取到大量的数据是十分困难的,限制了模型在现实世界中的适用性。而人类能够通过一张或几张图像学习到一个新的物体,通过之前学习到的知识,来帮助快速学习新的内容,小样本学习随之产生。现有的小样本学习主要从单模态在元学习,度量学习等方面进行研究。人类可以从多个信息源获取信息帮助学习,同时在观察一张图像时能够快速定位到具有辨别力的区域。如何从图像中快速获得重要信息,也是计算机视觉领域的关键问题。基于以上问题,结合图像的多模态信息获取,本文提出了一种基于显著性的多模态小样本学习方法。从人类视觉注意力角度入手,本文采用了显著性目标检测网络对图像进行处理,分离图像的前景、背景区域,更关注于图像前景部分,继而关注图像背景,符合人的视觉认知需求。通过视觉信息与语义信息的多模态结合,丰富图像的特征表示。语义信息提供的先验知识和图像背景的补充对图像识别都有所帮助。最后,本文在四个数据集上验证了模型的有效性。

关键词：小样本学习显著性目标检测多模态学习

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

“实用英语”多模态学习模式的实践探索

扬州职业大学学报 2021年第2期25卷 50-54页

作者：邵红万扬州职业大学外国语学院江苏扬州225009

基于多模态学习模式问题分析,围绕多模态学习环境营造、课程资源研发、师生互动创设、作业设计及管理体系建构等,探究“实用英语”课程多模态学习模式的架构,以期对学习者英语学习和内生性发展起到促进作用。最后强调建构多模态学习模... 详细信息

基于多模态学习模式问题分析,围绕多模态学习环境营造、课程资源研发、师生互动创设、作业设计及管理体系建构等,探究“实用英语”课程多模态学习模式的架构,以期对学习者英语学习和内生性发展起到促进作用。最后强调建构多模态学习模式切忌只关注多模态资源形态而忽视了资源内涵。

关键词：多模态学习媒体融合多维互动内生性发展

互联网多模态学习下培养学生英语多元读写能力探究

在线全文

学校读者我要写书评

暂无评论

互联网多模态学习下培养学生英语多元读写能力探究

基于多种深度学习构件的同源及异源多模态数据利用

广东教育学会2019-2020年度学术论坛

作者：马舒茂名市茂南开发试验区低埒小学

多元读写的内涵超出了传统的书面文字的读写范围,将读写拓展到了交往与技术层面。专家指出,多元读写能力包括语言读写能力、社会交际能力和技术读写能力。互联网和信息技术的发展使多元读写能力的培养成为可能。多模态学习强调多种感官... 详细信息

多元读写的内涵超出了传统的书面文字的读写范围,将读写拓展到了交往与技术层面。专家指出,多元读写能力包括语言读写能力、社会交际能力和技术读写能力。互联网和信息技术的发展使多元读写能力的培养成为可能。多模态学习强调多种感官的参与,多模态学习有助于提升学生的综合素养。互联网多模态学习下培养小学生英语多元读写能力的路径如下:教师加强学习,研究多元读写能力;课件内容丰富多样;开展综合实践活动,深入体验多元读写。

关键词：多元读写能力多模态学习信息技术教学方法

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于多种深度学习构件的同源及异源多模态数据利用

作者：吴逸峰南京大学

学位级别：硕士

随着计算机技术的日益进步,数据的收集来源和应用方式变得越来越多样化、复杂化。这些针对同一对象的从不同来源获取或者从不同角度刻画的数据,我们称之为多模态数据。从不同来源获取的数据,我们称之为异源多模态数据;反之来源单一,但... 详细信息

随着计算机技术的日益进步,数据的收集来源和应用方式变得越来越多样化、复杂化。这些针对同一对象的从不同来源获取或者从不同角度刻画的数据,我们称之为多模态数据。从不同来源获取的数据,我们称之为异源多模态数据;反之来源单一,但是可以从不同角度刻画的数据,我们称之为同源多模态数据。如何从这些多模态数据中提取特征并加以利用的研究称为多模态学习。近几年,得益于计算机性能的大幅度提升,深度学习技术日益成熟,因而许多研究人员为了能够更有效地从这些多模态数据中提取有价值的特征,结合不同的数据特点以及应用场景特点,提出许多基于不同的深度学习构件的多模态数据应用算法。然而,现有的多模态数据研究中仍然存在着一些问题没有被很好地解决,例如数据的模态不一致、表示复杂以及信息匮乏等。于是,本文分别针对异源及同源多模态数据在多个应用场景中存在的问题,从以下三个方面进行研究,并且提出了相应的解决方法:1.异源多模态数据模态不一致问题研究。大多数现有的异源多模态方法都会利用模态一致性来降低学习问题的复杂性。模态一致性是指同一对象的不同模态示例之间内容一致。为了保持这种模态间的一致性,我们需要保证获取的数据模态完整,否则模态之间信息就存在不对称。但是,由于数据收集失败,数据自身缺陷以及数据私密性等问题,多模态数据在实际应用场景中往往存在模态缺失;此外,即使在完整的多模态数据中也仍然存在模态间不一致异常问题,即事物的不同模态描述之间存在差异或者数据本身与整个数据集的内容存在差异等。这些问题共同导致了异源多模态数据不一致性问题。因此,为了解决这类模态不一致问题,我们提出了一种基于深度能量模型构件的多模态鲁棒学习算法DRUMN。首先,我们采用深度自动编码器框架并引入深度能量模型构件,通过最大化同构多模态数据间一致性来解决模态缺失问题;在此基础之上,我们采用一种自适应权重估计方法来消除异常数据的影响。最终,DRUMN可以有效地解决异源多模态数据不一致问题,并且能提取有判别力的特征表示。2.异源多模态数据复杂表示问题研究。以往多模态算法处理的数据一般满足示例级模态一致性,即同一对象的不同模态示例之间存在对应关系。然而,在很多复杂的应用中,为了能够充分的描述有关对象,往往获得的多模态数据形式复杂,因而可能无法满足示例级模态一致性。例如,一篇文章常常包含多段文字和多张图片。一方面,我们知道这些图片和文字整体之间是对应的(都是对这篇文章内容的描述);但是,另一方面,我们既无法确定图片和文本段数量,也无法确定每一张图片和每一段文字之间的对应关系(无法确认示例级的模态一致性)。在处理这些异源多模态数据的复杂表示问题时,现有的算法无法提供很好的解决方案。因此,我们提出了一种基于消歧模型构件的多模态深度学习算法。我们利用多示例学习中有关方式来处理这类数据的复杂表示问题,同时引入最优传输理论用于解决它们的多标记预测以及标记相关性挖掘等问题。3.同源多模态数据信息匮乏问题研究。异源多模态数据最大特点是来源多样化,这意味着可供挖掘的信息相对较为丰富。相比之下,同源多模态数据由于数据源单一信息相对较少。为了解决单源数据信息匮乏的问题,我们可以从多个角度挖掘数据中的信息,这也是单源多模态数据应用研究的出发点。换句话说,单源多模态提供了一种更加充分挖掘数据特征的研究思路。在不同的具体应用场景中,我们可以结合数据特点利用单源多模态技术提升模型的性能。例如,在短文本匹配场景中,数据源一般只有短文本对,传统文本匹配算法大多从单一角度提出匹配模型,因此模型的效果受限于数据信息匮乏,无法很好地提升。为了能更好的完成任务,我们基于单源多模态思路从多角度、多层次来挖掘文本数据中的信息。我们提出了一种基于局部交互构件的文本匹配算法。我们分别从局部和整体两个角度、低阶高阶两个层次,充分挖掘待匹配文本数据的特征以及文本之间的关系,从而提升文本匹配的准确性。

关键词：机器学习深度学习多模态学习鲁棒性异常检测多示例多标记短文本匹配