检索结果-南通市图书馆

深度学习模型判读胸片：采用放射科医生判定作为参考标准与人口校正后的评估

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

国际医学放射学杂志 2020年第2期 241-242页

作者： A.Majkowska S.Mittal D.F.Steiner J.J.Reicher S.M.McKinney G.E.Duggan 李璐 Google Health

深度学习有望增加胸片在临床放射学中的应用,但面临的挑战包括推广性差、疾病谱偏倚和研究间的比较困难。目的采用放射科医生的判定作为参考标准,开发和评价

关键词：放射科医生深度学习模型

深度学习模型在地理命名实体识别中的应用研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

深度学习模型在地理命名实体识别中的应用研究

作者：刘乐天津师范大学

学位级别：硕士

当前信息时代环境下,作为信息载体的数据其规模不断扩大,在海量的文本数据描述中,蕴含了大量的地理命名实体名称。随着自然语言处理技术的发展,从文本数据中获取领域目标信息的技术也逐渐成熟。自然语言是人类对于地理世界认知结果的重... 详细信息

当前信息时代环境下,作为信息载体的数据其规模不断扩大,在海量的文本数据描述中,蕴含了大量的地理命名实体名称。随着自然语言处理技术的发展,从文本数据中获取领域目标信息的技术也逐渐成熟。自然语言是人类对于地理世界认知结果的重要表现形式。如何从非结构化的文本数据中获取地理实体信息是当前地理信息科学遇到的难题之一。地理命名实体在自然语言描述中一般是描述表达的主体中心,如同句子的主语一样,因此获取到文本中的地理实体名称是获取对应地理信息的关键。随着中文命名实体识别的技术的成熟运用,实现地理命名实体识别任务的需求也逐渐被提出。地理命名实体识别技术是从文本数据中获取地理实体信息的基础。本文在当前使用广泛的自然语言处理模型BERT(Bidirectional Encoder Representation from Transformers)模型的基础上,结合长短期记忆模型(Long Short-Term Memory,LSTM)和随机向量场模型(Conditional Random Fields,CRF)的特点,实现了从非结构化的文本数据中识别地理命名实体名称,主要研究内容包括:(1)首先按照中文命名实体识别原理,使用基于规则匹配和统计的识别方法对实验数据进行命名实体识别研究。分析地理命名实体在中文描述表达特征,根据地理实体名称的特点来设计文本表示的转化方法,并总结地理命名实体识别任务的步骤和需要解决的问题,为使用深度学习方法进行地理命名实体识别任务提供算法原理选择依据。(2)针对传统命名体实体识别方法依赖于外部知识库和人工参与处理过程的问题特点。本文使用了目前较为流行的深度学习模型BILSTM和CRF相结合的基准模型,将实验数据以字符的形式输入到BILSTM模型中,对字符进行token标记,通过随机向量场模型进行字符之间的依赖关系分析,最后得到符合现实结果的最优序列标签。通过实验验证,基于BILSTM和CRF模型进行地理命名实体识别可以有效的提高从文本数据中获取地理实体名称的准确率和召回率。(3)针对使用BILSTM进行地理命名实体识别任务过程中存在的字符转向量时特征表达相对单一化,不能表征文字字符的准确词意的问题。本文使用BERT+BILSTM+CRF模型,从上下文字符信息获取语义向量,从而实现地理命名实体识别任务。实验证明,该方法在地理命名实体识别的过程中,取得了94.60%的准确率、92.46%的召回率和97.52%的F1值。对比目前存在的地理命名实体识别方法,其效果更佳,证明了使用深度学习方法进行地理命名实体识别的有效性。

关键词：地理实体名称深度学习模型自然语言处理命名实体识别

面向汉语历史事件元素识别的深度学习模型构建及实现

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

情报理论与实践 2021年第5期44卷 166-172页

作者：王昊王雪颖孟镇吴志祥南京大学信息管理学院江苏南京210023 江苏省数据工程与知识服务重点实验室江苏南京210023 南京工业大学经济管理学院江苏南京211816

[目的/意义]命名实体识别作为文本挖掘领域的一个研究重点,是信息检索、问答系统、信息抽取等多个领域的研究基础。目前针对历史文本的研究相对较少,尤其缺乏历史文本中的命名实体识别相关研究。[方法/过程]为了较好地识别出历史事件名... 详细信息

[目的/意义]命名实体识别作为文本挖掘领域的一个研究重点,是信息检索、问答系统、信息抽取等多个领域的研究基础。目前针对历史文本的研究相对较少,尤其缺乏历史文本中的命名实体识别相关研究。[方法/过程]为了较好地识别出历史事件名,笔者尝试建立深度学习模型BiLSTM-CRF进行命名实体识别。此外,基于这种模型识别了时间、地点、人物这三个辅助元素作为事件的补充信息,对不同实体的识别特性进行对比分析。[结果/结论]发现历史事件名实体识别F1值能达到95.02%。对于辅助实体元素,除地点实体F1值低于80%,其他实体元素均表现较好,F1值能达到80%以上,说明该模型具有良好的识别性及可移植性。[局限]数据标注量还不够充分,标注粒度还可以进一步细化。

关键词：命名实体识别历史事件名事件辅助元素 Bi LSTM-CRF 深度学习模型

在线全文

学校读者我要写书评

暂无评论

基于深度学习模型的物联网异常入侵检测系统

电子技术与软件工程 2022年第15期 248-252页

作者：刘涛李思鉴孙文龙伍少成深圳供电局有限公司广东省深圳市518000

本文提出一种基于深度学习模型的物联网异常入侵检测模型,该模型通过深度迁移学习方法在微调网络的同时自动注释未标记数据集,同时基于ToN-IoT数据集的四个数据集展开入侵检测实验,其试验结果表明本文所提的入侵检测系统实现了99.7%的... 详细信息

本文提出一种基于深度学习模型的物联网异常入侵检测模型,该模型通过深度迁移学习方法在微调网络的同时自动注释未标记数据集,同时基于ToN-IoT数据集的四个数据集展开入侵检测实验,其试验结果表明本文所提的入侵检测系统实现了99.7%的准确率,且在精密度、召回率、F1评分等指标上也取得了不错的成绩。

关键词：入侵检测深度学习模型 ToN-IoT数据集

基于混合深度学习模型的科技文献自动综述模型构建研究

在线全文

学校读者我要写书评

暂无评论

情报理论与实践 2021年第9期44卷 176-182,168页

作者：马浩崔运鹏中国农业科学院农业信息研究所北京100081

[目的/意义]在大数据时代,如何高效地进行科技文献知识组织与服务已成为图情领域的研究热点。因此,开展科技文献综述自动生成模型研究具有重要意义。[方法/过程]文章中,综述的自动构建分为两步:首先基于语步理论对输入文本的句子按语步... 详细信息

[目的/意义]在大数据时代,如何高效地进行科技文献知识组织与服务已成为图情领域的研究热点。因此,开展科技文献综述自动生成模型研究具有重要意义。[方法/过程]文章中,综述的自动构建分为两步:首先基于语步理论对输入文本的句子按语步类别进行识别与抽取,然后以各类语步的句子集为输入通过生成模型进行综述生成。研究分别基于SciBERT深度学习模型和Transformer网络构建了语步识别模型和综述文本生成模型。[结果/结论]语步抽取模型整体识别效果评价F1值达到87.12%,生成模型的生成效果与TextRank模型和BiLSTM模型相比在ROUGE-1、ROUGE-2和ROUGE-L三项评价指标上分别提高了4.5%、2.9%和3.3%。研究完成了科研文献综述自动生成任务的整体模型构建与实现。

关键词：科技文献自动综述语步识别深度学习模型 SciBERT

基于深度学习模型的摘要结构功能识别方法研究

在线全文

学校读者我要写书评

暂无评论

情报科学 2021年第3期39卷 107-112页

作者：刘忠宝王宇飞张志剑北京语言大学语言智能研究院北京100083 中北大学软件学院山西太原030051

【目的/意义】学术文献的摘要由目的、方法、结果等结构组成,这些结构具有特定的功能。目前,针对摘要功能结构识别的研究不多,且存在识别效率不高的问题,本文引入双向循环神经网络(Bidirectional Recurrent Neural Network, BiRNN)、双... 详细信息

【目的/意义】学术文献的摘要由目的、方法、结果等结构组成,这些结构具有特定的功能。目前,针对摘要功能结构识别的研究不多,且存在识别效率不高的问题,本文引入双向循环神经网络(Bidirectional Recurrent Neural Network, BiRNN)、双向长短时记忆网络(Bidirectional Long Short Term Memory, BiLSTM)、BiLSTM-CRF、BERT等深度学习模型,对1232篇情报类期刊论文进行摘要结构功能识别研究。【方法/过程】引入5折交叉验证法进行多次实验,以避免一次实验的偶然性;实验结果用"均值±标准差"形式表示,同时考虑模型的平均性能和稳定性;实验结果用F1值进行评价。【结果/结论】与BiRNN、BiLSTM、BiLSTM-CRF等模型相比,BERT模型具有最高的均值和最低的标准差,这表明该模型不仅具有最优的结构功能识别能力,而且性能稳定,该模型特别适用于摘要结构功能识别任务。【局限/创新】本文采用的实验语料规模较小且为人工标注,这限制了识别效率的提升。

关键词：结构功能识别深度学习模型双向循环神经网络双向长短时记忆网络条件随机场 BERT模型

在线全文

学校读者我要写书评

暂无评论

利用深度学习模型智能识别地下排水管道缺陷

测绘通报 2021年第10期 141-145页

作者：王大成谭军辉彭述刚钟镇声陈国强李国桥广东绘宇智能勘测科技有限公司广东广州510665

排水管道健康状况直接影响整个城市的排水效果,CCTV检测作为目前最为常见的排水管道健康状况检测方法,仍存在自动化程度不高、工作效率低下、严重依赖人工经验等问题。为解决以上问题,本文将当前先进的深度学习技术与地下排水管道缺陷... 详细信息

排水管道健康状况直接影响整个城市的排水效果,CCTV检测作为目前最为常见的排水管道健康状况检测方法,仍存在自动化程度不高、工作效率低下、严重依赖人工经验等问题。为解决以上问题,本文将当前先进的深度学习技术与地下排水管道缺陷检测技术相结合,提出了一种基于深度学习模型的地下排水管道缺陷智能识别技术。同时,将管道缺陷智能识别与管道检测工作流程紧密结合,实现城市排水管道检测报告的快速自动生成等功能,从而大大提高排水管道缺陷的检测效率。

关键词：排水管道缺陷深度学习模型 CCTV检测卷积神经网络智能识别系统

在线全文

学校读者我要写书评

暂无评论

基于后门的鲁棒后向模型水印方法

计算机工程 2024年第2期50卷 132-139页

作者：曾嘉忻张卫明张荣中国科学技术大学信息科学技术学院安徽合肥230027 中国科学技术大学网络空间安全学院安徽合肥230027

深度学习模型的训练成本高,但窃取成本低,容易被复制并扩散。模型的版权拥有者可以利用后门等方式在模型中嵌入水印,通过验证水印来证明模型版权。根据水印嵌入阶段的不同,模型水印又可分为前向模型水印和后向模型水印,前向模型水印在... 详细信息

深度学习模型的训练成本高,但窃取成本低,容易被复制并扩散。模型的版权拥有者可以利用后门等方式在模型中嵌入水印,通过验证水印来证明模型版权。根据水印嵌入阶段的不同,模型水印又可分为前向模型水印和后向模型水印,前向模型水印在模型训练之初就嵌入水印,而后向模型水印的嵌入发生在模型原始任务训练完成后,计算量小,更为灵活。但是已有的后向模型水印方法鲁棒性较弱,不能抵抗微调、剪枝等水印擦除攻击。分析后向模型水印鲁棒性弱于前向模型水印的原因,在此基础上,提出一种通用的鲁棒后向模型水印方法,在水印嵌入时引入对模型中间层特征和模型输出的约束,减小水印任务对原始任务的影响,增强后向模型水印的鲁棒性。在CIFAR-10、CALTECH-101、GTSRB等数据集上的实验结果表明,该方法能有效提升后向模型水印在微调攻击下的鲁棒性,CIFAR-10数据集实验中的最优约束设置与后向模型水印基线相比,水印验证成功率平均提升24.2个百分点,同时,该方法也提升了后向模型水印在剪枝等攻击下的鲁棒性。

关键词：深度学习模型模型版权保护模型水印后门鲁棒性

基于深度学习模型的广州市大气PM_(2.5)和PM_(10)浓度预测

在线全文

学校读者我要写书评

暂无评论

环境工程 2021年第12期39卷 135-140页

作者：黄春桃范东平卢集富廖启丰广州华立学院广州511300 生态环境部华南环境科学研究所广州510530 广东科迪隆科技有限公司广州510000

精准预测大气污染颗粒物PM_(2.5)、PM_(10)浓度能为大气污染防治提供科学依据,但目前较多PM;和PM;浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM;和PM;浓度预测的研究还鲜见报道。基于广州市2... 详细信息

精准预测大气污染颗粒物PM_(2.5)、PM_(10)浓度能为大气污染防治提供科学依据,但目前较多PM;和PM;浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM;和PM;浓度预测的研究还鲜见报道。基于广州市2015年6月1日—2018年1月10日的空气质量和气象监测历史数据,分别构建了随机森林模型(RF)、XGBoost模型2种传统的机器学习模型和长短时记忆网络(LSTM)、门控循环单元网络(GRU)2种深度学习模型,并对广州市的PM_(2.5)、PM_(10)日均浓度值进行预测。结果表明:在缺少污染源排放清单和能见度数据时,4种模型也能较好地预测PM_(2.5)、PM_(10)日均浓度。根据MSE、RMSE、MAPE、MAE和R;等评价指标,对4个模型的PM_(2.5)、PM_(10)预测效果进行测评,得出深度学习GRU模型预测效果均为最佳,RF模型的预测结果均为最差。相比目前研究及应用较多的RF模型、XGBoost模型、LSTM模型,基于深度学习的GRU模型能更好地预测PM_(2.5)、PM_(10)浓度。

关键词： PM_(2.5) PM_(10) 深度学习模型浓度预测影响因素