检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于问题分类和深度模型的答案选择算法

计算机工程与设计 2023年第5期44卷 1412-1418页

作者：何丽张家铭徐丽闪王昊李欣北方工业大学信息学院北京100144 北方工业大学CNONIX国家标准应用与推广实验室北京100144

为解决问答系统中问答句之间语义信息交互较少的问题,增强模型对问题分类信息的应用,提出一种将问题分类和预训练模型BERT相结合的答案选择模型。通过问题分类获取问句的期望答案类型,根据问句的期望答案类型遮蔽候选答案句中无关的单词... 详细信息

为解决问答系统中问答句之间语义信息交互较少的问题,增强模型对问题分类信息的应用,提出一种将问题分类和预训练模型BERT相结合的答案选择模型。通过问题分类获取问句的期望答案类型,根据问句的期望答案类型遮蔽候选答案句中无关的单词,利用BERT模型更深层次的融合问题句和答案句中句法和语义特征,计算问答对的语义相似度。实验结果表明,采用融合问题分类信息的答案选择模型,在TrecQA Clean和WikiQA数据集上的MAP和MRR指标都有明显提升。

关键词：问答系统问题分类深度模型答案选择期望答案类型语义交互 BERT模型

在线全文

学校读者我要写书评

暂无评论

基于深度模型迁移的细粒度图像分类方法

计算机应用 2018年第8期38卷 2198-2204页

作者：刘尚旺郜翔河南师范大学计算机与信息工程学院河南新乡453007 "智慧商务与物联网技术"河南省工程实验室(河南师范大学) 河南新乡453007

针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题,提出深度模型迁移(DMT)分类方法。首先,在粗粒度图像数据集上进行深度模型预训练;然后,使用细粒度图像数据集对预训练模型logits层进行不确切监督学习,使其特征分... 详细信息

针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题,提出深度模型迁移(DMT)分类方法。首先,在粗粒度图像数据集上进行深度模型预训练;然后,使用细粒度图像数据集对预训练模型logits层进行不确切监督学习,使其特征分布向新数据集特征分布方向迁移;最后,将迁移模型导出,在对应的测试集上进行测试。实验结果表明,在STANFORD DOGS、CUB-200-2011、OXFORD FLOWER-102细粒度图像数据集上,DMT分类方法的分类准确率分别达到72.23%、73.33%和96.27%,验证了深度模型迁移方法在细粒度图像分类领域的有效性。

关键词：深度模型迁移学习细粒度图像分类不确切监督学习特征分布

在线全文

学校读者我要写书评

暂无评论

一种深度模型行人检测方法

实验室研究与探索 2016年第8期35卷 121-126页

作者：郭秋滟李欣西昌学院汽车与电子工程学院四川西昌615013 清华大学深圳研究生院广东深圳518055

提出一种新的深度模型,通过多个阶段的后向传播来联合训练多阶段分类器实现行人检测。该模型可将分类器的得分图输出存储在局部区域中,并将其作为上下文信息来支持下一阶段的决策。通过设计具体的训练策略,深度模型可对硬性样本进行挖... 详细信息

提出一种新的深度模型,通过多个阶段的后向传播来联合训练多阶段分类器实现行人检测。该模型可将分类器的得分图输出存储在局部区域中,并将其作为上下文信息来支持下一阶段的决策。通过设计具体的训练策略,深度模型可对硬性样本进行挖掘来分阶段训练网络,进而模拟串联分类器。此外,每个分类器可在不同的难度水平上处理样本,并通过无监督预训练和专门安排的各阶段有监督训练来对优化问题正规化,提高了行人检测的可靠性。理论分析表明该训练策略有助于避免过拟合。基于3个数据集(Caltech,ETH和TUD-Brussels)的实验结果也验证了该方法优于当前其他最新算法。

关键词：串联式分类器行人检测深度模型上下文信息

在线全文

学校读者我要写书评

暂无评论

基于组合深度模型的社交媒体谣言检测

基于组合深度模型的社交媒体谣言检测

作者：陈石云南大学

学位级别：硕士

社交媒体时代,人们在网络平台获取和分享信息越来越普遍,这无疑加剧了社交网络的复杂性,伴随而来的是网络上谣言的泛滥。网络谣言会带来诸多社会问题,影响社会稳定与和谐,社交网络上的谣言检测已然成为越来越受到重视的热门研究问题。... 详细信息

社交媒体时代,人们在网络平台获取和分享信息越来越普遍,这无疑加剧了社交网络的复杂性,伴随而来的是网络上谣言的泛滥。网络谣言会带来诸多社会问题,影响社会稳定与和谐,社交网络上的谣言检测已然成为越来越受到重视的热门研究问题。随着深度学习框架的产生和发展,针对社交平台上网络谣言检测,引入深度学习框架是一个有效的解决办法。从网络信息中获取深层语义信息和文本特征是谣言检测的关键。对于复杂的网络信息来讲,单一方法很难去很好地处理和提取其特征。为了更好地进行社交媒体上谣言的检测,本文从谣言检测流程中的多个角度出发,提出了一种组合深度模型的谣言检测方法。本文的工作重点在于:多模型混合使获取到的文本信息相对多样化,更好地获得深层语义信息和高质量的文本特征,进一步提高谣言检测的准确性。本文主要工作如下:(1)在预训练模型BERT中采用了新的内部学习方式,把源贴和相关的评论看作单个文本块,进行每个文本块的内部学习,并且将每块学习到的内容与预训练模型中表示整个文本语义的[CLS]做交互。(2)对预训练模型的输出结果,根据其特点,使用不同的深度模型进一步学习并且使用Co-Attention进行强化,提高模型性能。具体来讲,使用可以获取局部空间特征的卷积神经网络(CNN)、获取时序特征的双向长短期记忆网络(BiLSTM)和协同注意力(Co-Attention)进一步进行特征学习并优化。组合方法相比单一方法更具有鲁棒性,能获取事件信息中更多的隐藏特征,以此提高谣言检测的准确率。(3)在真实的微博和Twitter数据集上进行实验,证明本文提出的方法相比于基线方法在准确率等方面有不错的检测性能,又通过消融实验展示各部分对模型性能影响的大小,说明所提模型的整体优势和组合设计的合理性。实验表明,组合模型在所用数据集上的检测结果的误差率普遍降到3%左右。

关键词：社交网络谣言检测深度模型

基于改进的堆叠降噪自动编码器深度模型的转子-转轴系统故障诊断方法

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

机床与液压 2020年第21期48卷 182-188,196页

作者：姜万录李金虎李振宝姜安琦燕山大学先进锻压成型技术与科学教育部重点实验室河北秦皇岛066004 河北省重型机械流体动力传输与控制重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械... 详细信息

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械故障综合模拟实验台,结合基于LabVIEW开发的信号采集系统模拟并采集转子-转轴系统的10类单一故障和7类复合故障振动信号。在训练SDAE模型时引入Dropout机制对模型进行改进,并结合Softmax分类器进行网络训练与诊断。与传统BP网络、自动编码器(AE)、无Dropout机制的SDAE和卷积神经网络(CNN)进行对比,结果表明:改进的SDAE方法对于转子-转轴系统故障的正确识别率最高,特别是对复合故障的诊断效果比其他模型更理想,充分验证了改进的SDAE深度模型的优越性。

关键词：故障诊断深度模型堆叠降噪自动编码器 Dropout机制

在线全文

学校读者我要写书评

暂无评论

基于LDA和深度模型的专利主题演化

数学的实践与认识 2024年第4期54卷 68-81页

作者：关菁华毛子凡王婷谭梦琪大连外国语大学软件学院辽宁大连116044 大连东软信息学院图书馆辽宁大连116023

将基于深度模型的命名实体识别方法与基于LDA模型的主题挖掘方法相结合进行专利技术主题演化分析,满足用户和企业从众多专利中快速找到主要技术方法和热门研究领域的需求.以环氧树脂专利为例,进行基于深度学习的相关化合物及制备技术实... 详细信息

将基于深度模型的命名实体识别方法与基于LDA模型的主题挖掘方法相结合进行专利技术主题演化分析,满足用户和企业从众多专利中快速找到主要技术方法和热门研究领域的需求.以环氧树脂专利为例,进行基于深度学习的相关化合物及制备技术实体识别,采用半自动化方式构建领域词典,再使用改进的LDA模型进行主题建模,从主题强度及内容两个角度分析演化过程.半自动化领域词典的构建,能使主题挖掘结果更加准确,改进的LDA模型有助于主题内容的解释,为主题演化提供新的思路与方法.

关键词： LDA 深度模型主题演化专利

基于简化内波方程的光学隐蔽深度模型建立与分析

在线全文

学校读者我要写书评

暂无评论

舰船科学技术 2024年第21期46卷 124-128页

作者：朱海荣蔡鹏张春磊宗敬文王旺海军潜艇学院山东青岛266000

非均匀海水条件下,光学隐蔽深度模型(OCD_LAYER)建立在海水按照垂直线上分割成光学特性近似的相似层的基础之上,为了研究海洋内波条件下OCD_LAYER模型的适用性,根据对比度和两层流体内孤立波KDV方程,通过构造内波垂向结构,计算出位移均... 详细信息

非均匀海水条件下,光学隐蔽深度模型(OCD_LAYER)建立在海水按照垂直线上分割成光学特性近似的相似层的基础之上,为了研究海洋内波条件下OCD_LAYER模型的适用性,根据对比度和两层流体内孤立波KDV方程,通过构造内波垂向结构,计算出位移均方根最大层为内波简化两层界面,并依此建立内波简化模型条件下光学隐蔽深度模型(OCD_KDV)。计算并分析了水下航行体表面反射比、海水衰减系数、观察天顶角、空气消光系数变化对内波简化模型条件下光学隐蔽深度模型的影响。结果表明,在最高探测概率下,特征尺度为36m的水下航行体光学隐蔽深度在深远海海水中数值为36.79m;在近海海水中数值为22.08m;在沿岸海水中数值为11.04m。实验结果为水下航行体光学隐蔽性提供了重要理论参考。

关键词： KDV方程深度模型内波

在线全文

学校读者我要写书评

暂无评论

深度模型水印

自然杂志 2022年第4期44卷 267-273页

作者：张新鹏吴汉舟上海大学通信与信息工程学院上海200444

深度神经网络模型凝结了设计者的智慧,需要消耗大量数据和计算资源,是人工智能技术的重要产出物,已被广泛应用于生产和生活当中。然而,作为一种数字产品,如何保护深度神经网络模型免于被非法复制、分发或滥用(即知识产权保护)是人工智... 详细信息

深度神经网络模型凝结了设计者的智慧,需要消耗大量数据和计算资源,是人工智能技术的重要产出物,已被广泛应用于生产和生活当中。然而,作为一种数字产品,如何保护深度神经网络模型免于被非法复制、分发或滥用(即知识产权保护)是人工智能产业化进程中必须面临和解决的难题。文章主要介绍基于数字水印的深度模型产权保护技术,通过总结深度模型水印的发展现状,对深度模型水印的研究趋势进行展望。

关键词：深度模型数字水印产权保护人工智能安全

在线全文

学校读者我要写书评

暂无评论

基于深度模型迁移学习的花卉图像分类方法

基于深度模型迁移学习的花卉图像分类方法

作者：郜翔河南师范大学

学位级别：硕士

图像分类是目前人工智能、模式识别领域的重要研究方向之一。花卉图像分类,是以花卉为目标,对图像中的花卉进行生物学分类;其在植物物种研究与保护、园林花圃智能化管理中具有重要应用价值。花卉图像类别数量多、类间差异小、类内差异... 详细信息

图像分类是目前人工智能、模式识别领域的重要研究方向之一。花卉图像分类,是以花卉为目标,对图像中的花卉进行生物学分类;其在植物物种研究与保护、园林花圃智能化管理中具有重要应用价值。花卉图像类别数量多、类间差异小、类内差异大、背景复杂、样本数量少,对其准确分类往往难度较大。针对花卉图像数据的这些特点,本文以深度模型、迁移学习和多任务学习为理论指导,进行花卉图像分类研究。主要工作内容如下:（1）针对特征描述算子设计难度大、特征提取能力弱,以及深度模型结构复杂、参数规模大、难以拟合小数据集的问题,提出基于深度模型迁移学习的细粒度图像分类方法。首先,通过在粗粒度图像数据集上进行预训练,使深度模型参数分布具备自然图像特征提取能力;然后,对深度模型进行局部训练,使其在细粒度图像数据集上进行迁移。实验结果表明,在102类花卉图像数据集上,分类准确率达到96.27%;此外,在120类狗、200类鸟、37类猫和狗、196类汽车图像数据集上,该方法亦分别得到72.23%、73.33%、86.00%、89.72%的图像分类准确率,具有较好的准确性与泛化性能。（2）深度模型的训练往往需要非常大的数据规模、非常多的差异特征,以满足模型中庞大的参数规模要求;然而,细粒度图像数据集规模相比粗粒度图像数据集规模要小得多。虽然对原始数据进行不同方式的修改,可以实现数据增广,但引入的差异特征不够明显,因而性能提升有限。为此,提出基于网络爬虫的外部数据增广方法。首先,在社交平台、搜索引擎上（例如Instagram、Flickr、Google、Bing、Baidu）,根据Hashtag、Keyword的搜索结果,无差别爬取图像（难免包含大量冗余图像）;然后,对冗余图像进行筛选、整理,生成增广数据集;最后,使用增广数据集取代原始数据集,对模型进行迁移训练。实验结果显示,在增广后的102类花卉图像数据集上,图像分类准确率达到99.41%,较原始数据集提高3.14%。相比于原始数据集,使用外部增广数据能够有效提高分类准确率。（3）根据实际需求,设计、实现基于B/S架构的花卉图像分类原型系统。首先,将迁移模型导出、参数冻结、线上部署;再通过浏览器远程调用服务器上的模型进行图像分类,并在WEB端给出分类结果。在6种移动终端上进行测试,结果显示,在共计18幅花卉图像中,仅有2幅结果为Top-2,其余均为Top-1;在不考虑网络延迟的情况下,服务器响应速度控制在40ms以内。证明本系统具有较高准确性与即时性。

关键词：深度模型迁移学习图像分类多任务学习数据增广网络爬虫