检索结果-南通市图书馆

软件学报 2024年

作者：罗佳敏王晶晶周国栋苏州大学计算机科学与技术学院

多模态情感计算是情感计算领域一个基础且重要的研究任务,旨在利用多模态信号对用户生成的视频进行情感理解.尽管已有的多模态情感计算方法在基准数据集上取得了不错的性能,但这些方法无论是设计复杂的融合策略还是学习模态表示,普遍忽... 详细信息

多模态情感计算是情感计算领域一个基础且重要的研究任务,旨在利用多模态信号对用户生成的视频进行情感理解.尽管已有的多模态情感计算方法在基准数据集上取得了不错的性能,但这些方法无论是设计复杂的融合策略还是学习模态表示,普遍忽视了多模态情感计算任务中存在的模态可信度偏差问题.认为相较于文本,语音和视觉模态往往能更真实的表达情感,因而在情感计算任务中,语音和视觉是高可信度的,文本是低可信度的.然而,已有的针对不同模态特征抽取工具的学习能力不同,导致文本模态表示能力往往强于语音和视觉模态(例如:GPT3与ResNet),这进一步加重了模态可信度偏差问题,不利于高精度的情感判断.为缓解模态可信度偏差,提出一种模型无关的基于累积学习的多模态可信度感知的情感计算方法,通过为低可信度的文本模态设计单独的文本模态分支捕捉偏差,让模型在学习过程中从关注于低可信度文本模态的情感逐步关注到高可信度语音和视觉模态的情感,从而有效缓解低可信度文本模态导致的情感预测不准确.在多个基准数据集上进行实验,多组对比实验的结果表明,所提出的方法能够有效地突出高可信度语音和视觉模态的重要性,缓解低可信度文本模态的偏差;并且,该模型无关的方法显著提升了多模态情感计算方法的性能,这表明所提方法在多模态情感计算任务中的有效性和通用性.

关键词：多模态可信度感知多模态情感计算可信度偏差累积学习

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

合法化语码理论视域下高中思想政治课累积式学习探究——以“伟大的改革开放”为例

合法化语码理论视域下高中思想政治课累积式学习探究——以“伟大...

引用

作者：谢雅韵太原师范学院

学位级别：硕士

思想政治课的一体化建设如火如荼,旨在缓解大中小学思政课教学分割现状。梅顿(Maton)的合法化语码理论中的累积式学习,关注教育教学中的知识累积建构,要求在教学中以学生已有的知识话语体系为基础,不断进行知识(概念)的抽象-演绎-再抽象... 详细信息

思想政治课的一体化建设如火如荼,旨在缓解大中小学思政课教学分割现状。梅顿(Maton)的合法化语码理论中的累积式学习,关注教育教学中的知识累积建构,要求在教学中以学生已有的知识话语体系为基础,不断进行知识(概念)的抽象-演绎-再抽象,尽量在演绎过程与学生已有知识话语进行连接,达到知识的累积,形成完整知识结构。在高中思想政治课中,对累积式学习进行探索,是与思政课一体化建设相契合的,是有助于学生知识结构的发展完善的。论文的基本思想脉络是伯恩斯坦的知识结构理论、梅顿(Maton)的合法化语码理论当中的制造语义波思想与累积式学习,学科教学中的累积式知识构建模式选择以及高中思想政治课教学模式对比探索。首先,合法化语码理论继承伯恩斯坦的知识结构理论,所以在对思想政治课知识结构进行定性时,以伯恩斯坦的知识结构论为依据,将思想政治课知识结构定性为等级知识结构。其次对合法化语码理论中的累积式学习以及累积式学习的关键要素——语义波进行探讨,语义波的成功形成助力知识的累积建构,同理,一堂课是否达到累积式学习,进行累积式知识建构,可通过语义波观察得出结论。再者基于思想政治课的知识特性与教学目标特性,对思想政治课进行累积式知识建构的模式进行选择,议题式教学法通过问题的“议”,“议”中和“议”后分别进行知识的解压和打包步骤,有助于师生在互动中形成语义波,达成知识累积建构。最后就是否能达到累积式学习的两个教学案例进行比较分析,明晰关键词汇(权力词汇)呈现、解码和重新打包是成功、有效的课堂教学应遵循的基本程序,所以,应作为课堂教学设计与实施的重要因素和线索,同时从中明晰语义波的可评价性,语义波可以直观、动态性地展示教学过程,有助于教师对自身教学过程进行评价调整。

关键词：合法化语码理论高中思想政治课累积学习

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

融合多尺度注意力和累积学习的白血病分类识别

引用

现代电子技术 2023年第19期46卷 49-54页

作者：李家成叶哲江张鹏飞昆明理工大学信息工程与自动化学院云南昆明650500

急性淋巴细胞白血病(ALL)图像数据集中有着类间形态学相似、数据不平衡的问题。文中设计了一种包含多尺度空间注意力和通道注意力的卷积模块,可以更好地提取不同类别图像的细颗粒特征信息,用于分类器的预测分类。使用加权交叉熵损失函... 详细信息

急性淋巴细胞白血病(ALL)图像数据集中有着类间形态学相似、数据不平衡的问题。文中设计了一种包含多尺度空间注意力和通道注意力的卷积模块,可以更好地提取不同类别图像的细颗粒特征信息,用于分类器的预测分类。使用加权交叉熵损失函数惩罚样本数量多的类,让模型学习不会偏向多数类。在此基础上引入累积学习策略,随着训练进程动态地调整正常损失函数和加权损失函数的比重,避免了加权损失函数对表征学习的损害,保持了对分类器的促进效果。最终在开源白血病细胞图像数据集C-NMC验证该设计方法的可行性,实验结果表明,测试集F1分数达到96.2%,对白血病细胞图像有着良好的识别效果。

关键词：急性淋巴细胞白血病加权损失函数空间注意力机制通道注意力机制累积学习卷积神经网络深度卷积类平衡策略

来源：