检索结果-南通市图书馆

机械工程学报 2023年第24期59卷 118-130页

作者：王富顺池宝涛贾志超郭前建袁伟李灿山东理工大学机械工程学院淄博255000 山东锣响汽车制造有限公司博士后工作站临沂276211 中国海洋大学物理海洋教育部重点实验室青岛266100

仿真分析的前处理包括CAD建模、网格划分、载荷及边界条件处理等,高质量的网格对于高精度可信的仿真结果至关重要,但网格划分仍是整个分析过程中的主要性能瓶颈。针对数值模拟前处理过程中网格划分存在的困难,提出一种适用于邻近特征的... 详细信息

仿真分析的前处理包括CAD建模、网格划分、载荷及边界条件处理等,高质量的网格对于高精度可信的仿真结果至关重要,但网格划分仍是整个分析过程中的主要性能瓶颈。针对数值模拟前处理过程中网格划分存在的困难,提出一种适用于邻近特征的非结构体网格生成方法。基于网格尺寸、表面曲率、实体厚度等几何特征进行体二叉树自适应细分,采用穿插法和最近距离法等对网格节点进行实体边界拟合。为有效构建核心六面体网格,建立体网格拓扑元素与实体模型边界的快速求交算法,提高求交计算效率。对于具有邻近特征的复杂几何模型,创新性地提出基于一点多投通用模板的高质量实体边界拟合方法,成功解决传统“由外向内”栅格法的实体边界拟合难题。算例应用验证表明,该方法能将具有邻近特征的几何模型进行整体以六面体网格为主的非结构体网格划分,生成的结果网格具有关键区域特征表达准确、全局网格分布合理且单元质量高等特点。

关键词：体二叉树邻近特征非结构网格实体边界拟合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于CNN与词语邻近特征的情感分类模型

引用

计算机工程 2018年第5期44卷 182-187页

作者：吕超杨超李仁发湖南大学信息科学与工程学院长沙410082

基于卷积神经网络(CNN)的方法在情感分类任务中得到广泛应用,该方法使用词向量作为网络的输入,但是,在卷积过程中每个词向量只能表征一个单词,并不蕴含上下文信息,导致了信息传递连续性的降低。为此,构建一种基于词语邻近特征的CNN模型... 详细信息

基于卷积神经网络(CNN)的方法在情感分类任务中得到广泛应用,该方法使用词向量作为网络的输入,但是,在卷积过程中每个词向量只能表征一个单词,并不蕴含上下文信息,导致了信息传递连续性的降低。为此,构建一种基于词语邻近特征的CNN模型,在卷积过程中让每个词向量携带邻近词语的特征,既保证信息传递的连续性,也保证词向量在局部范围内的序列性。实验结果表明,在COAE2014(二分类)和COAE2015(三分类)的情感分类任务上,该模型的准确率分别达到89.43%和85.61%,验证了其可行性和高效性。

关键词：情感分类卷积神经网络词向量连续性序列性邻近特征

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的情感分析方法研究

基于深度学习的情感分析方法研究

引用

作者：吕超湖南大学

学位级别：硕士

传统的用于解决文本情感分析问题的方法包括基于情感词典和人工判定规则的无监督方法、基于机器学习的有监督方法。在数据量不大或者语义不够丰富的时候,这些方法能够取得一定的效果。但是随着数据量越来越大、表达方式越来越丰富,传统... 详细信息

传统的用于解决文本情感分析问题的方法包括基于情感词典和人工判定规则的无监督方法、基于机器学习的有监督方法。在数据量不大或者语义不够丰富的时候,这些方法能够取得一定的效果。但是随着数据量越来越大、表达方式越来越丰富,传统的方法已经无法有效地解决这一类问题,新的方法亟待提出。本文根据文本情感分析的特点,结合当下应用领域广泛的深度学习算法,重点研究了基于深度学习的情感分析方法。卷积神经网络和递归神经网络是深度学习中两个主流的模型,前者能够从数据中提取出局部特征,而后者能够有效地分析时序数据、具有很强的上下文概括能力。本文的工作包括以下两个方面:1、基于卷积神经网络和词语邻近特征的情感分析模型。目前,基于卷积神经网络的方法在情感分析任务中已经取得了不错的效果,此类方法使用词向量作为网络的输入,但是在卷积过程中每个词向量只能表征单个单词,并不蕴含上下文信息,这不利于信息传递的连续性,并且卷积操作在局部范围内可能会打乱词向量的序列性。针对这个问题,本文提出一种基于词语邻近特征的卷积神经网络模型,在卷积过程中让每个词向量携带邻近词语的特征,这样既保证信息传递的连续性也保证了词向量在局部范围内的序列性。实验结果表明,在COAE2014、COAE2015的情感分析任务上的准确率分别达到了 89.43%和85.61%,说明本文提出的方法确实可行、有效。2、基于递归神经网络和人工判定规则的情感分析模型。传统的基于情感词典和人工判定规则的分析方法是从语言学的角度出发,但是这种方法需要制定大量的情感词典和判定规则。而基于递归神经网络的分析方法可以通过不断的编码和重构训练,从大量未标注的语料中学习到先验知识。本文在参考了这两种方法之后,在第4章中提出了一种新颖的基于递归神经网络和人工判定规则的情感分析模型。首先利用递归神经网络并行计算出组成文本的多个子句的情感极性,然后根据极性融合规则将多个子句的情感极性进行融合,最后利用人工判定规则计算出原始文本的情感极性。该模型的优点在于:一方面递归神经网络中融入了人工判定规则,使得以往积累的人工经验得到有效利用;另一方面递归神经网络取代了情感词典,避免了情感词典的局限性。该模型在数据集SST-C2和SST-C3上的分类准确率分别达到了 87.8%、81.6%,并且整体性能均优于主流的分类模型,说明该模型不仅新颖,而且确实可行、有效。

关键词：情感分析深度学习卷积神经网络递归神经网络邻近特征人工判定规则

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：