检索结果-南通市图书馆

机械工程师 2015年第5期 260-262页

作者：杨俊峰齐齐哈尔轨道交通装备有限责任公司黑龙江齐齐哈尔161002

以铁路货车产品中的"门结构"为论述对象,介绍了其在我国铁路货车发展过程中的应用,并对其发展过程、特点及方向进行了简要阐述。

关键词：门结构铁路货车

在线全文

学校读者我要写书评

暂无评论

一种跨层连接的循环神经网络门结构设计

传感器与微系统 2018年第8期37卷 91-93页

作者：余昉恒沈海斌浙江大学超大规模集成电路设计研究所浙江杭州310027

针对循环神经网络(RNN)结构在深层网络中收敛较慢和训练效果较差的问题,分析了长短期记忆(LSTM)和Highway网络的门结构特征,提出了一种将层间信息进行跨层连接的门结构单元(CIGU)。结合循环神经网络时间扩展的特点,通过设计层间门结构,... 详细信息

针对循环神经网络(RNN)结构在深层网络中收敛较慢和训练效果较差的问题,分析了长短期记忆(LSTM)和Highway网络的门结构特征,提出了一种将层间信息进行跨层连接的门结构单元(CIGU)。结合循环神经网络时间扩展的特点,通过设计层间门结构,使CIGU模型在空间上反向梯度下降时能够像LSTM在时间上传播一样具有长短期记忆能力,从而加强循环神经网络在空间上的深度学习能力。将设计的结构应用到LSTM中,并通过PTB语言数据集对不同的门结构进行训练和测试。结果表明:随着模型层数的加深,CIGU的训练收敛速度和测试结果比传统LSTM和基于Highway网络结构的LSTM显著提高。

关键词：循环神经网络长短期记忆 Highway网络门结构

在线全文

学校读者我要写书评

暂无评论

ZDR:解3维空间课题计算机的专门结构

管理观察 1995年第8期 48-48页

作者：柴振荣

在线全文

学校读者我要写书评

暂无评论

简析投资持续减少对俄罗斯经济的影响

黑龙江社会科学 1997年第4期 48-49页

作者：会新黑龙江大学<远东经贸导报>社

在线全文

学校读者我要写书评

暂无评论

基于动态循环神经网络的物体检测技术研究

基于动态循环神经网络的物体检测技术研究

作者：郭秋杉北京邮电大学

学位级别：硕士

本文提出了一种基于动态循环网络的目标检测器,该方法简化了深度神经网络中重复性模块。不同于普通神经网络中的序列化前向传播机制,本毕设提出的动态循环网络循环使用网络模块,并且用较少的模块数量达到了更好的效果。此外,本毕设提出... 详细信息

本文提出了一种基于动态循环网络的目标检测器,该方法简化了深度神经网络中重复性模块。不同于普通神经网络中的序列化前向传播机制,本毕设提出的动态循环网络循环使用网络模块,并且用较少的模块数量达到了更好的效果。此外,本毕设提出在每个循环模块上添加门单元来动态决定循环次数,该方法有效减少了时间开销。因为循环网络是难以训练的,本毕设提出循环可变批次归一化来稳定易变化的梯度。更进一步,根据门单元的输出,本毕设改进了循环可变批次归一化的统计值偏差。本毕设还研究了卷积层神经网络的多尺度感受视野对不同尺度物体的影响,基于此研究,本文提出的语义纹理特征融合方法使用层级式结构融合了环境和纹理信息。更多的信息和丰富的感受视野给检测器带来了明显的收益,却只增加了很少的时间开销。为了增加小目标样本在训练集中的比例,本毕设对训练集中不同的尺寸样本使用了可控锚点采样进行数据增强,增加了小目标检测的性能。实验结果表明,在ImageNet,COCO和Wider Face权威数据集上,本毕设提出的检测器相比于对照模型,有效地减少了网络的参数量和计算量并提升了检测精度。最后,通过可视化对图片的特征与循环次数的关系进行了讨论。

关键词：动态循环神经网络循环可变批次归一化门结构感受视野可控锚点采样

基于多特征融合和改进胶囊网络的短文本分类模型的研究

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

基于多特征融合和改进胶囊网络的短文本分类模型的研究

作者：金梦莹辽宁大学

学位级别：硕士

文本作为信息的载体,从古至今一直发挥着举足轻重的作用。近年来,随着网络技术的发展,互联网上的数据呈现“爆炸式”增长,也产生了更多的短文本数据。如何对短文本数据按照类别进行划分,快速得到相关主题下的内容,已经成为近些年来的研... 详细信息

文本作为信息的载体,从古至今一直发挥着举足轻重的作用。近年来,随着网络技术的发展,互联网上的数据呈现“爆炸式”增长,也产生了更多的短文本数据。如何对短文本数据按照类别进行划分,快速得到相关主题下的内容,已经成为近些年来的研究热点。不同于长文本,短文本自身具有特征稀疏的缺陷,这给短文本分类带来了更多的困难。而传统的基于机器学习的短文本分类方法无法有效弥补该缺陷,随着深度学习在计算机视觉上运用的越来越广泛,研究学者们试图通过这一新工具来进行短文本分类。然而,现有的短文本分类方法存在准确率提升不足的问题,基于此,本文提出了一种基于多特征融合和改进胶囊网络的短文本分类方法。首先利用卷积神经网络和注意力机制进行词特征提取,然后利用基于权重过滤的拼接注意力机制进行多特征融合,最后将得到的特征矩阵输入到改进的胶囊网络中进行分类。本文的主要工作如下:(1)以往多特征融合方法在计算特征重要程度时,对特征存在“不公平性”,针对于此,本文提出一种基于权重过滤的拼接注意力机制(Concatenation Attention mechanism based on Weight Filtering,CATT-WF)来综合考虑所有特征的重要程度。首先利用不同高度滤波器进行卷积操作,以得到包含不同语义尺度的特征向量,对特征矩阵进行水平方向的拼接,然后对各通道所对应的特征矩阵进行垂直方向的拼接,将所有特征放在一个维度上进行多头注意力机制处理,继而得到所有特征的相对重要程度,获得更全面的语义表示;同时,针对多尺度特征矩阵中存在的冗余和不相关数据,采用k-means对注意力权重进行过滤,得到对分类更重要的短文本特征;(2)传统的基于胶囊网络的短文本分类方法虽然能提取出短文本内部的位置等空间特征,但对一些不重要、无须进行位置提取的词也进行了深层提取,降低了模型分类准确率。针对于此,本文提出一种基于改进胶囊网络的短文本分类方法(Gate Capsule with Concatenation Attention mechanism based on Weight Filtering,GCapsule-CATT-WF),即在胶囊网络初级胶囊层提取矢量特征的同时,定义了转换门和携带门,转换门控制标量特征转换成矢量特征,将位置特征融入到词特征中,携带门控制特征保持现有的状态携带到下一层。随后,结合所提出的多特征融合方法,将融合后的短文本特征依次经过初级胶囊层来提取特征位置,同时门结构会控制特征的转换和携带,得到的矢量特征矩阵经过动态路由在上下层之间进行特征传递,最后输出向量矩阵进而得到预测的短文本分类结果;(3)为证明基于权重过滤拼接注意力机制的多特征融合方法和基于改进胶囊网络的短文本分类方法的有效性,分别在在四个短文本数据集上进行实验,包括AG-News、MR、TREC和SST-2。在实验设置上,包括对比实验和消融实验,以及针对实验中涉及到的参数进行实验,并进行详细的实验分析。实验结果表明,和大部分目前流行的模型相比,本文所提出的方法具有较高的分类准确率。

关键词：短文本分类特征融合注意力机制门结构胶囊网络