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

融合组件位置信息特征的少样本字体生成

计算机科学与探索 2024年第6期18卷 1556-1565页

作者：杨娜殷雁君张文轩云飞内蒙古师范大学计算机科学技术学院呼和浩特010022

局部组件方法实现少样本字体生成任务,通常会忽略组件位置信息对文字生成的作用,造成生成文字整体结构布局存有偏差。为了能够有效捕获组件位置信息,提出一种融合组件位置信息特征的少样本字体生成方法(CPI-Font)。提出的CPI-Font模型以... 详细信息

局部组件方法实现少样本字体生成任务,通常会忽略组件位置信息对文字生成的作用,造成生成文字整体结构布局存有偏差。为了能够有效捕获组件位置信息,提出一种融合组件位置信息特征的少样本字体生成方法(CPI-Font)。提出的CPI-Font模型以MX-Font为基本框架,设计一种新的全局位置信息提取器。以坐标注意力提取全局位置信息,并通过多头组件注意力关注每个组件在全局位置信息中的不同重要程度,以捕获局部组件在整个字形中的全局位置关系特征,避免生成的字形结构产生偏差。采用公开构建的39种字体作为汉字数据集,与目前主流模型进行大量实验。实验结果显示,提出模型的LPIPS值达到0.112,FID值达到88.5,在内容和风格上的准确率分别达到83.1%、70.4%,在三个评价指标上模型均优于其他算法。结果表明,CPI-Font模型能够有效捕获组件位置信息,并具有较为先进的少样本字体生成性能。

关键词：字体生成全局位置信息局部组件

在线全文

学校读者我要写书评

暂无评论

用于方面级情感分析的情感增强双图卷积网络

计算机科学与探索 2024年第1期18卷 217-230页

作者：张文轩殷雁君智敏内蒙古师范大学计算机科学技术学院呼和浩特010022

方面级情感分析是一项细粒度的情感分类任务。近年来,依存树上的图神经网络被用于建模方面项及其意见项间的依赖关系。然而,这类方法通常具有高度依赖依存树解析质量的缺点。同时,大多数现有研究着重关注语法信息,忽视了情感知识在建模... 详细信息

方面级情感分析是一项细粒度的情感分类任务。近年来,依存树上的图神经网络被用于建模方面项及其意见项间的依赖关系。然而,这类方法通常具有高度依赖依存树解析质量的缺点。同时,大多数现有研究着重关注语法信息,忽视了情感知识在建模特定方面与上下文之间情感依赖关系中的作用。为解决以上问题,设计并提出了用于方面级情感分析的情感增强双图卷积网络。模型基于依存树与注意力机制建立双通道结构,在更为准确、高效地捕捉方面与上下文间语法与语义关联的同时减轻了模型对依存树的依赖程度。此外,模型引入情感知识用于增强图结构,帮助模型更好地提取特定方面的情感依赖关系。模型在3个公开基准数据集Rest14、Lap14、Twitter上的准确率分别达到了84.32%、78.20%、76.12%,接近或超越目前最先进的性能。实验表明,提出的方法能够合理利用语义和语法信息,在使用更少参数的情况下实现较为先进的情感分类性能。

关键词：方面级情感分析注意力机制依存树图卷积网络情感知识

在线全文

学校读者我要写书评

暂无评论

基于深度学习的自然场景文本检测综述

计算机工程 2024年第3期50卷 16-27页

作者：连哲殷雁君云飞智敏内蒙古师范大学计算机科学技术学院内蒙古呼和浩特010022

基于深度学习的自然场景文本检测技术已成为计算机视觉和自然语言处理领域的重要研究方向,不仅具有广泛的应用前景,而且也为研究人员提供了一个探索神经网络模型和算法的新平台。首先,介绍自然场景文本检测技术的相关概念、研究背景和... 详细信息

基于深度学习的自然场景文本检测技术已成为计算机视觉和自然语言处理领域的重要研究方向,不仅具有广泛的应用前景,而且也为研究人员提供了一个探索神经网络模型和算法的新平台。首先,介绍自然场景文本检测技术的相关概念、研究背景和发展现状。接着,分析近年来基于深度学习的文本检测方法并将其分为基于检测框、基于分割、基于两者混合、其他4类,阐述4类经典和主流方法的基本思路和主要算法流程,归纳总结不同方法的使用机制、适用场景、优劣点及仿真实验结果和环境设置,明确不同方法之间的关联关系。然后,介绍自然场景文本检测的常用公共数据集和文本检测性能评估方法。最后,指出基于深度学习的自然场景文本检测技术目前所面临的主要挑战并对其未来发展方向进行展望。

关键词：深度学习计算机视觉自然场景文本文本检测多方向文本检测多尺度文本检测

在线全文

学校读者我要写书评

暂无评论

面向文本实体关系抽取研究综述

计算机科学与探索 2024年

作者：任安琪柳林王海龙刘静内蒙古师范大学计算机科学技术学院内蒙古师范大学计算机科学联合创新实验室内蒙古大学图书馆

信息抽取是知识图谱构建的基础，关系抽取作为信息抽取的关键流程和核心步骤，旨在从文本数据中定位实体并识别实体间的语义联系。因此提高关系抽取的效率可以有效提升信息抽取的质量，从而影响到知识图谱的构建以及后续的下游任务。关... 详细信息

信息抽取是知识图谱构建的基础，关系抽取作为信息抽取的关键流程和核心步骤，旨在从文本数据中定位实体并识别实体间的语义联系。因此提高关系抽取的效率可以有效提升信息抽取的质量，从而影响到知识图谱的构建以及后续的下游任务。关系抽取按照抽取文本长度可以分为句子级关系抽取和文档级关系抽取，目前国内外研究综述仅基于一种文本长度，而两种级别的抽取方法在不同应用场景下各有优缺点：句子级关系抽取适用于较小规模数据集的应用场景，例如知识图谱问答系统；而文档级关系抽取适用于新闻事件分析、长篇报告或文章的关系挖掘等场景，可以处理文档内部的长距离依赖和复杂的上下文信息。不同于已有的关系抽取文献，文章首先列举句子级和文档级关系抽取所采用的数据集，对数据集的特点进行概述；之后以文本长度为分类依据将关系抽取分为句子级关系抽取和文档级关系抽取，同时对不同级别的关系抽取方法进行介绍，并总结各类方法的优缺点；最后总结了当前研究领域中存在的问题并对发展前景进行展望。

关键词：信息抽取实体关系抽取句子级关系抽取文档级关系抽取知识图谱构建

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

时序知识图谱补全研究综述

计算机工程与应用 2024年

作者：许凯嘉柳林王海龙刘静内蒙古师范大学计算机科学技术学院内蒙古师范大学计算机科学联合创新实验室内蒙古大学

现今时序知识图谱广泛存在不完备性等问题，这种不完备性问题严重制约了时序知识图谱在下游任务中的应用及其发展。时序知识图谱补全（Temporal Knowledge Graph Completion，TKGC）技术能够预测其中缺失的链接，以解决不完备性问题。... 详细信息

现今时序知识图谱广泛存在不完备性等问题，这种不完备性问题严重制约了时序知识图谱在下游任务中的应用及其发展。时序知识图谱补全（Temporal Knowledge Graph Completion，TKGC）技术能够预测其中缺失的链接，以解决不完备性问题。时序知识图谱补全通过考虑事实的时间维度以期在捕捉时间信息的基础上，获取实体及关系随时间推移发生的变化，这样有助于更准确地完成时序知识图谱补全任务。文章根据时间信息应用策略的不同对TKGC的最新研究进展进行综述。首先，详尽阐述了TKGC的研究背景，包括其问题定义、关键的基准数据集。其次，基于所提出的分类方法对现有的TKGC方法进行介绍与总结。之后，总结了TKGC在下游任务中的应用。最后，总结全文并提出当前面临的挑战，同时展望未来可能的研究方向，为该领域的发展提供指导和启示。

关键词：时序知识图谱时序知识图谱补全知识图谱嵌入链接预测

超晶格La-Mg/Y-Ni复合储氢合金晶体结构及性能研究进展

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

复合材料学报 2024年第3期41卷 1204-1214页

作者：张晓杰田晓张颖韩家乐杨艳春塔娜内蒙古师范大学物理与电子信息学院呼和浩特010022 内蒙古师范大学稀土功能新能源储能材料内蒙古自治区工程研究中心呼和浩特010022 内蒙古师范大学功能材料物理与化学自治区重点实验室呼和浩特010022

超晶格La-Mg/Y-Ni复合储氢合金具有放电容量大、能量密度高和成本低等优点,是一种重要的氢能存储和转换材料,目前主要用做镍氢电池负极材料和直接硼氢化物燃料电池阳极催化剂。La-Mg-Ni复合合金最初是在La-Ni基储氢合金的基础上,通过用... 详细信息

超晶格La-Mg/Y-Ni复合储氢合金具有放电容量大、能量密度高和成本低等优点,是一种重要的氢能存储和转换材料,目前主要用做镍氢电池负极材料和直接硼氢化物燃料电池阳极催化剂。La-Mg-Ni复合合金最初是在La-Ni基储氢合金的基础上,通过用部分Mg替代La而发展起来的。由于La-Mg-Ni复合合金中金属Mg熔点、沸点低,易挥发,导致采用常规熔炼法很难制备;同时合金中的Mg在碱性电解液中容易腐蚀、氧化,导致合金的循环稳定性差。为克服La-Mg-Ni复合合金制备困难和循环稳定性差等问题,研究者又在La-Ni基储氢合金的基础上,通过用部分Y替代La开发出了La-Y-Ni合金。La-Mg-Ni和La-Y-Ni复合合金具有非常相似的超晶格结构,均能表现出很好的储氢性能,均属于同一类新型超晶格结构储氢合金。本文对La-Mg/Y-Ni储氢合金近20多年的研究成果进行了梳理。本文首先介绍超晶格La-Mg-Ni和La-Y-Ni复合合金的相结构组成及相结构的演变规律,同时分析了Mg元素和Y元素部分替代La元素分别对La-Mg/Y-Ni合金结构和性能的影响,然后讨论了La-Mg/Y-Ni复合合金中的相结构对合金性能的影响。最后,指出了超晶格La-Mg/Y-Ni复合储氢合金未来所面临的挑战和发展方向。

关键词：储氢材料 La-Mg-Ni复合储氢合金 La-Y-Ni复合储氢合金相结构电化学性能

基于BERT嵌入与知识蒸馏的层次化课程主题分析研究

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2024年第7期38卷 84-94页

作者：郭振东林民李成城内蒙古师范大学计算机科学技术学院内蒙古呼和浩特010022

基于变分自编码器的树结构神经主题模型能有效挖掘文本的层次化语义特征,但现有的树结构神经主题模型仅利用了词频等统计特征,忽略了外部先验知识对获取主题的帮助。针对课程主题分析任务,该文融合迁移学习思想,提出了一种基于BERT嵌入... 详细信息

基于变分自编码器的树结构神经主题模型能有效挖掘文本的层次化语义特征,但现有的树结构神经主题模型仅利用了词频等统计特征,忽略了外部先验知识对获取主题的帮助。针对课程主题分析任务,该文融合迁移学习思想,提出了一种基于BERT嵌入与知识蒸馏的树结构神经主题模型。首先,通过构建BERT-CRF分词模型,使用少量领域文本对BERT进行二次训练,优化领域字的表示,动态融合二次训练后的BERT字嵌入,获取粗粒度领域词嵌入,缓解字粒度BERT嵌入与词袋表示不匹配问题;其次,针对词袋表示数据稀疏问题,以文档重构为目标,构建BERT自编码器,蒸馏有监督的文档表示,指导主题模型的文档重构学习,提升主题质量;最后,优化树结构神经主题模型以拟合富含辅助信息的BERT词嵌入,并用有监督的蒸馏知识指导无监督主题模型的文档重构。实验表明,基于BERT嵌入与知识蒸馏的树结构神经主题模型具有预训练模型和主题模型的优良特性,能对课程主题进行更有效的归纳总结。

关键词：树结构神经主题模型 BERT 知识蒸馏变分自编码器

基于计算重用的无人机辅助边缘计算系统能耗优化

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第7期46卷 2740-2747页

作者：李斌蔡海晨赵传信王俊义南京信息工程大学计算机学院南京210044 安徽师范大学计算机与信息学院芜湖241002 桂林电子科技大学信息与通信学院桂林541004

针对复杂地形下时延敏感任务对终端用户的计算需求激增问题,该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先,通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人... 详细信息

针对复杂地形下时延敏感任务对终端用户的计算需求激增问题,该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先,通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人机服务器的计算频率以及无人机的飞行轨迹,构建满足时延约束下最小化系统平均总能耗的系统模型。其次,通过深度强化学习求解该优化问题,并提出了基于柔性动作-评价(SAC)的优化算法。该算法采用最大熵的策略来鼓励探索,以增强算法的探索能力并加快训练的收敛速度。仿真结果表明,基于SAC的算法能有效降低系统的平均总能耗,并具有较好的收敛性。

关键词：无人机移动边缘计算计算重用资源分配柔性动作-评价算法

一种基于改进的XGBoosting算法对婴幼儿奶粉中的脂肪含量的预测模型

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第5期44卷 1464-1471页

作者：张文婧薛河儒姜新华刘江平黄清内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018 内蒙古农牧业大数据研究与应用重点实验室内蒙古呼和浩特010018

婴儿奶粉成分配比中,脂肪有着重要地位。脂肪不仅是婴儿生长发育中的重要成分,同时也为婴儿的生长提供必需的能量,对于婴儿脑发育及神经髓鞘的形成具有重要意义。化学的婴儿奶粉脂肪含量检测如乙醚提取法,方法检测灵敏,但存在破坏样本... 详细信息

婴儿奶粉成分配比中,脂肪有着重要地位。脂肪不仅是婴儿生长发育中的重要成分,同时也为婴儿的生长提供必需的能量,对于婴儿脑发育及神经髓鞘的形成具有重要意义。化学的婴儿奶粉脂肪含量检测如乙醚提取法,方法检测灵敏,但存在破坏样本和检测周期较长的缺点,因此寻求一种为婴儿奶粉成分的无损检测方法,高光谱成像技术提供了一种可能的途径。以内蒙古地区不同阶段的婴儿奶粉为研究对象,采用多元散射校正(MSC)、标准正态变换(SNV)、平滑滤波算法(Savitzky-Golay)、鲁斯特算法(Roust)等对高光谱数据进行预处理,再利用竞争性自适应重加权算法(CARS)算法从125个特征波长中筛除光谱数据中冗余的波长保留有效波长66个。对极值梯度提升算法(XGBoosting)算法进行了贝叶斯优化(BO),最终构建了基于BO-XGBoosting对婴儿奶粉脂肪含量的预测模型。结果显示,该模型预测效果优于传统的偏最小二乘回归(PLSR)和支持向量回归(SVR)模型,且优于集成算法中Bagging、GrdientBoosting算法。贝叶斯优化极值梯度提升算法BO-XGBoosting模型在测试集实验,得到的决定系数(R^(2))和均方根误差(RMSEP)分别为0.9537和0.5773,比XGBoosting算法的R^(2)和RMSEP分别提高2.91%和降低19.2%。该研究为奶粉中脂肪含量的预测提供了基于BO-XGboosting集成算法的快速无损检测的算法支持和理论依据。

关键词：高光谱贝叶斯优化 XGBoosting模型脂肪含量无损检测