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

神经机器翻译中课程学习研究综述

计算机科学与探索 2025年第2期19卷 334-343页

作者：胡春月斯琴图王斯日古楞内蒙古师范大学计算机科学技术学院呼和浩特010022

课程学习作为一种新兴技术,近年来逐渐受到关注,它符合人类的学习习惯,由简到难、由浅至深。其核心思想是让模型从简单的、基础的概念开始学习,逐渐过渡到更复杂、更高层次的内容。在神经机器翻译中,课程学习作为一种训练策略,旨在帮助... 详细信息

课程学习作为一种新兴技术,近年来逐渐受到关注,它符合人类的学习习惯,由简到难、由浅至深。其核心思想是让模型从简单的、基础的概念开始学习,逐渐过渡到更复杂、更高层次的内容。在神经机器翻译中,课程学习作为一种训练策略,旨在帮助模型按照一定规律学习。课程学习现已被证明可以加速模型收敛,提高模型翻译质量和稳定性。从机器学习的角度介绍了课程学习的定义及其基础框架,并进一步探讨了课程学习在神经机器翻译领域中的应用。从样本难度评估与模型训练调度策略两个方面,详细阐述了预定义课程学习和动态课程学习两种方法。预定义课程学习通过事先确定样本的难度顺序,引导模型从简单到复杂的任务逐步学习;而动态课程学习则依据模型当前的学习状态动态调整样本的难度,提供了更灵活的训练方式。分析了课程学习在神经机器翻译领域的未来研究趋势,并提出了三个值得进一步探索的研究方向。

关键词：课程学习神经机器翻译难度评估训练调度

图像处理中CNN与视觉Transformer混合模型研究综述

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2025年第1期19卷 30-44页

作者：郭佳霖智敏殷雁君葛湘巍内蒙古师范大学计算机科学技术学院呼和浩特010022

卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存... 详细信息

卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存在的弱项,高效地发挥出各自的亮点,在图像处理任务中表现出优异的效果。基于CNN与视觉Transformer混合模型进行深入阐述。总体概述了CNN与Vision Transformer模型的架构和优缺点,并总结混合模型的概念及优势。围绕串行结构融合方式、并行结构融合方式、层级交叉结构融合方式以及其他融合方式等四个方面全面回顾梳理了混合模型的研究现状和实际进展,并针对各种融合方式的主要代表模型进行总结与剖析,从多方面对典型混合模型进行评价对比。多角度叙述了混合模型在图像识别、图像分类、目标检测和图像分割等实际图像处理特定领域中应用研究,展现出混合模型在具体实践中的适用性和高效性。深入分析混合模型未来研究方向,并为后续该模型在图像处理中的研究与应用提出展望。

关键词：卷积神经网络(CNN) 视觉Transformer 混合模型图像处理深度学习

深度学习下的单阶段通用目标检测算法研究综述

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2025年

作者：王宁智敏内蒙古师范大学计算机科学技术学院

近年来，目标检测算法作为计算机视觉领域中的核心任务，逐渐成为热门研究方向。它使得计算机能够识别和定位图像或视频帧中的目标物体，广泛应用于自动驾驶、生物个体检测、农业检测、医疗影像分析等领域。随着深度学习的发展，通用目... 详细信息

近年来，目标检测算法作为计算机视觉领域中的核心任务，逐渐成为热门研究方向。它使得计算机能够识别和定位图像或视频帧中的目标物体，广泛应用于自动驾驶、生物个体检测、农业检测、医疗影像分析等领域。随着深度学习的发展，通用目标检测算法从传统的目标检测方法转变为基于深度学习下的目标检测方法。其中深度学习下的通用目标检测算法主要分为单阶段目标检测与两阶段目标检测，本文以单阶段目标检测为切入点，根据采用经典卷积与Transformer两种不同架构，对首个单阶段目标检测算法YOLO系列（YOLOv1～YOLOv11、YOLO主要改进版本）、SSD等和以Transformer为基础架构的DETR系列的主流单阶段检测算法进行分析总结。主要包括介绍各个算法的网络结构以及其研究进展，根据各个算法的结构归纳出其特点优势以及局限性，概括目标检测领域主要通用数据集与评价指标，分析各算法以及其改进方法的性能，讨论各算法在不同领域的应用现状，最后展望单阶段目标检测算法在未来的研究方向。

关键词：目标检测深度学习计算机视觉单阶段 YOLO DETR

深度学习中结合哈密顿力学的神经网络研究进展

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2025年

作者：梁永琦白双成张志一内蒙古师范大学计算机科学技术学院

基于哈密顿力学的神经网络已经成为自然语言处理领域的一个重要研究方向，它不仅能够解决深度学习一直以来有关梯度消失的问题，同时也为研究人员提供一个探索神经网络的可解释性和解决当前深度学习困难问题的新思路。其利用经典力学原... 详细信息

基于哈密顿力学的神经网络已经成为自然语言处理领域的一个重要研究方向，它不仅能够解决深度学习一直以来有关梯度消失的问题，同时也为研究人员提供一个探索神经网络的可解释性和解决当前深度学习困难问题的新思路。其利用经典力学原理，通过哈密顿函数更新网络状态，并借助能量守恒特性，有效提高模型准确率，并对解决深度学习中的梯度问题也做出了重要贡献。首先简要概述哈密顿力学引导深度学习的主要动机和理论基础；其次针对结合哈密顿力学的神经网络进行详细讨论，总结其特点、应用场景与局限性；最后讨论分析哈密顿力学与神经网络的结合在自然语言处理领域中的问题与挑战，并对未来发展进行展望，为研究人员进一步的研究提供参考。

关键词：哈密顿力学梯度消失神经网络自然语言处理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于集成学习的不平衡图节点分类算法

电子科技大学学报 2025年

作者：赵华健杨钦程胡兆龙浙江师范大学计算机科学与技术学院

图神经网络（graph neural network, GNN）在过去几年里被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络... 详细信息

图神经网络（graph neural network, GNN）在过去几年里被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络结构，容易引入新的偏差和导致信息丢失。提出了一种改良的装袋（Bootstrap aggregating,Bagging）集成学习方法，对不平衡图数据集进行了k折划分，并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后，通过融合不同模型提升了节点分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果，表明所提出的方法在准确性和鲁棒性上优于基本分类器，此外，还发现分类精度随着k的增加先提高后降低。

关键词：图神经网络节点分类图网络结构不平衡图数据集集成学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于卷积神经网络的农作物病害检测研究综述

山西农业大学学报(自然科学版) 2025年

作者：乔世成党珊珊何海祝关强王郝日钦路扬内蒙古民族大学计算机科学与技术学院

我国是农业大国，拥有广泛的农作物种植面积和丰富的农业资源。然而，近年来，农作物病害问题日益严重，农作物病害不仅直接影响产量和质量，还会造成农民的经济损失，威胁粮食安全和生态环境，对我国农业可持续发展构成了巨大威胁。因... 详细信息

我国是农业大国，拥有广泛的农作物种植面积和丰富的农业资源。然而，近年来，农作物病害问题日益严重，农作物病害不仅直接影响产量和质量，还会造成农民的经济损失，威胁粮食安全和生态环境，对我国农业可持续发展构成了巨大威胁。因此，对农作物病害的精准检测是提高我国农业发展的关键因素。随着深度学习的不断发展，无损检测技术已得到广泛应用，利用卷积神经网络进行农作物病害的精准检测成为近年来研究的热点问题。卷积神经网络具有较好的图像检测与识别能力，能够适应多种病害类型，实现高效、准确的大规模检测，被广泛应用于农作物病害的精准检测中。本文首先介绍了卷积神经网络结构；然后探讨了几种典型的检测农作物病害的卷积神经网络模型；其次分析了其他神经网络研究情况并进行总结；重点讨论了目前基于小样本学习、小目标检测、网络轻量化改进的卷积神经网络热点研究问题；同时对未来农作物病害检测所面临的挑战和展望进行了总结，如针对数据集标注困难、模型缺乏泛化能力、小样本小目标数据集识别精度较低等问题，提出了建立更高质量的农作物病害数据集、优化小样本小目标数据集下的网络模型结构以及对农作物病害无损检测进行实时监测与预警等研究展望，以期为不断推进农业技术创新和应用、为我国农作物病害的精准检测研究提供参考依据。

关键词：卷积神经网络小样本小目标轻量化

抢占AI话语权：DeepSeek的技术优势、战略布局与未来生态图景

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

新疆师范大学学报(哲学社会科学版) 2025年

作者：段玉聪海南大学计算机科学与技术学院

文本以全球AI话语权争夺为背景，探讨了中国初创公司DeepSeek在大规模语言模型领域中的技术突破与战略布局。一是解析DeepSeek在算法架构上的创新优势——包括混合专家（MoE）架构、多头潜在注意力（MLA）机制以及基于DIKWP理念的知识... 详细信息

文本以全球AI话语权争夺为背景，探讨了中国初创公司DeepSeek在大规模语言模型领域中的技术突破与战略布局。一是解析DeepSeek在算法架构上的创新优势——包括混合专家（MoE）架构、多头潜在注意力（MLA）机制以及基于DIKWP理念的知识蒸馏与模型压缩技术，这些技术使其在性能与成本控制上具有显著竞争力。二是论述DeepSeek如何通过开源模式构建开放生态，与产业伙伴和标准制定机构广泛合作，进而在全球AI竞争中打破西方封闭模型的垄断。三是讨论国际标准化组织对AI能力评测的影响以及各国监管与合规挑战，通过对比分析OpenAI、Anthropic和Google DeepMind等，展望未来AI生态图景及市场竞争态势。文本认为，DeepSeek凭借“技术+生态”双重优势，有望引领开源大模型发展，重塑全球AI话语权格局，推动AI技术向更加开放、透明和普惠的方向演进。

关键词： DeepSeek AI话语权开源大模型算法创新生态构建监管合规 OpenAI

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

用于场景文本检测的非对称迭代细化预测网络

计算机工程与应用 2025年第5期61卷 250-260页

作者：连哲殷雁君米增智敏徐巧枝内蒙古师范大学计算机科学技术学院呼和浩特010022

场景文本检测是图像处理领域的基础性研究工作,具有广泛的应用价值。DBNet作为该领域具有代表性的算法,重构文本实例的后处理过程过于简单,对纵横比显著变化的文本容易误检以及对小文本容易漏检。为解决以上问题,设计并提出用于场景文... 详细信息

场景文本检测是图像处理领域的基础性研究工作,具有广泛的应用价值。DBNet作为该领域具有代表性的算法,重构文本实例的后处理过程过于简单,对纵横比显著变化的文本容易误检以及对小文本容易漏检。为解决以上问题,设计并提出用于场景文本检测的非对称迭代细化预测网络AIRPNet。模型基于ResNet50特征提取网络,将常规卷积替换为可变形卷积以适应不规则文本特征,并调整block堆叠数使得各层携带的特征更加合理。采用RFP的递归思想更充分地融合多层特征,设计非对称迭代细化预测模块构建更为准确的概率图,可微分二值化后处理重构文本实例边界。针对非对称迭代细化预测模块,设计多种结构进行探究。为评估提出模型的有效性,在三个数据集上与最先进的主流模型进行对比,在ICDAR2015、MSRA-TD500和CTW1500数据集中,分别取得88.7%、88.4%和84.9%的F-measure,实现或接近SOTA性能。实验结果表明,提出模型能够捕获较为准确的概率图,从而构建较为完整的文本边界框。

关键词：文本检测递归金字塔非对称卷积迭代细化预测可微分二值化

基于提示学习和全局指针网络的中文古籍实体关系联合抽取方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2025年第1期45卷 75-81页

作者：李斌林民斯日古楞高颖杰王玉荣张树钧内蒙古师范大学计算机科学技术学院呼和浩特010022 内蒙古民族大学计算机科学与技术学院内蒙古通辽028000 内蒙古师范大学文学院呼和浩特010022 内蒙古师范大学数学科学学院呼和浩特010022

基于“预训练+微调”范式的实体关系联合抽取方法依赖大规模标注数据,在数据标注难度大、成本高的中文古籍小样本场景下微调效率低,抽取性能不佳;中文古籍中普遍存在实体嵌套和关系重叠的问题,限制了实体关系联合抽取的效果;管道式抽取... 详细信息

基于“预训练+微调”范式的实体关系联合抽取方法依赖大规模标注数据,在数据标注难度大、成本高的中文古籍小样本场景下微调效率低,抽取性能不佳;中文古籍中普遍存在实体嵌套和关系重叠的问题,限制了实体关系联合抽取的效果;管道式抽取方法存在错误传播问题,影响抽取效果。针对以上问题,提出一种基于提示学习和全局指针网络的中文古籍实体关系联合抽取方法。首先,利用区间抽取式阅读理解的提示学习方法对预训练语言模型(PLM)注入领域知识以统一预训练和微调的优化目标,并对输入句子进行编码表示;其次,使用全局指针网络分别对主、客实体边界和不同关系下的主、客实体边界进行预测和联合解码,对齐成实体关系三元组,并构建了PTBG(Prompt Tuned BERT with Global pointer)模型,解决实体嵌套和关系重叠问题,同时避免了管道式解码的错误传播问题;最后,在上述工作基础上分析了不同提示模板对抽取性能的影响。在《史记》数据集上进行实验的结果表明,相较于注入领域知识前后的OneRel模型,PTBG模型所取得的F1值分别提升了1.64和1.97个百分点。可见,PTBG模型能更好地对中文古籍实体关系进行联合抽取,为低资源的小样本深度学习场景提供了新的研究思路与方法。

关键词：实体关系联合抽取全局指针网络提示学习预训练语言模型中文古籍