期刊文献+
共找到387篇文章
< 1 2 20 >
每页显示 20 50 100
文章速递基于长短时记忆神经网络的手足口病发病趋势预测 认领
1
作者 马停停 冀天娇 +3 位作者 杨冠羽 陈阳 许文波 刘宏图 《计算机应用》 CSCD 北大核心 2021年第1期265-269,共5页
针对传统手足口病(HFMD)发病趋势预测算法预测精度不高、未结合其他影响因素、预测时间较短等问题,提出结合气象因素使用长短时记忆(LSTM)网络进行长期预测的方法。首先,将发病序列通过滑动窗口的方式转化为网络的输入和输出;然后采用L... 针对传统手足口病(HFMD)发病趋势预测算法预测精度不高、未结合其他影响因素、预测时间较短等问题,提出结合气象因素使用长短时记忆(LSTM)网络进行长期预测的方法。首先,将发病序列通过滑动窗口的方式转化为网络的输入和输出;然后采用LSTM网络进行数据建模和预测,并使用迭代预测的方式获得较长期的预测结果;最后在网络中增加温度和湿度变量,比较这些变量对预测结果的影响。实验结果表明,加入气象因素能够提高模型的预测精度,所提模型在济南市数据集上的平均绝对误差(MAE)为74.9,在广州市数据集上的MAE为427.7,相较于常用的季节性差分自回归移动平均(SARIMA)模型和支持向量回归(SVR)模型,该模型的预测准确率更高。可见所提模型是HFMD发病趋势预测的一种有效的实验方法。 展开更多
关键词 手足口病 时间序列 相关分析 短时记忆网络 传染病预测
在线阅读 下载PDF
文章速递面向新闻领域的中文实体关系抽取 认领
2
作者 王博 王侃 +3 位作者 王成刚 刘然 刘威鹏 黄慧荣 《电讯技术》 北大核心 2021年第1期50-57,共8页
随着互联网技术的快速发展,人们能够及时地获取大量的新闻文本信息,如何从新闻中自动获取关键信息,把新闻中具有价值的信息转化为结构化数据,从而快速有效地获取有用的知识已是迫切需求。实体关系抽取是获取关键信息的方法之一,但目前... 随着互联网技术的快速发展,人们能够及时地获取大量的新闻文本信息,如何从新闻中自动获取关键信息,把新闻中具有价值的信息转化为结构化数据,从而快速有效地获取有用的知识已是迫切需求。实体关系抽取是获取关键信息的方法之一,但目前关于中文的实体关系抽取工作较少。针对基于长短时记忆网络的中文实体识别模型难于提取长距离的依存关系特征和句法特征问题,提出利用双向树形长短时记忆神经网络提取依存句法树的结构特征。在提取的特征的基础上,使用条件随机场判断实体的类别和边界,并在实体识别模型中加入注意力机制提高模型的性能。在《人民日报》数据集和ACE 2005语料库上训练模型,验证了模型的有效性。 展开更多
关键词 新闻文本信息 实体关系抽取 短时记忆网络 最短依存路径 条件随机场 注意力机制
在线阅读 下载PDF
基于深度迁移学习的滚动轴承剩余使用寿命预测 认领
3
作者 汪立雄 王志刚 +1 位作者 徐增丙 林辉 《制造技术与机床》 北大核心 2020年第12期130-134,137,共6页
针对轴承剩余使用寿命(RUL)预测模型训练样本少导致预测精度低的问题,提出一种基于深度迁移学习的滚动轴承剩余使用寿命预测方法。首先利用深度信念网络(DBN)和自组织映射神经网络(SOM)直接对原始振动信号构建轴承健康因子(HI),然后以... 针对轴承剩余使用寿命(RUL)预测模型训练样本少导致预测精度低的问题,提出一种基于深度迁移学习的滚动轴承剩余使用寿命预测方法。首先利用深度信念网络(DBN)和自组织映射神经网络(SOM)直接对原始振动信号构建轴承健康因子(HI),然后以长短时记忆网络(LSTM)模型为基础,通过共享隐含层的迁移方法训练RUL预测模型,最后利用LSTM-DT进行RUL预测。实验证明,构建HI能够精确反映轴承的健康状态,LSTM-DT算法有效提高RUL预测精度。 展开更多
关键词 剩余使用寿命预测 深度信念网络 自组织映射神经网络 轴承健康因子 短时记忆网络 共享隐含层迁移
在线阅读 下载PDF
一种使用CALSTM模型进行短期光伏功率预测的方法 认领
4
作者 谢宏文 查浩 +2 位作者 陈庆文 奚瑜 王鹏志 《供用电》 2020年第12期61-66,共6页
光伏发电功率精准预测可有助于提升能源系统的安全性和稳定性。对于多变量的高维光伏功率数据,提出了一种带注意力机制的卷积网络与长短时记忆网络相结合的组合模型(CALSTM),用于同步提取其空间和时间特征,并对光伏功率进行准确的短期... 光伏发电功率精准预测可有助于提升能源系统的安全性和稳定性。对于多变量的高维光伏功率数据,提出了一种带注意力机制的卷积网络与长短时记忆网络相结合的组合模型(CALSTM),用于同步提取其空间和时间特征,并对光伏功率进行准确的短期预测。针对光伏功率数据集GermanSolarFarm,将CALSTM预测与其他常见的6种常用的预测方法进行了对比实验,实验结果表明,CALSTM预测结果与真实值的误差均优于其他方法,证明了算法的有效性和优越性。 展开更多
关键词 光伏发电 功率预测 卷积神经网络 短时记忆网络 卷积网络
在线阅读 下载PDF
多通道时空融合网络双人交互行为识别 认领
5
作者 裴晓敏 范慧杰 唐延东 《红外与激光工程》 EI CSCD 北大核心 2020年第5期203-208,共6页
提出一种基于多通道时空融合网络的双人交互行为识别方法,对双人骨架序列行为进行识别。首先,采用视角不变性特征提取方法提取双人骨架特征,然后,设计两层级联的时空融合网络模型,第一层基于一维卷积神经网络(1DCNN)和双向长短时记忆网... 提出一种基于多通道时空融合网络的双人交互行为识别方法,对双人骨架序列行为进行识别。首先,采用视角不变性特征提取方法提取双人骨架特征,然后,设计两层级联的时空融合网络模型,第一层基于一维卷积神经网络(1DCNN)和双向长短时记忆网络(BiLSTM)学习空间特征,第二层基于长短时记忆网络(LSTM)学习时间特征,得到双人骨架的时空融合特征。最后,采用多通道时空融合网络分别学习多组双人骨架特征得到多通道融合特征,利用融合特征识别交互行为,各通道之间权值共享。将文中算法应用于NTU-RGBD人体交互行为骨架库,双人交叉对象实验准确率可达96.42%,交叉视角实验准确率可达97.46%。文中方法与该领域的典型方法相比,在双人交互行为识别中表现出更好的性能。 展开更多
关键词 双人交互行为 卷积神经网络 短时记忆网络 时空融合网络 多通道
基于神经网络的复杂导弹系统可靠性预测 认领 被引量:1
6
作者 苏续军 吕学志 +1 位作者 方丹 陈晓 《火力与指挥控制》 CSCD 北大核心 2020年第5期170-177,共8页
介绍了如何利用神经网络对复杂导弹系统可靠性进行预测。对利用导弹地面测试数据和可靠性数据预测未来导弹可靠性问题进行了描述。给出了建模思路和方法框架。探讨了基于因子分析的可靠性数据特征选择方法、循环神经网络(RNN)、长短时... 介绍了如何利用神经网络对复杂导弹系统可靠性进行预测。对利用导弹地面测试数据和可靠性数据预测未来导弹可靠性问题进行了描述。给出了建模思路和方法框架。探讨了基于因子分析的可靠性数据特征选择方法、循环神经网络(RNN)、长短时记忆网络(LSTM)、门循环网络(GRU)以及输出数据融合方法。在实例中利用该方法对其飞行可靠性进行了预测,验证了方法的可行性与有效性。该方法可以充分利用复杂系统地面测试数据、可靠性数据中隐含的信息以及多种神经网络的优点,具有一定的通用性与实用性。 展开更多
关键词 复杂系统 可靠性 因子分析 循环神经网络 短时记忆网络 门循环网络
在线阅读 下载PDF
一种结合文本情感分析的微博僵尸粉识别模型 认领
7
作者 伍静 詹千熠 刘渊 《计算机工程》 CAS CSCD 北大核心 2020年第6期288-295,共8页
社交网站中的僵尸粉群体严重威胁社交平台公信力且增加了社交风险。为准确识别僵尸粉,构建一个基于神经网络的僵尸粉识别模型(Zat-NN)。通过分析微博僵尸粉的社交行为得到高级僵尸粉的行为特征,利用累积分布函数研究僵尸粉与正常用户在... 社交网站中的僵尸粉群体严重威胁社交平台公信力且增加了社交风险。为准确识别僵尸粉,构建一个基于神经网络的僵尸粉识别模型(Zat-NN)。通过分析微博僵尸粉的社交行为得到高级僵尸粉的行为特征,利用累积分布函数研究僵尸粉与正常用户在行为特征上的差异,并结合卷积神经网络与长短时记忆网络加强微博文本情感分析能力,同时增加日均转发微博数、发博工具和微博情感特征3个用户新特征提高Zat-NN模型识别准确率及鲁棒性。在新浪微博用户数据集上的实验结果表明,Zat-NN模型能有效识别高级僵尸粉,提升社交网络用户体验。 展开更多
关键词 社交网络 僵尸粉 文本情感分析 卷积神经网络 短时记忆网络
在线阅读 下载PDF
基于准循环神经网络的语音增强方法 认领
8
作者 娄迎曦 袁文浩 彭荣群 《计算机工程》 CAS CSCD 北大核心 2020年第4期316-320,共5页
在基于深度学习的语音增强模型中,长短时记忆网络能较好地解决序列语音增强问题,但该模型在处理大规模含噪语音数据时存在训练速度缓慢的问题.为此,提出一种基于准循环神经网络的语音增强方法.利用门函数和记忆单元确保含噪语音序列上... 在基于深度学习的语音增强模型中,长短时记忆网络能较好地解决序列语音增强问题,但该模型在处理大规模含噪语音数据时存在训练速度缓慢的问题.为此,提出一种基于准循环神经网络的语音增强方法.利用门函数和记忆单元确保含噪语音序列上下文的相关性,门函数的计算不再依赖上一时刻的输出,且该模型在含噪语音序列的输入和门函数的计算中都引入矩阵的卷积运算,使模型可以同时处理多个时刻的语音序列信息,从而增强模型并行计算的能力.实验结果表明,与长短时记忆网络相比,该方法能在保证语音增强性能的前提下,有效提高网络模型的训练速度. 展开更多
关键词 语音增强 准循环神经网络 短时记忆网络 神经网络 卷积运算
在线阅读 下载PDF
自适应融合RGB和骨骼特征的行为识别 认领
9
作者 郭伏正 孔军 蒋敏 《激光与光电子学进展》 CSCD 北大核心 2020年第20期302-311,共10页
传统的基于RGB和骨骼特征的行为识别算法,普遍存在两种特征互补性不足及视频关键时序性不强等问题。为解决这一问题,提出一种自适应融合RGB和骨骼特征的行为识别算法。首先,面向RGB图像和骨骼图像,联合双向长短时记忆(LSTM)网络和自注... 传统的基于RGB和骨骼特征的行为识别算法,普遍存在两种特征互补性不足及视频关键时序性不强等问题。为解决这一问题,提出一种自适应融合RGB和骨骼特征的行为识别算法。首先,面向RGB图像和骨骼图像,联合双向长短时记忆(LSTM)网络和自注意力机制提取两者的时空特征;然后,构建自适应权重计算网络(AWCN),并以两者的空间特征为输入计算出自适应权重;最后,利用自适应权重得到上述时空特征的融合特征,实现了最终的动作分类。通过在Penn Action、JHMDB和NTU RGB-D人体行为数据集上与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别精度。 展开更多
关键词 机器视觉 行为识别 姿态估计 自适应权重计算网络 短时记忆网络 自注意力
基于混合深度学习算法的疾病预测模型 认领
10
作者 梁敏 莫毓昌 +2 位作者 林栋 陆迁 李宁宁 《人工智能与机器人研究》 2020年第1期16-23,共8页
利用电子健康档案中时间序列数据建立的预测模型在改善疾病管理方面发挥着重要作用。由于时态数据的序列相关性和特征空间维度大等特点,机器学习和非深度神经网络等传统方法难以提供疾病的准确预测。最新工作表明,长短时记忆(long short... 利用电子健康档案中时间序列数据建立的预测模型在改善疾病管理方面发挥着重要作用。由于时态数据的序列相关性和特征空间维度大等特点,机器学习和非深度神经网络等传统方法难以提供疾病的准确预测。最新工作表明,长短时记忆(long short term memory, LSTM)神经网络性能优于大多数传统的疾病预测方法。为了进一步提高预测精度,本文提出了一种将卷积神经网络(convolutional neural network, CNN)与LSTM相结合的混合深度学习神经网络框架。使用电子健康档案中真实数据集的研究结果表明,相比传统SVM,CNN和LSTM模型,该算法的预测性能得到显著提高。 展开更多
关键词 电子健康档案 短时记忆网络 卷积神经网络 混合深度学习
在线阅读 下载PDF
深度学习法在收入预测问题中的应用 认领
11
作者 顾强 《软件导刊》 2020年第11期1-5,共5页
为了提升电信行业收入预测问题准确率,建立基于循环神经网络和长短时记忆网络相结合的收入预测模型。首先对数据作预处理,然后建立卷积层进行核心预测算法优化,再通过训练寻找最优参数,并将其应用于电信运营商收入预测。实验结果表明,... 为了提升电信行业收入预测问题准确率,建立基于循环神经网络和长短时记忆网络相结合的收入预测模型。首先对数据作预处理,然后建立卷积层进行核心预测算法优化,再通过训练寻找最优参数,并将其应用于电信运营商收入预测。实验结果表明,该模型可以预测出未来一个月或者几个月的收入增减变化趋势,预测准确率比传统方法提高20%,算法收敛性也提高约15%。该模型预测结果对于电信行业制定营销方案具有较好指导作用。 展开更多
关键词 收入预测 深度学习 神经网络 短时记忆网络
在线阅读 免费下载
基于深度学习的中文微博作者身份识别研究 认领
12
作者 徐晓霖 蔡满春 芦天亮 《计算机应用研究》 CSCD 北大核心 2020年第1期16-18,25共4页
作者身份识别一直在公安行业和文检工作中起着重要的作用。现有的作者语言风格建模过程繁琐、文本特征工程没有普适性。针对此问题,在无须专家进行特征建模的情况下,提出CABLSTM中文微博作者身份识别模型,并在公开微博语料集测试该模型... 作者身份识别一直在公安行业和文检工作中起着重要的作用。现有的作者语言风格建模过程繁琐、文本特征工程没有普适性。针对此问题,在无须专家进行特征建模的情况下,提出CABLSTM中文微博作者身份识别模型,并在公开微博语料集测试该模型准确度。该模型为最大化提取短文本特征,融合attention机制于CNN中并去除池化层,通过双向LSTM以获取上下文相关信息,身份识别结果通过softmax层进行输出。实验结果表明,该模型在进行中文微博作者身份识别任务中与传统机器学习算法、Text CNN和LSTM算法相对比,在准确率、召回率、F值方面都有一定的提升。 展开更多
关键词 作者身份识别 短时记忆网络 卷积神经网络 特征自动提取
在线阅读 下载PDF
基于LSTM-DBN的航空发动机剩余寿命预测 认领
13
作者 李京峰 陈云翔 +1 位作者 项华春 蔡忠义 《系统工程与电子技术》 EI CSCD 北大核心 2020年第7期1637-1644,共8页
针对航空发动机剩余寿命(remaining useful life,RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory,LSTM)网络和深度置信网络(deep belief network,DBN)的RU... 针对航空发动机剩余寿命(remaining useful life,RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory,LSTM)网络和深度置信网络(deep belief network,DBN)的RUL预测方法。首先,利用LSTM分别对单一传感器进行时间序列预测。其次,将预测结果整合输入到DBN进行健康指标提取。再次,结合健康指标预测曲线和失效阈值得到RUL预测结果。最后,利用商用模块化航空推进系统仿真数据集开展实验,并与已有方法进行对比分析,验证了该方法的可行性和有效性。 展开更多
关键词 短时记忆网络 深度置信网络 健康指标 剩余寿命预测
在线阅读 下载PDF
基于聚类关联网络的群组行为识别 认领
14
作者 戎炜 蒋哲远 +1 位作者 谢昭 吴克伟 《计算机应用》 CSCD 北大核心 2020年第9期2507-2513,共7页
目前群组行为识别方法没有充分利用群组关联信息而导致群组识别精度无法有效提升,针对这个问题,提出了基于近邻传播算法(AP)的层次关联模块的深度神经网络模型,命名为聚类关联网络(CRN)。首先,利用卷积神经网络(CNN)提取场景特征,再利... 目前群组行为识别方法没有充分利用群组关联信息而导致群组识别精度无法有效提升,针对这个问题,提出了基于近邻传播算法(AP)的层次关联模块的深度神经网络模型,命名为聚类关联网络(CRN)。首先,利用卷积神经网络(CNN)提取场景特征,再利用区域特征聚集提取场景中的人物特征。然后,利用AP的层次关联网络模块提取群组关联信息。最后,利用长短期记忆网络(LSTM)融合个体特征序列与群组关联信息,并得到最终的群组识别结果。与多流卷积神经网络(MSCNN)方法相比,CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了5.39与3.33个百分点。与置信度能量循环网络(CERN)方法相比,CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了8.7与3.14个百分点。实验结果表明,CRN方法在群体行为识别任务中拥有更高的识别准确精度。 展开更多
关键词 群组行为识别 聚类关联网络 群组关联信息 近邻传播算法 短时记忆网络
在线阅读 下载PDF
基于注意力机制的混合神经网络关系分类方法 认领
15
作者 庄传志 靳小龙 +1 位作者 李忠 孙智 《计算机工程与科学》 CSCD 北大核心 2020年第1期64-70,共7页
关系分类是自然语言处理领域的一项重要语义处理任务。传统的关系分类方法通过人工设计各类特征以及各类核函数来对句子内部2个实体之间的关系进行判断。近年来,关系分类方法的主要工作集中于通过各类神经网络获取句子的语义特征表示来... 关系分类是自然语言处理领域的一项重要语义处理任务。传统的关系分类方法通过人工设计各类特征以及各类核函数来对句子内部2个实体之间的关系进行判断。近年来,关系分类方法的主要工作集中于通过各类神经网络获取句子的语义特征表示来进行分类,以减少手动构造各类特征。在句子中,不同关键词对关系分类任务的贡献程度是不同的,然而重要的词义有可能出现在句子中的任意位置。为此,提出了一种基于注意力的混合神经网络关系分类模型来捕获重要的语义信息,用来进行关系分类,该方法是一种端到端的方法。实验结果表明了该方法的有效性。 展开更多
关键词 关系分类 卷积神经网络 短时记忆网络 注意力机制
在线阅读 下载PDF
结合社会特征和注意力的行人轨迹预测模型 认领 被引量:1
16
作者 张志远 刁英华 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2020年第1期10-17,79共9页
针对社会生成对抗网络行人交互特征简单且无法充分利用行人交互信息的问题,提出一种结合社会特征和注意力机制的行人轨迹预测模型。采用生成对抗网络模型,其中生成器使用编码器-解码器结构,中间加入注意力模块,并且设置3种社会特征以丰... 针对社会生成对抗网络行人交互特征简单且无法充分利用行人交互信息的问题,提出一种结合社会特征和注意力机制的行人轨迹预测模型。采用生成对抗网络模型,其中生成器使用编码器-解码器结构,中间加入注意力模块,并且设置3种社会特征以丰富行人交互信息。辅助注意力模块对同一场景中的行人进行影响力分配,使网络可以充分利用行人交互信息,提升模型的准确性。多个数据集上的实验结果表明,该模型较之前基于池化模块行人轨迹预测模型的准确率平均提高15%,且在行人密集、非直线轨迹多的场景中准确率提升34%,效果更加明显。 展开更多
关键词 轨迹生成 生成对抗网络 注意力机制 短时记忆网络 行人交互
在线阅读 下载PDF
考虑多能时空耦合的用户级综合能源系统超短期负荷预测方法 认领 被引量:2
17
作者 栗然 孙帆 +3 位作者 丁星 韩怡 刘英培 严敬汝 《电网技术》 EI CSCD 北大核心 2020年第11期4121-4131,共11页
针对用户级综合能源系统(integratedenergysystem,IES)规模小、负荷波动大、能量耦合复杂的特点,提出一种考虑多能时空耦合的超短期负荷预测方法。首先,结合K-means聚类方法和Pearson相关系数,将无明显规律的各类基本负荷单元进行"... 针对用户级综合能源系统(integratedenergysystem,IES)规模小、负荷波动大、能量耦合复杂的特点,提出一种考虑多能时空耦合的超短期负荷预测方法。首先,结合K-means聚类方法和Pearson相关系数,将无明显规律的各类基本负荷单元进行"像素重构",使之在水平和竖直两个方向具有一定的关联特征;其次,利用多通道卷积神经网络(multi-channel convolutional neural network,MCNN)对多类重构后的二维负荷像素在高维空间进行特征的独立提取和统一融合;最后,将扩展气象与节假日信息的综合特征按照时序的方式输入长短时记忆网络(long short-term memory,LSTM)进行负荷预测。以某用户级IES实测负荷数据为算例进行分析,结合基本卷积神经网络(convolutionalneuralnetwork,CNN),对比是否进行像素重构和负荷特征融合的各场景下LSTM、CNN-LSTM、MCNN-LSTM方法的预测效果,结果表明,考虑像素重构和负荷特征融合的MCNN-LSTM方法可有效提高用户级IES负荷的预测精度。 展开更多
关键词 超短期负荷预测 综合能源系统 多通道卷积神经网络 短时记忆网络 负荷像素
基于LSTM-CNN的睡眠呼吸暂停与低通气事件实时检测算法研究 认领
18
作者 余辉 王硕 +4 位作者 李心蕊 邓晨阳 孙敬来 张力新 曹玉珍 《中国生物医学工程学报》 CAS CSCD 北大核心 2020年第3期303-310,共8页
睡眠呼吸暂停与低通气综合征(SAHS)严重影响睡眠质量,是一种潜在的致死性呼吸疾病。为了兼顾对睡眠呼吸暂停与低通气(AH)事件检测的准确率与时间分辨率,提出一种长短时记忆-卷积神经网络(LSTM-CNN)方法,实现对AH事件的精准预测;同时基... 睡眠呼吸暂停与低通气综合征(SAHS)严重影响睡眠质量,是一种潜在的致死性呼吸疾病。为了兼顾对睡眠呼吸暂停与低通气(AH)事件检测的准确率与时间分辨率,提出一种长短时记忆-卷积神经网络(LSTM-CNN)方法,实现对AH事件的精准预测;同时基于事件检测结果,提出一种呼吸紊乱指数(AHI)估计方法,进而实现对SAHS严重程度的定量评估。选取美国国家心肺血液研究所睡眠健康数据库中54名受试者的腹部位移信号对LSTM-CNN算法进行测试。对于处理得到的超过90万数据片段,正确率、敏感度、特异度分别为88.6%、88.2%、88.7%;54名被试的AHI预测结果与多导睡眠图(PSG)标注结果相比,皮尔逊相关指数达到0.98;观察SAHS严重程度诊断结果,kappa系数达到0.95。结果表明,所提出的方法不仅可以实现对AH事件的高精度检测,而且可以对AHI指数与SAHS严重程度做出准确估计,有望用于PSG检测之前SAHS的初步诊断以及成为家用SAHS长期监护工具。 展开更多
关键词 短时记忆网络 卷积神经网络 睡眠呼吸暂停与低通气综合征 多导睡眠图
在线阅读 下载PDF
基于时间误差的循环神经网络参数压缩 认领
19
作者 王龙钢 刘世杰 +1 位作者 冯珊珊 李宏伟 《计算机工程与应用》 CSCD 北大核心 2020年第3期134-138,共5页
循环神经网络被广泛应用于各种序列数据处理任务中,如机器翻译、语音识别、图像标注等。基于循环神经网络的语言模型通常包含大量的参数,这一点在一定程度上限制了模型在移动设备或嵌入式设备上的使用。在低秩重构压缩的基础上,增加时... 循环神经网络被广泛应用于各种序列数据处理任务中,如机器翻译、语音识别、图像标注等。基于循环神经网络的语言模型通常包含大量的参数,这一点在一定程度上限制了模型在移动设备或嵌入式设备上的使用。在低秩重构压缩的基础上,增加时间误差重构函数,并采用长短时记忆网络中的输入激活机制,提出了一种基于时间误差的低秩重构压缩方法。多个数据集上的数值实验表明,该方法具有较好的压缩效果。 展开更多
关键词 循环神经网络 短时记忆网络 低秩重构压缩 基于时间误差的低秩重构压缩
在线阅读 下载PDF
基于LDA-BiLSTM模型的高校网络舆情监测方法及实证 认领
20
作者 陆敬筠 胡舜奕 俞建光 《情报理论与实践》 CSSCI 北大核心 2020年第11期156-161,共6页
[目的/意义]高校网络舆情能够反映学生的思想动态。实时甄别高校网络信息内容,监测潜在舆情,对于合理引导学生思想、维护高校形象具有重要意义。[方法/过程]提出基于LDA-BiLSTM模型的高校网络舆情监测方法,以高校百度贴吧为数据源,提取... [目的/意义]高校网络舆情能够反映学生的思想动态。实时甄别高校网络信息内容,监测潜在舆情,对于合理引导学生思想、维护高校形象具有重要意义。[方法/过程]提出基于LDA-BiLSTM模型的高校网络舆情监测方法,以高校百度贴吧为数据源,提取数据中的热门主题,获取热门主题下回复文本的情感极性,分析其潜在舆情。[结果/结论]结果表明,此方法能够获取高校贴吧热门主题及其情感极性,监测潜在舆情,为高校网络舆情管理提供有效方法和模型。 展开更多
关键词 高校学生 网络舆情 隐含狄里克雷分布 短时记忆网络 舆情监测
上一页 1 2 20 下一页 到第
使用帮助 返回顶部 意见反馈