期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
做好存量土地文章 保障社会经济发展——临沂市城区节约集约用地的几点做法
被引量:
1
1
作者
范宝杰
《山东国土资源》
2005年第12期12-14,共3页
关键词
社会经济发展
临沂市
存量土地
文章
用地
集约
城区
保障
山东省
沂蒙山区
在线阅读
下载PDF
职称材料
基于余项机制生成对抗网络的图像修复方法
被引量:
2
2
作者
范宝杰
原玲
+1 位作者
徐幼祥
葛生国
《电视技术》
2019年第4期14-17,共4页
生成对抗网络是现阶段最出色的生成模型。基于深层卷积网络与生成对抗的思想,提出一种基于余项机制生成对抗网络的图像修复算法。通过卷积神经网络传递信息,但高层特征不再是依据局部特征点生成细节,而是通过余项机制联立多层次的信息...
生成对抗网络是现阶段最出色的生成模型。基于深层卷积网络与生成对抗的思想,提出一种基于余项机制生成对抗网络的图像修复算法。通过卷积神经网络传递信息,但高层特征不再是依据局部特征点生成细节,而是通过余项机制联立多层次的信息重建缺失区域。所提算法通过图像重建损失、生成对抗网络损失和高层特征的二范数损失组合进行训练。仿真实验证明,对多层次特征信息的关注以及重建区域内容的合理性可以确保所提算法生成更清晰、自然的缺失信息。
展开更多
关键词
生成对抗网络
损失函数
卷积神经网络
图像修复
在线阅读
下载PDF
职称材料
基于图卷积慕课成绩预测模型
3
作者
徐幼祥
原玲
范宝杰
《电视技术》
2019年第18期1-4,共4页
针对现有慕课(MOOC)平台学生完成率低的问题,提出一种结合知识图谱和图卷积神经网络的成绩预测模型。使用决策树数据挖掘的方法构建用户知识图谱,进而将学生成绩预测问题考虑为图上节点分类问题。所提出方法优化了图的卷积,提取了用户...
针对现有慕课(MOOC)平台学生完成率低的问题,提出一种结合知识图谱和图卷积神经网络的成绩预测模型。使用决策树数据挖掘的方法构建用户知识图谱,进而将学生成绩预测问题考虑为图上节点分类问题。所提出方法优化了图的卷积,提取了用户信息和知识图谱的高维信息。实验结果表明所提的图卷积神经网络在预测精度上优于传统机器学习算法,并在同类型算法中有较低的时间复杂度。该模型有利于平台管理者及时了解学生情况,提高教学质量。
展开更多
关键词
图卷积神经网络
成绩预测模型
知识图谱
慕课系统
在线阅读
下载PDF
职称材料
题名
做好存量土地文章 保障社会经济发展——临沂市城区节约集约用地的几点做法
被引量:
1
1
作者
范宝杰
机构
临沂市国土资源局
出处
《山东国土资源》
2005年第12期12-14,共3页
关键词
社会经济发展
临沂市
存量土地
文章
用地
集约
城区
保障
山东省
沂蒙山区
分类号
F127 [经济管理—世界经济]
在线阅读
下载PDF
职称材料
题名
基于余项机制生成对抗网络的图像修复方法
被引量:
2
2
作者
范宝杰
原玲
徐幼祥
葛生国
机构
广东工业大学信息工程学院
出处
《电视技术》
2019年第4期14-17,共4页
文摘
生成对抗网络是现阶段最出色的生成模型。基于深层卷积网络与生成对抗的思想,提出一种基于余项机制生成对抗网络的图像修复算法。通过卷积神经网络传递信息,但高层特征不再是依据局部特征点生成细节,而是通过余项机制联立多层次的信息重建缺失区域。所提算法通过图像重建损失、生成对抗网络损失和高层特征的二范数损失组合进行训练。仿真实验证明,对多层次特征信息的关注以及重建区域内容的合理性可以确保所提算法生成更清晰、自然的缺失信息。
关键词
生成对抗网络
损失函数
卷积神经网络
图像修复
Keywords
generative adversarial networks
loss function
convolutional neural network
image restoration
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于图卷积慕课成绩预测模型
3
作者
徐幼祥
原玲
范宝杰
机构
广东工业大学信息工程学院
出处
《电视技术》
2019年第18期1-4,共4页
文摘
针对现有慕课(MOOC)平台学生完成率低的问题,提出一种结合知识图谱和图卷积神经网络的成绩预测模型。使用决策树数据挖掘的方法构建用户知识图谱,进而将学生成绩预测问题考虑为图上节点分类问题。所提出方法优化了图的卷积,提取了用户信息和知识图谱的高维信息。实验结果表明所提的图卷积神经网络在预测精度上优于传统机器学习算法,并在同类型算法中有较低的时间复杂度。该模型有利于平台管理者及时了解学生情况,提高教学质量。
关键词
图卷积神经网络
成绩预测模型
知识图谱
慕课系统
Keywords
graph convolutional networks
grades prediction model
knowledge graph
MOOC system
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
做好存量土地文章 保障社会经济发展——临沂市城区节约集约用地的几点做法
范宝杰
《山东国土资源》
2005
1
在线阅读
下载PDF
职称材料
2
基于余项机制生成对抗网络的图像修复方法
范宝杰
原玲
徐幼祥
葛生国
《电视技术》
2019
2
在线阅读
下载PDF
职称材料
3
基于图卷积慕课成绩预测模型
徐幼祥
原玲
范宝杰
《电视技术》
2019
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部