期刊文献+
共找到1,461篇文章
< 1 2 74 >
每页显示 20 50 100
任务学习单在初中美术大单元教学中的实践研究
1
作者 汪中伟 《教师》 2025年第5期101-103,共3页
任务学习单通过明确学习目标、分解学习任务,为学生提供了结构化的学习路径,将任务学习单应用于初中美术大单元教学,有助于提升学生的艺术审美素养,提高学生的学习成效。文章探讨了任务学习单的内涵,分析了任务学习单在初中美术大单元... 任务学习单通过明确学习目标、分解学习任务,为学生提供了结构化的学习路径,将任务学习单应用于初中美术大单元教学,有助于提升学生的艺术审美素养,提高学生的学习成效。文章探讨了任务学习单的内涵,分析了任务学习单在初中美术大单元教学中的应用价值,结合初中美术教材,提出了明确单元目标、分解重点难点、设计层次化任务及发掘跨学科内容等实践策略,以推动教学模式的创新,促进学生核心素养的全面发展。 展开更多
关键词 任务学习 初中美术 大单元教学
在线阅读 下载PDF
基于优化极限学习机与多任务学习的超短期负荷预测方法
2
作者 李占江 《电子设计工程》 2025年第8期159-164,共6页
在超短期电力负荷分析过程中,通过简单极限学习机完成负荷预测,所涉及的初始权值和阈值都是随机产生的,使得负荷预测结果均方根误差(RMSE)较大,因此,提出结合优化极限学习机与多任务学习的超短期负荷预测方法。依托于多任务学习思想构... 在超短期电力负荷分析过程中,通过简单极限学习机完成负荷预测,所涉及的初始权值和阈值都是随机产生的,使得负荷预测结果均方根误差(RMSE)较大,因此,提出结合优化极限学习机与多任务学习的超短期负荷预测方法。依托于多任务学习思想构建负荷特征选取模型,从大量负荷自身变化特征、外部影响因素特征中筛选出最优特征。根据特征筛选结果采集数据建立负荷序列,运用小波变换算法完成原始信号的分解和重构,实现负荷序列降噪处理。应用包含个体变异机制的改进萤火虫算法,求解极限学习机的最优参数,生成优化极限学习机。以优化极限学习机为基础构建负荷预测模型,输入降噪负荷序列进行不断学习,即可输出超短期负荷预测值。实验结果表明,新设计方法预测出的超短期负荷RMSE值低于0.1,证明了其可以准确描述电力系统未来短时间内的负荷状态。 展开更多
关键词 极限学习 改进萤火虫算法 任务学习 变量选择 小波变换 负荷预测
在线阅读 下载PDF
基于多任务学习的改性双基推进剂的综合性能预测 被引量:1
3
作者 郭延芝 吴艳玲 +2 位作者 徐司雨 蒲雪梅 赵凤起 《化学研究与应用》 CAS 北大核心 2024年第3期608-615,共8页
为满足改性双基推进剂多性能的综合预测需求,本研究提出基于多任务学习的机器学习策略,综合考虑推进剂组分、含量、压强和的粒度对目标性能的影响,首次构建了包含燃速、比冲、特征速度、摩擦感度和撞击感度在内的RDX-CMDB推进剂综合性... 为满足改性双基推进剂多性能的综合预测需求,本研究提出基于多任务学习的机器学习策略,综合考虑推进剂组分、含量、压强和的粒度对目标性能的影响,首次构建了包含燃速、比冲、特征速度、摩擦感度和撞击感度在内的RDX-CMDB推进剂综合性能预测模型。通过网格寻参模式优化模型,结合十折交叉验证法比较了十种机器学习算法的建模效果。其中,极限梯度提升回归模型预测性能最优,平均R^(2)可达0.9997;在对6个外部样本的测试中,该模型对5个目标性能的预测误差均在5%以内。结果表明,本研究提出的多任务机器学习模型可在试验样本量不足的情况下,实现推进剂的多个目标性能准确预测,对推进剂的综合性能优化和配方设计具有理论指导意义。 展开更多
关键词 改性双基推进剂 综合性能 任务学习 定量预测
在线阅读 下载PDF
一种基于改进多任务学习的手背静脉识别方法与系统
4
作者 郑音飞 刘高凯 +2 位作者 罗泽熠 段会龙 徐正国 《信息技术与标准化》 2024年第7期20-26,共7页
针对当前手背静脉识别产品较为缺乏的问题,为了促进深度学习技术在手背静脉识别领域的落地应用,提出一种基于改进多任务学习的手背静脉识别方法,同时开发一套基于软硬件协同的手背静脉识别系统。来自采集手背静脉数据集上的实验结果显示... 针对当前手背静脉识别产品较为缺乏的问题,为了促进深度学习技术在手背静脉识别领域的落地应用,提出一种基于改进多任务学习的手背静脉识别方法,同时开发一套基于软硬件协同的手背静脉识别系统。来自采集手背静脉数据集上的实验结果显示,改进算法在嵌入式设备上能够取得99.59%的准确率、0.437%的等误率、小于1 s的识别时间,足以满足大多数常见应用场景对识别性能的需求,为手背静脉识别方法的落地应用提供了一种有效的解决方案。 展开更多
关键词 手背静脉识别 任务学习 基础模型 改进模型 Jetson NANO 系统开发
在线阅读 下载PDF
指向物理学科关键能力的实践性任务学习设计与应用
5
作者 赵博 《物理教学探讨》 2024年第2期31-35,共5页
物理学科关键能力的培养是高中物理教学中落实学科核心素养的重点和难点。实践性任务学习具有源自真实情境、强调学生体验、重视知识整合的特点,能有效培养学生的物理学科关键能力,并能克服目前教学中在培养物理学科关键能力上的不足。... 物理学科关键能力的培养是高中物理教学中落实学科核心素养的重点和难点。实践性任务学习具有源自真实情境、强调学生体验、重视知识整合的特点,能有效培养学生的物理学科关键能力,并能克服目前教学中在培养物理学科关键能力上的不足。结合高中物理教学实例,介绍指向高中物理学科关键能力的实践性任务学习的设计思路、实施原则与应用。 展开更多
关键词 实践性任务学习 物理学科关键能力 教学设计
在线阅读 下载PDF
多任务学习残差卷积网络的声源定位和深度估计方法
6
作者 耿林 张鸽 +3 位作者 王书海 夏晨骏 谢峰 斯嘉禾 《声学技术》 CSCD 北大核心 2024年第6期887-895,共9页
针对基于平面麦克风阵列的声源定位方法难以估计声源深度的问题,文章提出了多任务学习残差卷积网络的声源定位和深度估计方法。提出的网络模型具有两个输出分支,分别用于实现声源定位和深度估计。该网络使用函数波束形成的成像结果作为... 针对基于平面麦克风阵列的声源定位方法难以估计声源深度的问题,文章提出了多任务学习残差卷积网络的声源定位和深度估计方法。提出的网络模型具有两个输出分支,分别用于实现声源定位和深度估计。该网络使用函数波束形成的成像结果作为输入特征。通过设计一种高分辨率并且无旁瓣的目标图作为网络的标签来提高函数波束形成声源识别性能,同时将声源面与测量阵列之间的距离均匀离散成不同的深度类别,根据网络输出的深度类别的概率来估计声源深度。仿真结果表明,所提方法在五种频率的测试集中定位准确率都不低于96.95%,平均距离误差小于0.003 4 m,分类准确率大于99.05%,能够准确定位声源并估计声源深度。此外,该方法在低信噪比情况下也能有效识别声源,具有良好的泛化性。 展开更多
关键词 声源定位 深度估计 任务学习 残差卷积网络 函数波束形成
在线阅读 下载PDF
基于多任务学习的同行评审细粒度情感分析模型 被引量:1
7
作者 朱金秋 檀健 +1 位作者 韩斌彬 殷秀秀 《中北大学学报(自然科学版)》 CAS 2024年第1期105-113,共9页
学术论文同行评审能够直接反映审稿人对论文的主观评价,对审稿文本进行情感分析有利于挖掘审稿人对论文多维度的评价信息。现有的情感分析模型仅能挖掘专家单一的评审维度和相应的情感倾向,本文提出了一种基于多任务学习的同行评审细粒... 学术论文同行评审能够直接反映审稿人对论文的主观评价,对审稿文本进行情感分析有利于挖掘审稿人对论文多维度的评价信息。现有的情感分析模型仅能挖掘专家单一的评审维度和相应的情感倾向,本文提出了一种基于多任务学习的同行评审细粒度情感分析模型。该模型在多任务学习框架下,通过在BERT-LCF模型的基础上增加BiLSTM-CRF模块,使其具备了同时完成属性词抽取和细粒度情感分析任务的能力。与传统的基于Pipeline模式的单任务细粒度情感分析模型相比,本模型在保证精度的情况下可以同时完成评审属性提取和情感分析任务。在这两项任务中,所提出模型的F1分数分别达到了89.01%和90.71%。对比实验证明,在多任务场景下,引入BiLSTM-CRF模块对评审文本属性词提取任务有一定的提升作用。 展开更多
关键词 同行评审 任务学习 属性词抽取 细粒度情感分析 BiLSTM-CRF
在线阅读 下载PDF
一种多任务学习结合U-Net的微动脉瘤图像分割方法
8
作者 崔永俊 雷凯杰 马巧梅 《电子设计工程》 2024年第15期190-195,共6页
微动脉瘤是检测糖尿病初期视网膜病变的关键病灶,针对微动脉瘤图像分割问题,提出了多种图像预处理技术与多任务学习网络相结合的方法。该方法使用了多种图像预处理技术,在UNet中引入了注意力机制,并将微动脉瘤图像分割作为主任务,微动... 微动脉瘤是检测糖尿病初期视网膜病变的关键病灶,针对微动脉瘤图像分割问题,提出了多种图像预处理技术与多任务学习网络相结合的方法。该方法使用了多种图像预处理技术,在UNet中引入了注意力机制,并将微动脉瘤图像分割作为主任务,微动脉瘤存在性检测作为副任务,利用多任务学习结合U-Net来提升主任务分割效果。在国际公开数据集上进行实验,获得了AUC为9.48%以及AP为51.40%的结果,与单任务图像分割相比,AP值提升了3.82%,由实验结果可知该方法能够提升微动脉瘤的分割效果。 展开更多
关键词 深度学习 糖尿病视网膜病变 微动脉瘤 图像分割 任务学习
在线阅读 下载PDF
基于多任务学习的电力文本信息抽取
9
作者 纪鑫 武同心 +4 位作者 余婷 董林啸 陈屹婷 米娜 赵加奎 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第8期2461-2469,共9页
为提升电力系统故障文本在实际业务场景中的分析处理速度,提出基于预训练与多任务学习的电力故障文本信息自动抽取模型。利用预训练模型学习电力文本词语的上下文信息,挖掘词语的一阶和二阶融合特征,增强特征的表示能力,利用多任务学习... 为提升电力系统故障文本在实际业务场景中的分析处理速度,提出基于预训练与多任务学习的电力故障文本信息自动抽取模型。利用预训练模型学习电力文本词语的上下文信息,挖掘词语的一阶和二阶融合特征,增强特征的表示能力,利用多任务学习框架结合命名实体识别和关系抽取2个任务的学习,实现实体识别和关系抽取的互相补充和互相促进,进而提高电力故障文本信息抽取的性能。通过对某电力网数据中心的日常业务数据进行模型验证,与其他模型相比,所提模型提高了电力故障文本实体识别和关系抽取的准确率和召回率。 展开更多
关键词 电力故障 预训练 任务学习 实体识别 关系抽取
在线阅读 下载PDF
基于图结构与多任务学习的指代消解
10
作者 李开阳 王耀影 +3 位作者 朱天佑 李继伟 任俊达 陈振宇 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第12期3825-3833,共9页
指代提取是自然语言处理应用中的一项重要任务。学习有效的指称特征表示是指代消解的核心问题。现有的研究大多把指称文本片段识别和共指关系预测作为两阶段来学习,不能有效反映文本片段中的命名实体等信息和共指对之间的内在联系。因此... 指代提取是自然语言处理应用中的一项重要任务。学习有效的指称特征表示是指代消解的核心问题。现有的研究大多把指称文本片段识别和共指关系预测作为两阶段来学习,不能有效反映文本片段中的命名实体等信息和共指对之间的内在联系。因此,提出一种新的基于图结构和多任务学习的指代消解模型。该模型将序列语义和结构信息结合起来指称特征向量学习,利用多任务学习框架结合指代消解和命名实体识别2个任务,通过参数共享的底层网络结构实现指代消解和命名实体识别2个任务的互相学习和互相提高。在公共数据集和手动构建的数据集上进行了大量实验,验证了所提模型的优越性。 展开更多
关键词 指代消解 命名实体识别 信息抽取 实体消歧 任务学习
在线阅读 下载PDF
基于多任务学习的行人重识别算法研究
11
作者 秘蓉新 姚文文 吴兵灏 《电信科学》 北大核心 2024年第6期127-136,共10页
行人重识别(person re-identification,re-ID)在多摄像机之间进行跨镜检索以匹配目标行人图像,可以在人脸、指纹等生物特征失效的情况下实现行人关联,已成为智能视频监控系统的关键技术,对智能安防、智慧城市等领域的产业落地进行了有... 行人重识别(person re-identification,re-ID)在多摄像机之间进行跨镜检索以匹配目标行人图像,可以在人脸、指纹等生物特征失效的情况下实现行人关联,已成为智能视频监控系统的关键技术,对智能安防、智慧城市等领域的产业落地进行了有效赋能。传统的行人重识别算法通常采用表征学习或度量学习方法。基于多任务学习的机器学习模式,结合表征学习与度量学习方法,综合利用特征表示和距离度量两方面的优势,采用分类损失和三元组损失共同训练模型,使模型在特征提取和相似性度量上都得到充分的训练。实验结果表明,该方法在行人重识别任务中取得了更好的性能,验证了鲁棒性和在泛化能力方面的优越性。 展开更多
关键词 行人重识别 智能视频监控 表征学习 度量学习 任务学习
在线阅读 下载PDF
基于联邦多任务学习的智慧教室隐私保护研究
12
作者 杨雨浓 徐澳 +1 位作者 张春炯 谢涛 《现代教育技术》 CSSCI 2024年第9期123-132,共10页
在5G时代,随着联网设备的增多,智慧教室中的数据传输变得异常复杂,将联邦学习应用于智慧教室的隐私保护具有重要意义。尽管已有的联邦学习技术在平衡公平性和准确性方面取得了积极进展,但在解决智慧教室场景中的隐私保护问题方面还不够... 在5G时代,随着联网设备的增多,智慧教室中的数据传输变得异常复杂,将联邦学习应用于智慧教室的隐私保护具有重要意义。尽管已有的联邦学习技术在平衡公平性和准确性方面取得了积极进展,但在解决智慧教室场景中的隐私保护问题方面还不够彻底。基于此,文章首先剖析了智慧教室中的多任务学习场景,建立了适用于智慧教室的多任务机器学习公平性模型。随后,文章提出了基于联邦学习框架的智慧教室隐私保护策略——联邦多任务机器学习框架。为了验证此框架的有效性,文章开展了计算机仿真实验,实验结果显示:联邦多任务机器学习框架不仅实现了多任务机器学习公平性和准确性的平衡,而且具有较强的隐私保护能力。文章的研究可为教育数据隐私保护提供重要参考,并有力推动教育数字化转型。 展开更多
关键词 智慧教室 联邦学习 隐私保护 任务机器学习
在线阅读 下载PDF
基于多任务学习的新型电力系统故障诊断方法 被引量:5
13
作者 高陆军 陈洁 +2 位作者 王新雷 田雪沁 德格吉日夫 《现代电子技术》 2023年第15期155-160,共6页
当前对于电力系统故障诊断的研究大都基于传统电力系统,而且对于不同诊断任务采用不同的诊断模型,这在实际应用中不仅造成了设备资源的浪费,也忽略了各诊断任务之间的关联。为此,运用多任务联合训练方式挖掘不同诊断任务之间的关联信息... 当前对于电力系统故障诊断的研究大都基于传统电力系统,而且对于不同诊断任务采用不同的诊断模型,这在实际应用中不仅造成了设备资源的浪费,也忽略了各诊断任务之间的关联。为此,运用多任务联合训练方式挖掘不同诊断任务之间的关联信息,建立一种多任务学习的新型电力系统故障诊断模型。首先通过底层共享深度置信网络(DBN)层进行特征提取;然后通过顶层分类层输出诊断结果;最后实验结果表明,所提模型不仅能够实现新型电力系统的故障类型和故障选线诊断任务,而且具有较高的效率以及精度。除此之外,还与同结构的单任务学习诊断模型进行对比,结果表明,多任务学习模型诊断效果更好。 展开更多
关键词 新型电力系统 深度置信网络 任务学习 故障诊断 任务学习 特征提取 联合训练
在线阅读 下载PDF
基于ALIF-LSTM多任务学习的综合能源系统短期负荷预测 被引量:22
14
作者 欧阳静 杨吕 +2 位作者 尹康 赵宇航 潘国兵 《太阳能学报》 EI CAS CSCD 北大核心 2022年第9期499-507,共9页
综合能源系统中风电、光伏等可再生能源出力具有波动性和间歇性,精准的短期负荷预测有利于平抑可再生能源对系统运行的影响。系统中的多元负荷时间序列为典型的非平稳性信号,难以进行精准地预测。为了从数据层面提高综合能源系统短期负... 综合能源系统中风电、光伏等可再生能源出力具有波动性和间歇性,精准的短期负荷预测有利于平抑可再生能源对系统运行的影响。系统中的多元负荷时间序列为典型的非平稳性信号,难以进行精准地预测。为了从数据层面提高综合能源系统短期负荷预测模型的精度,提出基于自适应局部迭代滤波(ALIF)的历史负荷数据分解方法,将历史负荷序列分解为具有不同频段模态函数的多个分量;针对预测模型训练中长时间序列处理困难及系统中多元负荷间耦合信息挖掘利用的问题,建立基于长短期记忆(LSTM)网络多任务学习的综合能源系统短期负荷预测模型。实验结果显示,与LSTM、ALIF-LSTM单任务学习、随机森林、LGBM方法相比,所提方法能够应对负荷波动剧烈的工况,预测精度较高,满足综合能源系统安全稳定运行控制的要求。 展开更多
关键词 可再生能源 长短期记忆网络 任务学习 自适应局部迭代滤波 负荷预测 综合能源系统
在线阅读 下载PDF
基于多任务学习的风速实时预测方法 被引量:3
15
作者 刘永前 周家慷 +3 位作者 阎洁 韩爽 李莉 Bekhbat Galsan 《可再生能源》 CAS CSCD 北大核心 2021年第4期481-487,共7页
准确的秒级风速实时预测能够提高风电机组的运行状况和控制品质,为电网做出最优调度决策提供辅助信息。目前风速实时预测时间分辨率通常为分钟级,且在小数据集的情况下模型泛化能力弱。文章以时间分辨率为5 s的风速序列为研究对象,提出... 准确的秒级风速实时预测能够提高风电机组的运行状况和控制品质,为电网做出最优调度决策提供辅助信息。目前风速实时预测时间分辨率通常为分钟级,且在小数据集的情况下模型泛化能力弱。文章以时间分辨率为5 s的风速序列为研究对象,提出了基于多任务学习的风速实时预测方法。该方法结合了变分模态分解方法和长短期记忆神经网络。首先,通过变分模态将风速序列分解为一系列信号;然后,建立多任务学习的共享层,使用长短期记忆神经网络提取各分解信号中的共享参数,深度挖掘分享子序列预测任务间的信息;最后,建立多任务学习的特定任务层,借助多个LSTM并行预测分解后的风速子序列,并将多个预测结果叠加得到风速实时预测结果。算例结果表明:所提多任务学习模型在10步、5步预测中的均方根误差总体均值分别为0.80 m/s和0.71 m/s,与经过变分模态分解和未经过变分模态分解的单任务模型预测相比,所提模型均方根误差总体均值在10步预测中分别降低了35.5%和39.8%,在5步预测中分别降低了24.5%和45.8%。 展开更多
关键词 任务学习 实时风速多步预测 变分模态分解 长短期记忆网络
在线阅读 下载PDF
基于多任务学习的船舶行为识别与轨迹预测 被引量:6
16
作者 杨红 韩鹏 +1 位作者 刘畅 宫珊珊 《重庆交通大学学报(自然科学版)》 CAS CSCD 北大核心 2022年第4期1-7,共7页
针对复杂海洋环境下,船舶行为识别与轨迹预测困难的问题,提出一种基于多任务学习模型。将卷积神经网络(convolutional neural network,CNN)与通过注意力机制优化过的双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)... 针对复杂海洋环境下,船舶行为识别与轨迹预测困难的问题,提出一种基于多任务学习模型。将卷积神经网络(convolutional neural network,CNN)与通过注意力机制优化过的双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)并联作为训练网络,对船舶的行为识别与轨迹预测两个任务进行联合训练;选取船舶自动识别系统(Automatic Identification System,AIS)提供数据基础。研究结果表明:所提出的模型具有更高的预测和识别精度,能有效地辅助海事部门监管工作,同时多任务学习模型也为海上智能交通研究提供新思路。 展开更多
关键词 交通工程 智能交通 行为识别与轨迹预测 任务学习 船舶 船舶自动识别系统
在线阅读 下载PDF
一种气动大差异性数据多任务学习方法 被引量:2
17
作者 张骏 张广博 +3 位作者 程艳青 胡力卫 向渝 汪文勇 《空气动力学学报》 CSCD 北大核心 2022年第6期64-72,共9页
与传统方法相比,基于深度学习的空气动力学建模方法建模速度快、精度高。但是传统深度学习采用的全连接神经网络或卷积神经网络往往没有考虑输入数据本身的差异对预测结果的影响,而飞行器的外形特征参数和飞行状态参数在数据类型上存在... 与传统方法相比,基于深度学习的空气动力学建模方法建模速度快、精度高。但是传统深度学习采用的全连接神经网络或卷积神经网络往往没有考虑输入数据本身的差异对预测结果的影响,而飞行器的外形特征参数和飞行状态参数在数据类型上存在较大差异。在同时使用这两种参数预测气动特性时,如果忽视这些差异性,预测结果的精度势必会损失。受到多任务学习和集群网络方法的启发,提出了一种基于多任务学习的翼型外形参数与飞行状态参数联合建模方法:大差异性多任务学习网络(LD-MTL)。该方法首先将数据集划分为多个任务,随后将整个学习网络分为多个集群,分别根据不同的任务学习所预测的气动性能相关知识,最终对每个集群所学习到的相关知识进行融合,得到预测结果。通过对比实验,证明了在进行气动大差异性数据建模时,本文提出的结构能更好地反映数据差异性对模型预测精度的影响程度,有更高的预测精度,且能对此差异性进行量化分析。 展开更多
关键词 大差异性 任务学习 集群网络 空气动力学数据建模 融合预测
在线阅读 下载PDF
神经网络中将任务学习与模型学习相结合的E-H和E-H-W学习方法 被引量:3
18
作者 武妍 张立明 《电子学报》 EI CAS CSCD 北大核心 2004年第2期278-281,共4页
本文从获取好的神经网络泛化能力出发 ,首先提出了将Hebbian学习与增加问题复杂性统一起来的思想 ,并通过在总的误差函数中增加一限制函数来实现Hebbian学习 .基于此 ,提出了一种将误差驱动的任务学习与Hebbian规则的模型学习相结合的E ... 本文从获取好的神经网络泛化能力出发 ,首先提出了将Hebbian学习与增加问题复杂性统一起来的思想 ,并通过在总的误差函数中增加一限制函数来实现Hebbian学习 .基于此 ,提出了一种将误差驱动的任务学习与Hebbian规则的模型学习相结合的E H方法 .然后 ,根据模型学习应同时考虑减小网络复杂性和增加问题复杂性的思想 ,又提出了一种将误差驱动的学习与Hebbian规则、简单的权退化法结合起来 ,共同来提高神经网络的泛化能力的E H W方法 .最后通过大量实例仿真将它们与纯误差驱动的方法、权退化法、其它文献中的相关方法进行了比较 .结果表明我们的方法具有最好的泛化能力 ,是很有效的神经网络学习方法 . 展开更多
关键词 神经网络 模型学习 任务学习 泛化能力 Hebbian学习
在线阅读 下载PDF
结合二维内蕴模函数和贝叶斯多任务学习的SAR目标识别 被引量:3
19
作者 张宏武 康凯 《电讯技术》 北大核心 2020年第4期372-377,共6页
为了提高合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别性能,提出了结合二维内蕴模函数(Bidimensional Intrinsic Mode Function,BIMF)与贝叶斯多任务学习的SAR目标识别方法。采用二维经验模态分解获得SAR图像的多层次BIMF,从而... 为了提高合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别性能,提出了结合二维内蕴模函数(Bidimensional Intrinsic Mode Function,BIMF)与贝叶斯多任务学习的SAR目标识别方法。采用二维经验模态分解获得SAR图像的多层次BIMF,从而更好地描述原始图像的细节信息。为了获得稳健的决策,采用贝叶斯多任务学习对原始SAR图像及其多层次的BIMF进行联合稀疏表示。最后,通过比较各个类别对于测试样本的重构误差判定目标类别。基于MSTAR数据集在多种条件下对提出方法进行了验证实验,结果证明了方法的有效性。 展开更多
关键词 合成孔径雷达 目标识别 二维内蕴模函数 贝叶斯多任务学习
在线阅读 下载PDF
基于多任务学习与层叠Transformer的多模态情感分析模型 被引量:2
20
作者 陈巧红 孙佳锦 +1 位作者 漏杨波 方志坚 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2023年第12期2421-2429,共9页
针对单模态特征提取存在的模态特征异质性难以保留问题和跨模态特征融合存在的特征冗余问题,基于跨模态Transformer,提出新的多模态情感分析模型(MTSA).使用长短时记忆(LSTM)与多任务学习框架提取单模态上下文语义信息,通过累加辅助模... 针对单模态特征提取存在的模态特征异质性难以保留问题和跨模态特征融合存在的特征冗余问题,基于跨模态Transformer,提出新的多模态情感分析模型(MTSA).使用长短时记忆(LSTM)与多任务学习框架提取单模态上下文语义信息,通过累加辅助模态任务损失以筛除噪声并保留模态特征异质性.使用多任务门控机制调整跨模态特征融合,通过层叠Transformer结构融合文本、音频与视觉模态特征,提升融合深度,避免融合特征冗余.在2个公开数据集MOSEI和SIMS上的实验结果表明,相较于其他先进模型,MTSA的整体性能表现更好,二分类准确率分别达到83.51%和84.18%. 展开更多
关键词 多模态情感分析 长短时记忆(LSTM) TRANSFORMER 任务学习 跨模态特征融合
在线阅读 下载PDF
上一页 1 2 74 下一页 到第
使用帮助 返回顶部