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
2
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
基于分类预测器及退化模型的图像超分辨率快速重建
被引量：
3
1
作者
杨欣
费树岷
+1 位作者
周大可
唐庭阁
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013年第1期35-38,共4页
对基于学习的领域嵌套超分辨率重建方法进行了有效改进,提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先,利用退化模型得到图像训练集,并基于邻域嵌套进行分块;其次,根据图像各自特点提取灰度和梯度特征,并进行特征融...
对基于学习的领域嵌套超分辨率重建方法进行了有效改进,提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先,利用退化模型得到图像训练集,并基于邻域嵌套进行分块;其次,根据图像各自特点提取灰度和梯度特征,并进行特征融合,从而实现了训练过程中噪声信息的有效抑制及图像中边缘信息的锐化;然后,引入分类预测器的思想,设计了一种离线的分类预测器,对预测器进行离线训练,得出优化参数,从而大幅度减少了优化时间;最后,利用L2范数对低分辨率图像分块进行分类,将分块送入相应子预测器中进行快速超分辨率重建.实验结果表明,该算法具有良好的实时性和有效性.
展开更多
关键词
超分辨率重建
分类预测器
退化模型
特征提取
邻域嵌套
在线阅读
下载PDF
职称材料
基于深度学习的回复类型预测聊天机器人
2
作者
徐畅
周志平
赵卫东
《计算机应用研究》
CSCD
北大核心
2020年第S01期213-214,206,共3页
聊天机器人分为很多种,在深度学习越来越火热的当下,生成式聊天机器人通常是Seq2Seq(sequence-tosequence)模型进行训练,通过神经网络将输入数据编码成隐藏层向量并进行解码。尽管深度学习生成式模型的学习能力很强,但是对于很对具体需...
聊天机器人分为很多种,在深度学习越来越火热的当下,生成式聊天机器人通常是Seq2Seq(sequence-tosequence)模型进行训练,通过神经网络将输入数据编码成隐藏层向量并进行解码。尽管深度学习生成式模型的学习能力很强,但是对于很对具体需要切合场景需求的工作条件下,该模型常常获得的回复不够切合具体实际任务需求,因此首先对具体要执行的任务进行了有监督分类,再将分类结果加入到聊天机器人模型中进行监督训练,同时对于原始sequence-to-sequence模型进行了预训练判别器添加来进行模型优化。实验表明,对于加入了分类结果的监督训练和增添预训练判别器的模型能有效提升模型回复质量,在BELU得分上提升了约0.0116。
展开更多
关键词
聊天机器人
深度生成模型
文本
分类预测器
在线阅读
下载PDF
职称材料
题名
基于分类预测器及退化模型的图像超分辨率快速重建
被引量：
3
1
作者
杨欣
费树岷
周大可
唐庭阁
机构
南京航空航天大学自动化学院
东南大学自动化学院
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013年第1期35-38,共4页
基金
国家自然科学基金资助项目(60905009
61172135)
+2 种基金
高等学校博士学科点专项科研基金资助项目(20093218120015)
北京师范大学遥感科学国家重点实验室开放基金资助项目(2009KFJJ012)
南京航空航天大学基本科研业务费专项科研资助项目(NS2010081)
文摘
对基于学习的领域嵌套超分辨率重建方法进行了有效改进,提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先,利用退化模型得到图像训练集,并基于邻域嵌套进行分块;其次,根据图像各自特点提取灰度和梯度特征,并进行特征融合,从而实现了训练过程中噪声信息的有效抑制及图像中边缘信息的锐化;然后,引入分类预测器的思想,设计了一种离线的分类预测器,对预测器进行离线训练,得出优化参数,从而大幅度减少了优化时间;最后,利用L2范数对低分辨率图像分块进行分类,将分块送入相应子预测器中进行快速超分辨率重建.实验结果表明,该算法具有良好的实时性和有效性.
关键词
超分辨率重建
分类预测器
退化模型
特征提取
邻域嵌套
Keywords
super-resolution reconstruction
class predictor
degradation model
feature extraction
neighbor embedding
分类号
TH457 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于深度学习的回复类型预测聊天机器人
2
作者
徐畅
周志平
赵卫东
机构
同济大学电子与信息工程学院
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期213-214,206,共3页
基金
国家重点研发计划资助项目(2017YFB1401600)
文摘
聊天机器人分为很多种,在深度学习越来越火热的当下,生成式聊天机器人通常是Seq2Seq(sequence-tosequence)模型进行训练,通过神经网络将输入数据编码成隐藏层向量并进行解码。尽管深度学习生成式模型的学习能力很强,但是对于很对具体需要切合场景需求的工作条件下,该模型常常获得的回复不够切合具体实际任务需求,因此首先对具体要执行的任务进行了有监督分类,再将分类结果加入到聊天机器人模型中进行监督训练,同时对于原始sequence-to-sequence模型进行了预训练判别器添加来进行模型优化。实验表明,对于加入了分类结果的监督训练和增添预训练判别器的模型能有效提升模型回复质量,在BELU得分上提升了约0.0116。
关键词
聊天机器人
深度生成模型
文本
分类预测器
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
TP18 [自动化与计算机技术—控制理论与控制工程]
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
基于分类预测器及退化模型的图像超分辨率快速重建
杨欣
费树岷
周大可
唐庭阁
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013
3
在线阅读
下载PDF
职称材料
2
基于深度学习的回复类型预测聊天机器人
徐畅
周志平
赵卫东
《计算机应用研究》
CSCD
北大核心
2020
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
