-
题名基于动态池化和注意力的文本情感极性分类
被引量：1
- 1
-
-
作者
杜梦豪
黄文明
孙晓洁
邓珍荣
-
机构
桂林电子科技大学计算机与信息安全学院
广西壮族自治区教育厅广西高校云计算与复杂系统重点实验室
-
出处
《计算机工程与设计》
北大核心
2019年第4期1126-1132,共7页
-
基金
广西高校云计算与复杂系统重点实验室基金项目(yf17106)
广西自然科学基金项目(2018GXNSFAA138132)
桂林电子科技大学研究生创新基金项目(2017YJCX47)
-
文摘
为提取到评论文本的深层次特征和关联特征,设计一种基于动态池化和注意力机制的情感极性分类方法。学习评论文本的两种表示向量,即情感向量和句法向量;将基于滑动窗口的注意力机制和卷积层相结合,采用该模型获取到包含文本上下文的关联特征向量,实现向量之间的信息融合,解决向量特征表示无关的问题;基于动态池化层和注意力机制对特征重新加权,提取文本更高层次的抽象特征,其中,多次的动态池化操作学习到文本的深层次特征;采用softmax分类方法进行情感极性分类。实验结果表明,根据准确率、召回率和F值等衡量指标,基于动态池化和注意力机制的特征提取模型性能比普通的卷积神经网络和基于单注意力机制的卷积神经网络有明显的提高。
-
关键词
句法向量
情感向量
动态池化
注意力模型
情感极性分类
-
Keywords
syntax vector
emotional vector
dynamic pooling
attention model
emotional polarity classification
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于空洞卷积与动态多核融合池化的裂缝检测
被引量：5
- 2
-
-
作者
杨秋媛
李宁
石林
庄丽华
徐守坤
-
机构
常州大学计算机与人工智能学院阿里云大数据学院软件学院
-
出处
《计算机工程与设计》
北大核心
2022年第12期3529-3537,共9页
-
基金
国家自然科学基金项目(61906021)
常州市城市大数据分析与应用技术重点实验基金项目(CM20193007)
江苏省油气储运技术重点实验室基金项目(CDYQCY201901)。
-
文摘
针对现有裂缝检测方法在裂缝拓扑结构复杂、前后景像素不协调情况下产生的检测精度低的问题,提出一种基于空洞卷积和动态多核融合池化的裂缝检测方法。采用编、解码结构,编码器阶段插入空洞卷积,能够更大限度保留裂缝的细节与结构信息;解码器阶段引入动态多核融合池化模块,以更高效获得不同尺寸的裂缝信息。在自制数据集与公共数据集CRACK500上分别进行实验,并与其它算法进行比较,实验结果表明,该算法能更加精细化分割出细小的裂缝,有效提高裂缝检测精度。
-
关键词
图像分割
裂缝检测
编解码网络结构
空洞卷积
动态多核融合池化模块
-
Keywords
image segmentation
crack detection
encoder-decoder structure
dilated convolution
dynamic multi-kernel pooling module
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稳态特征量输入的大电网主导失稳机组辨识
被引量：3
- 3
-
-
作者
虞景行
黄济宇
张勇军
钟康骅
-
机构
华南理工大学电力学院
华威大学统计学院
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2024年第13期69-78,共10页
-
基金
国家自然科学基金资助项目(52077080)
广东省重点领域研发计划资助项目(2021B0101230001)。
-
文摘
以稳态特征量为输入的数据驱动稳定评估模型在新型电力系统安全防御系统中有重要的应用前景,但需要在模型设计中解决节点数量庞大和网络结构复杂带来的关键特征聚焦难题,并提供失稳模式等更为丰富的评估信息。因此,设计了一套基于稳态信息输入实现大电网主导失稳机群预测的深度学习稳定评估模型。首先,提出了一种异构的图和节点特征的动态池化降维模型,可伴随特征聚合过程,按节点特征相似性动态归并节点,实现大规模电网拓扑、节点数量和特征的并行降维。然后,提出了一种单机扫描型主导失稳机组分类器模型,通过全局注意力聚合将全网机组的相对运动信息集成到每台发电机特征向量中,使主导失稳机组辨识模型在结构上可以应对发电机组数量变化,具有很好的泛化能力。最后,在实际大规模电网中进行模型验证,并可视化地分析了关键环节的作用效果和应用性能。
-
关键词
深度学习
稳定评估
动态图池化
主导失稳机组
-
Keywords
deep learning
stability assessment
dynamic graph pooling
leading instability generator
-
分类号
TM712
[电气工程—电力系统及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名煤矿井下行人检测算法
被引量：7
- 4
-
-
作者
杨清翔
吕晨
冯晨晨
王振宇
-
机构
山西中煤华晋能源有限责任公司王家岭煤矿
中国矿业大学信息与控制工程学院
-
出处
《工矿自动化》
北大核心
2020年第1期80-84,共5页
-
基金
国家重点研发计划资助项目（2018YFC0808302）
-
文摘
针对井下光照不均匀、行人特征与背景的相似度高等导致基于计算机视觉的行人检测技术在井下应用面临很大挑战的问题,提出采用Faster区域卷积神经网络(RCNN)进行煤矿井下行人检测。Faster RCNN行人检测算法采用区域建议网络(RPN)生成候选区域,RPN与Fast RCNN共享卷积层,以提高网络训练和检测速度;在图像特征提取过程中采用动态自适应池化方法对不同池化域进行自适应池化操作,提高了检测准确性。实验结果表明,该算法对于不同环境下图像中的行人均具有较好的检测效果。
-
关键词
井下行人检测
深度学习
区域卷积神经网络
区域建议网络
共享卷积层
动态自适应池化
-
Keywords
underground pedestrian detection
deep learning
region convolutional neural networks
region proposal network
shared convolutional layer
dynamic self-adaptive pooling
-
分类号
TD76
[矿业工程—矿井通风与安全]
-
