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
隐层神经元自适应算法：通过数据表示达到完备学习
被引量：
1
1
作者
郭平
陈CL菲立浦
孙寅官
《北京师范大学学报（自然科学版）》
CAS
CSCD
1996年第1期71-75,共5页
提出采用数据表示，即通过一能把输入空间变换到高维空间的接受函数，把所有训练样本变换到集合空间中，然后将经过重新表示的数据馈入神经网络，则不需再采用其他算法，神经网络可达到完备学习。还给出了对正弦函数近似问题应用数据表...
提出采用数据表示，即通过一能把输入空间变换到高维空间的接受函数，把所有训练样本变换到集合空间中，然后将经过重新表示的数据馈入神经网络，则不需再采用其他算法，神经网络可达到完备学习。还给出了对正弦函数近似问题应用数据表示与隐层神经元自适应算法结合达到完备学习的实例。
展开更多
关键词
自适应算法
数据表示
接收器
完备学习
神经网络
在线阅读
下载PDF
职称材料
基于对偶变分多模态注意力网络的不完备社会事件分类方法
2
作者
周旭
钱胜胜
+2 位作者
李章明
方全
徐常胜
《计算机科学》
CSCD
北大核心
2022年第9期132-138,共7页
互联网的快速发展和社交媒体规模的不断扩大,带来丰富的社会事件资讯,社会事件分类任务越来越具有挑战性。充分利用图像级和文本级信息是社会事件分类的关键所在。然而,现存的方法大多存在以下局限性:1)现有的多模态方法大多都有一个理...
互联网的快速发展和社交媒体规模的不断扩大,带来丰富的社会事件资讯,社会事件分类任务越来越具有挑战性。充分利用图像级和文本级信息是社会事件分类的关键所在。然而,现存的方法大多存在以下局限性:1)现有的多模态方法大多都有一个理想的假设,即每种模态的样本都是充分和完整的,但在实际生活应用中这个假设并不总是成立,会存在事件某个模态缺失的情况;2)大部分方法只是简单地将社会事件的图像特征和文本特征串联起来,以此得到多模态特征来对社会事件进行分类,忽视了模态之间的语义鸿沟。为了应对这些挑战,提出了一种能同时处理完备与不完备社会事件分类的对偶变分多模态注意力网络(DVMAN)。在DVMAN网络中,提出了一个新颖的对偶变分自编码器网络来生成社会事件的公共表示,并进一步重构不完备社会事件学习中缺失的模态信息。通过分布对齐和交叉重构对齐,对图像和文本潜在表示进行双重对齐,以减小不同模态之间的差距,并对缺失的模态信息进行重构,合成其潜在表示。除此之外,设计了一个多模态融合模块对社会事件的图像和文本细粒度信息进行整合,以此实现模态之间信息的互补和增强。在两个公开的事件数据集上进行了大量的实验,与现有先进方法相比,DVMAN的准确率提升了4%以上,证明了所提方法对于社会事件分类的优越性能。
展开更多
关键词
多模态
社会事件分类
社交媒体
不
完备
数据
学习
在线阅读
下载PDF
职称材料
题名
隐层神经元自适应算法：通过数据表示达到完备学习
被引量：
1
1
作者
郭平
陈CL菲立浦
孙寅官
机构
北京师范大学分析测试中心
出处
《北京师范大学学报（自然科学版）》
CAS
CSCD
1996年第1期71-75,共5页
文摘
提出采用数据表示，即通过一能把输入空间变换到高维空间的接受函数，把所有训练样本变换到集合空间中，然后将经过重新表示的数据馈入神经网络，则不需再采用其他算法，神经网络可达到完备学习。还给出了对正弦函数近似问题应用数据表示与隐层神经元自适应算法结合达到完备学习的实例。
关键词
自适应算法
数据表示
接收器
完备学习
神经网络
Keywords
supervised learning
adaptive hidden layer neuron algorithm
data representation
receptors
perfect larning
ensemble space
分类号
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
基于对偶变分多模态注意力网络的不完备社会事件分类方法
2
作者
周旭
钱胜胜
李章明
方全
徐常胜
机构
郑州大学河南先进技术研究院
中国科学院自动化研究所模式识别国家重点实验室
出处
《计算机科学》
CSCD
北大核心
2022年第9期132-138,共7页
基金
国家自然科学基金(61936005)。
文摘
互联网的快速发展和社交媒体规模的不断扩大,带来丰富的社会事件资讯,社会事件分类任务越来越具有挑战性。充分利用图像级和文本级信息是社会事件分类的关键所在。然而,现存的方法大多存在以下局限性:1)现有的多模态方法大多都有一个理想的假设,即每种模态的样本都是充分和完整的,但在实际生活应用中这个假设并不总是成立,会存在事件某个模态缺失的情况;2)大部分方法只是简单地将社会事件的图像特征和文本特征串联起来,以此得到多模态特征来对社会事件进行分类,忽视了模态之间的语义鸿沟。为了应对这些挑战,提出了一种能同时处理完备与不完备社会事件分类的对偶变分多模态注意力网络(DVMAN)。在DVMAN网络中,提出了一个新颖的对偶变分自编码器网络来生成社会事件的公共表示,并进一步重构不完备社会事件学习中缺失的模态信息。通过分布对齐和交叉重构对齐,对图像和文本潜在表示进行双重对齐,以减小不同模态之间的差距,并对缺失的模态信息进行重构,合成其潜在表示。除此之外,设计了一个多模态融合模块对社会事件的图像和文本细粒度信息进行整合,以此实现模态之间信息的互补和增强。在两个公开的事件数据集上进行了大量的实验,与现有先进方法相比,DVMAN的准确率提升了4%以上,证明了所提方法对于社会事件分类的优越性能。
关键词
多模态
社会事件分类
社交媒体
不
完备
数据
学习
Keywords
Multi-modal
Social event classification
Social media
Incomplete data learning
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
作者
出处
发文年
被引量
操作
1
隐层神经元自适应算法：通过数据表示达到完备学习
郭平
陈CL菲立浦
孙寅官
《北京师范大学学报（自然科学版）》
CAS
CSCD
1996
1
在线阅读
下载PDF
职称材料
2
基于对偶变分多模态注意力网络的不完备社会事件分类方法
周旭
钱胜胜
李章明
方全
徐常胜
《计算机科学》
CSCD
北大核心
2022
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
