期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
两层级神经网络及在中医智能诊断中的应用 被引量:5
1
作者 李江平 潘保昌 韦玉科 《计算机应用研究》 CSCD 北大核心 2008年第10期3169-3170,3173,共3页
通过分析中医临床数据的特性,将临床数据分为低层级数据和高层级数据,每个层级数据又分为全局输入参数和局部输入参数。基于这些概念,建立了一种两层级神经网络,低层级子神经网络局部处理低层级数据,高层级子神经网络综合处理高层级数... 通过分析中医临床数据的特性,将临床数据分为低层级数据和高层级数据,每个层级数据又分为全局输入参数和局部输入参数。基于这些概念,建立了一种两层级神经网络,低层级子神经网络局部处理低层级数据,高层级子神经网络综合处理高层级数据和低层级子神经网络的输出结果。这样的结构不仅能有效地刻画中医辨证问题,而且简化了计算,提高了学习收敛速度。实验结果表明,这种两级神经网络可以较好地应用于具有复杂数据关系的中医辨证智能计算。 展开更多
关键词 层级神经网络 中医辨证 智能诊断
在线阅读 下载PDF
基于层级注意力机制的互联网用户信用评估框架 被引量:1
2
作者 陈彦敏 王皓 +2 位作者 马建辉 杜东舫 赵洪科 《计算机研究与发展》 EI CSCD 北大核心 2020年第8期1755-1768,共14页
随着互联网的发展,基于用户信用的在线服务产品也越来越多地应用到各个领域.在这些信用数据中,除了传统的信贷数据,还包含用户网上消费数据等,因此如何利用这些数据来评估用户的信用等级是一个亟待解决的重要问题.之前的方法主要是基于... 随着互联网的发展,基于用户信用的在线服务产品也越来越多地应用到各个领域.在这些信用数据中,除了传统的信贷数据,还包含用户网上消费数据等,因此如何利用这些数据来评估用户的信用等级是一个亟待解决的重要问题.之前的方法主要是基于信贷领域属性的研究,缺乏在互联网领域的研究,并且这些方法很少考虑用户的不同属性对其信用的不同的重要程度.因此,为了解决这些问题,提出一个基于层级注意力机制用户信用评估模型框架(HAM-UCE),模型首先构建用户信用画像,然后利用层级注意力机制在多个注意力层逐步获取更重要的用户属性特征,实现对用户信用等级的评估.实验结果表明该方法能够有效地实现对用户信用进行等级评估,能够比基准算法取得更好的性能. 展开更多
关键词 注意力机制 层级神经网络 用户信用评估 信用等级 特征提取
在线阅读 下载PDF
面向阅读理解的多对一中文文本蕴含问题研究 被引量:4
3
作者 陈千 陈夏飞 +1 位作者 郭鑫 王素格 《中文信息学报》 CSCD 北大核心 2018年第4期87-94,共8页
机器阅读理解作为一种微阅读模式近年来在自动问答领域受到广泛关注,针对机器阅读理解中多对一的文本蕴含问题,该文首先构造了8 000级别的多句—单句中文文本蕴含语料M2OCTE,其次采用了层级神经网络模型,有效融合多个句子之间的语义信息... 机器阅读理解作为一种微阅读模式近年来在自动问答领域受到广泛关注,针对机器阅读理解中多对一的文本蕴含问题,该文首先构造了8 000级别的多句—单句中文文本蕴含语料M2OCTE,其次采用了层级神经网络模型,有效融合多个句子之间的语义信息,将多对一的蕴含对表达成统一的形式,实现端到端的输出。该方法在高考现代文阅读理解蕴含数据集上的准确率为58.92%,比将多句—单句的文本蕴含转换为单句—单句之后进行处理的准确率要高。同时也在英文数据集上进行了测试,实验结果验证了该方法的有效性。 展开更多
关键词 机器阅读理解 中文文本蕴含识别 多对一 层级神经网络
在线阅读 下载PDF
基于4层R-CNN的输电线路多目标检测 被引量:7
4
作者 单亚锋 赵天宇 +2 位作者 付昱 付华 王珂珂 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2022年第3期270-276,共7页
针对输电线路无人机巡检中远景航拍图像目标小、目标重叠、鸟巢和背景杂草类似等情况,提出基于残差网络(ResNet101)和6层特征金字塔网络(FPN)的多阶段级联神经网络深度学习检测模型.提出4层卷积神经网络(FourR-CNN)级联网络,使用深度残... 针对输电线路无人机巡检中远景航拍图像目标小、目标重叠、鸟巢和背景杂草类似等情况,提出基于残差网络(ResNet101)和6层特征金字塔网络(FPN)的多阶段级联神经网络深度学习检测模型.提出4层卷积神经网络(FourR-CNN)级联网络,使用深度残差神经网络(Res Net101+FPN)进行特征提取,生成特征框,在不同的重叠度下对R-CNN进行级联操作,并对预处理后的图像进行训练.研究结果表明:在复杂背景下ResNet101和6层FPN的FourR-CNN检测模型对输电线路上的绝缘子、绝缘子缺陷、防振锤,以及鸟巢等9类目标识别效果较好,对于2000张测试样本的平均精度达到95.8%,为输电线路的智能检测提供了新思路. 展开更多
关键词 多目标识别 深度学习 样本生成 层级联卷积神经网络 特征提取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部