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
3
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BERT-Tiny Transformer-CRF的自动化装配命名实体识别方法
1
作者
钱冠翔
于丽娅
+2 位作者
李传江
李少波
徐兆
《计算机集成制造系统》
北大核心
2025年第10期3594-3606,共13页
随着工业5.0对知识驱动的智能制造提出新要求,机械装配领域面临多模态数据稀疏、实体语义边界模糊、数据分布呈现长尾效应的挑战。为此,提出一种融合多项式损失函数的BERT-Tiny Transformer-CRF模型,旨在提升低资源场景下的领域知识抽...
随着工业5.0对知识驱动的智能制造提出新要求,机械装配领域面临多模态数据稀疏、实体语义边界模糊、数据分布呈现长尾效应的挑战。为此,提出一种融合多项式损失函数的BERT-Tiny Transformer-CRF模型,旨在提升低资源场景下的领域知识抽取效率。首先,通过知识蒸馏与语义增强技术注入领域先验知识,其次设计维度自适应特征压缩模块实现跨模态特征融合,最后构建动态边缘感知解码机制实现实体边界的精准定位。利用自主构建的自动化装配数据集,将所提方法与不同实体识别模型进行对比,实验结果表明,所提模型具有良好的泛化识别能力,以86.62%的准确率、85.27%的精确率、85.67%的召回率和85.46%的F1值优于其他模型,为工业5.0下机械自动化装配领域知识图谱的构建提供了一种有效的技术方法。
展开更多
关键词
BERT-Tiny
Transformer-CRF模型
数据增强
polyloss
自动化装配
在线阅读
下载PDF
职称材料
基于YOLO v7的轻量级红外目标检测算法
被引量:
3
2
作者
陈永麟
王恒涛
张上
《红外技术》
CSCD
北大核心
2024年第12期1380-1389,共10页
针对红外图像信噪比低、分辨率不佳、噪声与杂波多等检测难点。提出一种基于YOLOv7的轻量化红外图像目标检测算法ITD-YOLO。首先,ITD-YOLO算法重设计网络结构,对特征提取网络与特征融合网络架构重新调整。裁剪掉原网络中深层对应的大感...
针对红外图像信噪比低、分辨率不佳、噪声与杂波多等检测难点。提出一种基于YOLOv7的轻量化红外图像目标检测算法ITD-YOLO。首先,ITD-YOLO算法重设计网络结构,对特征提取网络与特征融合网络架构重新调整。裁剪掉原网络中深层对应的大感受野,依据重构后网络特征图输出,对模型预设锚框进行调节。改变多尺度特征融合中的深层特征与浅层特征的关系,提高浅层网络提取的细节信息在融合中所占的权重,提高对较小目标的检测性能;然后,在ELAN模块中引入PConv替换掉常规卷积,进一步降低模型计算量。其次,将模型损失函数调整为PolyLoss以加速模型收敛,进一步加强对目标的检测性能;最后,使用SIoU作为边框损失函数,增强对目标的定位精度。实验结果表明,ITB-YOLO能够有效改善检测效果,在FLIR与OSU数据集上,相较于YOLOv7s的平均精度均值分别提高2.27%与7.29%。改进后得到的模型体积仅为17.7 MB,计算量下降37.11%。与主流算法进行对比,ITD-YOLO在各项指标均得到了一定程度的提高,能够满足红外目标实时检测任务。
展开更多
关键词
目标检测
模型轻量化
YOLOv7
PConv
polyloss
SIoU
在线阅读
下载PDF
职称材料
面向短文本语义分析的标签条件神经主题模型
3
作者
王嫄
鄢艳玲
+3 位作者
徐茂玲
胡鹏
赵婷婷
杨巨成
《计算机工程与应用》
CSCD
北大核心
2023年第11期80-87,共8页
无监督机器学习方法中的神经主题模型已被广泛用于自动挖掘文本潜在语义。然而,短文本篇幅有限,文中可用于推断的信息匮乏,模型难以在上下文不充分的情况下正确识别歧义词。为此,提出了一种面向短文本语义分析的标签条件神经主题模型,...
无监督机器学习方法中的神经主题模型已被广泛用于自动挖掘文本潜在语义。然而,短文本篇幅有限,文中可用于推断的信息匮乏,模型难以在上下文不充分的情况下正确识别歧义词。为此,提出了一种面向短文本语义分析的标签条件神经主题模型,模型采用变分自编码器架构,在编码器输出的主题分布上引入文本的标签信息,作为主题类别级的语义标识符指导模型过滤与当前主题语义不相关的词、凝练语义并辨识歧义词在主题语境下的准确词义,引导模型推断离散一致的主题。针对短文本应用过程中主题语义分布统计显著有偏的数据特点,在模型训练过程中引入泰勒损失,通过调整泰勒多项式系数建模短文本类别分布不平衡。实验结果表明,该模型不仅能够极大提高短文本主题建模的质量,生成连贯且多样的主题,而且能有效提升下游任务性能。
展开更多
关键词
神经主题模型
短文本
泰勒损失
在线阅读
下载PDF
职称材料
题名
基于BERT-Tiny Transformer-CRF的自动化装配命名实体识别方法
1
作者
钱冠翔
于丽娅
李传江
李少波
徐兆
机构
贵州大学机械工程学院
贵州大学省部共建公共大数据国家重点实验室
出处
《计算机集成制造系统》
北大核心
2025年第10期3594-3606,共13页
基金
国家重点研发计划资助项目(2023YFB3308802)
国家自然科学基金面上项目(52275480)
贵州省基础研究计划(自然科学)青年及面上项目(黔科合基础-[2024]青年160,黔科合基础MS[2025]601)。
文摘
随着工业5.0对知识驱动的智能制造提出新要求,机械装配领域面临多模态数据稀疏、实体语义边界模糊、数据分布呈现长尾效应的挑战。为此,提出一种融合多项式损失函数的BERT-Tiny Transformer-CRF模型,旨在提升低资源场景下的领域知识抽取效率。首先,通过知识蒸馏与语义增强技术注入领域先验知识,其次设计维度自适应特征压缩模块实现跨模态特征融合,最后构建动态边缘感知解码机制实现实体边界的精准定位。利用自主构建的自动化装配数据集,将所提方法与不同实体识别模型进行对比,实验结果表明,所提模型具有良好的泛化识别能力,以86.62%的准确率、85.27%的精确率、85.67%的召回率和85.46%的F1值优于其他模型,为工业5.0下机械自动化装配领域知识图谱的构建提供了一种有效的技术方法。
关键词
BERT-Tiny
Transformer-CRF模型
数据增强
polyloss
自动化装配
Keywords
BERT-Tiny Transformer-CRF model
data enhancement
polyloss
automated assembly
分类号
TG95 [金属学及工艺—钳工工艺]
TP391.1 [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
基于YOLO v7的轻量级红外目标检测算法
被引量:
3
2
作者
陈永麟
王恒涛
张上
机构
湖北省建筑质量检测装备工程技术研究中心
三峡大学计算机与信息学院
出处
《红外技术》
CSCD
北大核心
2024年第12期1380-1389,共10页
基金
国家级大学生创新创业训练计划(202111075012)
国家级大学生创新创业训练计划(202011075013)。
文摘
针对红外图像信噪比低、分辨率不佳、噪声与杂波多等检测难点。提出一种基于YOLOv7的轻量化红外图像目标检测算法ITD-YOLO。首先,ITD-YOLO算法重设计网络结构,对特征提取网络与特征融合网络架构重新调整。裁剪掉原网络中深层对应的大感受野,依据重构后网络特征图输出,对模型预设锚框进行调节。改变多尺度特征融合中的深层特征与浅层特征的关系,提高浅层网络提取的细节信息在融合中所占的权重,提高对较小目标的检测性能;然后,在ELAN模块中引入PConv替换掉常规卷积,进一步降低模型计算量。其次,将模型损失函数调整为PolyLoss以加速模型收敛,进一步加强对目标的检测性能;最后,使用SIoU作为边框损失函数,增强对目标的定位精度。实验结果表明,ITB-YOLO能够有效改善检测效果,在FLIR与OSU数据集上,相较于YOLOv7s的平均精度均值分别提高2.27%与7.29%。改进后得到的模型体积仅为17.7 MB,计算量下降37.11%。与主流算法进行对比,ITD-YOLO在各项指标均得到了一定程度的提高,能够满足红外目标实时检测任务。
关键词
目标检测
模型轻量化
YOLOv7
PConv
polyloss
SIoU
Keywords
target detection
model lightweight
YOLOv7
PConv
polyloss
SIoU
分类号
TP391.4 [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
面向短文本语义分析的标签条件神经主题模型
3
作者
王嫄
鄢艳玲
徐茂玲
胡鹏
赵婷婷
杨巨成
机构
天津科技大学人工智能学院
普迈康(天津)精准医疗科技有限公司
出处
《计算机工程与应用》
CSCD
北大核心
2023年第11期80-87,共8页
基金
国家自然科学基金(61702367,61976156)
天津市企业科技特派员项目(20YDTPJC00560)
天津市自然科学基金(19JCYBJC15300)。
文摘
无监督机器学习方法中的神经主题模型已被广泛用于自动挖掘文本潜在语义。然而,短文本篇幅有限,文中可用于推断的信息匮乏,模型难以在上下文不充分的情况下正确识别歧义词。为此,提出了一种面向短文本语义分析的标签条件神经主题模型,模型采用变分自编码器架构,在编码器输出的主题分布上引入文本的标签信息,作为主题类别级的语义标识符指导模型过滤与当前主题语义不相关的词、凝练语义并辨识歧义词在主题语境下的准确词义,引导模型推断离散一致的主题。针对短文本应用过程中主题语义分布统计显著有偏的数据特点,在模型训练过程中引入泰勒损失,通过调整泰勒多项式系数建模短文本类别分布不平衡。实验结果表明,该模型不仅能够极大提高短文本主题建模的质量,生成连贯且多样的主题,而且能有效提升下游任务性能。
关键词
神经主题模型
短文本
泰勒损失
Keywords
neural topic models
short texts
polyloss
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
基于BERT-Tiny Transformer-CRF的自动化装配命名实体识别方法
钱冠翔
于丽娅
李传江
李少波
徐兆
《计算机集成制造系统》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于YOLO v7的轻量级红外目标检测算法
陈永麟
王恒涛
张上
《红外技术》
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
3
面向短文本语义分析的标签条件神经主题模型
王嫄
鄢艳玲
徐茂玲
胡鹏
赵婷婷
杨巨成
《计算机工程与应用》
CSCD
北大核心
2023
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