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
4
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
老年叙事闭锁与叙事赋能
被引量:
11
1
作者
杨晓霖
易雅琴
凌志海
《医学与哲学》
北大核心
2021年第20期51-55,共5页
老年阶段会经历三种叙事关系断裂危机,分别是职业、社会和家庭叙事关系断裂,这是造成老年叙事闭锁的重要原因。在叙事老年学语境下,叙事闭锁者认定自己生命的主线叙事进程已经结束,不再向前演进,生命叙事变得琐碎而无意义。重点分析文...
老年阶段会经历三种叙事关系断裂危机,分别是职业、社会和家庭叙事关系断裂,这是造成老年叙事闭锁的重要原因。在叙事老年学语境下,叙事闭锁者认定自己生命的主线叙事进程已经结束,不再向前演进,生命叙事变得琐碎而无意义。重点分析文学作品和临床现实中的典型老年叙事闭锁者的特征及表现,旨在引起更多研究者关注老年叙事闭锁现象,了解叙事赋能的重要意义。高龄者在故事分享中获得叙事反思力和叙事复元力,在自我的叙事资本得到认可的语境下,被赋予叙事智慧和生命意义。在健康积极的老年叙事生态中,老年人不容易陷入叙事闭锁,更容易超越老化,实现道生。
展开更多
关键词
老年叙事闭锁
叙事赋能
叙事老年学
老年超越
在线阅读
下载PDF
职称材料
基于改进Sigmoid卷积神经网络的手写体数字识别
被引量:
10
2
作者
樊继慧
滕少华
金弘林
《计算机科学》
CSCD
北大核心
2022年第12期244-249,共6页
深度学习技术在数字识别领域有着普遍的应用。通过深度学习技术构造神经网络模型,运用不同的激活函数搭配不同的参数初始化策略,对MINIST手写数据集进行训练;构建分析模型,识别图像中的数字,将大数据量的图片降维成小数据量图片,同时保...
深度学习技术在数字识别领域有着普遍的应用。通过深度学习技术构造神经网络模型,运用不同的激活函数搭配不同的参数初始化策略,对MINIST手写数据集进行训练;构建分析模型,识别图像中的数字,将大数据量的图片降维成小数据量图片,同时保证能够有效保留图片特征;通过对图片数据的分析,加入特征转换过程,利用梯度下降优化器,搭建网络结构,将数据降维,有效地避免过拟合;利用交叉熵验证对模型进行编译和训练,对输出的分类结果进行进一步分析,在Sigmoid激活函数的输出层,通过K最近邻分类算法,设置KNN分类器,进一步提高了分类预测的准确率。MNIST数据集上的实验结果显示识别率为96.2%,在输出层引入K最近邻算法KNN(K-Nearst Neighbors)结合传统卷积神经网络(Convolutional Neural Network,CNN)的全连接层与softmax层,经交叉验证得到99.6%的识别率。
展开更多
关键词
数字识别
K最近邻算法
深度学习
卷积神经网络
交叉熵
在线阅读
下载PDF
职称材料
基于局部敏感哈希的K邻近算法识别垃圾短信
被引量:
2
3
作者
樊继慧
滕少华
《济南大学学报(自然科学版)》
CAS
北大核心
2023年第6期746-751,共6页
针对目前垃圾短信的识别算法存在的关键字及频次的规则死板,易于被不法分子探测和规避等问题,提出将局部敏感哈希的K邻近算法应用于垃圾短信分类识别;首先定义特征,然后采用局部敏感哈希算法计算向量距离,通过得到的距离衡量矩阵的相似...
针对目前垃圾短信的识别算法存在的关键字及频次的规则死板,易于被不法分子探测和规避等问题,提出将局部敏感哈希的K邻近算法应用于垃圾短信分类识别;首先定义特征,然后采用局部敏感哈希算法计算向量距离,通过得到的距离衡量矩阵的相似性,量化矩阵相似程度,对本文中提出的优化模型进行实现和训练;基于短信文本内容,运用词频-逆向文本频率算法生成矩阵,利用局部敏感哈希算法求解最相似样本,记录样本类别,将训练结果导入K邻近算法分类器得到最优近邻,在测试集或验证集上对优化模型垃圾短信分类识别准确率进行评测。结果表明,经过K邻近算法分类器后,优化模型垃圾短信分类识别准确率达到98.7%。
展开更多
关键词
垃圾短信识别
K邻近算法
局部敏感哈希
矩阵相似性
在线阅读
下载PDF
职称材料
基于菌群优化Spiking神经网络的渲染时间估计
被引量:
1
4
作者
胡博
章毅
蔡柳萍
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第2期214-220,共7页
为了提高三维模型渲染时间估计的准确度,采用Spiking神经网络算法进行渲染时间预估。目前,基于Spiking理念的神经网络模型有多种,选择了其中的卷积Spiking神经网络(Convolutional Spike neural network,CSNN)来实现渲染时间计算。首先,...
为了提高三维模型渲染时间估计的准确度,采用Spiking神经网络算法进行渲染时间预估。目前,基于Spiking理念的神经网络模型有多种,选择了其中的卷积Spiking神经网络(Convolutional Spike neural network,CSNN)来实现渲染时间计算。首先,建立了基于CSNN的渲染时间预估模型。通过点火时间序列完成编码,从而触发脉冲响应实现数据传递。其次,利用CSNN的权重、卷积核尺寸、偏置等参数来构建菌群优化(Bacterial foraging optimization,BFO)算法,并以渲染时间预估值和实际值的差值作为适应度函数。通过驱化、繁衍和迁徙操作不断更新菌群个体的适应度值来获得最优个体。最后,以最优参数进行CSNN的渲染时间预估。试验结果表明,通过合理设置BFO算法的引力系数、斥力系数和迁徙概率阈值等参数,BFO+CSNN算法能够获得较高的渲染时间预估准确率。相比于其他渲染时间预估算法,BFO+CSNN算法具备更高的渲染时间预估准鲁棒性。
展开更多
关键词
SPIKING神经网络
渲染时间
菌群优化
卷积神经网络
在线阅读
下载PDF
职称材料
题名
老年叙事闭锁与叙事赋能
被引量:
11
1
作者
杨晓霖
易雅琴
凌志海
机构
南方医科
大学
通识教育部
南方医科
大学
顺德医
院
叙事医学
研究
中心
东莞职业技术学
院
教师发展中心
菲律宾
圣保罗大学研究生院
南方医科
大学
研究生
院
出处
《医学与哲学》
北大核心
2021年第20期51-55,共5页
基金
2020年广东省教育厅科研项目资助课题(2020GXJK562)。
文摘
老年阶段会经历三种叙事关系断裂危机,分别是职业、社会和家庭叙事关系断裂,这是造成老年叙事闭锁的重要原因。在叙事老年学语境下,叙事闭锁者认定自己生命的主线叙事进程已经结束,不再向前演进,生命叙事变得琐碎而无意义。重点分析文学作品和临床现实中的典型老年叙事闭锁者的特征及表现,旨在引起更多研究者关注老年叙事闭锁现象,了解叙事赋能的重要意义。高龄者在故事分享中获得叙事反思力和叙事复元力,在自我的叙事资本得到认可的语境下,被赋予叙事智慧和生命意义。在健康积极的老年叙事生态中,老年人不容易陷入叙事闭锁,更容易超越老化,实现道生。
关键词
老年叙事闭锁
叙事赋能
叙事老年学
老年超越
Keywords
gerontological narrative foreclosure
narrative empowerment
narrative gerontology
gerotranscendence
分类号
R-0 [医药卫生]
在线阅读
下载PDF
职称材料
题名
基于改进Sigmoid卷积神经网络的手写体数字识别
被引量:
10
2
作者
樊继慧
滕少华
金弘林
机构
圣保罗大学研究生院
广州理工学
院
计算机科学与工程学
院
广东工业
大学
计算机学
院
出处
《计算机科学》
CSCD
北大核心
2022年第12期244-249,共6页
基金
国家自然科学基金(61972102)
广东省教育厅重大专项(2021ZDZX1070)
+1 种基金
广东省高等教育研究课题(22GQN37)
校本研究项目(2021XBZ03)。
文摘
深度学习技术在数字识别领域有着普遍的应用。通过深度学习技术构造神经网络模型,运用不同的激活函数搭配不同的参数初始化策略,对MINIST手写数据集进行训练;构建分析模型,识别图像中的数字,将大数据量的图片降维成小数据量图片,同时保证能够有效保留图片特征;通过对图片数据的分析,加入特征转换过程,利用梯度下降优化器,搭建网络结构,将数据降维,有效地避免过拟合;利用交叉熵验证对模型进行编译和训练,对输出的分类结果进行进一步分析,在Sigmoid激活函数的输出层,通过K最近邻分类算法,设置KNN分类器,进一步提高了分类预测的准确率。MNIST数据集上的实验结果显示识别率为96.2%,在输出层引入K最近邻算法KNN(K-Nearst Neighbors)结合传统卷积神经网络(Convolutional Neural Network,CNN)的全连接层与softmax层,经交叉验证得到99.6%的识别率。
关键词
数字识别
K最近邻算法
深度学习
卷积神经网络
交叉熵
Keywords
Digital identification
K nearest neighbor algorithm
Deep learning
Convolutional neural network
Cross entropy
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
基于局部敏感哈希的K邻近算法识别垃圾短信
被引量:
2
3
作者
樊继慧
滕少华
机构
菲律宾
圣保罗大学研究生院
广州理工学
院
计算机科学与工程学
院
广东工业
大学
计算机学
院
出处
《济南大学学报(自然科学版)》
CAS
北大核心
2023年第6期746-751,共6页
基金
国家自然科学基金项目(61972102)
广东省教育厅重大专项(粤教2021ZDZX1070)
+2 种基金
教育部协同育人项目(GZLGHT2021324)
广东省高等教育协会研究项目(22GQN37)
广州理工学院校本研究项目(2021XBZ03)。
文摘
针对目前垃圾短信的识别算法存在的关键字及频次的规则死板,易于被不法分子探测和规避等问题,提出将局部敏感哈希的K邻近算法应用于垃圾短信分类识别;首先定义特征,然后采用局部敏感哈希算法计算向量距离,通过得到的距离衡量矩阵的相似性,量化矩阵相似程度,对本文中提出的优化模型进行实现和训练;基于短信文本内容,运用词频-逆向文本频率算法生成矩阵,利用局部敏感哈希算法求解最相似样本,记录样本类别,将训练结果导入K邻近算法分类器得到最优近邻,在测试集或验证集上对优化模型垃圾短信分类识别准确率进行评测。结果表明,经过K邻近算法分类器后,优化模型垃圾短信分类识别准确率达到98.7%。
关键词
垃圾短信识别
K邻近算法
局部敏感哈希
矩阵相似性
Keywords
recognition of spam text message
K nearest neighbor algorithm
local sensitive hash
matrix similarity
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
基于菌群优化Spiking神经网络的渲染时间估计
被引量:
1
4
作者
胡博
章毅
蔡柳萍
机构
广东外语外贸
大学
南国商学
院
湖南
大学
环境科学与工程学
院
菲律宾
圣保罗大学研究生院
出处
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第2期214-220,共7页
基金
国家重点研发计划课题(018YFC0213905)
广东省高校青年创新人才项目(2020KQNCX182)。
文摘
为了提高三维模型渲染时间估计的准确度,采用Spiking神经网络算法进行渲染时间预估。目前,基于Spiking理念的神经网络模型有多种,选择了其中的卷积Spiking神经网络(Convolutional Spike neural network,CSNN)来实现渲染时间计算。首先,建立了基于CSNN的渲染时间预估模型。通过点火时间序列完成编码,从而触发脉冲响应实现数据传递。其次,利用CSNN的权重、卷积核尺寸、偏置等参数来构建菌群优化(Bacterial foraging optimization,BFO)算法,并以渲染时间预估值和实际值的差值作为适应度函数。通过驱化、繁衍和迁徙操作不断更新菌群个体的适应度值来获得最优个体。最后,以最优参数进行CSNN的渲染时间预估。试验结果表明,通过合理设置BFO算法的引力系数、斥力系数和迁徙概率阈值等参数,BFO+CSNN算法能够获得较高的渲染时间预估准确率。相比于其他渲染时间预估算法,BFO+CSNN算法具备更高的渲染时间预估准鲁棒性。
关键词
SPIKING神经网络
渲染时间
菌群优化
卷积神经网络
Keywords
Spike neural network
rendering time
bacterial foraging optimization
convolutional neural network
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
作者
出处
发文年
被引量
操作
1
老年叙事闭锁与叙事赋能
杨晓霖
易雅琴
凌志海
《医学与哲学》
北大核心
2021
11
在线阅读
下载PDF
职称材料
2
基于改进Sigmoid卷积神经网络的手写体数字识别
樊继慧
滕少华
金弘林
《计算机科学》
CSCD
北大核心
2022
10
在线阅读
下载PDF
职称材料
3
基于局部敏感哈希的K邻近算法识别垃圾短信
樊继慧
滕少华
《济南大学学报(自然科学版)》
CAS
北大核心
2023
2
在线阅读
下载PDF
职称材料
4
基于菌群优化Spiking神经网络的渲染时间估计
胡博
章毅
蔡柳萍
《南京理工大学学报》
CAS
CSCD
北大核心
2023
1
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