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
共找到9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：
基于CNN和双向GRU混合孪生网络的语音情感识别方法
1
作者 彭鹏 蔡子婷 +3 位作者 刘雯玲 陈才华 曾维 黄宝来 《计算机应用》 北大核心 2025年第8期2515-2521,共7页
针对现有语音情感识别(SER)模型精度较低、泛化能力较差的问题,提出一种孪生的Multi-scale CNNBiGRU网络。该网络通过引入多尺度特征提取器(MSFE)和多维度注意力(MDA)模块构建孪生网络,并利用样本对的形式增加模型训练量,从而提高模型... 针对现有语音情感识别(SER)模型精度较低、泛化能力较差的问题,提出一种孪生的Multi-scale CNNBiGRU网络。该网络通过引入多尺度特征提取器(MSFE)和多维度注意力(MDA)模块构建孪生网络,并利用样本对的形式增加模型训练量,从而提高模型的识别精度,使它能更好地适应复杂的真实应用场景。在IEMOCAP和EMODB这2个公开数据集上的实验结果表明,所提模型在识别精确率上较CNN-BiGRU分别提升了8.28和7.79个百分点。此外,通过收集客服真实语音对话录音构建一个客服语音情感数据集,在该数据集上的实验结果表明,所提模型的识别精确率可达到87.85%,证明所提模型具有良好的泛化性。 展开更多
关键词 语音情感识别 卷积神经网络 双向GRU 混合孪生网络 深度学习
在线阅读 下载PDF
基于图像恢复和空间通道注意力的下采样图像取证网络
2
作者 刘澳龄 单武扬 +2 位作者 邱骏颖 田茂 李军 《计算机应用》 北大核心 2025年第5期1582-1588,共7页
下采样操作会使图像丢失高频取证痕迹和细节信息,增加图像取证的难度,而现有的基于深度学习的图像取证网络不能有效检测经过下采样操作篡改的图像,导致提高下采样图像取证方法的鲁棒性成为图像取证的瓶颈。为解决这个问题,提出一个下采... 下采样操作会使图像丢失高频取证痕迹和细节信息,增加图像取证的难度,而现有的基于深度学习的图像取证网络不能有效检测经过下采样操作篡改的图像,导致提高下采样图像取证方法的鲁棒性成为图像取证的瓶颈。为解决这个问题,提出一个下采样图像取证网络HirrNet(Hierarchical RRU-Net)。HirrNet主要包括图像恢复模块和篡改检测模块:图像恢复模块使用分层条件流(HCF)的思想,通过恢复篡改图像取证痕迹和细节信息减少高频信息的丢失,从而提高篡改检测性能;篡改检测模块则使用端到端图像分割网络RRU-Net(Ringed Residual U-Net)进行篡改检测。此外,通过结合空间和通道压缩与激励(SCSE)机制,可有效增强下采样图像中与篡改相关的特征的提取。实验结果表明,HirrNet在DSO、Columbia、CASIA和NIST16数据集上的受试者特征工作曲线下面积(AUC)、F1分数和交并比(IoU)优于对比网络。其中,在CASIA数据集上,对于尺寸缩小至原图1/2和1/4的篡改图像,HirrNet的AUC指标相较于对比方法平均提升25和30个百分点。可见,HirrNet可以有效解决现有的下采样图像取证方法鲁棒性差的问题。 展开更多
关键词 图像取证 图像恢复 空间通道注意力 下采样
在线阅读 下载PDF
结合层次图神经网络与长短期记忆的产业链风险评估预警模型
3
作者 花晓雨 李冬芬 +3 位作者 付优 毕可骏 应时 王瑞锦 《计算机应用》 CSCD 北大核心 2024年第10期3223-3231,共9页
产业链风险评估预警是有效保护产业链上下游公司利益和减轻公司风险的重要措施。然而,现有方法由于忽视了产业链上下游公司之间的传播效应和公司信息的不透明性,无法准确评估公司风险,且忽略了动态财务数据对产业链的影响,无法提前感知... 产业链风险评估预警是有效保护产业链上下游公司利益和减轻公司风险的重要措施。然而,现有方法由于忽视了产业链上下游公司之间的传播效应和公司信息的不透明性,无法准确评估公司风险,且忽略了动态财务数据对产业链的影响,无法提前感知风险,进行风险预警。针对以上问题,提出一种结合层次图(HG)神经网络与长短期记忆(LSTM)的产业链风险评估预警模型(HiGNN)。首先,利用产业链上下游关系和投融资关系构建“产业链-投资”HG;其次,利用财务特征提取模块提取公司多季度财务数据的特征;再次,利用投资特征提取模块提取投资关系图特征;最后,利用注意力机制融合财务特征和投资特征,通过图表示学习方法对公司节点进行风险分类。在真实的集成电路制造业数据集上的实验结果表明,与图注意力网络(GAT)模型、循环神经网络(RNN)模型相比,当训练比率为60%时,所提模型的准确率分别提升了14.87%、22.10%,F1值提升了12.63%、16.67%。所提模型能够有效捕捉产业链中的传染效应,提高风险识别能力,优于传统的机器学习方法和图神经网络方法。 展开更多
关键词 产业链风险评估 层次图神经网络 长短期记忆网络 财务特征提取 投资特征提取
在线阅读 下载PDF
基于自注意力机制和平均池化下图卷积网络的商品新闻事件抽取
4
作者 罗茜雅 李红军 +2 位作者 王子怡 甘晨灼 胡正浩 《成都理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期500-512,共13页
商品新闻事件抽取是对新闻非结构化语句进行归纳和表达,以提取出该语句所包含的事件以及相关信息,能够为供货需求预测、价格预测、问答系统等提供基础。现有研究工作普遍存在候选触发词与实体向量关联性利用不强以及参数角色提取准确率... 商品新闻事件抽取是对新闻非结构化语句进行归纳和表达,以提取出该语句所包含的事件以及相关信息,能够为供货需求预测、价格预测、问答系统等提供基础。现有研究工作普遍存在候选触发词与实体向量关联性利用不强以及参数角色提取准确率不够的问题,因此本文在已有研究工作的基础上,提出了一种基于自注意力机制和平均池化图卷积网络及依赖解析树的提取模型(SAT-GCN-DPT)。该模型主要分为3个模块,ComBERT预训练模块、self-attention机制下的触发分类模块、利用平均池化图卷积和依赖解析树的参数角色分类模块。模型利用self-attention机制对输入数据进行操作增强候选触发词与实体向量之间关联性,同时对图卷积结果使用平均池化函数进行信息聚合来更大程度地还原事件之间关联性和提高分类准确率。实验结果表明,在CON数据集上,本文提出的模型在触发分类以及参数角色分类的准确度以及F 1值均有了提高。 展开更多
关键词 商品新闻事件抽取 自注意力机制 平均池化函数 图卷积网络 依赖解析树
在线阅读 下载PDF
基于深度学习的岩石矿物智能识别研究进展与发展趋势
5
作者 邓乃尔 徐浩 +4 位作者 周文 唐小川 王浩 闫晓闯 蒋柯 《成都理工大学学报(自然科学版)》 北大核心 2025年第1期64-93,共30页
随着深度学习技术的迅速发展,岩石矿物的智能识别已成为地质学研究的重要方向。传统的岩石矿物识别方法主要依赖人工经验和半自动系统,而深度学习凭借其卓越的特征提取和自动学习能力,为复杂矿物的自动化智能识别带来了全新解决方案。... 随着深度学习技术的迅速发展,岩石矿物的智能识别已成为地质学研究的重要方向。传统的岩石矿物识别方法主要依赖人工经验和半自动系统,而深度学习凭借其卓越的特征提取和自动学习能力,为复杂矿物的自动化智能识别带来了全新解决方案。本文系统分析了基于深度学习的岩石矿物图像识别的最新进展,重点探讨了矿物重构、矿物分类以及矿物分割三大处理任务的研究和应用;对岩石矿物图像特征和模型优化措施进行了总结,并对比了各类卷积神经网络模型在矿物识别中的性能表现。探讨了矿物智能识别在储层精细评价、沉积环境及成岩作用中的应用前景。展望未来,通过结合传统分割算法与深度学习技术,构建“集成图像-智能识别-数据分析-数据应用”一体化结构,并建立基于多模态知识决策的岩石矿物图像识别体系,有望进一步提升岩石矿物智能识别的精度和效率,为地质学研究与矿产资源的勘探开发提供新的思路与方法。 展开更多
关键词 深度学习 卷积神经网络 岩石矿物图像识别 应用前景 发展趋势
在线阅读 下载PDF
GAN模型生成图像检测方法综述 被引量：3
6
作者 谢天圻 吴媛媛 +1 位作者 敬超 孙伟恒 《计算机工程与应用》 CSCD 北大核心 2024年第22期74-86,共13页
生成对抗网络(generative adversarial network,GAN)作为生成高质量图像的强大工具,近年来在图像合成领域得到了广泛应用。然而,随着GAN技术的快速发展,引发了图像伪造和欺诈的严重担忧,特别是在新闻报道、身份认证以及司法取证等关键... 生成对抗网络(generative adversarial network,GAN)作为生成高质量图像的强大工具,近年来在图像合成领域得到了广泛应用。然而,随着GAN技术的快速发展,引发了图像伪造和欺诈的严重担忧,特别是在新闻报道、身份认证以及司法取证等关键领域。这些伪造图像不仅难以辨别,还可能被用于传播虚假信息、实施诈骗,甚至在法律案件中造成难以弥补的损害。为应对这一挑战,研究者们提出了多种检测GAN生成图像的方法,主要可以分为基于特征识别的方法和基于数据驱动的方法。对于当前主要的GAN图像检测方法进行了系统梳理,并通过重训练实验验证了它们在不同数据集上的检测准确率。对未来GAN图像检测领域的发展趋势进行了展望,提出了潜在的研究方向,以推动该领域的进一步创新和发展。 展开更多
关键词 生成对抗网络(GAN) 深度学习 伪造检测
在线阅读 下载PDF
群体情绪识别研究综述 被引量：1
7
作者 敬超 吴媛媛 +1 位作者 谢天圻 孙伟恒 《计算机工程与应用》 CSCD 北大核心 2024年第23期49-61,共13页
群体情绪识别在公众场合、平安城市等场景有着重要的应用。随着人工智能的发展,人们逐渐意识到使用深度学习的方法对群体情绪研究的重要贡献。对近年来国内外相关研究工作进行系统性归纳,详细阐述了群体情绪识别领域的研究现状。着重探... 群体情绪识别在公众场合、平安城市等场景有着重要的应用。随着人工智能的发展,人们逐渐意识到使用深度学习的方法对群体情绪研究的重要贡献。对近年来国内外相关研究工作进行系统性归纳,详细阐述了群体情绪识别领域的研究现状。着重探讨了群体情绪的特征提取方法和情绪识别研究方法,并对使用相同数据集的相关研究进行了较为全面的比较和评价。在此基础上,梳理了该研究领域的难点和问题,总结了特征提取和研究方法常用的优化方向和手段,这有助于研究者更好地了解不同情绪识别任务的特点,并为未来的研究提供了可行的研究方法和发展方向。 展开更多
关键词 计算机视觉 深度学习 群体情绪识别 特征提取 情绪模型
在线阅读 下载PDF
基于金包覆磁性纳米探针的多模态LFIA检测胃癌标志物
8
作者 程杰 袁浩岚 +2 位作者 严家圣 郭九川 郭劲宏 《西南大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第6期29-39,共11页
多模态侧流免疫层析(Lateral Flow Immunoassay,LFIA)技术能够提供不同灵敏度水平的多种检测模式,极大地提高了即时检测的实用性和灵活性,已迅速发展成为一个极具潜力的研究方向.研究中合成了一种金包裹的超顺磁性纳米晶簇(SMNC@Au)多... 多模态侧流免疫层析(Lateral Flow Immunoassay,LFIA)技术能够提供不同灵敏度水平的多种检测模式,极大地提高了即时检测的实用性和灵活性,已迅速发展成为一个极具潜力的研究方向.研究中合成了一种金包裹的超顺磁性纳米晶簇(SMNC@Au)多功能纳米探针,开发了用于同时检测胃癌标志物胃蛋白酶原(Pepsinogen,PG)Ⅰ和Ⅱ的多模态LFIA传感平台.首先通过水热法合成超顺磁性纳米晶簇,然后通过种子生长法在其上涂覆一层金壳,最后用4-巯基苯甲酸修饰颗粒表面形成最终的SMNC@Au探针.该多功能探针可以提供比色、磁性和表面增强拉曼散射3种输出信号,且能通过磁力实现分析物的分离和富集,简化样本的处理.基于SMNC@Au纳米探针LFIA支持定性比色读数以及磁信号和拉曼信号的两种定量读数,可适应不同的检测场景和要求.检测结果表明,PGⅠ和PGⅡ的视觉检测限分别为10 ng/mL和1 ng/mL;磁性模式的检测限分别为0.5 ng/mL和0.1 ng/mL;拉曼模式的检测限分别为0.1 ng/mL和0.05 ng/mL.两种定量模式的检测范围为1~500 ng/mL(PGⅠ)和0.1~100 ng/mL(PGⅡ),完全符合临床诊断标准.该测定表明,所开发的多模态LFIA在不同环境下灵敏检测分析物均有较大潜力. 展开更多
关键词 多模态探针 多功能纳米材料 侧流免疫层析 胃蛋白酶原 即时检测
在线阅读 下载PDF
基于多头自注意力机制和对抗训练的实体关系联合抽取 被引量：1
9
作者 甘雨金 李红军 +3 位作者 唐小川 王子怡 甘晨灼 胡正浩 《成都理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期513-521,共9页
实体关系联合抽取是构建知识图谱的重要阶段,旨在抽取文本中存在语义关系的实体对。针对已有的实体关系联合抽取方法在抽取过程中存在的冗余关系预测、实体关系重叠以及上下文潜在语义信息捕捉不足的问题,提出联合多头自注意力机制和对... 实体关系联合抽取是构建知识图谱的重要阶段,旨在抽取文本中存在语义关系的实体对。针对已有的实体关系联合抽取方法在抽取过程中存在的冗余关系预测、实体关系重叠以及上下文潜在语义信息捕捉不足的问题,提出联合多头自注意力机制和对抗训练的方法进行实体关系的抽取。该方法利用多头自注意力机制捕获潜在语义特征,以提升模型对上下文语义信息的感知能力;将对抗训练引入模型的训练阶段,以增强模型的泛化能力和鲁棒性。实验结果表明:与现有主流模型对比,提出的模型在NYT和WebNLG两个公共数据集上都取得了更优的F 1值,在处理实体关系重叠问题以及不定数量三元组抽取上都能保持稳定的性能表现,验证了模型的有效性。 展开更多
关键词 实体关系联合抽取 对抗训练 多头自注意力 知识图谱
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部