检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

25 篇 专利

馆藏范围

25 篇 电子文献
0 种 纸本馆藏

日期分布

机构

2 篇 三星半导体有限公...
2 篇 三星电子株式会社
2 篇 华为技术有限公司
2 篇 中国人民大学
2 篇 杭州电子科技大学
2 篇 北京中科研究院
2 篇 中国科学技术大学
2 篇 阿里巴巴集团控股...
2 篇 城云科技有限公司
1 篇 上证所信息网络有...
1 篇 汇隆基业科技有限...
1 篇 oook教育科技有限...
1 篇 重庆理工大学
1 篇 乐视网信息技术股...
1 篇 松下电器产业株式...
1 篇 深圳市旭东数字医...
1 篇 飞歌康采软件科技...
1 篇 北京工业大学
1 篇 中国平安人寿保险...

作者

2 篇 刘舟
2 篇 李岩
2 篇 张勇东
2 篇 施广宇
2 篇 张天柱
2 篇 黄翊
2 篇 范旭麟
2 篇 李阳
2 篇 夏巍
2 篇 韩致远
2 篇 陈信
2 篇 陈红
2 篇 文刘飞
2 篇 王君
2 篇 张晓莹
2 篇 邓旭冉
2 篇 钱柄乔
2 篇 李翠平
2 篇 范永健
2 篇 殷嘉铖

语言

25 篇 中文

检索条件"主题词=全局统计信息"

共 25 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

一种基于多统计信息的变分分割方法

一种基于多统计信息的变分分割方法

引用

作者：谢姿郭李云伍亚军 518048 广东省深圳市福田区福田街道福华一路98号卓越大厦907

本发明公开了一种基于多统计信息的变分分割方法，该方法包括以下步骤：S1，将目标二值图对齐到基准的二值图上；S2，获取对齐后图像的形状矩阵M＝{φ1,φ2,…,φn}，进行主成分分析，得到分析形状模式变化量；S3，利用主成分分析结果... 详细信息

标准号: CN107492105A

本发明公开了一种基于多统计信息的变分分割方法，该方法包括以下步骤：S1，将目标二值图对齐到基准的二值图上；S2，获取对齐后图像的形状矩阵M＝{φ₁,φ₂,…,φ_n}，进行主成分分析，得到分析形状模式变化量；S3，利用主成分分析结果对手动分割二值图进行形状表达；S4，在手动分割二值图上计算平均累积分布函数；S5，选取相邻手动分割二值图，计算局部统计信息拟合能量和全局统计信息拟合能量；S6，根据S4和S5中获得的数据，分割图像；S7，执行步骤S3～S6，直至所有手动分割二值图选取完为止。本发明有效地将图像中的目标和背景分离，得到分割图像，降低了图像欠分割、过分割和溢出等现象，并且计算冗余量低，保证图像分割的质量。

关键词：二值图分割主成分分析分割图像对齐图像拟合局部统计信息累积分布函数全局统计信息统计信息背景分离图像分割形状表达形状矩阵形状模式变化量冗余量有效地溢出分析保证

来源：评论

学校读者我要写书评

暂无评论

用于道路病害检测的视觉目标检测模型、构建方法及应用

用于道路病害检测的视觉目标检测模型、构建方法及应用

引用

作者：张香伟韩致远葛俊 310052 浙江省杭州市滨江区长河街道江南大道588号恒鑫大厦主楼17层、18层

本发明提供一种用于道路病害检测的视觉目标检测模型、构建方法及应用，采用了跳转注意力机制利用多头自注意力模块之间的依赖性，并通过重用以前多头自注意力机制模块的注意力表示来绕过注意力计算，用于减少昂贵的自注意力计算；且在... 详细信息

标准号: CN116824277B

本发明提供一种用于道路病害检测的视觉目标检测模型、构建方法及应用，采用了跳转注意力机制利用多头自注意力模块之间的依赖性，并通过重用以前多头自注意力机制模块的注意力表示来绕过注意力计算，用于减少昂贵的自注意力计算；且在退化的低分辨率图像上的性能有所提高；模型内采用混合注意力机制，该方法结合了通道注意力和基于窗口的自注意力机制，充分利用它们在利用全局统计信息和强大的局部拟合能力方面的互补优势；为了更好地聚合跨窗口信息，加入了一个交叉注意力模块，增强了相邻窗口特征之间的交互作用，可很好地用于检测道路病害。

关键词：注意力注意力机制道路病害检测多头低分辨率图像全局统计信息窗口特征窗口信息互补优势交互作用视觉目标构建拟合绕过跳转聚合重用退化应用

来源：评论

学校读者我要写书评

暂无评论

用于道路病害检测的视觉目标检测模型、构建方法及应用

用于道路病害检测的视觉目标检测模型、构建方法及应用

引用

作者：张香伟韩致远葛俊 310052 浙江省杭州市滨江区长河街道江南大道588号恒鑫大厦主楼17层、18层

标准号: CN116824277A

来源：评论

学校读者我要写书评

暂无评论

一种数据处理方法、系统及相关装置

一种数据处理方法、系统及相关装置

引用

作者：科比洛夫.维拉迪斯拉维文刘飞施广宇 518129 广东省深圳市龙岗区坂田华为总部办公楼

本发明实施例公开了一种数据处理方法、系统及相关装置，用于提高hLDA模型的参数求解速度及参数求解精度。本发明实施例方法包括：将全局初始统计信息发送给各从节点，归并接收到的各从节点的局部统计信息，得到新的全局统计信息，若从... 详细信息

标准号: CN102591917A

本发明实施例公开了一种数据处理方法、系统及相关装置，用于提高hLDA模型的参数求解速度及参数求解精度。本发明实施例方法包括：将全局初始统计信息发送给各从节点，归并接收到的各从节点的局部统计信息，得到新的全局统计信息，若从节点进行的吉布斯采样已结束，则根据新的全局统计信息计算文档与主题之间的概率分布，以及主题与单词之间的概率分布，根据计算所得到的概率分布，建立文本集的似然函数，并极大化似然函数，得到新的hLDA超参数，若求解hLDA超参数迭代已收敛，则根据新的hLDA超参数，计算并输出文档与主题之间的概率分布，以及主题与单词之间的概率分布。

关键词：概率分布全局统计信息单词局部统计信息数据处理方法统计信息计算文档求解精度求解速度相关装置吉布斯采样文档文本

来源：评论

学校读者我要写书评

暂无评论

一种数据处理方法、系统及相关装置

一种数据处理方法、系统及相关装置

引用

作者：科比洛夫.维拉迪斯拉维文刘飞施广宇 518129 广东省深圳市龙岗区坂田华为总部办公楼

标准号: CN102591917B

关键词：概率分布全局统计信息单词局部统计信息数据处理方法统计信息计算文档求解精度求解速度相关装置吉布斯采样文档文本

来源：评论

学校读者我要写书评

暂无评论

基于表格数据的分类预测方法、装置、设备和介质

基于表格数据的分类预测方法、装置、设备和介质

引用

作者：陆凯 518000 广东省深圳市福田区福田街道益田路5033号平安金融中心14、15、16、37、41、44、45、46、54、58、59层

本申请涉及人工智能技术领域，提供一种基于表格数据的分类预测方法,包括：将特征值、特征值对应的特征类型、特征值对应的统计信息输入神经网络分类模型的嵌入层，得到特征值对应的嵌入表示；然后根据嵌入表示确定嵌入表示序列；将嵌... 详细信息

标准号: CN116702011A

本申请涉及人工智能技术领域，提供一种基于表格数据的分类预测方法,包括：将特征值、特征值对应的特征类型、特征值对应的统计信息输入神经网络分类模型的嵌入层，得到特征值对应的嵌入表示；然后根据嵌入表示确定嵌入表示序列；将嵌入表示序列输入神经网络分类模型的编码层，得到语义向量序列；将语义向量序列输入神经网络分类模型的输出层，得到预测结果；根据预测结果和标注标签确定损失值，并根据损失值训练神经网络分类模型，以获得目标神经网络分类模型。通过上述方案，使得神经网络模型能像树模型一样了解特征的全局统计信息，提升神经网络模型基于表格数据执行分类预测任务时的性能和准确度，提升用户在金融产品体验的满意度。

关键词：嵌入神经网络分类神经网络模型表格数据分类模型序列输入语义向量预测结果全局统计信息人工智能技术输入神经网络训练神经网络统计信息准确度标签确定金融产品目标神经特征类型网络分类编码层满意度嵌入层输出层树模型分类预测标注申请

来源：评论

学校读者我要写书评

暂无评论

一种文本编码方法

一种文本编码方法

引用

作者：陆性天黄欣曹波杨博曹晓翀张婧王贇玥 201203 上海市浦东新区张东路1387号37栋

本发明公开一种文本编码方法，所述方法包括:对语料集进行数据清洗和预处理、对语料集进行分句和分词、提取相关特征、对句子进行编码表示、在编码基础上追加三个维度、构建上层模型；本发明与现有技术相比，区别在于以往的追加特征多... 详细信息

标准号: CN115345130A

本发明公开一种文本编码方法，所述方法包括:对语料集进行数据清洗和预处理、对语料集进行分句和分词、提取相关特征、对句子进行编码表示、在编码基础上追加三个维度、构建上层模型；本发明与现有技术相比，区别在于以往的追加特征多采用句内特征，如词性、句法依存、相对位置、绝对位置等，而本发明追加的是全局的统计信息，整体操作简单，训练成本低，对句子级别编码进行基于全局统计信息的先验知识注入，提升了上游任务的准确率。

关键词：追加语料预处理全局统计信息统计信息编码表示编码基础句子级别绝对位置数据清洗文本编码先验知识整体操作准确率词性分词分句构建句法维度句子上层上游全局

来源：评论

学校读者我要写书评

暂无评论

一种结合LDA主题模型和GloVe词向量技术的API推荐方法

一种结合LDA主题模型和GloVe词向量技术的API推荐方法

引用

作者：俞东进范旭麟陈信殷嘉铖 310018 浙江省杭州市下沙高教园区2号大街

本发明公开了一种结合LDA主题模型和GloVe词向量技术的API推荐方法。本发明通过挖掘语料库中的全局统计信息，利用LDA主题模型获得单词和API的主题概率分布；同时基于语料库中的局部上下文信息，利用GloVe词向量技术生成单词和API的词... 详细信息

标准号: CN114297479B

本发明公开了一种结合LDA主题模型和GloVe词向量技术的API推荐方法。本发明通过挖掘语料库中的全局统计信息，利用LDA主题模型获得单词和API的主题概率分布；同时基于语料库中的局部上下文信息，利用GloVe词向量技术生成单词和API的词向量。最后综合主题概率分布之间的相似度和词向量之间的相似度计算出单词和API之间的相关性，并根据相关性从大到小排序得到API推荐列表。本发明同时使用语料库的全局统计信息和局部上下文信息来获取语义信息，使得相似度的计算更加准确；本发明使用随机打乱策略打乱文档中的单词和API，提高单词和API出现在一个窗口中的概率，有效提高从局部上下文信息中获取语义信息的能力，提高API推荐的准确性。

关键词：单词词向量局部上下文语料库全局统计信息概率分布语义信息主题模型相似度相似度计算文档排序挖掘概率

来源：评论

学校读者我要写书评

暂无评论

确定应用的存储负载的方法和设备

确定应用的存储负载的方法和设备

引用

作者：夏巍 710000 陕西省西安市高新区洨河北路1999号

提供一种确定应用的存储负载的方法和设备，所述方法包括：获取应用在预定时间段内产生的存储负载的统计数据；将统计数据输入到预先训练好的机器学习模型，通过预先训练好的机器学习模型确定所述存储负载在预定时间段内的读/写请求跟... 详细信息

标准号: CN111176565B

提供一种确定应用的存储负载的方法和设备，所述方法包括：获取应用在预定时间段内产生的存储负载的统计数据；将统计数据输入到预先训练好的机器学习模型，通过预先训练好的机器学习模型确定所述存储负载在预定时间段内的读/写请求跟踪数据，其中，统计数据是指应用在预定时间段内产生的所有读/写请求的全局统计信息，读/写请求跟踪数据是指应用在预定时间段内产生的每个读/写请求的请求描述信息。根据所述方法和设备，可以在保证应用的性能且不占用较多资源的情况下，最大程度地重现用于分析存储负载的时/空分布特征，为更加深入地研究存储负载提供依据。

关键词：存储负载预定时间段写请求统计数据应用机器学习模型方法和设备跟踪数据全局统计信息最大程度地分布特征描述信息重现占用保证分析研究

来源：评论

学校读者我要写书评

暂无评论

确定应用的存储负载的方法和设备

确定应用的存储负载的方法和设备

引用

作者：夏巍 710000 陕西省西安市高新区洨河北路1999号

标准号: CN111176565A

关键词：存储负载预定时间段写请求统计数据应用机器学习模型方法和设备跟踪数据全局统计信息最大程度地分布特征描述信息重现占用保证分析研究

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共3页 << < 1 2 3 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：