检索结果-内蒙古大学图书馆

作者：李霞西南财经大学

学位级别：硕士

现代工业的迅速发展和城市化进程的加快给环境带来了越来越大的压力,在诸多环境问题中,空气污染问题尤为突出。当下,许多地区已经建立了相对完善的空气质量监测系统,它们在为群众提供最新的空气质量信息的同时也积累了海量的空气质量数... 详细信息

现代工业的迅速发展和城市化进程的加快给环境带来了越来越大的压力,在诸多环境问题中,空气污染问题尤为突出。当下,许多地区已经建立了相对完善的空气质量监测系统,它们在为群众提供最新的空气质量信息的同时也积累了海量的空气质量数据。这些历史数据不仅可以为城市空气污染治理提供信息支撑,还是实现空气质量预测的重要材料,然而,由于各种原因造成的数据缺失与损坏问题在这些监测数据中普遍存在,这在一定程度上降低了数据的应用价值,因此对缺失数据进行填补十分重要。本文提出了一种两阶段空气质量数据填补方法,该方法由缺失值初始化和填补值更新两部分组成。在第一阶段的缺失数据初始化过程中,本文考虑了空气质量数据的时空特性,交错使用基于时间与空间的k近邻法填补缺失值,不断增大邻居个数以处理块缺失问题。在第二阶段的填补值更新的过程中,由于初始化后的数据不含缺失值,可以引入更加精准的机器学习模型提高填补值的准确度。本文使用随机森林模型与Bi LSTM模型分别处理数据的空间相关性和时间相关性。基于集成算法的随机森林模型可以捕捉各监测站之间的联系,而Bi LSTM模型的双向结构可以充分利用缺失值前后的信息,相比单向结构填补精度更高。最后,本文使用基于最小二乘的组合权重法综合两个模型的填补结果,实现了时空视角的融合。实验结果表明,相比8个基准模型,本文提出的两阶段填补法在时间块缺失、空间块缺失、普通缺失以及总体缺失四种不同的缺失情况下均具有更优的表现。在空间块缺失问题上,本文提出的方法优势显著,相较于最佳基准模型,填补的MAE误差降低了约30%。

关键词：缺失值填补随机森林双向长短期记忆模型组合权重模型

来源：评论

学校读者我要写书评

暂无评论

基于Shapelets特征提取的癫痫发作识别与预警

基于Shapelets特征提取的癫痫发作识别与预警

引用

作者：李迎香兰州大学

学位级别：硕士

癫痫是一种大脑神经元过度异常放电引起的中枢神经系统疾病.由于癫痫发作之前通常未表现出十分明显的先兆,这使得患者因遭受意外伤害而致死的风险增加.因此在癫痫发作前及时进行预警有助于患者提前接受临床干预与治疗.脑电图是用作诊断... 详细信息

癫痫是一种大脑神经元过度异常放电引起的中枢神经系统疾病.由于癫痫发作之前通常未表现出十分明显的先兆,这使得患者因遭受意外伤害而致死的风险增加.因此在癫痫发作前及时进行预警有助于患者提前接受临床干预与治疗.脑电图是用作诊断癫痫等神经系统疾病的重要工具.随着机器学习与深度学习算法的发展,基于相关算法检测脑电图异常的方法在识别脑内癫痫发作中发挥出重要的作用. 针对癫痫患者的脑电信号数据,本论文提出了一种基于Shapelets特征提取的患者特异性癫痫发作预测方法,通过Shapelets特征学习算法充分挖掘脑电信号中的连续波形特征,结合机器学习及深度学习算法,有效识别发作前期的信号片段并产生预警.首先我们对脑电信号进行预处理以提高信噪比,随后通过信号通道筛选以及近似最优Shapelets学习算法构建多通道的Shapelets特征空间.基于预处理后的脑电信号在Shapelets特征空间的投影将信号降维转换为最小距离特征,进而使用双向长短期记忆模型、卷积神经网络、基于多通道投票策略的支持向量机模型及以上模型的集成学习模型进行预测.本论文将所提出的方法应用于CHB-MIT头皮脑电数据集中不同患者的脑电信号记录,最终集成学习模型实现了平均敏感度91.33%、错误预报率0.16h-1的有效预警结果.与基于脑电信号模式变化进行癫痫发作预测的相关研究结果相比,本论文所提出的模型在预测效果上有一定的提升. 进一步,本论文基于函数型主成分分析,对来自不同患者的脑电信号Shapelets特征片段进行综合分析,探究能够解释Shapelets特征片段变化的主要特征成分,挖掘其中的波形变化特征,提出一种关于Shapelets主成分在发作前期与间期信号中表达差异性的分析方法,该整体化分析方法可作为临床诊疗的辅助参考手段.

关键词：癫痫发作脑电信号 Shapelets 双向长短期记忆模型函数型主成分分析

来源：评论

学校读者我要写书评

暂无评论

融合多重语义对齐表示的机器阅读理解研究

融合多重语义对齐表示的机器阅读理解研究

引用

作者：季静南京师范大学

学位级别：硕士

机器阅读理解(Machine Reading Comprehension,MRC)是让机器学会阅读理解,阅读文本并理解文本的主旨内容,然后回答文本提出的问题。MRC是衡量自然语言处理(Natural Language Processing,NLP)发展水平的重要标志,且其拥有广阔的应用场景... 详细信息

机器阅读理解(Machine Reading Comprehension,MRC)是让机器学会阅读理解,阅读文本并理解文本的主旨内容,然后回答文本提出的问题。MRC是衡量自然语言处理(Natural Language Processing,NLP)发展水平的重要标志,且其拥有广阔的应用场景,包括搜索引擎、机器阅卷、问答系统、信息检索等等,它能够让计算机帮助人类在海量的文本数据中找到想要的答案,从而减轻人们获取信息的成本。近年来,让机器学会阅读理解是当前人工智能领域非常火热的主题,特别是基于深度学习的MRC研究近来受到了国内外研究者的广泛关注。与传统方法相比,采用深度学习方法的MRC已经取得了显著的研究进展。因此本文采用深度学习方法,结合MRC任务的特点,研究融合多重语义对齐表示的MRC的系统实现与改进。具体地,本文的工作主要包括以下三个方面:(1)详细阐述了 MRC数据集的发展、常用的评价指标以及各种MRC模型。通过深入比较分析各种MRC模型,将现有的MRC研究方法概括为两种不同的类型:传统方法、深度学习方法。(2)设计实现了一个基于神经注意力的MRC基线系统,该系统采用深度学习方法结合注意力机制实现了一个端到端的神经网络模型。基线系统首先分别采用卷积神经网络和预训练方式获取char-level embedding和word embedding,然后使用双向长短期记忆模型对文章和问题的上下文进行编码,接着采用注意力机制得到问题到文章的语义对齐表示,最后在模型的输出层使用softmax分类器计算答案的概率分布。(3)提出了一个融合多重语义对齐表示的MRC模型。该模型要是对基线模型进行了改进,通过融合多重语义对齐表示来增强语义表达,得到文章和问题更好的交互表示。该系统对基线模型进行了 3点改进:1)引入强化因子对文章的语义进行增强得到文章到问题方向上的语义对齐表示;2)增加文章到文章方向上的语义自对齐表示;3)输出层重新引入问题信息,将答案开始和结束位置采用注意力进行相互联系。实验结果表明,该改进模型的性能优于基线模型。

关键词： MRC 深度学习注意力机制双向长短期记忆模型卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于Bi-LSTM的动画电影智能问答系统

引用

现代电影技术 2020年第5期 30-35,41页

作者：黄东晋梁景坤李娜丁友东上海大学上海电影学院上海200072

智能问答系统是市场上各类智能机器人的核心,也具有广阔的应用前景.然而,传统的问答系统通常更偏向于文档检索,因为它只能在答案所在的文档中找到用户的问题,并且不能准确地捕获用户的目的,从而用户无法获取准确的答案.因此,本文基于Bi-... 详细信息

智能问答系统是市场上各类智能机器人的核心,也具有广阔的应用前景.然而,传统的问答系统通常更偏向于文档检索,因为它只能在答案所在的文档中找到用户的问题,并且不能准确地捕获用户的目的,从而用户无法获取准确的答案.因此,本文基于Bi-LSTM模型构建了面向动漫电影领域的智能问答,该系统可以帮助用户快速查询动漫电影的相关资料.首先,构建动漫电影的知识图谱,建立节点实体和实体之间的关系,使用Neo4j图数据库来存储数据.接下来,双向长短期记忆模型(Bi-LSTM)和条件随机场(CRF)用于命名实体识别,并且朴素贝叶斯分类用于对用户意图进行分类.最后,根据用户意图和实体,将问题转换为知识图谱查询语言并在数据库查询后返回结果.实验显示,本文提出的问答系统是可行的,动画领域问题答案的准确率均在90%以上.

关键词：智能问答知识图谱双向长短期记忆模型朴素贝叶斯分类

来源：评论

学校读者我要写书评

暂无评论

基于深度学习方法的“双减”政策短文本情感分析

引用

皖西学院学报 2022年第2期38卷 39-44页

作者：李沅静叶仁玉安庆师范大学数理学院安徽安庆246133

为探究“双减”教育政策的民众情感倾向,利用深度学习方法对“双减”短文本评论进行情感分析。采用Jieba分词处理,使用波森情感词典作为辅助工具计算文本情感倾向,基于朴素贝叶斯、支持向量机、长短期记忆模型(LSTM)和双向长短期记忆模... 详细信息

为探究“双减”教育政策的民众情感倾向,利用深度学习方法对“双减”短文本评论进行情感分析。采用Jieba分词处理,使用波森情感词典作为辅助工具计算文本情感倾向,基于朴素贝叶斯、支持向量机、长短期记忆模型(LSTM)和双向长短期记忆模型(BiLSTM)四种模型分别进行分类训练。结果表明,约60%的民众对政策持有焦虑态度,40%民众持有积极态度。BiLSTM模型对于积极、消极情感文本的F1分数分别达到78%、86%,模型准确率达到82.74%,分类效果最优。最后给出关于“双减”政策的一些建议。

关键词：双减情感分析深度学习双向长短期记忆模型

来源：评论

学校读者我要写书评

暂无评论

基于信号分解算法的碳价格混合预测模型

引用

内蒙古工业大学学报（自然科学版） 2023年第4期42卷 355-362页

作者：任冠宇栾皓轮万剑雄李雷孝王晓磊内蒙古工业大学数据科学与应用学院呼和浩特010051 内蒙古工业大学经济管理学院呼和浩特010051

对碳价格的准确预测,有助于碳中和方案的制定和碳排放权交易市场的稳定发展。目前的碳价格预测模型,没有考虑碳价格数据中隐含的未来数据信息,也没有针对不同地区碳价格进行自适应的参数优化。深度学习通过引入非线性因素,可以对非线性... 详细信息

对碳价格的准确预测,有助于碳中和方案的制定和碳排放权交易市场的稳定发展。目前的碳价格预测模型,没有考虑碳价格数据中隐含的未来数据信息,也没有针对不同地区碳价格进行自适应的参数优化。深度学习通过引入非线性因素,可以对非线性的碳价格数据进行有效预测。为此在深度学习的基础上,充分利用双向长短期记忆模型双向处理上下文信息以及变分模态分解算法对于非线性和非平稳数据适用性良好等特点,对变分模态分解算法进行参数优化,提出一种基于信号分解算法的碳价格混合预测模型。首先,使用变分模态分解算法作为分解算法,以最小化平均近似熵为目标,使用遗传算法对变分模态分解算法的主要参数进行优化;接着,使用优化参数后的分解算法,对原始碳价格进行分解;之后,使用双向长短期记忆模型对分解结果分别进行预测,再将各个预测结果聚合,得到最终预测价格。基于深圳市历史碳价格数据的实验结果表明,该模型可以有效预测碳价格,并且相较于其他模型,该模型预测准确率更高。

关键词：碳价格预测变分模态分解双向长短期记忆模型

来源：评论

学校读者我要写书评

暂无评论

距离感知和方向感知的Transformer Encoder 用于司法领域实体识别

引用

现代计算机 2021年第21期27卷 22-28页

作者：曹重阳杨品莉四川大学计算机学院成都610065

命名实体识别(NER)是在句子中找到一个实体的开始和结束,并为这个实体指定一个类,它在自然语言处理(NLP)领域得到了广泛研究,准确率和鲁棒性都有明显提升。利用深度学习自动进行司法信息的实体识别极大促进了司法领域的发展,同时为司法... 详细信息

命名实体识别(NER)是在句子中找到一个实体的开始和结束,并为这个实体指定一个类,它在自然语言处理(NLP)领域得到了广泛研究,准确率和鲁棒性都有明显提升。利用深度学习自动进行司法信息的实体识别极大促进了司法领域的发展,同时为司法事件的抽取和司法知识图谱的构建提升了发展空间。近年来,由于全连接的自注意力结构(Transformer)的并行性和对长程上下文建模的优势,其被广泛应用于各种自然语言处理任务。由于减刑案件、假释案件及暂予监外执行案件的裁判文书中实体的距离和相对位置的特殊性,本文基于Transformer结构,加入距离自注意力和方向自注意力,提出距离感知和方向感知的Transformer Encoder(DDATE),它对字符级特征和字级特征进行建模。实验证明,所提出的DDATE司法实体识别模型比基于双向长短期记忆(BiLSTM)的模型和普通的Transformer模型提升了很大性能。

关键词：司法实体识别自然语言处理深度学习 Transformer 双向长短期记忆模型

来源：评论

学校读者我要写书评

暂无评论

基于情感分析的网络民愤研究——以长春长生问题疫苗事件为例

引用

南京邮电大学学报（社会科学版） 2020年第1期22卷 76-85页

作者：唐魁玉王德新王丽敏哈尔滨工业大学人文社科与法学学院黑龙江哈尔滨150001

以长春长生问题疫苗事件中的网民评论为研究样本,采用双向长短期记忆模型识别出网络民愤,再基于TFIDF算法对网络民愤进行主题词、主题句的提取,并运用话语分析进行主题归纳。研究发现,网络民愤的主题围绕疫苗的非法生产和相关部门的责... 详细信息

以长春长生问题疫苗事件中的网民评论为研究样本,采用双向长短期记忆模型识别出网络民愤,再基于TFIDF算法对网络民愤进行主题词、主题句的提取,并运用话语分析进行主题归纳。研究发现,网络民愤的主题围绕疫苗的非法生产和相关部门的责任缺失展开,这反映出公众对自身健康的担忧,对企业道德失范的焦虑,以及对党和政府肃清问题疫苗乱象的期待。利用这种情感分析方法能够真实地反映出民愤产生的原因及网民现实的社会心理状态,对于实现更精准的舆情分析和减少社会冲突具有重要意义。

关键词：网络民愤情感分析双向长短期记忆模型社会心理

来源：评论

学校读者我要写书评

暂无评论

基于数据特征提取和SSA-BiLSTM的短期风电功率预测

引用

应用科技 2023年第4期50卷 71-78页

作者：文博陈芳芳王华玉云南民族大学电气信息工程学院云南昆明650031 云南民族大学法学院云南昆明650031

为提高风电功率预测的准确性,提出了一种基于数据特征提取和麻雀算法优化双向长短期记忆网络(sparrow search algorithm optimised bi-directional long and short-term memory network,SSA-BiLSTM)短期风电功率预测模型。首先根据皮尔... 详细信息

为提高风电功率预测的准确性,提出了一种基于数据特征提取和麻雀算法优化双向长短期记忆网络(sparrow search algorithm optimised bi-directional long and short-term memory network,SSA-BiLSTM)短期风电功率预测模型。首先根据皮尔逊相关系数(Pearson correlation coefficient,PCC)分析风电数据中各影响因素与风电功率之间的相关性,根据计算结果将功率无关的因素去除。然后,采用自适应噪声完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将原始风电功率序列进行分解,得到一系列子序列分量。再将所有子序列输入麻雀算法(sparrow search algorithm,SSA)优化的双向长短期记忆(bi-directional long short-term memory,BiLSTM)模型中进行预测,根据所得预测值对风速序列进行修正。将修正所得的风速序列与风电功率序列作为输入,送入SSA-BiLSTM模型中进行预测。最后,由实验结果分析并对比得出,该模型具有更好的风电功率预测精度。

关键词：双向长短期记忆模型麻雀优化算法皮尔逊相关系数风速修正短期风电功率预测数据特征提取

来源：评论

学校读者我要写书评

暂无评论

融合汉字部首的BERT-BiLSTM-CRF中医医案命名实体识别模型

引用

医学信息学杂志 2023年第6期44卷 48-53页

作者：刘彬肖晓霞邹北骥周展郑立瑞谭建聪湖南中医药大学信息科学与工程学院长沙410208

目的/意义研究提取中医医案中医疗术语的方法,实现医案自动结构化,为医案知识发现提供结构化数据。方法/过程提出一种BERT结合长短期记忆人工神经网络、条件随机场和部首特征的深度学习命名实体识别模型,在BERT词向量中嵌入汉字部首,采... 详细信息

目的/意义研究提取中医医案中医疗术语的方法,实现医案自动结构化,为医案知识发现提供结构化数据。方法/过程提出一种BERT结合长短期记忆人工神经网络、条件随机场和部首特征的深度学习命名实体识别模型,在BERT词向量中嵌入汉字部首,采用双向长短期记忆人工神经网络提取实体特征,使用条件随机场进行序列预测。将人工标注的400份共计5万余字的医案按照3∶1划分为训练集和测试集,使用该模型识别中医医案中的身体部位、药物、症状、疾病4类命名实体。结果/结论该模型在测试集F 1值为84.81%,优于其他未嵌入部首的模型,表明该模型能够更有效地识别中医医案中的命名实体,更好地结构化医案。

关键词：实体识别部首特征 BERT模型双向长短期记忆模型条件随机场自然语言处理

来源：评论

学校读者我要写书评

暂无评论

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

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

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

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

学科分类号

主题

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：