检索结果-内蒙古大学图书馆

无线互联科技 2025年第5期22卷 90-93页

作者：李琛琛万链指数(青岛)信息科技有限公司山东青岛266100

当前,财务数据异常检测研究通常只关注数值型数据,这种单模态的数据处理方式在一定程度上限制了数据异常检测的精度。为此,文章研究了一种基于多模态机器学习的财务数据异常自动检测方法。文章对企业财务数据进行预处理,构建财务数据集... 详细信息

当前,财务数据异常检测研究通常只关注数值型数据,这种单模态的数据处理方式在一定程度上限制了数据异常检测的精度。为此,文章研究了一种基于多模态机器学习的财务数据异常自动检测方法。文章对企业财务数据进行预处理,构建财务数据集,基于数据集提取数值和文本特征,同时借助多模态数据融合技术进行特征融合,建立多模态机器学习下的财务数据异常检测模型,将融合后的特征输入该模型,根据输入数据的不同部分利用注意力机制对预测结果的贡献度动态加权,从而输出最终异常检测结果。实验结果显示,该方法受试者工作特征曲线(Receiver Operating Characteristic Curve, ROC)下的真正例率高、检测正确率在90%以上、检测损失值小,具有较好的实际应用价值。

关键词：多模态机器学习财务数据财务数据异常数据异常检测自动检测

来源：评论

学校读者我要写书评

暂无评论

基于多模态机器学习的实验课程学生认知诊断研究

基于多模态机器学习的实验课程学生认知诊断研究

引用

作者：金建行山东师范大学

学位级别：硕士

多模态机器学习近年来成为了深度学习领域中一个热门的研究方向,在智慧医疗、智慧教育、智能客服和社交媒体分析等应用中发挥着至关重要的作用。但在实验教学领域,用于实验课堂教学的专有数据集研究目前处于空白阶段,本文深入研究了多... 详细信息

多模态机器学习近年来成为了深度学习领域中一个热门的研究方向,在智慧医疗、智慧教育、智能客服和社交媒体分析等应用中发挥着至关重要的作用。但在实验教学领域,用于实验课堂教学的专有数据集研究目前处于空白阶段,本文深入研究了多模态情感计算对实验课堂教学的积极作用,制作了一个专用于实验教学的多模态情感计算数据集MMBSA,并提出了一种基于局部和全局表示的层次图对比学习模型HGCL-LG。实验结果证明,MMBSA已达到国际平均水平,可用于多模态情感计算识别、学生认知诊断研究。HGCL-LG在与其他基线模型的对比结果表明,该模型的分类效果更佳。研究首先聚焦于构建一个高质量的多模态实验课堂教学数据集,该数据集涵盖了视频、音频和文本等多种模态信息,并经过精细的数据预处理和情感标签标注,以确保数据的准确性和一致性。该数据集为学生实验课程中的情感分析提供了丰富的多模态数据资源。在模型设计方面,本文提出了一种创新的图神经网络结构,该结构能够有效地融合局部与全局特征,并实现多模态信息之间的交互。通过层次化的结构设计,模型能够逐步学习到从低级特征到高级抽象表示的层次化信息,从而更准确地捕捉多模态数据中的情感信息。这种设计不仅提高了模型的表达能力,还增强了其在多模态情感分析任务上的性能。为了验证所提出模型的有效性,本文进行了全面的算法验证工作。通过对比实验和多种评估指标的衡量,本文详细分析了模型在情感分析任务上的性能表现,并与其他基线模型进行了对比。实验结果表明,所提出的多模态情感分析模型在准确率、召回率和F1值等评估指标上均取得了显著的提升,证明了其在多模态情感分析任务上的高效性和可靠性。此外,本文还探讨了模型的鲁棒性和泛化能力。通过对不同实验条件下的测试和鲁棒性分析,验证了模型在各种复杂场景下的稳定性和适应性。这些结果进一步证明了所提出模型在实际应用中的潜力和价值。综上所述,本文构建一个高质量的多模态实验课堂教学数据集,并为多模态情感分析领域提供了一种有效的模型框架,并在数据集构建、模型设计和算法验证等方面取得了显著的成果。这些成果不仅丰富了多模态情感分析的理论基础,也为实际应用中的情感识别和分析提供了有力的技术支持。

关键词：多模态机器学习数据集认知诊断实验课堂教学图对比学习

来源：评论

学校读者我要写书评

暂无评论

基于多模态机器学习的安全检测关键技术研究

基于多模态机器学习的安全检测关键技术研究

引用

作者：罗骄洋电子科技大学

学位级别：硕士

现代建筑行业中不可缺少的一个环节是对已完成主体框架建设的建筑进行室内抹灰,通过抹灰作业,保护墙体不受风,雨,雪的侵蚀,增加墙面防潮,防风化,隔热的能力。本文中的智能抹灰机器人能够通过替代人工抹灰,提高抹灰的效率,降低抹灰成本... 详细信息

现代建筑行业中不可缺少的一个环节是对已完成主体框架建设的建筑进行室内抹灰,通过抹灰作业,保护墙体不受风,雨,雪的侵蚀,增加墙面防潮,防风化,隔热的能力。本文中的智能抹灰机器人能够通过替代人工抹灰,提高抹灰的效率,降低抹灰成本。然而在机器人工作的工程中,因为操作人员误操作和无资质人员操作所引发的操作人员人身安全和机器人技术安全问题,另外由于机器人工作环境具有较多粉尘和噪声污染,常规的识别方法,无法达到理想的效果,因此本文结合机器人的硬件平台情况,基于RGB,RGBD,Voice三种信息模态的多模态融合技术,与基于Conformer网络的语音识别技术,提出了一种在机器人较为复杂的工作环境中使用的全流程安全检测技术。本文所作的主要工作如下:1.基于课题所需的环境进行了数据集的收集和制作,针对课题所需的三种模态,其中采用现有数据集和Kinect采集的方式采集了60个不同个体的RGB脸部多角度数据图像,同时也采集了一一对应的RGBD脸部多角度数据图像。其中针对RGBD图像进行了深度频度分析和清理,增强了RGBD图像的可用程度。录制了各个体的声音数据,并进行了预处理和裁剪。2.基于Resnet改进设计了三种用于RGB,RGBD和Voice模态的神经网络,并在不同的维度和噪声情况下进行了测试和验证。结果表明各单模态模块在单独识别认证时的效果易受噪声影响,在施加噪声的情况下RGB模块降低了近50%的正确率,Voice模块降低了34.2%,其中RGBD模态的表现优于RGB和Voice模态,最多降低了近15%,在较大噪声情况下仍能够保持较高的准确性,具有较高的稳定性。3.针对三种模态的信息,提出了三种基于平均特征,共同特征和自适应权重的融合神经网络结构,并且与当前在多模态领域应用较多的融合策略进行了比较实验。最终发现TNF、自适应权重和共同特征学习的效果在普通数据集上的表现较好,都能够实现99%以上的正确率。随后针对可行的自适应权重和共同特征学习网络进行了噪声测试,采用共同特征学习和自适应权重的融合模型分别能实现最低82.3%以及92.59%的正确率。4.结合实验室环境下的指令识别模块和检测数据,通过结合身份识别和指令识别技术,设计和测试了全流程安全检测的过程,实验表明,能够在较小数据集中正确识别所有识别对象。最后论证采用基于多模态机器学习的身份识别和指令识别实现工业机器人全流程安全检测的可能性。

关键词：深度图像多模态机器学习身份识别特征融合

来源：评论

学校读者我要写书评

暂无评论

基于多模态机器学习的天体分类和参数预测研究

基于多模态机器学习的天体分类和参数预测研究

引用

作者：洪舒欣南京邮电大学

学位级别：硕士

面对海量的天文观测数据,自动高效地对天体分类可以帮助天文学家进一步地进行科学研究,对于分类后的天体,它们的重要参数预测又成为了新的研究任务。本文针对恒星、类星体的分类,以及类星体的重要参数之一红移的预测,结合机器学习的方法... 详细信息

面对海量的天文观测数据,自动高效地对天体分类可以帮助天文学家进一步地进行科学研究,对于分类后的天体,它们的重要参数预测又成为了新的研究任务。本文针对恒星、类星体的分类,以及类星体的重要参数之一红移的预测,结合机器学习的方法,提出了新的解决方案。先从单模态的数据入手,对天文数据进行分析和处理,实现恒星的自动分类,再引入多种模态的数据,提高了恒星和类星体这两类易混淆天体的分类准确率,最后利用多模态机器学习的方法提升了类星体测光红移预测的精度。具体分为以下三个部分。首先,面对高维度的恒星光谱数据,本文进行归一化等预处理,并构建了基于卷积神经网络的恒星光谱型和光度型分类模型CSSL＿CNN,同时从两个层面给出恒星的类别。实验结果表明,与现有的恒星分类模型相比,CSSL＿CNN不仅避免了对标准恒星库的依赖,而且提取出了数据中的深层特征,并且获得了较高的分类准确率。其次,面对难以区分的恒星和类星体图像,本文提出了一种基于多模态机器学习的天体分类方法。由于图像数据中蕴含的特征稀少,所以引入特征丰富的光谱数据,充分对齐和关联两个模态,实现了特征融合,最终共同完成恒星和类星体分类任务。与单独通过图像数据进行分类相比,引入光谱数据的多模态分类方法显著提高了分类准确率。最后,针对测光数据特征稀少,测光红移预测精度难以提升的问题,本文引入对应的光谱数据作为补充特征,构建了测光-光谱特征转换模型,并且基于转换后的数据,提出了一种基于多模态转移学习的类星体测光红移预测模型PhotoRedshift-MML,实验表明了PhotoRedshift-MML模型相较于使用单模态的类星体测光红移预测方法提升了预测精度,验证了多模态模型的有效性和普适性。

关键词：多模态机器学习恒星类星体测光红移卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

应用多模态机器学习于急性呼吸窘迫症候群之预测

应用多模态机器学习于急性呼吸窘迫症候群之预测

引用

作者：郭庭嘉国立台湾大学

学位级别：硕士

急性呼吸窘迫症候群是病人进入加护病房的常见原因之一，并且有很高的死亡率，虽然现今已经有很多研究运用临床资料和机器学习方法探讨及时诊断与提前预测的模型，但几乎没有研究同时考虑了数值资料及影像资料。本研究使用了公开资料集(... 详细信息

急性呼吸窘迫症候群是病人进入加护病房的常见原因之一，并且有很高的死亡率，虽然现今已经有很多研究运用临床资料和机器学习方法探讨及时诊断与提前预测的模型，但几乎没有研究同时考虑了数值资料及影像资料。本研究使用了公开资料集(MIMIC-IV 以及 MIMIC-CXR)以获取病人的临床资料及胸部X光片影像资料，应用机器学习方法建立决策树(Decision Tree)、随机森林(Random Forest)、极限梯度提升(XGBoost)、神经网路(Neural Network)等多种模型，并应用了多模态机器学习分析，比较单模态与多模态模型的表现。使用晚期融合的多模态模型在诊断及12小时、24小时及48小时前的预测，接受者操作特征曲线下面积(AUROC)约为0.7951至0.8502，与单模态模型相比约可以提高6.0%至9.3%的模型表现，这个研究将可以协助急性呼吸窘迫症候群的诊断及早期预测。

关键词：急性呼吸窘迫症候群多模态机器学习胸部X光片极限梯度提升晚期融合

来源：评论

学校读者我要写书评

暂无评论

多模态视觉语言表征学习研究综述

引用

软件学报 2021年第2期32卷 327-348页

作者：杜鹏飞李小勇高雅丽可信分布式计算与服务教育部重点实验室(北京邮电大学) 北京100876 北京邮电大学网络空间安全学院北京100876

我们生活在一个由大量不同模态内容构建而成的多媒体世界中,不同模态信息之间具有高度的相关性和互补性,多模态表征学习的主要目的就是挖掘出不同模态之间的共性和特性,产生出可以表示多模态信息的隐含向量.主要介绍了目前应用较广的视... 详细信息

我们生活在一个由大量不同模态内容构建而成的多媒体世界中,不同模态信息之间具有高度的相关性和互补性,多模态表征学习的主要目的就是挖掘出不同模态之间的共性和特性,产生出可以表示多模态信息的隐含向量.主要介绍了目前应用较广的视觉语言表征的相应研究工作,包括传统的基于相似性模型的研究方法和目前主流的基于语言模型的预训练的方法.目前比较好的思路和解决方案是将视觉特征语义化,然后与文本特征通过一个强大的特征抽取器产生出表征,其中,Transformer作为主要的特征抽取器被应用表征学习的各类任务中.分别从研究背景、不同研究方法的划分、测评方法、未来发展趋势等几个不同角度进行阐述.

关键词：多模态表征学习表征学习多模态机器学习深度学习

来源：评论

学校读者我要写书评

暂无评论

视觉语言多模态预训练综述

引用

中国图象图形学报 2022年第9期27卷 2652-2682页

作者：张浩宇王天保李孟择赵洲浦世亮吴飞浙江大学计算机与科学技术学院杭州310013 杭州海康威视数字技术股份有限公司杭州310051

在多模态机器学习领域,为特定任务而制作的人工标注数据昂贵,且不同任务难以进行迁移,从而需要大量重新训练,导致训练多个任务时效率低下、资源浪费。预训练模型通过以自监督为代表的方式进行大规模数据训练,对数据集中不同模态的信息... 详细信息

在多模态机器学习领域,为特定任务而制作的人工标注数据昂贵,且不同任务难以进行迁移,从而需要大量重新训练,导致训练多个任务时效率低下、资源浪费。预训练模型通过以自监督为代表的方式进行大规模数据训练,对数据集中不同模态的信息进行提取和融合,以学习其中蕴涵的通用知识表征,从而服务于广泛的相关下游视觉语言多模态任务,这一方法逐渐成为人工智能各领域的主流方法。依靠互联网所获取的大规模图文对与视频数据,以及以自监督学习为代表的预训练方法的进步,视觉语言多模态预训练模型在很大程度上打破了不同视觉语言任务之间的壁垒,提升了多个任务训练的效率并促进了具体任务的性能表现。本文总结视觉语言多模态预训练领域的进展,首先对常见的预训练数据集和预训练方法进行汇总,然后对目前最新方法以及经典方法进行系统概述,按输入来源分为图像—文本预训练模型和视频—文本多模态模型两大类,阐述了各方法之间的共性和差异,并将各模型在具体下游任务上的实验情况进行汇总。最后,总结了视觉语言预训练面临的挑战和未来发展趋势。

关键词：多模态机器学习视觉语言多模态预训练自监督学习图像文本预训练视频文本预训练

来源：评论

学校读者我要写书评

暂无评论

多模态数据驱动的服务需求预测方法研究

引用

郑州大学学报（理学版） 2023年第2期55卷 70-78页

作者：海燕宋宗珀刘志中丰凯华北水利水电大学信息工程学院河南郑州450046 烟台大学计算机与控制工程学院山东烟台264005 河南理工大学计算机科学与技术学院河南焦作464000

数据驱动的主动服务推荐已成为实现智能服务、提升用户体验的重要技术,如何精确预测用户的服务需求成为当前重要问题之一。针对这个问题,提出了一种基于软注意力与多模态机器学习(SAMML)的服务需求预测方法。该方法首先从文本数据和图... 详细信息

数据驱动的主动服务推荐已成为实现智能服务、提升用户体验的重要技术,如何精确预测用户的服务需求成为当前重要问题之一。针对这个问题,提出了一种基于软注意力与多模态机器学习(SAMML)的服务需求预测方法。该方法首先从文本数据和图像数据提取特征向量并实现多模态数据特征融合;然后应用软注意力机制处理融合后的特征数据,并将结果输入门控制循环单元(GRU)网络,从而更好地学习用户的服务兴趣;最后,基于用户特征与服务数据训练SAMML模型,并实现用户的服务需求精确预测。基于天池大数据众智平台提供的数据集进行了验证实验,SAMML模型的评估指标MAE、MSE、R 2分别比对比模型提高了0.0218、0.0263、0.0310。

关键词：软注意力机制多模态机器学习特征融合门控循环单元服务需求预测

来源：评论

学校读者我要写书评

暂无评论

多模态学习分析:“多模态”驱动的智能教育研究新趋向

引用

中国电化教育 2021年第3期 88-96页

作者：王一岩王杨春晓郑永和北京师范大学教育学部北京100875

智能感知技术的发展为学习分析领域的变革提供了多元的数据支持,实现智能技术与教育研究的深度融合,推动多模态学习分析的研究进展。该文立足于人工智能时代“多模态”的价值内涵,从多模态信息感知、多模态数据表征、多模态计算方法三... 详细信息

智能感知技术的发展为学习分析领域的变革提供了多元的数据支持,实现智能技术与教育研究的深度融合,推动多模态学习分析的研究进展。该文立足于人工智能时代“多模态”的价值内涵,从多模态信息感知、多模态数据表征、多模态计算方法三个方面实现了“多模态”意蕴的多元分解。论述了多模态学习分析的历史沿革和研究意义,从多源性、层次性、时序性、情境性四个层面分析了多模态学习分析的潜在特征。人工智能时代多模态学习分析研究的开展需要从面向智能精准测评的学习者建模、面向智慧学习空间的教育情境建模、面向教育生态治理的教育系统建模三个方面加以重视,实现多模态学习分析与真实教育场景的深度融合。未来多模态学习分析研究的开展需要从多学科融合的基础理论体系建构、多模态数据集的创建共享、学生认知结构的量化表征、基于多模态学习分析的智能服务体系以及数据安全和伦理道德规范等方面加以重视。

关键词：多模态多模态感知多模态数据多模态机器学习多模态学习分析

来源：评论

学校读者我要写书评

暂无评论

基于多模态磁共振放射组学与临床指标的前列腺癌智能检测及风险预测模型建立

引用

中国医学物理学杂志 2023年第2期40卷 251-260页

作者：王毅李远哲李淑婷赖清泉福建医科大学附属第二医院CT/MRI室福建泉州362000

目的:利用多模态磁共振放射组学开发前列腺癌自动检测模型,并使用列线图构建多因素回归模型,将前列腺MRI放射组学特征与临床多个检测指标进行整合,从而对患前列腺癌风险性进行预测。方法:回顾性研究于2019年2月~2021年10月病理证实为前... 详细信息

目的:利用多模态磁共振放射组学开发前列腺癌自动检测模型,并使用列线图构建多因素回归模型,将前列腺MRI放射组学特征与临床多个检测指标进行整合,从而对患前列腺癌风险性进行预测。方法:回顾性研究于2019年2月~2021年10月病理证实为前列腺癌和其他前列腺良性肿瘤的患者133例。所有病例均行前列腺直肠指检(DRE)、前列腺特异性抗原(PSA)、游离前列腺特异性抗原(F-PSA)、FPSA/PSA检测。治疗前多模态前列腺MRI图像(DWI+DCE+T2WI)用于提取放射特征,最大相关最小冗余(m RMR)算法用于消除混杂变量,使用最小绝对收缩和选择算子(LASSO)逻辑回归进行放射特征选择。通过曲线下面积(AUC)、准确性、特异性、敏感性评估放射特征的诊断性能;通过多元logistic回归选择临床指标和放射组学特征模型来制定放射组学列线图,并使用校准曲线和Hosmer-lemeshow试验验证其可靠性。结果:两名观察者测量的所有数据ICC均在0.80以上。所有前列腺MRI图像随机分为训练组和验证组(7:3)。在训练组中,DWI、DCE和T2WI的AUC分别为0.882、0.821、0.848,在验证组中,DWI、DCE和T2WI的AUC分别为0.861、0.810、0.838;三模态联合模型的训练组和验证组AUC分别为0.912、0.898。Delong检验结果显示DWI模型性能优于DCE和T2WI模型性能,DCE和T2WI模型检测性能相仿,三模态联合模型性能优于任意一种模型性能。使用ROC曲线评估列线图、影像组学和临床指标的预测性能,结果显示列线图的AUC值为0.941,准确率、敏感性、特异性分别为0.929、0.891、0.893。列线图前列腺癌预测性能最好,临床指标的预测性能较差,校准曲线和Hosmer-Lemeshow检验结果也验证了上述观点。结论:多模态前列腺MRI放射组学模型能准确鉴别前列腺肿瘤的良恶性,放射组学列线图在前列腺癌风险预测中表现出令人满意的效果。

关键词：前列腺癌放射组学磁共振多模态机器学习

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：