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

65 篇 专利

馆藏范围

65 篇 电子文献
0 种 纸本馆藏

日期分布

机构

5 篇 沈阳雅译网络技术...
3 篇 西安交通大学
3 篇 中国矿业大学
3 篇 杭州电子科技大学
2 篇 江苏师范大学
2 篇 匀熵智能科技有限...
2 篇 南华大学
2 篇 中国人民解放军战...
2 篇 清华大学
2 篇 昆明理工大学
2 篇 电子科技大学
2 篇 华南理工大学
2 篇 本田技研工业株式...
1 篇 苏州思必驰信息科...
1 篇 大连理工大学
1 篇 国家电网有限公司
1 篇 贵州省分析测试研...
1 篇 上海电享信息科技...
1 篇 暨南大学
1 篇 山东蟠龙信息科技...

作者

4 篇 杜权
3 篇 李磊
2 篇 曹富媛
2 篇 王帅
2 篇 曾毓
2 篇 陈俊熹
2 篇 宋天舒
2 篇 万亚平
2 篇 江鹤
2 篇 李雷达
2 篇 黄继业
2 篇 陈灵娜
2 篇 杜友田
2 篇 高跃
2 篇 金赟
2 篇 董文轩
2 篇 于英
2 篇 姜芳艽
2 篇 戴晨光
2 篇 寇旗旗

语言

65 篇 中文

检索条件"主题词=模型编码器"

共 65 条记录，以下是41-50 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：

一种基于深度卷积神经网络的菌落分割计数方法及系统

一种基于深度卷积神经网络的菌落分割计数方法及系统

引用

作者：谢锋申鹰李雨鑫谭波黄坤宁付有亮石姚金何灏宇杨久玲周亚李华东 550008 贵州省贵阳市贵阳国家高新技术产业开发区德福中心A5栋12楼

本发明公开了一种基于深度卷积神经网络的菌落分割计数方法及系统，菌落分割计数方法包括以下步骤：在暗箱环境下，采集低噪声菌落图像数据，通过Labelme软件进行修改并进行菌落标注，获取初始图像数据；基于mobileNetv2的基础模块，采... 详细信息

标准号: CN114202547A

本发明公开了一种基于深度卷积神经网络的菌落分割计数方法及系统，菌落分割计数方法包括以下步骤：在暗箱环境下，采集低噪声菌落图像数据，通过Labelme软件进行修改并进行菌落标注，获取初始图像数据；基于mobileNetv2的基础模块，采用UNet模型的跳跃连接方式，并在模型编码器的结尾添加一个ASPP结构，构建多尺度聚合模型，多尺度聚合模型用于通过将高维度语义信息和低维度边缘信息进行结合，对初始图像数据进行菌落分割，获取菌落分割图像数据；通过适用性分水岭算法，对菌落分割图像数据进行处理后，采用四连通域检测的方式进行菌落计数；本发明具有高自动化，高精度，高效率的自动化检测计数功能。

关键词：菌落初始图像数据分割图像数据聚合模型多尺度分割自动化卷积神经网络分水岭算法模型编码器边缘信息基础模块计数功能菌落图像连接方式语义信息低噪声高效率连通域检测低维高维构建标注结尾暗箱跳跃采集

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的多重特征中英文情感分类方法及系统

基于Transformer的多重特征中英文情感分类方法及系统

引用

作者：黄斐然温金明王泽钒 510632 广东省广州市天河区黄埔大道西601号

本发明公开了一种基于Transformer的多重特征中英文情感分类方法及系统，该方法步骤包括：对给定的文本数据进行预处理，包括划分文本、构造词典、获取数字形式的文本表示；建立模型的编码器网络：将预处理后的文本数据输入模型编码器... 详细信息

标准号: CN111858932A

本发明公开了一种基于Transformer的多重特征中英文情感分类方法及系统，该方法步骤包括：对给定的文本数据进行预处理，包括划分文本、构造词典、获取数字形式的文本表示；建立模型的编码器网络：将预处理后的文本数据输入模型编码器部分的神经网络，依次经过嵌入层、多重自我注意力层、前馈层，提取并输出每个词语基于多重自我注意力机制的向量表示；建立模型的解码器网络：以编码器网络的输出作为值项和键项的输入，以文本序列的上下文向量作为查询项的唯一输入，经过解码器的多重自我注意力层和前馈层，输出文本基于自我注意力机制的向量表示。本发明以Transformer模型为基础架构，丰富了模型的特征输入中包含的信息，挖掘模型在原先应用领域之外的潜能。

关键词：预处理解码器注意力机制建立模型文本数据向量表示编码器前馈注意力模型编码器上下文向量输出网络构造词典基础架构情感分类神经网络输出文本数字形式特征输入文本表示文本序列查询项嵌入层中英文词语潜能文本挖掘

来源：评论

学校读者我要写书评

暂无评论

矿山地表损伤裂缝的提取方法、装置、电子设备及介质

矿山地表损伤裂缝的提取方法、装置、电子设备及介质

引用

作者：李培现陈鹏丁星丞王炳赵四海 100083 北京市海淀区学院路丁11号

本申请涉及一种矿山地表损伤裂缝的提取方法、装置、电子设备及介质，其中，方法包括：采集目标煤炭开采区的多张地裂缝图像，建立地裂缝训练数据集；基于分层式Transformer架构网络和高效自注意力机制，生成模型编码器，并通过预设多... 详细信息

标准号: CN117788811A

本申请涉及一种矿山地表损伤裂缝的提取方法、装置、电子设备及介质，其中，方法包括：采集目标煤炭开采区的多张地裂缝图像，建立地裂缝训练数据集；基于分层式Transformer架构网络和高效自注意力机制，生成模型编码器，并通过预设多尺度金字塔联级解码策略，得到模型解码器，根据模型编码器和模型解码器构建分割识别模型；基于地裂缝训练数据集，训练分割识别模型，生成地裂缝分割识别模型，以利用地裂缝分割识别模型识别目标煤炭开采区的地表损伤裂缝。由此，解决了现有技术无法克服裂缝特征多变、地表环境噪声复杂等因素对地裂缝识别的影响，难以准确捕捉裂缝的上下结构关系和微小裂缝的空间位置，裂缝分割的准确性和鲁棒性较差，泛化性能较低等问题。

关键词：地裂缝裂缝分割解码器煤炭开采区训练数据集损伤模型编码器注意力机制采集目标地表环境电子设备泛化性能架构网络解码策略空间位置矿山地表模型识别上下结构生成模型微小裂缝编码器多尺度分层式鲁棒性构建预设金字塔噪声地表捕捉图像申请

来源：评论

学校读者我要写书评

暂无评论

一种基于RGB和热红外信息的多模态融合语义感知方法

一种基于RGB和热红外信息的多模态融合语义感知方法

引用

作者：范睿李佳航 200092 上海市杨浦区四平路1239号

本发明涉及一种基于RGB和热红外信息的多模态融合语义感知方法，包括以下步骤：获取道路场景的RGB信息和对应的热红外信息，输入至训练好的多模态融合语义感知模型，获得像素级的场景语义类别预测掩膜，其中，所述多模态融合语义感知模... 详细信息

标准号: CN118332503A

本发明涉及一种基于RGB和热红外信息的多模态融合语义感知方法，包括以下步骤：获取道路场景的RGB信息和对应的热红外信息，输入至训练好的多模态融合语义感知模型，获得像素级的场景语义类别预测掩膜，其中，所述多模态融合语义感知模型包括混合非对称编码器和掩膜分类解码器，所述混合非对称编码器包括基于ViT的视觉基础模型编码器模块，两个共享权重的轻量级卷积神经网络编码器模块，所述掩膜分类解码器包括像素解码器模块和层叠式Transformer解码器模块。与现有技术相比，本发明通过创新的混合、非对称和渐进式融合策略，有效提高了场景解析的精度与鲁棒性，输出像素级的场景语义分割掩膜。

关键词：掩膜语义多模态非对称感知解码器解码器模块场景语义红外信息编码器融合卷积神经网络编码器模块模型编码器场景解析道路场景融合策略视觉基础输出像素层叠式鲁棒性像素级分类权重像素共享分割预测

来源：评论

学校读者我要写书评

暂无评论

一种基于解码器输入增强的非自回归神经机器翻译方法

一种基于解码器输入增强的非自回归神经机器翻译方法

引用

作者：杜权徐萍杨迪 110004 辽宁省沈阳市和平区三好街78号东软电脑城C座11层

本发明公开一种基于解码器输入增强的非自回归神经机器翻译方法，步骤为：构造非自回归神经机器翻译模型；构建双语混合预训练模型；将双语混合句子作为编码器的输入，通过解码器来预测编码器中被替换的片段；用双语混合预训练模型编码... 详细信息

标准号: CN113468895B

本发明公开一种基于解码器输入增强的非自回归神经机器翻译方法，步骤为：构造非自回归神经机器翻译模型；构建双语混合预训练模型；将双语混合句子作为编码器的输入，通过解码器来预测编码器中被替换的片段；用双语混合预训练模型编码器的词嵌入初始化非自回归神经机器翻译模型编码器和解码器的词嵌入；构建训练平行语料，生成机器翻译词表；通过解码器预测对应的目标语句子；计算预测出的分布与真实数据分布的差异，完成非自回归神经机器翻译模型的训练过程；将源语句子送入非自回归神经机器翻译模型中。本发明通过词典替换的方式将源语与目标语的表示映射到了同一的词义空间下，丰富了词向量的表达能力，可被非自回归神经机器翻译模型更好利用。

关键词：机器翻译自回归解码器神经训练模型编码器构建嵌入替换词表模型编码器预测编码器目标语句训练过程真实数据词义初始化词向量目标语映射预测语句语料源语句子平行送入

来源：评论

学校读者我要写书评

暂无评论

候选实体生成方法、装置、存储介质及电子设备

候选实体生成方法、装置、存储介质及电子设备

引用

作者：孙俊龙斌 214000 江苏省无锡市经济开发区金融二街8号1603-12室

本发明涉及实体链接技术领域，具体公开了一种候选实体生成方法、装置、存储介质及电子设备，包括：根据训练好的孪生BERT模型编码器将知识库中的所有实体均编码为向量，获得知识库实体向量空间；获取待生成候选实体的实体指称项及其上... 详细信息

标准号: CN116306504B

本发明涉及实体链接技术领域，具体公开了一种候选实体生成方法、装置、存储介质及电子设备，包括：根据训练好的孪生BERT模型编码器将知识库中的所有实体均编码为向量，获得知识库实体向量空间；获取待生成候选实体的实体指称项及其上下文文本，并根据训练好的孪生BERT模型编码器对待生成候选实体的实体指称项及其上下文文本均进行编码获得目标向量；在知识库实体向量空间中检索获得与目标向量近邻的k个向量；将知识库实体向量空间中的k个向量所对应的实体作为候选实体；其中所述孪生BERT模型编码器为根据正样本数据集、负样本数据集和知识库进行训练获得。本发明提供的候选实体生成方法获得的实体链接结果准确性高。

关键词：知识库候选实体模型编码器向量空间向量目标向量数据集文本结果准确性存储介质电子设备链接技术负样本正样本链接检索

来源：评论

学校读者我要写书评

暂无评论

结节良恶性预测模型的优化方法及装置、结节良恶性预测方法及装置

结节良恶性预测模型的优化方法及装置、结节良恶性预测方法及装置

引用

作者：赵杰何贤英崔芳芳王琳琳石金铭张少霆谭中科李明原 450052 河南省郑州市二七区建设东路1号

本申请实施例提供一种结节良恶性预测模型的优化方法及装置，以及基于该优化预测模型的结节良恶性预测方法及装置；本申请将预处理后的原始CT数据输入Transformer基础模型中，对Transformer基础模型进行训练，然后将新的FPN解码器串联入... 详细信息

标准号: CN116630722A

本申请实施例提供一种结节良恶性预测模型的优化方法及装置，以及基于该优化预测模型的结节良恶性预测方法及装置；本申请将预处理后的原始CT数据输入Transformer基础模型中，对Transformer基础模型进行训练，然后将新的FPN解码器串联入Transformer模型编码器中，再将原始CT数据传递入FPN解码器中，在上采样过程中设立分类任务和分割任务，通过对分类结果和分割结果进行监督，完成FPN解码器的训练，最终得到优化后的结节良恶性预测模型；通过本申请，能够更好地提高神经网络的泛化性，并在训练过程中进行了多任务学习，提高了神经网络的可解释性和可询证性。

关键词：解码器预测模型结节基础模型神经网络申请预处理优化模型编码器上采样过程分割结果分类结果任务学习训练过程泛化性解释性串联传递分割分类预测监督

来源：评论

学校读者我要写书评

暂无评论

一种基于源语重调序的神经机器翻译方法

一种基于源语重调序的神经机器翻译方法

引用

作者：毕东高博 110004 辽宁省沈阳市和平区三好街78号东软电脑城C座11层

本发明公开一种基于源语重调序的神经机器翻译方法，步骤为：对训练数据进行预处理，得到与训练数据对应的子词和源语的重调序信息；将源语子词信息向量和源语位置向量分别送入前馈神经网络，得到蕴含二者信息的中间向量；将源语的重调... 详细信息

标准号: CN114722845A

本发明公开一种基于源语重调序的神经机器翻译方法，步骤为：对训练数据进行预处理，得到与训练数据对应的子词和源语的重调序信息；将源语子词信息向量和源语位置向量分别送入前馈神经网络，得到蕴含二者信息的中间向量；将源语的重调序信息映射成重调序位置向量，用重调序位置向量去监督蕴含源语子词信息和源语位置信息的中间向量的生成，通过相对熵约束中间向量的更新，将重调序信息引入中间向量；将中间向量、源语词向量和源语位置向量通过不同的特征映射，并通过非线性函数组合，得到模型编码器的输入，进而实现源语到目标语的翻译。本发明有助于解码器模型捕捉生成目标词所依赖的输入信息，可有效利用源语的重调序特征，提高模型的翻译质量。

关键词：源语中间向量位置向量子词训练数据前馈神经网络预处理非线性函数解码器模型模型编码器机器翻译翻译输入信息信息向量信息映射目标词目标语映射向量送入捕捉神经引入更新监督

来源：评论

学校读者我要写书评

暂无评论

基于双解码器UNet和Transformer的病变分割方法及系统

基于双解码器UNet和Transformer的病变分割方法及系统

引用

作者：陈灵娜黄续平万亚平陈明志陈俊熹 421001 湖南省衡阳市蒸湘区常胜西路28号

基于双解码器UNet和Transformer的病变分割方法及系统，涉及图像处理技术领域，本发明是通过将原始图片送入模型编码器层进行四次级联卷积和下采样操作获得抽象特征图；将抽象特征图送入多头自注意力模块计算各个像素之间的依赖关系；... 详细信息

标准号: CN117197156A

基于双解码器UNet和Transformer的病变分割方法及系统，涉及图像处理技术领域，本发明是通过将原始图片送入模型编码器层进行四次级联卷积和下采样操作获得抽象特征图；将抽象特征图送入多头自注意力模块计算各个像素之间的依赖关系；将抽象特征图同时输入前景分割分支解码器和背景分割分支解码器，分别用于预测前景和背景；两个解码器分支通过连续的上采样操作和跳跃连接，融合不同层次的空间和位置信息，在深度监督的应用下得到分割的前景图和背景图；融合前景图和背景图的分割结果得到最终的分割结果图。与现有方法相比，本发明可解决单解码器预测存在偏差以及卷积的固有局部性问题，并获得更大的感受野和更多的特征信息，提高分割准确率。

关键词：抽象特征分支解码器分割结果背景图前景图卷积分割送入图像处理技术解码器分支模型编码器背景分割单解码器前景分割双解码器特征信息依赖关系原始图片融合局部性上采样下采样预测准确率像素注意力病变多头跳跃应用监督

来源：评论

学校读者我要写书评

暂无评论

传动系统多源监测数据的图变分自编码特征提取方法

传动系统多源监测数据的图变分自编码特征提取方法

引用

作者：孙闯杨远贵李亚松许洪陈雪峰 710049 陕西省西安市咸宁西路28号

公开了一种传动系统多源监测数据的图变分自编码特征提取方法，包括：使用多个传感器采集故障模拟实验系统的信号，分别采集正常信号与故障信号；使用得到的数据根据多传感器网络图数据构造方法构造多传感图信号，并划分训练集和测试集... 详细信息

标准号: CN117235489A

公开了一种传动系统多源监测数据的图变分自编码特征提取方法，包括：使用多个传感器采集故障模拟实验系统的信号，分别采集正常信号与故障信号；使用得到的数据根据多传感器网络图数据构造方法构造多传感图信号，并划分训练集和测试集；将训练集数据输入到图注意力变分自编码模型中进行训练，对多模态异构图信号进行特征提取与编码，获取图信号的低维嵌入融合特征表示；继续将所提取的图信号的低维嵌入融合特征输入到全局平均池化层中进行图读出操作，进而将图读出特征输入到全连接层分类器，与图注意力变分自编码模型编码器部分协同训练与分类，并通过测试集进行测试，将测试准确率最高的模型保存为最优的多源数据融合与故障特征提取模型。

关键词：自编码特征输入特征提取测试集低维融合嵌入注意力多源监测数据故障特征提取网络图测试准确率传感器采集模型编码器训练集数据传动系统读出操作多传感器多源数据故障模拟故障信号模型保存实验系统数据构造特征表示正常信号多模态分类器连接层训练集池化传感读出协同采集测试分类全局

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7页 << < 1 2 3 4 5 6 7 > >>

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：