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

206 篇 专利
1 篇 期刊文献

馆藏范围

207 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 经济学
- 1 篇 应用经济学

主题

1 篇 newton算法
1 篇 sw模型
1 篇 模型规模
1 篇 压缩不动点算法

机构

7 篇 国家电网公司
6 篇 杭州电子科技大学
6 篇 浙江大学
5 篇 清华大学
4 篇 苏州浪潮智能科技...
4 篇 北京百度网讯科技...
4 篇 国网安徽省电力有...
4 篇 国网智能电网研究...
4 篇 北京字跳网络技术...
4 篇 国网安徽省电力公...
3 篇 国网安徽省电力有...
3 篇 西安交通大学
3 篇 国网重庆市电力公...
3 篇 哈尔滨工业大学
3 篇 中国第一汽车股份...
3 篇 中山大学
2 篇 久瓴数字智能科技...
2 篇 东南大学
2 篇 桂林电子科技大学
2 篇 oppo广东移动通信...

作者

4 篇 吴捷
4 篇 陈涛
4 篇 韩丛达
4 篇 杨越
4 篇 周建军
4 篇 安婷
4 篇 庞辉
4 篇 吴亚楠
4 篇 杨杰
3 篇 暴宇健
3 篇 娄伟
3 篇 孔明
3 篇 徐飞
3 篇 阎发友
3 篇 李云丰
3 篇 张征凯
3 篇 戚振彪
3 篇 王则昊
3 篇 孙丹枫
3 篇 王明

语言

207 篇 中文

检索条件"主题词=模型规模"

共 207 条记录，以下是51-60 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：

多通道语音增强模型训练方法、语音增强方法及装置

多通道语音增强模型训练方法、语音增强方法及装置

引用

作者：孙作为沙永涛 100085 北京市海淀区西二旗西路2号院35号楼01层102-1

本发明提供一种多通道语音增强模型训练方法、多通道语音增强方法及装置，该训练方法包括：根据波束的主瓣位置及期望的主瓣形状仿真产生多通道语音训练样本；多通道语音正样本包括产生于主瓣内部的语音信号，多通道语音负样本的语音信... 详细信息

标准号: CN115171711A

本发明提供一种多通道语音增强模型训练方法、多通道语音增强方法及装置，该训练方法包括：根据波束的主瓣位置及期望的主瓣形状仿真产生多通道语音训练样本；多通道语音正样本包括产生于主瓣内部的语音信号，多通道语音负样本的语音信号产生于主瓣外部；根据目标声源方向对多通道语音训练样本进行相位对齐，提取空间特征及语谱特征输入到神经网络模型，将正样本的标签设为主瓣内信号，负样本的标签设为0，训练得到语音增强模型。本发明通过构建不同主瓣位置及形状的训练数据获得期望的主瓣形状，主瓣宽度不受阵列尺寸的限制，旁瓣抑制不受麦克风数量的限制，旁瓣抑制效果好，语音增强模型规模不大，可以配置到计算资源有限的设备端进行实时处理。

关键词：主瓣多通道语音增强旁瓣抑制语音信号语音训练负样本正样本样本标签语音神经网络模型波束计算资源空间特征模型规模模型训练目标声源实时处理特征输入相位对齐训练数据麦克风设备端期望构建外部配置

来源：评论

学校读者我要写书评

暂无评论

视线识别模型的训练方法、视线识别方法、装置及设备

视线识别模型的训练方法、视线识别方法、装置及设备

引用

作者：朱冬晨林敏静李航李嘉茂张晓林 200050 上海市长宁区长宁路865号

本发明涉及一种视线识别模型的训练方法、视线识别方法、装置及设备，方法包括获取样本图像集，样本图像集包括含有第一区域和第二区域的样本图像，将样本图像输入预设机器学习模型，进行视线识别处理，得到第一区域对应的第一视线信息... 详细信息

标准号: CN112766097A

本发明涉及一种视线识别模型的训练方法、视线识别方法、装置及设备，方法包括获取样本图像集，样本图像集包括含有第一区域和第二区域的样本图像，将样本图像输入预设机器学习模型，进行视线识别处理，得到第一区域对应的第一视线信息以及第二区域对应的第二视线信息，基于第一视线信息，确定第二区域对应的第三视线信息，基于第二视线信息和第三视线信息，确定第一损失信息，根据第一损失信息，确定损失信息，基于损失信息调整预设机器学习模型中的模型参数，至损失信息满足预设条件，将满足预设条件时的预设机器学习模型作为视线识别模型。本发明可以在不增加视线识别模型规模的前提下，提高视线识别模型识别视线的精确性。

关键词：视线识别视线信息损失信息样本图像机器学习模型第二区域预设第一区域预设条件装置及设备模型参数模型规模模型识别视线

来源：评论

学校读者我要写书评

暂无评论

一种基于Transformer的供应链库存管理方法

一种基于Transformer的供应链库存管理方法

引用

作者：张冬冬朴明杰 200092 上海市杨浦区上海市四平路1239号

本发明公开了一种基于Transformer的供应链库存管理方法。本发明针对飞机制造供应链库存管理模型规模增速较快、决策复杂度较高的问题，基于多智能体强化学习序列决策的本质，将多智能体强化学习问题转化为编码器‑解码器架构的序列建模... 详细信息

标准号: CN118154090A

本发明公开了一种基于Transformer的供应链库存管理方法。本发明针对飞机制造供应链库存管理模型规模增速较快、决策复杂度较高的问题，基于多智能体强化学习序列决策的本质，将多智能体强化学习问题转化为编码器‑解码器架构的序列建模问题，从逻辑上降低算法的复杂度。本发明设计了轻量化编码器模块以及自回归解码器模块：轻量化编码器模块通过利用傅里叶变换的对偶性，对复杂度较高的自注意力机制进行替换，从实现上降低算法复杂度；自回归解码器模块基于信息传递机制的思想，通过自回归顺序决策的方式保证供应链整体的联合策略单调改善。本方法能够在保持性能的基础上，在训练时间、模型参数量等方面相对于现有其他方法实现有效简化。

关键词：复杂度供应链自回归编码器模块解码器模块多智能体库存管理强化学习轻量化信息传递机制决策傅里叶变换解码器架构算法复杂度注意力机制模型规模问题转化编码器对偶性飞机制造建模增速算法替换单调联合保证

来源：评论

学校读者我要写书评

暂无评论

用于大语言模型的强化学习的方法和装置

用于大语言模型的强化学习的方法和装置

引用

作者：阎栋李佳莲 100086 北京市海淀区中关村东路1号院8号楼15层B1701

本公开提供了一种用于大语言模型的强化学习的方法、装置、设备和计算机可读存储介质。该方法采用奖励模型、评论者模型、动作者模型和初始化的大语言模型来协同执行对大语言模型的强化学习训练，其中动作者模型用于生成大语言模型的下... 详细信息

标准号: CN117808120A

本公开提供了一种用于大语言模型的强化学习的方法、装置、设备和计算机可读存储介质。该方法采用奖励模型、评论者模型、动作者模型和初始化的大语言模型来协同执行对大语言模型的强化学习训练，其中动作者模型用于生成大语言模型的下一个动作，评论者模型用于评估该动作的质量，以用于更新大语言模型的行为策略，其中，将初始策略分布和动作者模型的策略分布的KL散度作为正则项加入目标函数，避免大语言模型的策略偏离原有策略太多，进而提高强化学习训练的稳定性。该方法能够针对大语言模型的强化学习训练中出现的各种问题对强化学习训练进行针对性优化，以提升大语言模型的性能，且通过补充多种训练稳定性策略，能够实现跨模型规模的稳定训练。

关键词：语言模型强化学习计算机可读存储介质策略偏离模型规模目标函数行为策略初始化评论散度协同补充奖励评估更新优化

来源：评论

学校读者我要写书评

暂无评论

基于语义分割和联合损失函数的巷道围岩裂隙识别方法

基于语义分割和联合损失函数的巷道围岩裂隙识别方法

引用

作者：王方田王志鹏张洋高朝韦小龙尹志华 221000 江苏省徐州市铜山区大学路1号

本发明公开了一种基于语义分割和联合损失函数的巷道围岩裂隙识别方法，包括构建、标注三种类型标签围岩钻孔裂隙数据集；数据增强与像素二值化均衡预处理；对增强后的钻孔数据集进行像素级分割；引入双阶段迁移学习训练模型；使用训练... 详细信息

标准号: CN117809177A

本发明公开了一种基于语义分割和联合损失函数的巷道围岩裂隙识别方法，包括构建、标注三种类型标签围岩钻孔裂隙数据集；数据增强与像素二值化均衡预处理；对增强后的钻孔数据集进行像素级分割；引入双阶段迁移学习训练模型；使用训练好改进的Deeplabv3+模型对钻孔裂隙测试集进行识别，并通过MIoU、PA进行分割效果评价；将预测的不同类型标签裂隙分割图像批量导入ImageJ软件进行设置像素图例标尺，得到实际长度参数。本方法在降低模型规模量级的同时确保从岩层中精准快速提取到环状裂隙、纵向裂隙及破碎区的深度特征信息，并得到细观裂隙量化指标，实现了围岩钻孔裂隙的自动化识别，为巷道围岩失稳评价提供了更可靠的参考依据。

关键词：裂隙围岩钻孔巷道围岩像素预处理标签岩层参考依据长度参数分割图像快速提取量化指标模型规模深度特征失稳评价数据增强损失函数效果评价学习训练语义分割纵向裂隙钻孔数据测试集二值化破碎区数据集像素级分割构建钻孔标尺标注自动化迁移均衡引入预测改进联合

来源：评论

学校读者我要写书评

暂无评论

图像识别方法、训练方法、装置、电子设备及存储介质

图像识别方法、训练方法、装置、电子设备及存储介质

引用

作者：温东超梁玲燕史宏志赵雅倩葛沅崔星辰张英杰 215128 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢

本发明提供一种图像识别方法、训练方法、装置、电子设备及存储介质，涉及计算机视觉技术领域，该方法包括：获取待识别图像；将所述待识别图像输入至图像识别模型，得到所述图像识别模型输出的所述待识别图像的特征矩阵；根据所述特征... 详细信息

标准号: CN116758618A

本发明提供一种图像识别方法、训练方法、装置、电子设备及存储介质，涉及计算机视觉技术领域，该方法包括：获取待识别图像；将所述待识别图像输入至图像识别模型，得到所述图像识别模型输出的所述待识别图像的特征矩阵；根据所述特征矩阵，对所述待识别图像进行图像识别，得到所述待识别图像的识别结果；其中，所述图像识别模型是基于多种类别的样本图像、教师模型在训练过程中输出的每一所述样本图像的第一特征矩阵和第一分类结果，以及学生模型在训练过程中输出的每一所述样本图像的第二特征矩阵和第二分类结果，进行蒸馏训练得到的。本发明实现在最大限度地压缩模型规模、降低运算量的同时，可以最大限度地提高人脸识别精度。

关键词：图像识别特征矩阵样本图像图像分类结果训练过程输出计算机视觉技术存储介质电子设备模型规模人脸识别图像输入学生模型蒸馏运算量压缩教师

来源：评论

学校读者我要写书评

暂无评论

身份证文本定位方法、装置、计算机设备及存储介质

身份证文本定位方法、装置、计算机设备及存储介质

引用

作者：张欢李爱林周先得 518000 广东省深圳市前海深港合作区前湾一路1号A栋201室(入驻深圳市前海商务秘书有限公司)

本发明涉及身份证文本定位方法、装置、计算机设备及存储介质，该方法包括获取初始身份证图像；采用第一卷积神经网络对初始身份证图像进行图像顶点确定，以得到身份证的顶点坐标；根据身份证的顶点坐标对初始身份证图像进行外边框定位... 详细信息

标准号: CN109961064B

本发明涉及身份证文本定位方法、装置、计算机设备及存储介质，该方法包括获取初始身份证图像；采用第一卷积神经网络对初始身份证图像进行图像顶点确定，以得到身份证的顶点坐标；根据身份证的顶点坐标对初始身份证图像进行外边框定位，以得到待定位身份证图像；采用第二卷积神经网络对待定位身份证图像进行文本行顶点确定，以得到文本行的顶点坐标；根据文本行的顶点坐标对待定位身份证图像进行文本框定位，以得到文本行图像；输出文本行图像至终端，以使文本行图像显示于终端。本发明所采用的卷积神经网络模型规模较小，对运行环境要求低，定位准确率高且鲁棒性高。

关键词：身份证图像顶点坐标卷积神经网络文本行图像文本行身份证终端定位准确率计算机设备存储介质模型规模图像顶点运行环境鲁棒性文本框外边文本输出

来源：评论

学校读者我要写书评

暂无评论

一种孕早期子痫前期风险预测模型的构建方法及装置

一种孕早期子痫前期风险预测模型的构建方法及装置

引用

作者：张军英金剑杰赵志国 710071 陕西省西安市雁塔区太白南路2号

本发明公开了一种孕早期子痫前期风险预测模型的构建方法及装置，包括以下步骤；步骤1：孕早期子痫前期数据预处理；步骤2：孕早期子痫前期数据采样；步骤3：步骤2获得的所有采样集Ωj进行SVM模型训练；步骤4：孕早期子痫前期风险预测... 详细信息

标准号: CN116994751A

本发明公开了一种孕早期子痫前期风险预测模型的构建方法及装置，包括以下步骤；步骤1：孕早期子痫前期数据预处理；步骤2：孕早期子痫前期数据采样；步骤3：步骤2获得的所有采样集Ω_j进行SVM模型训练；步骤4：孕早期子痫前期风险预测模型构建；步骤5：对步骤4孕早期子痫前期风险预测模型进行交叉验证；步骤6：孕早期子痫前期风险预测误差的均值计算；步骤7：孕早期子痫前期风险预测误差的变异系数计算。本发明得到针对性更强、准确率更高的预测模型和平台。构建的模型规模小，存储量小，响应速度高。该评估方法能够更全面、准确、可靠地评估模型的预测性能。

关键词：子痫风险预测构建数据预处理变异系数交叉验证均值计算模型构建模型规模评估模型数据采样预测模型预测性能采样集存储量准确率响应评估

来源：评论

学校读者我要写书评

暂无评论

一种百亿级颗粒模型的构建方法

一种百亿级颗粒模型的构建方法

引用

作者：赵高峰张皓月陈华 300072 天津市南开区卫津路92号

本发明公开了一种百亿级颗粒模型的构建方法，依次通过1)利用制图软件构建实际物体的等比例数字模型；2)将待构建物体的数字模型离散成由若干个规则排布的简单三维形体构成的有限元模型；3)对每个三维形体赋予与其相应的颗粒数据和材料... 详细信息

标准号: CN111027244B

本发明公开了一种百亿级颗粒模型的构建方法，依次通过1)利用制图软件构建实际物体的等比例数字模型；2)将待构建物体的数字模型离散成由若干个规则排布的简单三维形体构成的有限元模型；3)对每个三维形体赋予与其相应的颗粒数据和材料信息，并存储为若干个几何信息文件；4)基于步骤S3得到的数据筛选结果生成百亿级颗粒模型或包含任意指定位置的局部模型；该方法采用数据量非常小的有限元几何模型进行压缩表征，在保证可视化的前提下，有效地避免了“显存容量限制模型规模大小”的瓶颈，该方法改变传统的数值计算流程，使CPU能够更快地对数据进行存取，解决了海量计算结果的存储、耗时问题。

关键词：构建颗粒模型三维存储比例数字材料信息规则排布几何模型几何信息结果生成局部模型颗粒数据模型规模容量限制实际物体数据筛选数值计算数字模型制图软件传统的可视化数据量有效地元模型显存存取耗时瓶颈压缩赋予保证

来源：评论

学校读者我要写书评

暂无评论

对话篇章解析方法

对话篇章解析方法

引用

作者：苏劲松王安特曾华琳 361000 福建省厦门市思明南路422号

本发明公开了一种对话篇章解析方法，包括：获取对话数据；对对话数据进行文本序列化处理，以得到序列化的对话历史信息、篇章关系类别描述信息和篇章结构标注信息；构建篇章解析模型，并将序列化的对话历史信息、篇章关系类别描述信息... 详细信息

标准号: CN117076638A

本发明公开了一种对话篇章解析方法，包括：获取对话数据；对对话数据进行文本序列化处理，以得到序列化的对话历史信息、篇章关系类别描述信息和篇章结构标注信息；构建篇章解析模型，并将序列化的对话历史信息、篇章关系类别描述信息和篇章结构标注信息输入到篇章解析模型，以便对篇章解析模型进行训练；获取待解析的对话信息，并将待解析的对话信息输入到训练好的篇章解析模型，以便通过训练好的篇章解析模型对待解析的对话信息进行解析，以得到对应的篇章结构；由此，能够将该任务建模为文本生成任务，避免引入额外解码器，仅通过预训练模型完成预测，从而能通过扩大模型规模有效提升模型性能。

关键词：解析模型解析对话信息篇章结构标注信息对话历史对话数据描述信息序列化解码器模型规模任务建模文本生成文本序列训练模型构建引入预测对话

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21页 << < 2 3 4 5 6 7 8 9 10 11 > >>

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

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：