检索结果-内蒙古大学图书馆

作者：陈石云南大学

学位级别：硕士

社交媒体时代,人们在网络平台获取和分享信息越来越普遍,这无疑加剧了社交网络的复杂性,伴随而来的是网络上谣言的泛滥。网络谣言会带来诸多社会问题,影响社会稳定与和谐,社交网络上的谣言检测已然成为越来越受到重视的热门研究问题。... 详细信息

社交媒体时代,人们在网络平台获取和分享信息越来越普遍,这无疑加剧了社交网络的复杂性,伴随而来的是网络上谣言的泛滥。网络谣言会带来诸多社会问题,影响社会稳定与和谐,社交网络上的谣言检测已然成为越来越受到重视的热门研究问题。随着深度学习框架的产生和发展,针对社交平台上网络谣言检测,引入深度学习框架是一个有效的解决办法。从网络信息中获取深层语义信息和文本特征是谣言检测的关键。对于复杂的网络信息来讲,单一方法很难去很好地处理和提取其特征。为了更好地进行社交媒体上谣言的检测,本文从谣言检测流程中的多个角度出发,提出了一种组合深度模型的谣言检测方法。本文的工作重点在于:多模型混合使获取到的文本信息相对多样化,更好地获得深层语义信息和高质量的文本特征,进一步提高谣言检测的准确性。本文主要工作如下:(1)在预训练模型BERT中采用了新的内部学习方式,把源贴和相关的评论看作单个文本块,进行每个文本块的内部学习,并且将每块学习到的内容与预训练模型中表示整个文本语义的[CLS]做交互。(2)对预训练模型的输出结果,根据其特点,使用不同的深度模型进一步学习并且使用Co-Attention进行强化,提高模型性能。具体来讲,使用可以获取局部空间特征的卷积神经网络(CNN)、获取时序特征的双向长短期记忆网络(BiLSTM)和协同注意力(Co-Attention)进一步进行特征学习并优化。组合方法相比单一方法更具有鲁棒性,能获取事件信息中更多的隐藏特征,以此提高谣言检测的准确率。(3)在真实的微博和Twitter数据集上进行实验,证明本文提出的方法相比于基线方法在准确率等方面有不错的检测性能,又通过消融实验展示各部分对模型性能影响的大小,说明所提模型的整体优势和组合设计的合理性。实验表明,组合模型在所用数据集上的检测结果的误差率普遍降到3%左右。

关键词：社交网络谣言检测深度模型

来源：评论

学校读者我要写书评

暂无评论

基于深度模型的图像语义描述方法研究

基于深度模型的图像语义描述方法研究

引用

作者：吴欣怡重庆大学

学位级别：硕士

随着现代信息技术的跨越式发展,人们的生活方式逐渐向数字化、网络化、智能化进行转变,用户通过手机、平板、电脑等设备在互联网上传播大量图片,使得图像成为线上信息流通的重要载体。这些图片包含大量自然场景中的图像,面对这些宝贵的... 详细信息

随着现代信息技术的跨越式发展,人们的生活方式逐渐向数字化、网络化、智能化进行转变,用户通过手机、平板、电脑等设备在互联网上传播大量图片,使得图像成为线上信息流通的重要载体。这些图片包含大量自然场景中的图像,面对这些宝贵的图像数据资源,人们希望计算机能够自动分析并理解自然场景下的图像,对其进行有意义的刻画与描述。针对自然场景下的图像语义描述在智能化标注、人机交互、助残服务以及教育领域都具有广阔的应用需求,现如今逐渐成为国内外众多学者和科研机构共同致力的一个研究热点。图像语义描述的本质是让计算机能够对给定图像中的物体进行准确的检测与识别,结合场景信息对图片内容进行理解,最终给出人类能够理解的语言描述。相较于图像分类、图像检测、图像分割等领域,图像语义描述涉及到图像处理与语言建模,因此需要将计算机视觉与自然语言处理两大领域有机统一起来。本文主要工作包含以下内容:本文从机器翻译领域引入“编码器-解码器”框架,构造一个端到端的图像语义描述模型,利用编码器完成特征提取任务,同时利用解码器完成语句描述任务。由于近年来卷积神经网络在图像处理的特征提取能力已得到验证,因此本文设计并构造了一种精细的卷积神经网络模块,使得编码器能够从图像提取出表达能力强的视觉特征。在此基础上引入带注意力机制的基于长短时记忆模型的解码器,使得图像语义描述模型能够有选择地关注特定区域并生成对应单词。基于深度模型的“编码器-解码器”图像语义描述模型能够较好地完成给定任务,然而深度模型普遍具有庞大的规模,其高昂的时间复杂度和空间复杂度制约其在更广阔领域的实施与应用。本文针对“编码器-解码器”的基础组成部分,研究了一种基于网络剪枝与张量分解的混合优化方法,旨在从时间与空间两个维度降低模型的复杂度。首先采用数据驱动的全局监督迭代方法对卷积层进行张量分解,然后根据本文提出的重要度评价标准对卷积核和神经元进行排序,最后将相对不重要的卷积核或神经元从网络剪枝。最后,本文在MS COCO、Flickr 30k等公开数据集对所提出方法进行了评测,实验结果表明上述方法能够快速、准确地对给定图像进行理解,并且能给出符合人类习惯且具有逻辑的语句描述,与同类方法之间的对比分析也证明了本文提出方法的有效性。针对本文模型进行了优化实验分析,实验结果表明所研究方法能够有效降低深度模型的时间复杂度和空间复杂度。

关键词：图像语义描述深度模型卷积神经网络长短时记忆模型模型优化

来源：评论

学校读者我要写书评

暂无评论

基于相容性分析的深度模型并行推理组合优化理论与技术

基于相容性分析的深度模型并行推理组合优化理论与技术

引用

作者：谢梦玮山东大学

学位级别：硕士

深度学习的广泛应用促进了深度模型表征能力显著提高,推动了人工智能产业的蓬勃发展。深度模型已经在自然语言理解等应用领域取得了重大成功,如ChatGPT等。这种成功主要归结于实时推理决策,即基于预处理后的数据集在服务器集群上进行预... 详细信息

深度学习的广泛应用促进了深度模型表征能力显著提高,推动了人工智能产业的蓬勃发展。深度模型已经在自然语言理解等应用领域取得了重大成功,如ChatGPT等。这种成功主要归结于实时推理决策,即基于预处理后的数据集在服务器集群上进行预训练,生成深度模型,根据不同任务请求,加载相应深度模型,实时推理计算后给出决策响应。深度模型实时推理决策效率是决定深度学习应用的关键,主要面临的挑战是深度模型并行推理计算问题。针对同一服务器上的深度学习推理集群,不同任务请求需要调用不同的深度模型,如无人驾驶应用主要调用卷积神经网络(Convolutional Neural Network,CNN)模型,而机器翻译应用主要调用Transformer模型。因此,如何优化组合不同的深度模型以搭建推理集群,提高深度模型并行化推理决策的并行化执行效率,是当前深度学习推理决策研究的热点和难点。本文针对深度模型并行化推理计算组合优化难问题,深入分析和研究了深度模型组合优化与并行推理性能效率提升之间的内在关系机理,提出了基于相容性分析的深度模型并行推理组合优化理论与技术体系,主要包括:(1)针对深度模型并行推理进行实证研究,发现不同深度模型之间相容性越高,并行推理计算效率越高,提出了“深度模型的相容性分析理论”,并得到了主流深度模型卷积神经网络、循环神经网络(Recurrent Neural Network,RNN)、Transformer、生成对抗网络(Generative Adversarial Network,GAN)和图神经网络(Graphical Neural Network,GNN)的相容性顺序,为组合优化提供了科学判断依据。(2)针对组合优化问题的NP-完全性质,提出了一个NP-完全分析方法。通过该方法证明了深度模型组合问题属于NP-完全问题,为设计启发式算法提供参考依据。(3)针对深度模型组合问题,依据该问题的NP-完全性质,提出了一个基于相容性分析的组合优化策略算法,从而通过深度模型相容性分析进行不同模型和不同任务请求的并行化推理调度,有效提高了深度模型组合并行化推理计算效率。基于以上研究,为验证提出的基于相容性分析的深度模型并行推理组合优化理论与技术体系,针对计算机视觉、语音识别、自然语言理解三个典型的深度学习应用,搭建了深度学习推理集群。基于MNIST、SQuAD、Cora等数据集上进行不同深度模型的并行推理实验,得到了主流深度模型CNN、RNN、Transformer、GAN和GNN的相容性顺序。针对基于相容性分析的组合优化策略算法,在阿里云M40、V100等型号GPU上进行对比实验,实验结果表明提出的算法与其它对比算法相比可提高并行化推理计算效率约20%。进一步验证本文研究的可信度和实用性,开发了一个支持深度模型组合的并行推理实验平台,为相关领域学术研究和实践应用提供了更加可靠的支持。

关键词： GPU 深度模型并行推理组合优化相容性

来源：评论

学校读者我要写书评

暂无评论

基于一维DF-CNN深度模型的上市公司信用评级研究

基于一维DF-CNN深度模型的上市公司信用评级研究

引用

作者：杨泽辉北京交通大学

学位级别：硕士

知道一个公司的信用情况,对于银行、投资者、相关监管部门而言是很重要的。但是由于我国的信用体系非常不完整,信用评级的应用只限与金融、证券业、企业、政府和个人等领域。目前正处于发展初期阶段,而且在之前的信用评级领域的相关理... 详细信息

知道一个公司的信用情况,对于银行、投资者、相关监管部门而言是很重要的。但是由于我国的信用体系非常不完整,信用评级的应用只限与金融、证券业、企业、政府和个人等领域。目前正处于发展初期阶段,而且在之前的信用评级领域的相关理论研究中,传统的机器学习算法和统计方法应用在信用评级领域已经被广泛研究。本文我们研究的就是建立一个较为成熟,较为实用的上市公司信用评级模型。本文的研究方案选定的就是研究深度学习模型-卷积神经网络在信用评级模型建立方面的重要性、可行性、实用性。由于一般的卷积神经网络是针对二维图片数据,而本文的原始数据集是包括了2922家中国上市公司在2018-09-30的季度财务数据,且本文的各公司的数据都是以一维的数据形式呈现,所以本文提出了一种利用一维卷积神经网络的上市公司信用评级模型,通过相关分析选取公司财务报表中的38个财务指标的作为输入。本文还提出了一种新的基于F分数模型的多分类方法,然后利用这种方法对使用的数据集的每个样本贴上类别标签。实现根据公司现阶段财务情况,对企业公司的信用等级进行一个准确的判定。而且本文对整体网络模型的卷积核大小、CNN层组数等内部参数的选择做了较深入的分析,确定出一个针对信用评级数据集的最优的网络结构。并且在这个最优的网络结构基础上,对一维卷积神经网络进行算法创新创建出一维DF-CNN模型。通过实证分析,一维卷积神经网络对信用数据的分类准确率要高于传统机器学习模型。而且本文创建的一维DF-CNN模型的分类效果要优于常规的一维卷积神经网络。

关键词：信用评级多分类深度模型机器学习

来源：评论

学校读者我要写书评

暂无评论

深度模型水印

引用

自然杂志 2022年第4期44卷 267-273页

作者：张新鹏吴汉舟上海大学通信与信息工程学院上海200444

深度神经网络模型凝结了设计者的智慧,需要消耗大量数据和计算资源,是人工智能技术的重要产出物,已被广泛应用于生产和生活当中。然而,作为一种数字产品,如何保护深度神经网络模型免于被非法复制、分发或滥用(即知识产权保护)是人工智... 详细信息

深度神经网络模型凝结了设计者的智慧,需要消耗大量数据和计算资源,是人工智能技术的重要产出物,已被广泛应用于生产和生活当中。然而,作为一种数字产品,如何保护深度神经网络模型免于被非法复制、分发或滥用(即知识产权保护)是人工智能产业化进程中必须面临和解决的难题。文章主要介绍基于数字水印的深度模型产权保护技术,通过总结深度模型水印的发展现状,对深度模型水印的研究趋势进行展望。

关键词：深度模型数字水印产权保护人工智能安全

来源：评论

学校读者我要写书评

暂无评论

基于多源深度模型的风电传动链健康状态评估研究

基于多源深度模型的风电传动链健康状态评估研究

引用

作者：程强东南大学

学位级别：硕士

风电的发展对协调生态环境系统具有重大意义,也是实现碳中和目标的重要途径。目前,我国已经拥有全球第一的累计风电装机容量,且单机容量规模也在不断的提高。与此同时,风电设备面临着故障率高、维护成本大、运行安全性差等问题,其中因... 详细信息

风电的发展对协调生态环境系统具有重大意义,也是实现碳中和目标的重要途径。目前,我国已经拥有全球第一的累计风电装机容量,且单机容量规模也在不断的提高。与此同时,风电设备面临着故障率高、维护成本大、运行安全性差等问题,其中因故障导致停机时间占额定发电时间的25%以上。风电传动链是状态监测和故障诊断的关键对象,对传动链进行故障预测和健康管理将是风电装备高效运行的重要保障。随着风电大数据平台的建设和深度学习技术的发展,从数据中学习可以减少健康管理过程中对专业知识的依赖,同时准确全面地把握风电关键部件的健康状态,在关键部件出现严重故障之前给出预警及处理,保障风电机组安全运行。基于此,本文基于多源深度模型对风电传动链健康管理进行了研究。主要内容如下:(1)介绍了风电机组传动模拟系统的组成部件及相应的信号采集系统,分析了滚动轴承部件的故障模式以及振动信号和声发射信号(Acoustic Emission,AE)的故障敏感程度。(2)基于梯度提升树,提出了传动链故障诊断与识别方法。针对传统方法的特征集维度低、对人工经验依赖度高的问题,本文将轴承振动信号的特征提取半自动化,并结合特征选择技术降低冗余性,对轴承模拟的十种工作状态进行了故障诊断与识别;同时利用声发射信号和模型融合技术对轴碰摩、轴承裂纹以及正常状态进行有效分类。实验证明了梯度提升树可以在振动与声发射信号的基础上对故障模式进行准确识别。(3)基于生成对抗网络,提出了传动链故障异常检测以及预测的方法。针对传动链正常样本与异常样本失衡和故障模式复杂的问题,利用深度卷积自编码器和正常样本训练生成对抗网络,通过自编码器的潜向量映射来评估样本的类别以及故障发展状态。首先,将振动信号组织为数值矩阵并转化为灰度图;然后初始化生成对抗网络的生成器和判别器权重,在迭代训练的过程中用对抗损失、图像损失和编码损失惩罚生成器,直到博弈平衡,生成器可以生成趋于真实的正常样本;最后,提取生成器中编码器的权重,同时输入正常样本和异常样本进行检测,并判定异常样本的故障发展状态。结果表明,对于传动链存在的复杂故障模式,该方法能检测出异常状态,并对故障发展阶段进行还原。(4)针对远程数据监控系统因传感器失效和网络阻塞导致数据缺失的问题,提出了基于时序特征挖掘与时序建模的缺失数据修复方法。在数据预处理阶段,首先对风场的各台机组进行采集时间线的聚合对齐,为缺失参量补充其他机组同一时间线的运行参数,同时引入风场风况的Word2Vec特征。在模型构建阶段,通过GRU和LSTM模型结合Encoder-Decoder对时序数据进行建模,充分挖掘数据自相关和互相关信息。结果表明,基于时序预测模型并综合利用风场全局信息可以对原始数据进行较好的还原。

关键词：风电传动链健康状态评估故障诊断故障预测数据修复深度模型

来源：评论

学校读者我要写书评

暂无评论

基于深度模型迁移学习的花卉图像分类方法

基于深度模型迁移学习的花卉图像分类方法

引用

作者：郜翔河南师范大学

学位级别：硕士

图像分类是目前人工智能、模式识别领域的重要研究方向之一。花卉图像分类,是以花卉为目标,对图像中的花卉进行生物学分类;其在植物物种研究与保护、园林花圃智能化管理中具有重要应用价值。花卉图像类别数量多、类间差异小、类内差异... 详细信息

图像分类是目前人工智能、模式识别领域的重要研究方向之一。花卉图像分类,是以花卉为目标,对图像中的花卉进行生物学分类;其在植物物种研究与保护、园林花圃智能化管理中具有重要应用价值。花卉图像类别数量多、类间差异小、类内差异大、背景复杂、样本数量少,对其准确分类往往难度较大。针对花卉图像数据的这些特点,本文以深度模型、迁移学习和多任务学习为理论指导,进行花卉图像分类研究。主要工作内容如下:(1)针对特征描述算子设计难度大、特征提取能力弱,以及深度模型结构复杂、参数规模大、难以拟合小数据集的问题,提出基于深度模型迁移学习的细粒度图像分类方法。首先,通过在粗粒度图像数据集上进行预训练,使深度模型参数分布具备自然图像特征提取能力;然后,对深度模型进行局部训练,使其在细粒度图像数据集上进行迁移。实验结果表明,在102类花卉图像数据集上,分类准确率达到96.27%;此外,在120类狗、200类鸟、37类猫和狗、196类汽车图像数据集上,该方法亦分别得到72.23%、73.33%、86.00%、89.72%的图像分类准确率,具有较好的准确性与泛化性能。(2)深度模型的训练往往需要非常大的数据规模、非常多的差异特征,以满足模型中庞大的参数规模要求;然而,细粒度图像数据集规模相比粗粒度图像数据集规模要小得多。虽然对原始数据进行不同方式的修改,可以实现数据增广,但引入的差异特征不够明显,因而性能提升有限。为此,提出基于网络爬虫的外部数据增广方法。首先,在社交平台、搜索引擎上(例如Instagram、Flickr、Google、Bing、Baidu),根据Hashtag、Keyword的搜索结果,无差别爬取图像(难免包含大量冗余图像);然后,对冗余图像进行筛选、整理,生成增广数据集;最后,使用增广数据集取代原始数据集,对模型进行迁移训练。实验结果显示,在增广后的102类花卉图像数据集上,图像分类准确率达到99.41%,较原始数据集提高3.14%。相比于原始数据集,使用外部增广数据能够有效提高分类准确率。(3)根据实际需求,设计、实现基于B/S架构的花卉图像分类原型系统。首先,将迁移模型导出、参数冻结、线上部署;再通过浏览器远程调用服务器上的模型进行图像分类,并在WEB端给出分类结果。在6种移动终端上进行测试,结果显示,在共计18幅花卉图像中,仅有2幅结果为Top-2,其余均为Top-1;在不考虑网络延迟的情况下,服务器响应速度控制在40ms以内。证明本系统具有较高准确性与即时性。

关键词：深度模型迁移学习图像分类多任务学习数据增广网络爬虫

来源：评论

学校读者我要写书评

暂无评论

基于顶端排序与深度模型的基本面量化方法

基于顶端排序与深度模型的基本面量化方法

引用

作者：王嘉时南京大学

学位级别：硕士

在股票市场中,量化投资作为一种利用计算机程序替代人为主观判断的投资方式,可以避免投资者因情绪波动而做出非理性的投资决策。通过对上市公司财务报表、公开数据进行文本挖掘与抽取,量化投资策略可以实现对于上市公司的基本面的分析,... 详细信息

在股票市场中,量化投资作为一种利用计算机程序替代人为主观判断的投资方式,可以避免投资者因情绪波动而做出非理性的投资决策。通过对上市公司财务报表、公开数据进行文本挖掘与抽取,量化投资策略可以实现对于上市公司的基本面的分析,并寻找盈利状况较好的优质公司进行资产配置。为进一步提升量化投资策略的效果,本文对基本面量化策略中的量化选股模型和公告文本信息抽取问题进行了研究,主要创新成果如下:1.本文提出了一种基于顶端排序模型的量化选股算法。以往量化选股算法基于分类模型,难以体现对多支股票之间优劣的比较。本文从优化排序的角度出发,提出大小窗口下的顶端排序模型,着重预测业绩最优的少数股票及其顺序,更加利于资产配置。该方法构建大窗口来跟进股价较长时期内涨跌模式的演进,利用小窗口实现股价短期内走势的捕获,以此实现准确的排序。该方法具有时间复杂度低、可解释性强的优点,且得到的因子线性权重也可以结合传统多因子策略进行选股。实证检验结果表明,本文方法显著优于对比方法,可以稳定获得超额收益。2.本文提出了一种基于深度模型的递进式公告信息抽取方法,通过及时准确地获取上市公司最新公开信息,来帮助量化算法快速准确地反映市场变化。该方法将文本信息抽取问题拆分为句-词两层结构并进行递进式分解。在语句层面,模型使用改进词向量的卷积神经网络模型,滚动更新词嵌入向量空间,实现数百条语句中少量关键语句的定位。在得到相关句后,再结合人工规则+TF-IDF+正则表达式实现对最终目标数据的抽取。本文以上市公司担保类公告作为切入点,实验结果表明,本文方法在公告抽取任务中,性能显著优于对比方法,因此可以有效帮助量化选股。

关键词：量化选股公告信息抽取顶端排序模型深度模型基本面量化

来源：评论

学校读者我要写书评

暂无评论

基于超声图像迁移学习深度模型定量评价胎儿肺发育成熟度的研究

引用

临床超声医学杂志 2021年第12期23卷 885-889页

作者：姚凌程雯王萃管睿上海长海医院超声科上海市200433 上海长海医院超声科妇科上海市200433 上海长海医院超声科妇产科上海市200433

目的探讨基于四腔心切面的超声图像迁移学习深度模型定量评价胎儿肺发育成熟度的可行性。方法选取在我院行常规产前超声检查的单胎孕妇316例,使用超声成像系统采集胎龄24周至出生前的胎儿心脏四腔心切面图像。假设胎儿肺发育成熟度与胎... 详细信息

目的探讨基于四腔心切面的超声图像迁移学习深度模型定量评价胎儿肺发育成熟度的可行性。方法选取在我院行常规产前超声检查的单胎孕妇316例,使用超声成像系统采集胎龄24周至出生前的胎儿心脏四腔心切面图像。假设胎儿肺发育成熟度与胎龄成正比,采用两阶段的迁移学习方法建立一种深度模型。第一阶段,该模型对超声图像中胎儿肺区域的识别进行学习;第二阶段,预训练的深度模型经过训练可以从超声图像上胎儿肺区域准确估算胎龄。结果 316例孕妇中,前166例用于迁移学习第一阶段的模型训练,后150例用于独立测试。建立的深度模型在胎龄估算上的测试结果与真实值相比的不精确度为(1.43±0.21)周,其与胎龄真实值的相关系数为0.773(95%可信区间0.6893~0.8314,P<0.05)。经过迁移学习后,深度模型对胎龄>30~36周和胎龄>36周者估算结果与传统方法估算结果的不精确度比较差异均有统计学意义(均P<0.05)。结论本研究初步验证了超声图像中胎儿肺纹理信息可以反映其肺发育成熟度。胎儿肺发育成熟度可由深度模型的输出表示,该输出则由估计的胎龄表示。

关键词：超声图像肺发育成熟度,胎儿纹理分析迁移学习深度模型

来源：评论

学校读者我要写书评

暂无评论

交互建立复杂介质速度--深度模型的自适应块体剖分法

交互建立复杂介质速度--深度模型的自适应块体剖分法

引用

国际地球物理研讨会

作者：符基昕李幼铭石油管理局物探公司科学院地球物理研究所

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：