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

9 篇 期刊文献
6 篇 学位论文

馆藏范围

15 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

15 篇 工学
- 6 篇 软件工程
- 5 篇 计算机科学与技术...
- 4 篇 机械工程
- 3 篇 控制科学与工程
- 3 篇 交通运输工程
- 2 篇 冶金工程
- 2 篇 电气工程
- 2 篇 水利工程
- 2 篇 网络空间安全
- 1 篇 公安技术
3 篇 管理学
- 3 篇 管理科学与工程(可...
1 篇 法学
- 1 篇 公安学
1 篇 理学
- 1 篇 大气科学
1 篇 军事学
- 1 篇 军队指挥学

主题

15 篇 长短记忆模型
4 篇 深度学习
3 篇 卷积神经网络
2 篇 强化学习
2 篇 多步预测
2 篇 神经网络
2 篇 机器学习
1 篇 季节性差分自回归...
1 篇 知识图谱
1 篇 时序预测
1 篇 货运量
1 篇 攻击检测
1 篇 数据融合
1 篇 临近预报
1 篇 训练次数
1 篇 季节性差分自回归...
1 篇 递归神经网络
1 篇 高炉煤气预测
1 篇 交通大数据
1 篇 hust-lebw

机构

3 篇 安徽工业大学
2 篇 中国科学院大学
2 篇 广西科技大学
1 篇 华中科技大学
1 篇 西安邮电大学
1 篇 中国长江三峡集团...
1 篇 国网河南省电力公...
1 篇 上海宝信软件股份...
1 篇 河南九域恩湃电力...
1 篇 西安电子科技大学
1 篇 北京全路通信信号...
1 篇 西华师范大学
1 篇 江苏省水资源服务...
1 篇 电子科技大学
1 篇 中国科学院南京地...
1 篇 南京理工大学
1 篇 陕西省地下水管理...
1 篇 成都信息工程大学
1 篇 列车自主运行智能...
1 篇 中国水利水电科学...

作者

2 篇 翁思浩
2 篇 秦胜君
2 篇 李婷
1 篇 胡桂雷
1 篇 蔡秀霞
1 篇 李志鹏
1 篇 杨威
1 篇 刘意先
1 篇 陈光
1 篇 马睿
1 篇 王黎炜
1 篇 陈谞
1 篇 张莹
1 篇 吕鲜
1 篇 岳中奇
1 篇 张朝逢
1 篇 刘子扬
1 篇 徐力刚
1 篇 胡文东
1 篇 范文杰

语言

15 篇 中文

检索条件"主题词=长短记忆模型"

共 15 条记录，以下是11-20 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：

一种电力图谱问答系统设计与实现

一种电力图谱问答系统设计与实现

引用

作者：覃祥坤中国科学院大学(中国科学院大学人工智能学院)

学位级别：硕士

随着我国经济快速增长,电力企业的业务数据的增长也更加迅猛,企业为客户服务内容的广度和深度逐渐繁杂,企业对客户的服务方式,无论是传统服务还是远程服务,都需要消耗大量的服务资源来与客户解答问题、办理业务。因此,在大数据背景下,... 详细信息

随着我国经济快速增长,电力企业的业务数据的增长也更加迅猛,企业为客户服务内容的广度和深度逐渐繁杂,企业对客户的服务方式,无论是传统服务还是远程服务,都需要消耗大量的服务资源来与客户解答问题、办理业务。因此,在大数据背景下,有必要改变现有的经营模式,运用人工智能技术为客户提供全面、多样化的服务,提高服务质量,及时更新业务服务模式。本文基于电力业务知识库实现了一种问答系统平台。首先,本文以电力领域数据为基础,通过人工建模设计了知识库,通过python程序从非结构化数据中提取业务类的实体,构建了检索系统的电力知识库。然后,本系统基于Tensorflow框架,构建实体识别模型来识别业务实体。该模型包括:嵌入层、编码层以及解码层。编码层使用了 2种神经网络,分别是双向长短记忆模型和膨胀的卷积神经网络。解码层使用了条件随机场算法,保证了标签位置的有效性。再次,本系统基于sk-learn库的机器学习分类算法,对预测实体之间的关系进行分类。基于监督型训练数据,本文先后训练了贝叶斯分类器、岭回归分类器、多层感知机分类器、随机森林分类器,通过分析比较每个分类器对各个标签的表现,选择最优分类器作为本系统对实体识别模型预测的实体的分类。最后,本系统前端的开发是在Django框架下完成前端页面的绘制和接口的调用,又基于Flask框架完成后台开发,实现实体识别模型和分类模型的调用。本系统实体识别模型和分类器模型的评估基于混淆矩阵,分析各个分类标签在各自的准确率、精确率、召回率和F1值的表现,将最优的模型进行组合,经实验证明系统性能良好。

关键词：机器学习深度学习知识图谱卷积神经网络长短记忆模型条件随机场

来源：评论

学校读者我要写书评

暂无评论

非受限条件下的眨眼检测技术研究

非受限条件下的眨眼检测技术研究

引用

作者：胡桂雷华中科技大学

学位级别：硕士

眨眼作为人体的一个典型动作,预示着个体当前的生理和心理状态信息。近些年来,人们逐渐发现眨眼检测可以广泛应用于日常生活中的众多领域,诸如活体检测领域里的行为活体确认,医疗领域的干眼症恢复,刑侦领域的测谎以及辅助驾驶领域的疲... 详细信息

眨眼作为人体的一个典型动作,预示着个体当前的生理和心理状态信息。近些年来,人们逐渐发现眨眼检测可以广泛应用于日常生活中的众多领域,诸如活体检测领域里的行为活体确认,医疗领域的干眼症恢复,刑侦领域的测谎以及辅助驾驶领域的疲劳检测。因此,近十年诞生了大量眨眼检测相关的工作,也取得了较为可喜的结果。但是,目前的方法大多数集中于在特定受约束的数据集上,进行眨眼检测,这与现实生活中的非受限情况相距甚远。因此,如何进行一个非受限条件下的眨眼检测将是一个重要又亟待研究的方向。论文阐述了相对于特定受限数据集上的眨眼行为,非受限条件下的眨眼行为在人物属性、人体姿态、光照以及拍摄角度和距离这四个方面具有较大的变化。基于以上发现,分析得出非受限条件下眨眼行为具有目标不受限,目标姿态不受限,目标所处环境不受限以及拍摄不受限四个特点。因此,采用具有相似特点的电影视频为样本来源,收集建立非受限条件下的眨眼行为数据集HUST-LEBW,对非受限条件下的眨眼特点进行可视化描述,并结合现有的先进算法进行性能评估,说明非受限条件下眨眼检测行为的挑战。基于以上的探索,论文提出了非受限条件下的眨眼检测技术方法。首先,利用人脸解析算法定位出眼部区域,再利用追踪算法追踪出后续的眼部区域。之后,利用获得的眨眼区域提取人工描述子特征,并利用长短记忆模型抓取时序动作信息,进行眨眼验证。但是,由于眨眼本身在时序上具有差异性,直接使用长短时间记忆模型可能效果有限。因此,论文提出了一种多时序尺度长短时间记忆模型。具体来说,利用多层长短时间记忆模型挖掘多时序尺度的信息;同时,提出一种多时序尺度特征来描述抓取的多时序尺度信息。另一方面,提出了眨眼检测双流特征,进一步提升眨眼检测模型性能。进一步地,通过上述研究发现,非受限条件下的眨眼检测模型需要鲁棒地定位出眼部区域,并且能够从中提取出具有足够区分性的特征。鉴于此,论文提出了一种挖掘鲁棒高辨识性眼部区域的方法。具体来说,在保证眼睛定位的正确率的前提下(即鲁棒性),定位出潜在眼部区域。再通过强化学习,联合优化眼部区域定位和眨眼验证两个模块,得到高辨识性眼部区域。同时,考虑到强化学习中的过拟合问题,提出了一种新的奖励(Reward)函数来平衡过拟合和欠拟合问题。最后,考虑到眨眼自身存在时序上的多尺度性质,借鉴多样例学习的思想,提出基于VLAD编码的加权融合模型,使得眨眼检测模型的性能得到进一步的提升。

关键词：眨眼检测非受限条件强化学习长短记忆模型加权融合 VLAD HUST-LEBW

来源：评论

学校读者我要写书评

暂无评论

基于数据融合的交通拥堵预测方法研究

基于数据融合的交通拥堵预测方法研究

引用

作者：吕鲜南京理工大学

学位级别：硕士

随着经济发展与城市化进程加快,我国机动车保有量快速增长,截至2017年,全国汽车保有量达2.17亿辆,与2016年相比增加2304万辆,增长11.85%,而2017年末,全国公路总里程为477.35万公里,比2016年增加7.82万公里,增长1.64%,我国汽车保有量的... 详细信息

随着经济发展与城市化进程加快,我国机动车保有量快速增长,截至2017年,全国汽车保有量达2.17亿辆,与2016年相比增加2304万辆,增长11.85%,而2017年末,全国公路总里程为477.35万公里,比2016年增加7.82万公里,增长1.64%,我国汽车保有量的速度大大高于公路里程数增长,导致城市交通拥堵问题日益严重。智能交通系统(ITS)是将科学技术运用于交通运输、服务控制等领域,加强车辆、道路、使用者之间的联系,从而形成一种保障安全、提高效率、节约资源的综合运输系统,准确地对城市道路的交通拥堵进行预测,从而合理地进行交通调度,是目前主要解决交通拥堵的方法。本文通过分析各类可能对交通拥堵造成影响的因素,开展去噪自编码与长短期记忆模型(LSTM)相融合的交通拥堵预测方法研究,具有重要的学术价值和应用前景。论文的主要研究工作如下:(1)为了准确地预测交通拥堵状态,首先要解决的问题是交通数据质量问题。因此,本文首先开展数据融合研究,采用地磁传感器采集交通数据,提出基于固定阈值的状态机车辆检测算法,通过数据融合分析处理,对路段车辆进行检测,并获取车速、车流量、车型比例等信息。(2)现有对交通拥堵的预测工作很少对各种不同环境及社会因素进行分析,本文分别对交通流特征、天气以及节假日等因素对交通拥堵造成的影响进行分析,结合这些因素并利用LSTM模型分别对12个断面的交通拥堵进行预测,有效地提高了预测的准确度。(3)在上述研究工作的基础上,本文提出去噪自编码与LSTM相融合的交通拥堵预测方法,利用LSTM可长时记忆历史数据的特点和自编码模型提取数据的核心特征,二者结合对交通拥堵程度进行预测,最后通过与已有的交通拥堵预测模型进行对比,验证该交通拥堵预测方法具有较高的预测准确度,能达到92%以上。实验结果显示,将天气、节假日、时间段等因素考虑在内,并采用去噪自编码与LSTM相融合的预测模型可有效提高交通拥堵预测的准确度和鲁棒性。

关键词：交通拥堵数据融合长短记忆模型去噪自编码

来源：评论

学校读者我要写书评

暂无评论

基于样本的纹理合成算法及其应用研究

基于样本的纹理合成算法及其应用研究

引用

作者：蔡秀霞西安电子科技大学

学位级别：博士

纹理是数字图像基本特征,也是图像处理研究的主要类别之一,纹理合成技术在图像处理、计算机图形学、计算机视觉方面有广泛的应用,是计算机图形学中在做纹理映射前经常需要的处理技术。近年来,虚拟现实、数字动画、电子游戏等技术的快速... 详细信息

纹理是数字图像基本特征,也是图像处理研究的主要类别之一,纹理合成技术在图像处理、计算机图形学、计算机视觉方面有广泛的应用,是计算机图形学中在做纹理映射前经常需要的处理技术。近年来,虚拟现实、数字动画、电子游戏等技术的快速发展也得益于优异纹理合成及映射技术的发展。纹理合成技术作为计算机图形和图像领域的基础技术一直有存在和被研究的价值。为了研究基于样本的纹理合成方法,本论文在综述国内外纹理合成方法研究现状及理论基础之上,总结概括出目前纹理合成方法存在的问题:首先是纹理合成对各种类型的样本纹理合成的普适性问题;其次是,传统算法局部最优无法抓取全局特征问题;再者如何提取图像中深层次特征并生成高质量合成纹理的问题。在对这些纹理合成方法问题研究基础上,进一步将我们提出的纹理合成方法应用于大面积信息缺失情况下的背景修复工作和铅笔及彩色素描画的生成中。具体来说,本文主要研究内容及创新点包括:第一,为了能够在统一的框架内实现各类纹理的合成的优化工作,尤其是大尺度纹理的优化合成和规则纹理的合成,提出了一种新的纹理合成框架。首先根据尺度不变特征(Scale-invariant feature transform,SIFT)将重复大尺度规则纹理合成问题与其他类型的纹理区分开来,对于重复大尺度规则纹理的合成,我们将重复单元作为基本纹理合成单元;对于其他类型纹理我们则提出基于曲率优化的相似度函数进行最优匹配搜索,优先考虑局部纹理丰富的块,并提出了交替迭代更新最邻近域场与生成像素的方式生成纹理。通过这样的框架及优化算法,可以较好的纠正输入纹理不存在大尺度纹理结构,而输出纹理存在大尺度纹理结构的错误,同时也可以解决在合成大尺度规则样本纹理时出现纹理混乱的问题。第二,提出了基于卷积神经网络(Convolutional Neural Network,CNN)合成渐变纹理的方法。鉴于传统纹理合成的特征量设计与参数调整比较复杂,且渐变纹理合成存在人为错误及模糊等问题,本文在学习样本纹理的CNN特征图的基础上生成纹理,并利用提取的特征图提出了基于误差平方和(Sum of Square Error,SSE)和基于格拉姆矩阵(Gram matrix)的两类相似度函数,通过优化两个失真函数的权重组合来生成渐变纹理。这种分析生成式的纹理合成方法,一方面可以充分利用样本纹理的全局特征进行纹理合成,另外一方面可以很好的克服传统纹理合成方法存在的输出模糊、错乱大尺度纹理的问题,此外,该方法生成的渐变纹理在无参考质量评估效果上要优于传统渐变纹理生成方法。第三,针对输入为重复大尺度规则纹理结构的样本纹理,提出了基于长短记忆网络(Long Short-Term Memory,LSTM)的纹理合成方法。在没有预检测纹理规则性的前提下,传统的纹理合成方法和基于卷积神经网络的纹理合成方法都无法很好的合成重复大尺度规则纹理。LSTM纹理合成方法一方面可以克服传统的纹理合成方法存在局部最优的问题而导致的规则样本纹理合成失败的问题;另一方面具有优异的规则记忆性,可以克服基于卷积神经网络的纹理合成方法无法很好的学习纹理的规则性这一缺点。这种基于LSTM纹理合成方法的无参考质量评估效果上优于传统纹理合成算法和基于卷积神经网络的纹理合成方法。第四,提出将基于卷积神经网络的纹理合成方法理论应用于目标移除后的背景修复、图像风格化等。基于卷积神经网络特征图的背景修复可以有效的修复大面积缺失的背景图像,而且相比于传统算法在主观视觉和客观衡量指标方面都有较大的提高;此外我们在学习艺术家风格化的基础上可以将自然图像风格化到目标艺术风格,在素描化效果上相比于传统的素描画效果更加多样化且主观素描效果更清晰。

关键词：纹理合成卷积神经网络递归神经网络深度学习长短记忆模型

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的多源数据攻击检测研究与应用

基于神经网络的多源数据攻击检测研究与应用

引用

作者：李志鹏电子科技大学

学位级别：硕士

入侵检测系统在现代网络安全体系中扮演着重要的角色,而入侵检测的核心是如何在复杂的互联网环境中检测多种多样的网络攻击。传统的基于特征匹配和统计分析的检测方法存在特征选择困难、适应性差等缺陷,导致识别的准确率低、误报漏报率... 详细信息

入侵检测系统在现代网络安全体系中扮演着重要的角色,而入侵检测的核心是如何在复杂的互联网环境中检测多种多样的网络攻击。传统的基于特征匹配和统计分析的检测方法存在特征选择困难、适应性差等缺陷,导致识别的准确率低、误报漏报率高。神经网络给攻击检测提供了新的思路,利用神经网络出色的非线性表达能力来进行多源数据攻击识别,以克服传统方法的诸多缺点。本文的工作如下:(1)对攻击检测、神经网络、深度神经网络进行了全面的介绍,并基于NSL-KDD数据集验证了各种神经网络模型在数据集上的性能表现,对比了普通全连接神经网络、卷积神经网络、递归神经网络在数据集上的表现。(2)提出一种基于长短记忆模型(LSTM)和深层神经网络(DNN)的多源数据攻击检测模型。针对数据之间的时间关联性以及特征多的特点,模型使用长短记忆模型学习数据的特征与数据之间的关联性,使用深层神经网络对多源数据的多种特征进行更深层次的学习。(3)将残差神经网络(ResNet)应用于深层神经网络的构建。在构造深层神经网络的时候存在梯度消失、过拟合、层数选择困难等问题,本文使用ResNet来构造深层网络,在结构中使用批归一化(Batch Normalization)与Relu来减缓梯度消失和过拟合问题,同时残差结构能够较好的选择出一条最优路径,在一定程度上克服层数选择问题。基于NSL-KDD数据集验证了本文所提出的模型,同时对比了浅层神经网络、深度信念网络(DBN)等方法在测试集上的性能与时间效率。实验结果表明,本文所提出的基于LSTM与DNN的多源数据攻击检测方法在识别的准确率上达到0.856(多分类)与0.914(二分类),与目前效果最好的DBN准确率相当,但训练所需时间仅为其十分之一。相较于其它的浅层神经网络,准确率提高了0.03～0.05,但训练所需时间并没有明显增加。

关键词：攻击检测神经网络长短记忆模型残差网络

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2页 << < 1 2 > >>

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：