检索结果-内蒙古大学图书馆

作者：唐鑫西安电子科技大学

学位级别：硕士

近年来,基于视觉感知来对用户的兴趣进行预测以提高用户的消费体验正变得越来越重要。现有的视觉推荐算法通常先基于预训练的卷积神经网络来提取物品的视觉特征,再联合非视觉特征建模来完成对用户的兴趣预测。目前该领域还存在如下挑战... 详细信息

近年来,基于视觉感知来对用户的兴趣进行预测以提高用户的消费体验正变得越来越重要。现有的视觉推荐算法通常先基于预训练的卷积神经网络来提取物品的视觉特征,再联合非视觉特征建模来完成对用户的兴趣预测。目前该领域还存在如下挑战:首先,大部分视觉推荐模型都是围绕单图像物品展开,对于多图像的物品也只是选择将其主图作为图像的代表,在源头就造成了图像信息的损失。其次,过去的视觉推荐模型在挖掘用户视觉兴趣特征时,通常都是基于用户ID对应的向量进行学习,而忽略了对用户短期视觉兴趣的建模。最后,大多数推荐模型在提取物品的视觉特征时是采用预训练的卷积神经网络,但未考虑卷积神经网络的训练集与目标推荐集之间存在的数据分布差异。针对以上挑战,本文的主要研究内容如下:(1)为了充分挖掘多图像物品的视觉特征,提出了一种基于多图像信息融合网络的视觉推荐模型,通过实现物品多维视觉特征的融合来提升模型的推荐性能。模型对不同图像的视觉特征先进行了平均和最大池化操作,再利用前馈神经网络实现多图像视觉信息的融合和降维。此外,为进一步增强物品的特征表达能力,构建了一个物品间的结构关系图,并通过对比学习的思想让各节点的物品能够学习到近邻节点物品的视觉特征表达,提出了基于对比学习和多图像信息融合网络的视觉推荐模型。(2)为了充分学习用户在视觉上的长短期兴趣表达,提出了一种基于自注意力和长短期兴趣融合的视觉序列推荐模型。模型将用户的兴趣特征和近期交互物品的视觉特征进行拼接后,再通过自注意力模型的交互来强化用户兴趣特征中的短期兴趣表达。同时,为了兼顾用户的长期兴趣表达,进一步设计了包括类残差等结构对用户的长短期兴趣进行特征融合。(3)为了提高通过预训练卷积神经网络提取到的物品视觉特征的表达能力,提出了一种基于门控网络动态调节的多图像视觉推荐模型。模型利用物品的类别与图像之间存在着交叉信息描述的关系,引入了门控网络实现对物品的视觉特征进行有监督降维。另外,为了适应用户在时尚领域的季节性视觉兴趣变化,提出了基于交互季节信息的门控网络用于模拟用户视觉兴趣的动态变化。为了验证上述三个工作点的有效性,本文在现实推荐数据集Amazon Data上对各对比方法进行了充分实验,实验设置分别包含了全量物品和冷启动物品。实验结果显示,工作点(1)在两种设置下的性能表现均超越了过去的对比方法;工作点(2)在全量物品的设置下优于工作点(1),但冷启动物品设置下的性能只优于非视觉推荐模型;工作点(3)在两种设置下的性能表现为全文最佳,均优于工作点(1)和(2)。

关键词：推荐系统多图像信息视觉特征自注意力模型门控神经网络

来源：评论

学校读者我要写书评

暂无评论

数据驱动的锅炉水冷壁管道温度预测方法与应用研究

数据驱动的锅炉水冷壁管道温度预测方法与应用研究

引用

作者：王浙超中国计量大学

学位级别：硕士

水冷壁是锅炉热交换过程中的重要一环。在锅炉运行过程中,由水冷壁金属管道超温导致的爆管事故时有发生,因此快速且准确地预知水冷壁管道温度变化对减少事故的发生非常重要。由于锅炉燃烧的复杂性,导致过程存在强非线性、时变性等特性,... 详细信息

水冷壁是锅炉热交换过程中的重要一环。在锅炉运行过程中,由水冷壁金属管道超温导致的爆管事故时有发生,因此快速且准确地预知水冷壁管道温度变化对减少事故的发生非常重要。由于锅炉燃烧的复杂性,导致过程存在强非线性、时变性等特性,这使得水冷壁管道温度的准确预测成为行业难题。本文针对燃煤电厂锅炉水冷壁金属管道温度预测问题开展研究,具体内容如下:(1)介绍了燃煤电厂锅炉的运行原理及水冷壁换热过程。并利用生产过程采集到的实际数据,进行缺失值填补研究,结果表明随机森林插补法在缺失值填补中表现更为优异。结合锅炉原理和专家经验实现辅助变量选取。(2)采用最小绝对收敛与选择算子(Lasso),偏最小二乘法(PLS)和门控循环神经网络(GRU)等三种典型的线性和非线性模型,在锅炉负载改变较为频繁的分段3数据段上,分别对1号平稳管道和25号波动管道1分钟后温度进行预测。结果表明在平稳管道预测中Lasso和GRU模型表现较好,而在波动管道预测中GRU模型表现较为优异。但随着时间推移,所有模型均会出现失效的情况。(3)开展水冷壁管道温度在线更新模型研究。建立了在线递推Lasso和局部加权偏最小二乘法(LWPLS)模型以提升预测性能。但递推Lasso仅考虑线性约束,而LWPLS无法通过参数传递历史信息导致求解时间过长,均存在一定的缺陷。为改善上述问题,本文基于GRU结构提出了一种滑窗GRU方法,采用滑动窗口更新数据并对模型进行重新训练,实现水冷壁管道温度在线预测。应用结果表明,所提模型相比递推Lasso和LWPLS具有更好的稳定性和预测精度。(4)开展水冷壁管道温度预测算法的实际应用研究。算法从理论分析到落地执行一直是需要关注的重点问题,本文通过Docker技术实现了算法程序的开发和算法现场快速部署,解决了算法程序在不同系统的兼容性问题;使用基于Postgre SQL数据库开发的Timescale DB时序数据库,提升了时序数据记录、查询和存储的性能,提升了工业数据库的稳定性;使用分布式计算框架,对115个水冷壁管道温度预测模型开展并行计算,极大的缩短了模型计算时间,相较于传统串行计算方式,其性能提升约58倍。

关键词：水冷壁温度预测多元统计分析方法门控神经网络在线更新模型

来源：评论

学校读者我要写书评

暂无评论

基于主题语义建模的案件管理系统设计与实现

基于主题语义建模的案件管理系统设计与实现

引用

作者：赵明子北京交通大学

学位级别：硕士

随着我国社会主义市场经济的发展,企业作为市场经济的主体,参与市场竞争程度也在不断加深,企业涉及到法律问题也越来越多。法律案件管理的好坏不但影响企业的经济效益还会影响到企业的声誉和生产运营秩序。SC集团及所属600余家子企业法... 详细信息

随着我国社会主义市场经济的发展,企业作为市场经济的主体,参与市场竞争程度也在不断加深,企业涉及到法律问题也越来越多。法律案件管理的好坏不但影响企业的经济效益还会影响到企业的声誉和生产运营秩序。SC集团及所属600余家子企业法律相关文档数十万份,大量的卷宗都是纸质文档,案件管理工作还停留在手工管理的模式。大量的非结构化数据不便于日常数据的检索和使用。如何设计一套系统从海量的数据中提取人们需要的信息,满足用户个性化的需要的搜索查询需求。这对推动企业案件管理智能化、科学化发展具有现实意义。本文立足SC集团案件管理系统的建设客观需求,结合国内外企业在案件管理系统建设方面的经验,提出了系统的设计目标,设计出系统架构以及重要功能模块,采用当前主流开发工具对系统功能进行了实现。在此场景下,结合当前主流搜索查询引擎存在的问题,构建了基于深度文档主题语义模型AGRU,有效提高了案件查询的准确率和查全率。本文主要工作如下:(1)在法律文档语义建模方面,为了获得高效、准确的搜索结果人们做了很多技术方面的尝试,比如基于狄利克雷假设的GSDMM概率传统主题模型,基于高斯先验的LDA词向量主题模型、基于RNN结构的主题-文本生成模型以及基于前馈神经网络的NTM主题模型等等。本文在门控神经网络GRU的基础上,针对不同法律案件类型的文本主题发现规律不同的问题,将注意力机制与主题语义模型进行融合,构建了基于注意力机制的深度文档主题语义模型AGRU。(2)在搜索引擎实现方面,本文首先使用Gensim关键词提取工具,利用JIEBA分词器,将提取的案件管理系统数据库中的文本信息形成原数据集,在此基础上建立基于深度文档主题语义模型AGRU。实践表明,本文提出的方法可以有效反映用户的搜索查询意图,提高检索查询结果的准确率。(3)在案件管理系统架构方面,本文采用Spring Boot框架搭建了SC集团案件管理系统,能够对案件信息、数据进行有效的管理,防范经营风险问题。本系统采用Spring Boot、Mybatis-Plus作为后台的框架方案;前端则展现使用Html5+java script+css3开发,该架构能够适应大规模业务需要。通过功能和性能测试,系统的搜索查询功能具有一定的特色,并在市属企业推广使用。

关键词：门控神经网络注意力机制主题语义案件管理系统 Spring Boot

来源：评论

学校读者我要写书评

暂无评论

基于Attention-CNN的文本情感分类研究

基于Attention-CNN的文本情感分类研究

引用

作者：孙炜西安科技大学

学位级别：硕士

文本情感分类是利用计算机技术对含有情感特征的数据进行处理,它能够识别和提取文本中的主观信息。由于基于传统方法的文本情感分类对特征信息提取的不够充分,而基于深度学习的文本情感分类方法可以改善这一问题,因此,深度学习成为了文... 详细信息

文本情感分类是利用计算机技术对含有情感特征的数据进行处理,它能够识别和提取文本中的主观信息。由于基于传统方法的文本情感分类对特征信息提取的不够充分,而基于深度学习的文本情感分类方法可以改善这一问题,因此,深度学习成为了文本情感分类的主要研究方法。论文为了提取更多的特征信息,提高分类准确率,提出了非静态的FastText词向量模型和Attention-CNN的融合模型。论文的主要研究内容如下:(1)提出了一种基于非静态的FastText词向量的方法。该方法通过FastText模型进行词向量训练得到初始的词向量矩阵,并在训练过程中作为参数训练,通过不断进行调整和更新,使得词向量更加适用于该文本情感分类任务,获得更多词语之间的语义和语法关系,从而提高分类准确率。在卷积神经网络进行文本情感分类实验,与静态的FastText、Word2Vec和Doc2vec模型进行相比,非静态的FastText模型在公开的评论数据集上,准确率提高了2.54%、6.22%和4.82%;在酒店评论语料库上,准确率提高了1.84%、6.22%和5.10%。(2)提出了一种基于Attention-CNN的融合模型,该模型结合了卷积神经网络、门控神经网络和注意力机制,针对卷积神经网络无法捕获长距离依赖关系,提取的特征不够充分的问题,首先通过实验确定了相关超参数的取值,包括Dropout值、batch-size参数和激活函数等;然后进行了模型对比实验,与CNN、LSTM和GRU相比,基于Attention-CNN的融合模型在公开的评论数据集上,准确率提高了 4.70%、3.66%和2.95%,在酒店评论语料库上,准确率提高了 3.61%、2.88%和2.03%。(3)构建了文本内容情感分类系统。该系统验证了基于非静态FastText词向量和基于Attention-CNN的融合模型的有效性,用Python对该系统进行实现,通过可视化操作可以清晰地展示分类结果的具体细节,在生活中有一定使用价值。

关键词：词向量卷积神经网络门控神经网络注意力机制情感分类

来源：评论

学校读者我要写书评

暂无评论

面向空气质量的图卷积神经网络预测模型研究

面向空气质量的图卷积神经网络预测模型研究

引用

作者：张育怀哈尔滨工程大学

学位级别：硕士

近年来,空气污染问题日益加重,准确的空气质量预测对空气污染治理具有重要意义。空气污染预测主要分为基于大气化学模式的机理模型以及基于机器学习的统计模型。其中基于机器学习的相关技术在空气质量预测中取得了良好的效果,但仍存在... 详细信息

近年来,空气污染问题日益加重,准确的空气质量预测对空气污染治理具有重要意义。空气污染预测主要分为基于大气化学模式的机理模型以及基于机器学习的统计模型。其中基于机器学习的相关技术在空气质量预测中取得了良好的效果,但仍存在以下几点不足:(1)空间相关性考虑不足导致的预测效果偏差问题。由于空气中污染物具有扩散性,待预测地点的数据受附近区域的影响,导致预测结果的偏差。(2)没有考虑时间的周期性对预测结果的影响。研究发现空气质量在不同周期的相近时间具有较高相似性和相关性,如果忽略监测站之间的时间周期因素,会导致准确率降低。(3)时间空间离散的线性离散处理机制与物理世界真实情况具有一定的差异,导致预测结果产生一定的偏差。针对于上述不足,本文进行相应的研究,具体内容如下所示:首先提出了面向空气质量预测的图卷积神经网络模型,将空气质量监测站的空间信息转化为图(graph),融合多个空间相关节点信息(如路网,城市中的兴趣点(poi),空气质量监测站地理坐标以及距离,天气预报数据等),并提取空间特征。空气质量监测站信息转化为图结构时,采用多组实验找到最优的并且适用于大多数数据的方法,并且将图结构转化为图卷积神经网络的邻接矩阵,解决了现有空气质量预测模型对于空间相关性考虑不充分的问题。其次,提出了一种实现时空共现关系的空气质量预测模型,即基于注意力机制的图卷积门控循环单元神经网络预测模型。在解决空间关系的基础上,综合时间的周期性以及传统循环神经网络处理长距离依赖时梯度消失的问题,模型融合了图卷积神经网络(GCN)和门控循环单元(GRU),将GRU的算子替换为图卷积算子,使图卷积神经网络拥有GRU的处理时间特征的特性,实现了时空共现,解决了现有模型采用时间空间离散的线性处理机制以及传统循环神经网络模型无法处理长距离依赖和梯度消失的问题。最后,通过标准数据集对北京市36个空气质量监测站的PM2.5浓度和SO2浓度进行预测实验,比较AGC-GRU模型与其他现有的对比模型的预测性能。最后通过实验结果分析,相比于其他的几种预测模型,本文提出的AGC-GRU模型的预测误差最小,预测精度更高,可信度更高。

关键词：空气质量预测图卷积神经网络门控神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的学习路径推荐

基于知识图谱的学习路径推荐

引用

作者：朱永远沈阳建筑大学

学位级别：硕士

随着移动互联网的飞速发展,网络学习在教育领域也发展起来,学习者开始由传统的学习方法转为网络学习。互联网的学习资源应有尽有,可以得到任何学科、任何领域的学习资源,互联网的海量学习资源给学习者带来“认知过载”、“知识迷途”等... 详细信息

随着移动互联网的飞速发展,网络学习在教育领域也发展起来,学习者开始由传统的学习方法转为网络学习。互联网的学习资源应有尽有,可以得到任何学科、任何领域的学习资源,互联网的海量学习资源给学习者带来“认知过载”、“知识迷途”等问题。尽管人工智能技术的发展改善了学习资源的获取途径,但在网络学习资源背景下,让学习者在短时间内掌握知识点是相当困难的。近年来,推荐算法在教育领域得到很好的效果,可以为学习者推荐感兴趣的内容,过滤冗余的资源,但是学习者仍然面对过多的推荐内容无法梳理、知识碎片化的困惑。如何帮助学习者提高学习效率和获得更全面的专业知识是当今需要解决的问题。针对上述问题,本文利用知识图谱结合神经网络对学习路径推荐进行了研究。对于网络学习资源使学习者知识迷航,效率低等问题,提出了基于知识图谱的学习路径推荐的模型。首先根据得到的实体和关系构建知识图谱,利用图数据库进行存储与可视化,然后利用图神经网络与门控神经网络挖掘用户与知识点之间的隐式关系,得出每一个知识点对图谱的重要程度,最后对知识点进行评估,得出网络学习资源的学习路径。通过对比实验,验证了本文所提出模型的有效性。本文利用用户画像的方法挖掘学习者对知识点的掌握程度。提出了基于标签权重的推荐算法。首先利用用户画像对学习者进行画像,然后采用了TF-IDF计算评论信息,最后形成标签权重矩阵为学习者推荐学习资源或学习知识点。对于网络学习资源,通过本文提出的神经网络模型,利用知识图谱的构建方法,通过两种评价方式评估本文提出的模型,经过试验分析,本文的模型产生的学习路径优于其他算法产生的学习路径。运用用户画像与标签的方法对学习者进行画像,完善了对学习者的学习路径推荐。

关键词：知识图谱知识点图神经网络门控神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的交通预测方法

基于深度学习的交通预测方法

引用

作者：欧洋凯湖南大学

学位级别：硕士

在生活水平逐步提高,建设全面小康的任务已经完成的历史节点,中国的私家车普及率达到新高,平均两到三个家庭就拥有一辆私家车。而另外一方面,由于城市化速度较快,交通基础设施建设还不够完善,由此而引发的交通拥堵,交通事故等问题造成... 详细信息

在生活水平逐步提高,建设全面小康的任务已经完成的历史节点,中国的私家车普及率达到新高,平均两到三个家庭就拥有一辆私家车。而另外一方面,由于城市化速度较快,交通基础设施建设还不够完善,由此而引发的交通拥堵,交通事故等问题造成了巨额的经济损失乃至生命安全损失。在上述背景下,如何合理地对交通进行管控,以及规划下一步的基础设施建设是城市发展的一大重点方向。由此提出的智慧城市概念,即科技与城市发展相融合,为城市交通管理及建设提出了新方向。作为智慧城市的组成部分,交通预测方法是现在深度学习的一大重点研究方向。目前在交通领域有许多的研究方法发布,同时也仍然存在许多问题。首先短期交通数据容易突变,且对时间有严格要求。其次,传统的神经网络模型不适合短期交通预测。因此,基于深度学习的交通预测方法还有很大的价值空间和研究意义。本论文对基于深度学习的交通预测方法进行了介绍与改进,主要的研究内容如下:(1)提出一种基于双向门控神经网络与注意力机制的交通预测方法。本方法考虑到交通数据在短期内所存在的强时间相关性,构造了分间隔序列,在使用双向门控神经网络提取分间隔序列的时间相关性特征的同时,考虑到以往时间序列模型只使用最后一个时刻的输出作为特征,研究结合了模型在不同时刻的输出作为预测层的输入,为及时捕捉交通数据的动态变化,进一步在双向门控神经网络的输出端结合注意力机制,获取数据特征的真实分布,避免冗余特征对模型的干扰,最后用于模型训练,达到了不错的效果。(2)在方法1的基础上,本文首先对交通数据进行了周期性分析,验证了数据所存在的长期周期性与数据的短期相关性,接着,考虑交通预测方法的长期特征不足的问题,本文提出了一种日周期序列的构造方法,该方法将不同日期内相同时刻的交通数据组合为日周期序列,并使用自编码器提取序列的重点特征,最终解决了时间序列模型的长期特征不足的缺陷,同时结合方法1对时间序列的短期相关性进行提取,融合数据的线性特征及非线性特征共同用于交通预测,相比基础模型GRU,Bi GRU,以及经典的交通预测算法CNN,SVR等在RMSE指标及MAE指标上都有所提升。

关键词：自编码器交通预测深度学习门控神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于上下文信息的口语意图检测方法

引用

计算机科学 2020年第1期47卷 205-211页

作者：徐扬王建成刘启元李寿山苏州大学计算机科学与技术学院

近年来,随着人工智能的发展与智能设备的普及,人机智能对话技术得到了广泛的关注。口语语义理解是口语对话系统中的一项重要任务,而口语意图检测是口语语义理解中的关键环节。由于多轮对话中存在语义缺失、框架表示以及意图转换等复杂... 详细信息

近年来,随着人工智能的发展与智能设备的普及,人机智能对话技术得到了广泛的关注。口语语义理解是口语对话系统中的一项重要任务,而口语意图检测是口语语义理解中的关键环节。由于多轮对话中存在语义缺失、框架表示以及意图转换等复杂的语言现象,因此面向多轮对话的意图检测任务十分具有挑战性。为了解决上述难题,文中提出了基于门控机制的信息共享网络,充分利用了多轮对话中的上下文信息来提升检测性能。具体而言,首先结合字音特征构建当前轮文本和上下文文本的初始表示,以减小语音识别错误对语义表示的影响;其次,使用基于层级化注意力机制的语义编码器得到当前轮和上下文文本的深层语义表示,包含由字到句再到多轮文本的多级语义信息;最后,通过在多任务学习框架中引入门控机制来构建基于门控机制的信息共享网络,使用上下文语义信息辅助当前轮文本的意图检测。实验结果表明,所提方法能够高效地利用上下文信息来提升口语意图检测效果,在全国知识图谱与语义计算大会(CCKS2018)技术评测任务2的数据集上达到了88.1%的准确率(Acc值)和88.0%的综合正确率(F1值),相比于已有的方法显著提升了性能。

关键词：口语语义理解意图检测上下文信息门控神经网络

来源：评论

学校读者我要写书评

暂无评论

STA-GRU-Seq2Seq模型极端降雨小流域洪水预报研究

引用

水利科技 2025年第1期 1-6页

作者：张晓张挺杨丁颖福建省水利水电勘测设计研究院有限公司福建省水动力与水工程重点实验室福州大学

该文针对山区小流域极端降雨条件下洪水预报问题提出一种基于时空注意力的序列-门控神经网络洪水预报模型，利用时空注意力机制(STA)建立时空注意力序列到序列GRU模型(STA-GRU-Seq2Seq),引入空间注意力模块优化输入项特征学习，集成时... 详细信息

该文针对山区小流域极端降雨条件下洪水预报问题提出一种基于时空注意力的序列-门控神经网络洪水预报模型，利用时空注意力机制(STA)建立时空注意力序列到序列GRU模型(STA-GRU-Seq2Seq),引入空间注意力模块优化输入项特征学习，集成时间注意力模型到Seq2Seq框架，增强模型时空维度敏感性。研究区台风洪水预测评估、验证及注意力权重可视化展示结果表明，该模型能有效学习不同类型的洪水特征，提高山区小流域极端降雨条件下洪水预报多步预测能力，为流域防洪提供更准确、预见期更长的洪水预报。

关键词：极端降雨洪水预报时空注意力门控神经网络 Seq2Seq

来源：评论

学校读者我要写书评

暂无评论

不同机器学习算法的高光谱图像地物分类比较研究

不同机器学习算法的高光谱图像地物分类比较研究

引用

作者：仲鸿儒中国地质大学(北京)

学位级别：硕士

随着遥感数据采集技术的快速发展和各个行业对遥感技术的需求增长,遥感数据从宽波段向窄波段发展,高光谱技术进入快速发展期,其光谱信息具有范围窄、波段多且连续等特点,使得地物在狭窄波段吸收/反射峰特征差异显著。模式识别、机器学... 详细信息

随着遥感数据采集技术的快速发展和各个行业对遥感技术的需求增长,遥感数据从宽波段向窄波段发展,高光谱技术进入快速发展期,其光谱信息具有范围窄、波段多且连续等特点,使得地物在狭窄波段吸收/反射峰特征差异显著。模式识别、机器学习和深度学习等技术方法是在遥感探测技术不同发展阶段逐步引入到遥感数据处理与分析中。传统的高光谱图像地物分类方法往往对空间信息利用不足,且在空间信息挖掘中具有很大的随机性。由于机器学习算法具有强自动特征学习的优势,本文比较不同机器学习算法在高光谱图像地物分类的优劣,为地物的识别与分类提供科学依据和实践参考。本文围绕不同机器学习算法特点,对高光谱图像分类进行了比较研究,论文的主要研究工作如下:(1)详细地介绍了高光谱遥感图像的特征和高光谱图像分类的原理、流程和发展。(2)运用深度学习中的门控神经网络进行地物高光谱图像分类,首先对数据进行去噪处理和波段选择,然后进行门控神经网络分类,以序列信息的模式提取空间信息。结果表明:门控神经网络在高光谱图像分类方面具有良好的性能。分类精度优于支持向量机、随机森林、长短时记忆网络和卷积神经网络等分类器。(3)提出了融合三维卷积神经网络和门控神经网络模型,利用三维卷积对高光谱图像进行特征提取,利用空洞卷积和大步长滑动方式抑制高光谱图像相邻波段高相关性问题,运用门控神经网络避免全连接层对空间信息的破坏问题,从而达到有效融合光谱和空间信息进行地物分类的目的。结果表明:多模型融合的地物分类精度由于单一的卷积神经网络模型。

关键词：高光谱图像分类特征提取机器学习卷积神经网络门控神经网络

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：