检索结果-内蒙古大学图书馆

中文信息学报 2023年第12期37卷 44-53页

作者：贺楚祎张家俊中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学北京100049

神经机器翻译(NMT)模型在机器翻译任务上取得了良好效果,但由于对训练数据规模的依赖,NMT模型对于命名实体等稀有词语翻译能力有限,存在大量错翻、漏翻等问题。针对上述问题,该文提出了基于多引擎融合的双语命名实体词典构建方法和基于... 详细信息

神经机器翻译(NMT)模型在机器翻译任务上取得了良好效果,但由于对训练数据规模的依赖,NMT模型对于命名实体等稀有词语翻译能力有限,存在大量错翻、漏翻等问题。针对上述问题,该文提出了基于多引擎融合的双语命名实体词典构建方法和基于双语命名实体进行数据增强的Transformer模型架构,在多个中-英翻译测试集上的实验表明,该文提出的神经机器翻译模型相比于朴素Transformer模型在译文整体质量和命名实体翻译正确率上都有一定的提升,分别提升1.58的BLEU值和35.3个百分点的命名实体翻译准确率。

关键词：命名实体翻译神经机器翻译双语命名实体词典

来源：评论

学校读者我要写书评

暂无评论

基于听觉调制孪生网络的单通道语音分离模型

引用

计算机应用 2025年

作者：宋源陈锌李亚荣李永伟刘扬赵振青岛科技大学信息科学技术学院中国科学院自动化研究所模式识别国家重点实验室

为解决基于语谱图特征输入的单通道语音分离方法存在的不同说话人时频点重叠导致分离效果欠佳的问题，提出一种基于听觉调制孪生网络的单通道语音分离模型。首先，通过频带划分和包络检波计算调制信号，进而利用傅里叶变换提取调制幅度... 详细信息

为解决基于语谱图特征输入的单通道语音分离方法存在的不同说话人时频点重叠导致分离效果欠佳的问题，提出一种基于听觉调制孪生网络的单通道语音分离模型。首先，通过频带划分和包络检波计算调制信号，进而利用傅里叶变换提取调制幅度谱；其次，基于突变点检测和匹配的方法获取调制幅度谱特征与语音片段之间的映射关系，实现语音片段的有效划分；随后，设计基于协同注意力机制的孪生网络提取不同说话人语音片段的鉴别性特征；之后，提出基于领域影响机制的自组织映射网络(N-SOM)，通过划定动态邻域范围，实现了无需预先指定说话人数量的特征聚类，以获得不同说话人的掩膜矩阵；最后，为了避免在调制域重构信号产生伪影，设计时域滤波器将调制域掩膜转换为时域掩膜并结合相位信息重构语音信号。实验结果表明，所提模型在WSJ0-2mix和WSJ0-3mix数据集上的语音质量感知评价(PESQ)、信号失真比改进(SDRi)和尺度不变信号失真比改进(SI-SDRi)均优于双密度双树复小波变换(DDDTCWT)方法。

关键词：语音分离调制机制孪生网络协同注意力机制自组织映射神经网络

来源：评论

学校读者我要写书评

暂无评论

鲁棒的水密流形网格修复

引用

计算机辅助设计与图形学学报 2024年第7期36卷 1047-1056页

作者：王鹏飞徐敏峰辛士庆严冬明屠长河山东大学计算机科学与技术学院青岛266237 山东财经大学计算机科学与技术学院济南250014 中国科学院自动化研究所模式识别国家重点实验室北京100190

针对未经修复的网格模型一般存在非流形结构,常带有孔洞、法向不一致、自交等缺陷,很难直接应用到后续基于网格的应用中的问题,提出一种保持输入网格特征的鲁棒水密流形网格修复算法.首先利用Manifoldplus算法和卷绕数(winding number)... 详细信息

针对未经修复的网格模型一般存在非流形结构,常带有孔洞、法向不一致、自交等缺陷,很难直接应用到后续基于网格的应用中的问题,提出一种保持输入网格特征的鲁棒水密流形网格修复算法.首先利用Manifoldplus算法和卷绕数(winding number)构建能够区分输入网格内外且逼近输入网格的水密流形引导曲面;然后利用引导曲面计算受限Voronoi图(restricted Voronoi diagram,RVD);再通过对偶得到受限三角剖分(restricted Delaunay triangulation,RDT);将非流形问题分解到RVD和RDT计算过程中,保证计算的RDT即为修复后的水密流形网格;最后在原始网格边中添加辅助点,保持原始网格特征.基于Windows 10平台,在ModelNet10公开数据集上进行实验的结果表明,所提算法在输出网格的平均精度为1.54×10^(-6),与Manifoldplus算法相当;但是当输入的模型包含孔洞时,Manifoldplus算法无法将孔洞合理地填补,而该算法能够合理地填补孔洞.

关键词：网格修复限制Voronoi 水密流形

来源：评论

学校读者我要写书评

暂无评论

神经网络结构自适应研究综述

引用

模式识别与人工智能 2023年第12期36卷 1087-1103页

作者：李淑覃娴萍翟晓童张龙仲国强向世明中国海洋大学计算机科学与技术学院青岛266404 中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

网络结构自适应旨在根据特定学习任务和数据对神经网络结构进行自动设计和模型优化,以适应开放环境智能感知学习任务的综合需求.文中旨在全面综述网络结构自适应方法.首先,阐述并分析神经架构搜索的主要方法.然后,分别从轻量化神经架构... 详细信息

网络结构自适应旨在根据特定学习任务和数据对神经网络结构进行自动设计和模型优化,以适应开放环境智能感知学习任务的综合需求.文中旨在全面综述网络结构自适应方法.首先,阐述并分析神经架构搜索的主要方法.然后,分别从轻量化神经架构搜索、智能感知任务、连续学习三个方面呈现网络结构自适应的研究进展.在此基础上,建立一套面向开放环境应用的深度神经网络组件与结构的自适应评价指标体系,提出一种网络结构自适应方法,通过注意力引导的微观架构自适应机制和渐进式离散策略,在优化过程中实现网络结构的自适应调整优化和逐步离散化,并与现有方法进行对比分析.最后,探讨当前方法存在的问题与挑战,展望未来的研究方向.

关键词：网络结构自适应神经架构搜索自适应评价深度学习

来源：评论

学校读者我要写书评

暂无评论

基于对比学习的中文命名实体识别方法

引用

中文信息学报 2023年第12期37卷 98-105页

作者：江洲钰向露亢晓勉宗成庆中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

针对中文命名实体识别任务,基于字词图进行字词特征融合被证明是一类有效的性能提升方法。然而,在实际场景下,构建字词图所使用的外部词典与训练数据间在领域、表达方式等多方面存在不一致,导致引入的词与实体间存在不完全匹配问题。不... 详细信息

针对中文命名实体识别任务,基于字词图进行字词特征融合被证明是一类有效的性能提升方法。然而,在实际场景下,构建字词图所使用的外部词典与训练数据间在领域、表达方式等多方面存在不一致,导致引入的词与实体间存在不完全匹配问题。不完全匹配词指与实体间存在边界冲突或语义冲突的词,这些词会在模型识别实体边界与类型过程中引入噪声特征。针对此问题,该文提出了一种基于对比学习的中文命名实体识别方法,将冲突实例视为负例,并为边界冲突和语义冲突分别设计了对比学习模块。另外,该文提出了改进的折损InfoNCE函数,以提升语义对比模块区分相似标签的能力。实验表明,在四个中文命名实体识别公开数据集上,该文方法均达到了当前最优性能。

关键词：对比学习命名实体识别特征融合

来源：评论

学校读者我要写书评

暂无评论

基于图对比注意力网络的知识图谱补全

引用

北京航空航天大学学报 2022年第8期48卷 1428-1435页

作者：刘丹阳方全张晓伟胡骏钱胜胜徐常胜郑州大学河南先进技术研究院郑州450000 中国科学院自动化研究所模式识别国家重点实验室北京100190

知识图谱(KG)补全旨在通过知识库中已知三元组来预测缺失的链接。由于大多数方法都是独立地处理三元组,而忽略了知识图谱所具有的异质结构和相邻节点中固有的丰富的信息,导致不能充分挖掘三元组的特征。考虑基于端到端的知识图谱补全任... 详细信息

知识图谱(KG)补全旨在通过知识库中已知三元组来预测缺失的链接。由于大多数方法都是独立地处理三元组,而忽略了知识图谱所具有的异质结构和相邻节点中固有的丰富的信息,导致不能充分挖掘三元组的特征。考虑基于端到端的知识图谱补全任务,提出了一种图对比注意力网络(GCAT),通过注意力机制同时捕获局部邻域内实体和关系的特征,并封装实体邻域上下文信息。为了有效封装三元组特征,引入一个子图级别的对比训练对象用于增强生成的实体嵌入的质量。为了验证GCAT的有效性,在链接预测任务上评估了所提方法,实验结果表明,在数据集FB15k-237中,MRR比InteractE提高0.005,比A2N模型提高0.042;在数据集WN18RR中,MRR比InteractE提高0.019,比A2N模型提高0.032。实验证明提出的GCAT模型能够有效预测知识图谱中缺失的链接。

关键词：知识图谱(KG) 注意力机制对比学习知识图谱补全链接预测

来源：评论

学校读者我要写书评

暂无评论

基于图对比的上下位关系检测

引用

北京航空航天大学学报 2022年第8期48卷 1480-1486页

作者：张雅丽方全王允鑫胡骏钱胜胜徐常胜郑州大学河南先进技术研究院郑州450000 中国科学院自动化研究所模式识别国家重点实验室北京100190

上下位关系是自然语言处理(NLP)下游任务的基础,因此上下位关系检测是自然语言处理领域备受关注的问题。针对现有词嵌入方法采用随机初始化词向量,不能很好地捕获上下位关系不对称和可传递的特性,且现有模型没有充分利用预测向量与真实... 详细信息

上下位关系是自然语言处理(NLP)下游任务的基础,因此上下位关系检测是自然语言处理领域备受关注的问题。针对现有词嵌入方法采用随机初始化词向量,不能很好地捕获上下位关系不对称和可传递的特性,且现有模型没有充分利用预测向量与真实投影之间关系的局限性,提出了一种基于图对比学习的上下位关系检测(HyperCL)方法。引入图对比学习进行数据增强,基于最大化局部和全局表示的互信息,学习具有鲁棒性的词特征表示。所提方法学习了将下位词的词向量投影到上位词和非上位词,同时能够更好地区分嵌入空间中的上位词和非上位词,从而提高了检测精度。在2个基准数据集上的实验结果表明,所提模型比现有方法在准确率上提升了0.03以上。

关键词：自然语言处理(NLP) 上下位关系检测图对比学习数据增强词嵌入

来源：评论

学校读者我要写书评

暂无评论

基于时空注意力机制的新冠肺炎疫情预测模型

引用

北京航空航天大学学报 2022年第8期48卷 1495-1504页

作者：鲍昕谭智一鲍秉坤徐常胜南京邮电大学通信与信息工程学院南京210003 中国科学院自动化研究所模式识别国家重点实验室北京100080

新冠肺炎疫情持续蔓延给人类社会带来深远影响,准确预测各地区的病毒传播趋势对防控疫情而言至关重要。现有研究主要基于传统的时序预测模型和传染病模型,鲜有考虑疫情地区关联复杂和时序依赖性强的特点,限制了其疫情预测的性能。为此,... 详细信息

新冠肺炎疫情持续蔓延给人类社会带来深远影响,准确预测各地区的病毒传播趋势对防控疫情而言至关重要。现有研究主要基于传统的时序预测模型和传染病模型,鲜有考虑疫情地区关联复杂和时序依赖性强的特点,限制了其疫情预测的性能。为此,针对新冠肺炎疫情的预测任务,提出了一种时空注意力驱动的自编码器框架。通过引入空间注意力机制捕捉病毒感染序列间的动态空间关联性,利用时间注意力机制挖掘病毒感染序列中复杂的时序依赖性,以此实现对不同地区的新冠肺炎病毒传播趋势的准确预测。在模型的编码器端,融合空间注意力机制的长短期记忆(LSTM)网络,关联目标地区与其他地区的病毒感染序列,提取该区域近期新冠肺炎疫情的时序特征。在模型的解码器端,将时间注意力机制引入基于LSTM网络的解码器中,通过捕捉病毒感染序列的时序依赖性推测未来的新冠肺炎疫情趋势变化。在多个公开的新冠肺炎疫情数据集上对所提模型进行验证,实验结果表明:所提模型的预测性能超越了LSTM等模型;在公开的欧洲部分国家新冠肺炎疫情数据集上,预测误差指标RMSE和MAE分别降低了22.3%和25.0%,在中国部分省级单位新冠肺炎疫情数据集上,RMSE和MAE分别降低了10.1%和10.4%。

关键词：新冠肺炎疫情预测注意力网络时空序列预测长短期记忆(LSTM)网络自编码器

来源：评论

学校读者我要写书评

暂无评论

融入法律知识的问句匹配

引用

软件学报 2023年第4期34卷 1824-1836页

作者：刘权余正涛何世柱刘康高盛祥昆明理工大学信息工程与自动化学院云南昆明650504 云南省人工智能重点实验室(昆明理工大学) 云南昆明650504 模式识别国家重点实验室(中国科学院自动化研究所) 北京100190

问句匹配是问答系统的重要任务,当前方法通常采用神经网络建模两个句子的语义匹配程度.但是,在法律领域中,问句常存在文本表征稀疏、法律词的专业性较强、句子蕴含法律知识不足等问题.因此,通用领域的深度学习文本匹配模型在法律问句匹... 详细信息

问句匹配是问答系统的重要任务,当前方法通常采用神经网络建模两个句子的语义匹配程度.但是,在法律领域中,问句常存在文本表征稀疏、法律词的专业性较强、句子蕴含法律知识不足等问题.因此,通用领域的深度学习文本匹配模型在法律问句匹配任务上效果并不好.为了让模型更好的理解法律问句的含义、建模法律领域知识,首先构建一个法律领域知识库,在此基础上提出一种融合法律领域知识(如法律词汇和法律法条)的问句匹配模型.具体地,构建了合同纠纷、离婚、交通事故、劳动工伤、债务债权等5种法律纠纷类别下的法律词典,并且收集了相关法律法条,构建法律领域知识库.在问句匹配中,首先查询法律知识库检索问句对所对应的法律词汇和法律法条,进而通过交叉关注模型同时建模问句、法律词汇、法律法条三者之间的关联,最终实现更精准的问句匹配,在多个法律类别下的实验表明提出的方法能有效提升问句匹配性能.

关键词：法律问句匹配法律词典法律法条法律领域知识库

来源：评论

学校读者我要写书评

暂无评论

从单幅图像估计景深的模型到底学到了什么

引用

计算机辅助设计与图形学学报 2024年第11期36卷 1771-1780页

作者：胡立华朵安鹏杨海峰张继福胡占义太原科技大学计算机科学与技术学院太原030024 中国科学院自动化研究所模式识别国家重点实验室北京100190

目前,基于深度学习的单幅图像景深估计取得了显著的进展,在一些公开的室内外数据集上均取得了非常高的估计精度.然而,不论是基于监督学习还是基于自监督学习的景深估计模型,这些模型到底学习到了图像的什么性质,使得其能够对景深进行很... 详细信息

目前,基于深度学习的单幅图像景深估计取得了显著的进展,在一些公开的室内外数据集上均取得了非常高的估计精度.然而,不论是基于监督学习还是基于自监督学习的景深估计模型,这些模型到底学习到了图像的什么性质,使得其能够对景深进行很好的估计呢?为此,从2个侧面对这个问题进行了量化的测试和分析.对于“无纹理”区域,通过模型对这些区域与该区域邻域估计的景深之间的关系,探究了这些区域的估计景深是不是其邻域估计景深的某种“填充”效应;其次分析了模型对高视觉显著性区域估计的景深是否具有更高的估计精度.测试结果显示,无纹理区域与其邻域的估计景深分布确实存在比较高的相似性,但当前景深估计模型的估计精度和图像视觉显著性的关联性不是很强.所得结果对“景深估计模型解析”“景深估计模型改进”等相关工作均具有一定的参考价值,例如,今后在设计和训练景深估计模型的工作中,有必要充分考虑输入图像的视觉显著性效应,从而提高模型对高视觉显著性区域的景深估计精度,以便更好地服务下游任务.

关键词：景深估计模型解析无纹理区域视觉显著性

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：