对于法律文书中证据名、证实内容和卷宗号等实体的正确提取,可以有效提升法官的办案效率。然而,这些实体与一般实体不同,具有字符长度较长和相互关联性较强的特点。因此,该文提出了一种基于JCWA-DLSTM(join character word and attentio...
详细信息
对于法律文书中证据名、证实内容和卷宗号等实体的正确提取,可以有效提升法官的办案效率。然而,这些实体与一般实体不同,具有字符长度较长和相互关联性较强的特点。因此,该文提出了一种基于JCWA-DLSTM(join character word and attention-dual long short-term memory)的法律文书命名实体识别方法。该方法利用字级语言模型获取词语的表示,同时,利用自注意力机制获得句子的内部表示。在此基础上,采用双向LSTM将句子内部表示和基于字级语言模型词语表示分别与词向量拼接编码,再将两种语义表示拼接融合,获得最终的句子语义表示。最后利用CRF将句子的语义表示解码,得到最优标记序列。实验结果表明,该文提出的方法可对法律文书中的证据名、证实内容和卷宗号等实体边界进行有效的确定,提升了命名实体识别的结果。
目的 基于卷积神经网络(convolutional neural network, CNN)识别运动想象脑电信号(motor imagery-electroencephalogram, MI-EEG)是神经康复领域的研究热点，而现有的CNN模型难以同时从时间-频率-空间多域提取丰富的特征信息，并有效应对MI-EEG的个性化特点。为此，本文提出一种基于双注意力的多尺度卷积神经网络(dual attention based multi-scale CNN,DAMSCNN),以实现运动想象任务的多域特征提取并分类。方法 首先，设计滤波器组对原始运动想象信号滤波，并拼接多频带数据，从而构建时-频-空三维MI-EEG数据，将其输入至双注意力模块，由挤压-激励块(squeeze and exitation block, SE Block)和自注意力块(self-attention block, SA Block)分别计算各频带和各导联的注意力权重，增加对有用频率、空间信息的专注力；然后，利用多尺度时间卷积模块并行获取关键频-空信息的多尺度时间特征信息，并与三维MI-EEG数据整合；再基于空-频卷积模块提取和融合所有导联的空间特征和所有频带的频率特征，最终由分类模块完成MI分类。为验证该方法的有效性与可行性，本研究在BCI Competition IV 2a公共数据集上分别进行消融实验及对比实验，并以准确率和F1值作为评价指标。结果 DAMSCNN的组内实验和组间实验分别取得84.02%和79.81%的平均分类准确率，及82.32%和79.67%的F1值。结论 DAMSCNN能够自适应地捕捉MI-EEG的时-频-空特征信息，增强有用信息的注意力重要性，提高了运动想象信号分类精度。
三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)是立体视频编码扩展的国际标准化组织(Joint Collaborative Team on 3D Video Coding Extension Development,JCT-3V)推出的目前最新的3D视频编码标准,基于3D...
详细信息
三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)是立体视频编码扩展的国际标准化组织(Joint Collaborative Team on 3D Video Coding Extension Development,JCT-3V)推出的目前最新的3D视频编码标准,基于3D-HEVC的三维视频编码技术的研究推动了其应用并成为目前三维视频编码技术的研究热点.在回顾3D视频编码标准发展基础上,描述了基于3D-HEVC的三维视频编码方案,对其中最为关键的三维视频纹理图与深度图编码方法与研究进展进行了重点分析与阐述.首先,对目前借助视频序列中纹理特性的三维视频纹理图编码方法展开了综述并说明其存在的问题.然后,对基于纹理特性和区域的三维视频深度图编码方法展开了分析和论述.最后,结合近年来最新的研究成果,展望了三维视频编码技术的发展并提出了新的研究课题.
暂无评论