检索结果-内蒙古大学图书馆

计算机应用 2019年第3期39卷 924-929页

作者：陶涛周喜马博赵凡中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

加油时序数据包含加油行为的多维信息,但是指定加油站点数据较为稀疏,现有成熟的数据异常检测算法存在挖掘较多假性异常点以及遗漏较多真实异常点的缺陷,并不适用于挖掘加油站时序数据。提出一种基于深度学习的异常检测方法识别加油异... 详细信息

加油时序数据包含加油行为的多维信息,但是指定加油站点数据较为稀疏,现有成熟的数据异常检测算法存在挖掘较多假性异常点以及遗漏较多真实异常点的缺陷,并不适用于挖掘加油站时序数据。提出一种基于深度学习的异常检测方法识别加油异常车辆,首先通过自动编码器对加油站点采集到的相关数据进行特征提取,然后采用嵌入双向长短期记忆(Bi-LSTM)的Seq2Seq模型对加油行为进行预测,最后通过比较预测值和原始值来定义异常点的阈值。通过在加油数据集以及信用卡欺诈数据集上的实验验证了该方法的有效性,并且相对于现有方法在加油数据集上均方根误差(RMSE)降低了21.1%,在信用卡欺诈数据集上检测异常的准确率提高了1.4%。因此,提出的模型可以有效应用于加油行为异常的车辆检测,从而提高加油站的管理和运营效率。

关键词：加油站时序数据深度学习 Seq2Seq 双向长短期记忆异常检测

来源：评论

学校读者我要写书评

暂无评论

WILS:面向学业预警的非均衡增量式学习方法

引用

中国科学院大学学报（中英文） 2023年第3期40卷 422-432页

作者：盛晓光王颖张迎伟项若曦付红萍中国科学院大学人工智能学院北京100049 中国科学院计算技术研究所北京100190 北京语言大学信息科学学院北京100083 北京林业大学信息学院北京100083 国家林业和草原局林业智能信息处理工程技术研究中心北京100083

学业预警是构建完善教育管理体系的基础,有助于及早发现、干预学生学习和生活中的异常状况。然而实际研究仍面临诸多挑战,如:1)学生学业表现的相关影响因素往往不断变化,导致数据分布的变化;2)学业预警数据集一般存在类别不均衡的问题... 详细信息

学业预警是构建完善教育管理体系的基础,有助于及早发现、干预学生学习和生活中的异常状况。然而实际研究仍面临诸多挑战,如:1)学生学业表现的相关影响因素往往不断变化,导致数据分布的变化;2)学业预警数据集一般存在类别不均衡的问题。针对上述挑战,提出一种面向学业预警的非均衡增量式学习方法(WILS)。WILS由增量学习机制和加权损失函数两部分构成,增量学习机制能够适应数据分布和样本特征的动态变化,加权损失函数通过为少数类赋予更高的权重提升对该类别的关注度。为评估WILS的效果,在包含2 275名本科生的真实数据集和包含1 000名学生的公开数据集上进行了实验验证。结果表明,相较于已有方法,WILS能够较好地适应数据和特征的连续动态变化,取得优异的识别效果。

关键词：学业预警增量学习非均衡深度学习加权损失函数

来源：评论

学校读者我要写书评

暂无评论

深度神经网络的压缩研究

引用

计算机应用研究 2018年第10期35卷 2894-2897,2903页

作者：韩云飞蒋同海马玉鹏徐春香张睿中国科学院新疆理化技术研究所乌鲁木齐830011 新疆民族语音语言信息处理实验室乌鲁木齐830011 中国科学院大学北京100049

深度神经网络中过多的参数使得自身成为高度计算密集型和内存密集型的模型,这使得深度神经网络的应用不能轻易地移植到嵌入或移动设备上以解决特殊环境下的实际需求。为了解决该问题,提出了基于网络删减、参数共享两者结合的神经网络压... 详细信息

深度神经网络中过多的参数使得自身成为高度计算密集型和内存密集型的模型,这使得深度神经网络的应用不能轻易地移植到嵌入或移动设备上以解决特殊环境下的实际需求。为了解决该问题,提出了基于网络删减、参数共享两者结合的神经网络压缩方案。首先通过删减掉权重小于阈值的网络连接,保留其重要的连接;然后使用K-means聚类算法将删减后每层的参数进行聚类,每簇内的各个参数共享该簇的中心值作为其权重。实验在MNIST数据集上完成手写数字识别功能的Le Net-300-100网络和修改得到的Le Net-300-240-180-100网络分别压缩了9.5×和12.1×。基于网络删减、参数共享两者结合的神经网络压缩方案为未来在特殊环境下更丰富的基于深度神经网络的智能应用提供了可行方案。

关键词：神经网络压缩网络删减参数共享

来源：评论

学校读者我要写书评

暂无评论

面向汉维机器翻译的双语关联度优化模型

引用

计算机应用研究 2020年第3期37卷 726-730页

作者：潘一荣李晓杨雅婷董瑞中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆民族语音语言信息处理实验室乌鲁木齐830011

针对汉语—维吾尔语的统计机器翻译系统中存在的语义无关性问题,提出基于神经网络机器翻译方法的双语关联度优化模型。该模型利用注意力机制捕获词对齐信息,引入双语短语间的语义相关性和内部词汇匹配度,预测双语短语的生成概率并将其... 详细信息

针对汉语—维吾尔语的统计机器翻译系统中存在的语义无关性问题,提出基于神经网络机器翻译方法的双语关联度优化模型。该模型利用注意力机制捕获词对齐信息,引入双语短语间的语义相关性和内部词汇匹配度,预测双语短语的生成概率并将其作为双语关联度,以优化统计翻译模型中的短语翻译得分。在第十一届全国机器翻译研讨会(CWMT 2015)汉维公开机器翻译数据集上的实验结果表明,与基线系统相比,在使用较小规模的训练数据和词汇表的条件下,所提方法可以同时有效地提高短语级别和句子级别的机器翻译任务性能,分别获得最高2.49和0.59的BLEU值提升。

关键词：维吾尔语神经网络机器翻译注意力机制词对齐生成概率

来源：评论

学校读者我要写书评

暂无评论

一种基于多层感知器的房颤心电图检测方法

引用

中国医学物理学杂志 2020年第3期37卷 332-336页

作者：蔚文婧王寻张鹏远颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011 中国科学院大学北京100049

目的:提出一种基于多层感知器(MLP)的新型房颤识别算法。方法:首先设计一种新型自适应的R波阈值检测算法,然后以R波位置和幅度为特征,MLP为分类器进行正常/房颤心电图识别。MLP的网络参数采用深层置信网络预训练算法进行初始化,最后用... 详细信息

目的:提出一种基于多层感知器(MLP)的新型房颤识别算法。方法:首先设计一种新型自适应的R波阈值检测算法,然后以R波位置和幅度为特征,MLP为分类器进行正常/房颤心电图识别。MLP的网络参数采用深层置信网络预训练算法进行初始化,最后用误差反向传播算法对MLP网络权重进行调整。结果:在单通道心电图数据集上对正常、房颤心电信号进行分类,本研究方法的灵敏度达96.00%,特异性为84.18%,平均识别率为90.09%。结论:这种基于MLP的心电识别算法准确率高、计算复杂度较低,可为房颤的智能诊断提供一种新方法。

关键词：房颤心电图多层感知器 R波检测深层置信网络

来源：评论

学校读者我要写书评

暂无评论

“进行”句的语义的结构

“进行”句的语义的结构

引用

全国第五届计算机语言联合学术会议

作者：苗传江语言文化大学语言信息处理研究所(北京) 中国科学院声学研究所声场

“进行”句是拟以“进行”后的动词为语义核心的句子，该文分析了“进行”句的语义结构类型，并用ＨＮＣ理论描述了“进行”句，由些说明ＨＮＣ理论是一个很好的自然语言描述体系，对语言研究和自然语言处理具有重要的理论和应用价值。

关键词： “进行”句语义结构 HNC理论现代汉语

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的相似语言短文本的语种识别方法

引用

计算机应用与软件 2020年第2期37卷 124-129,176页

作者：张琳琳杨雅婷陈沾衡潘一荣李毓中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

在语种识别中,传统的N-Gram方法对文本长度依赖度高,因而无法有效地对短文本进行语种识别。现有的基于神经网络的模型无法同时考虑词本身信息和词间组合信息,从而降低了短文本语种识别的质量。针对以上问题,提出一种基于深度学习的字符... 详细信息

在语种识别中,传统的N-Gram方法对文本长度依赖度高,因而无法有效地对短文本进行语种识别。现有的基于神经网络的模型无法同时考虑词本身信息和词间组合信息,从而降低了短文本语种识别的质量。针对以上问题,提出一种基于深度学习的字符级短文本语种识别方法。采用卷积神经网络从字符向量中获取词中字符组合信息;通过长短期记忆网络获取词与词之间的特征信息;使用全连接网络实现相似语言的语种识别。在维吾尔语、哈萨克语以及DSL2017数据集上的实验结果表明,该方法可以有效地提高相似语言短文本的识别精度。

关键词：语种识别相似语言短文本神经网络文本分类

来源：评论

学校读者我要写书评

暂无评论

基于残差注意力的新槽值抽取研究

引用

计算机应用与软件 2024年第6期41卷 208-214页

作者：鄢明辉周喜王轶中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

针对任务型对话中用户输入存在新槽值难以提取的问题,提出一种基于双向长短时记忆神经网络的特征融合模型。通过负样本添加技术缓解新槽值识别问题;引入注意力机制来提取用户输入中词与词之间的权重特征;在多层堆叠长短时记忆神经网络... 详细信息

针对任务型对话中用户输入存在新槽值难以提取的问题,提出一种基于双向长短时记忆神经网络的特征融合模型。通过负样本添加技术缓解新槽值识别问题;引入注意力机制来提取用户输入中词与词之间的权重特征;在多层堆叠长短时记忆神经网络之间用残差连接以缓解特征提取过程中的信息丢失,将得到的融合特征输入到条件随机场筛选出合理的标注序列。在DSTC3数据集上进行相关测试,实验结果表明,该模型在新槽值、已知槽值和总数据集上的识别准确率分别为70.73%、91.56%和87.11%,性能相比baseline方法有显著提高。

关键词：槽值抽取新槽值自然语言处理残差网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于真值发现的加油站车辆号牌缺损数据填充方法

引用

计算机应用与软件 2019年第8期36卷 41-46,74页

作者：彭新亮程力王轶马博赵凡周喜中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

由于数据采集设备的不完善以及数据在传输过程中的不可靠性等原因,致使加油站车辆加油数据中经常会产生数据的丢失和错误,降低了车辆加油数据的完整性,严重影响了后续的数据分析工作。目前虽然已有许多算法可以解决连续型数值数据的缺... 详细信息

由于数据采集设备的不完善以及数据在传输过程中的不可靠性等原因,致使加油站车辆加油数据中经常会产生数据的丢失和错误,降低了车辆加油数据的完整性,严重影响了后续的数据分析工作。目前虽然已有许多算法可以解决连续型数值数据的缺损问题,但是它们并不适用于车辆号牌这种离散型分类数据。提出一种基于改进TruthFinder算法的缺损值填充框架。基于真值发现算法,考虑到离散数据相似度的计算方式,改进原算法对数据值支持度的计算模型。通过在真实加油站车辆数据集上的实验,相较于原算法及更加通用的Voting算法,正确率分别提升了7%和23%。该方法能部分解决类似加油站车辆加油数据这种多源离散型数据的缺损值填充问题,大大提高了此数据的可用性。

关键词：数据清洗车辆加油数据缺失数据填充真值发现

来源：评论

学校读者我要写书评

暂无评论

基于LSTM-GAN的加油时序数据异常检测

引用

计算机应用与软件 2022年第7期39卷 13-19页

作者：赵飏李晓马博王保全周喜中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

加油站时序数据中蕴藏着大量信息,但加油数据庞大复杂且各变量间蕴含隐性关系,目前的异常检测方法经常产生“假异常”或遗漏真实异常,无法有效挖掘加油数据中的异常点。针对这种现象,提出一种基于无监督学习的异常检测方法。通过PCA对... 详细信息

加油站时序数据中蕴藏着大量信息,但加油数据庞大复杂且各变量间蕴含隐性关系,目前的异常检测方法经常产生“假异常”或遗漏真实异常,无法有效挖掘加油数据中的异常点。针对这种现象,提出一种基于无监督学习的异常检测方法。通过PCA对数据进行降维,提取有效的特征信息,采用基于LSTM的GAN模型(LSTM-GAN)对加油时序数据进行检测,通过生成器和鉴别器共同得到的异常损失定义异常点。通过在加油数据集和公开数据集上的实验证明了该方法的有效性,并且相较于目前的异常检测方法具有一定提升。

关键词：生成式对抗网络长短期递归神经网络无监督学习时序数据异常检测

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：