期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于注意力机制深度学习的轻量级无线网络数据分选方法
1
作者 何靓华 赵英 《现代计算机》 2024年第7期44-48,75,共6页
轻量级无线网络通常用于资源受限的设备,使得数据传输和处理能力有限,且数据量庞大,特征识别较为困难,导致数据分选精度较低。为此,提出基于注意力机制深度学习的轻量级无线网络数据分选方法。计算数据的特征值,对基础数据量化预处理,... 轻量级无线网络通常用于资源受限的设备,使得数据传输和处理能力有限,且数据量庞大,特征识别较为困难,导致数据分选精度较低。为此,提出基于注意力机制深度学习的轻量级无线网络数据分选方法。计算数据的特征值,对基础数据量化预处理,采用领域粗糙集算法测算出数据分选的冗余限值,多阶提取数据特征,构建注意力机制深度学习网络数据分选流程,采用最优筛选的方式来实现数据分选处理。最终的测试结果表明:针对选定的6个数据分选测试周期,注意力机制深度学习网络数据分选方法最终得出的数据分选平均F⁃Score均可以达到85%以上,说明在注意力机制深度学习技术的辅助下,当前所设计的数据分选方法的针对性更强、效率更高,具有实际的应用价值。 展开更多
关键词 注意力机制 深度学习 轻量级无线网络 数据分选 分选方法
下载PDF
石油勘探地震资料数据高效分选方法
2
作者 赵伟 刘雪飞 《石油工业计算机应用》 2022年第1期9-12,共4页
数据排序是石油勘探地震资料处理中重要的一个环节。近年来,随着勘探精度的提高,需要排序的数据量越来越大。传统的数据排序算法并没有针对海量数据进行优化,造成了数据下排序速度慢,甚至是排序错误的问题。本文提出了一种基于MapReduc... 数据排序是石油勘探地震资料处理中重要的一个环节。近年来,随着勘探精度的提高,需要排序的数据量越来越大。传统的数据排序算法并没有针对海量数据进行优化,造成了数据下排序速度慢,甚至是排序错误的问题。本文提出了一种基于MapReduce思想的数据分选算法,通过将排序任务拆分成多个容易并行,且粒度较小的分任务,从而能够充分发挥计算集群的并行计算优势。这一算法在计算集群上能够高效地对海量数据进行排序。通过实验,相较于传统算法,本文提出的算法的加速比最高达到1.94,验证了该算法的有效性。 展开更多
关键词 并行调度 数据排序 数据分选 MAPREDUCE
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部