期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
深度复数轴向自注意力卷积循环网络的语音增强
被引量:
1
1
作者
曹洁
王乔
+3 位作者
梁浩鹏
王宸章
李晓旭
于泓
《计算机系统应用》
2024年第4期60-68,共9页
单通道语音增强任务中相位估计不准确会导致增强语音的质量较差,针对这一问题,提出了一种基于深度复数轴向自注意力卷积循环网络(deep complex axial self-attention convolutional recurrent network,DCACRN)的语音增强方法,在复数域...
单通道语音增强任务中相位估计不准确会导致增强语音的质量较差,针对这一问题,提出了一种基于深度复数轴向自注意力卷积循环网络(deep complex axial self-attention convolutional recurrent network,DCACRN)的语音增强方法,在复数域同时实现了语音幅度信息和相位信息的增强.首先使用基于复数卷积网络的编码器从输入语音信号中提取复数表示的特征,并引入卷积跳连模块用以将特征映射到高维空间进行特征融合,加强信息间的交互和梯度的流动.然后设计了基于轴向自注意力机制的编码器-解码器结构,利用轴向自注意力机制来增强模型的时序建模能力和特征提取能力.最后通过解码器实现对语音信号的重构,同时利用混合损失函数优化网络模型,提升增强语音信号的质量.实验在公开数据集Valentini和DNS Challenge上进行,结果表明所提方法相对于其他模型在客观语音质量评估(perceptual evaluation of speech quality,PESQ)和短时客观可懂度(short-time objective intelligibility,STOI)两项指标上均有提升,在非混响数据集中,PESQ比DCTCRN(deep cosine transform convolutional recurrent network)提高了12.8%,比DCCRN(deep complex convolutional recurrent network)提高了3.9%,验证了该网络模型在语音增强任务中的有效性.
展开更多
关键词
单通道语音增强
复数卷积循环网络
卷积跳连
轴向
自
注意力
机制
下载PDF
职称材料
基于SPD多尺度输入的ST-MASA的肺炎智能检测模型
2
作者
李芳芳
束建华
+3 位作者
阚峻岭
殷云霞
孙大勇
马春
《宿州学院学报》
2023年第12期11-17,共7页
肺部X光片的临床诊断结果可以作为新冠肺炎及其他肺炎诊断的重要依据,而X光片所显示的肺炎病变的相似性及阅片量巨大,医生传统的阅片识别存在误诊、漏诊和时间消耗等问题。因此,提出了一种融合空间金字塔分解(Spatial pyramid decomposi...
肺部X光片的临床诊断结果可以作为新冠肺炎及其他肺炎诊断的重要依据,而X光片所显示的肺炎病变的相似性及阅片量巨大,医生传统的阅片识别存在误诊、漏诊和时间消耗等问题。因此,提出了一种融合空间金字塔分解(Spatial pyramid decomposition, SPD)模块进行多尺度输入的ST-MASA(Swin Transformer with Multi-Head Axial-Self-Attention)的肺炎智能检测模型,用于COVID-19和多类型肺炎的自动分类。该模型能够自动关注肺炎病灶的判别信息和多尺度特征,进而更好地进行COVID-19、肺不透明(Lung_Opacity)、非COVID的病毒性肺炎(Viral_Pneumonia)和正常(Normal)的X光片进行分类,以便更好地帮助放射科医生进行医疗诊断工作。实验结果表明,所提出的模型在准确率、召回率、F1-Measure等指标上均优于经典的网络模型ResNet 50、ResNet 101、Inception net-V3和Swin Transformer。
展开更多
关键词
肺炎智能检测
空间金字塔分解
多尺度输入
多头
轴向
自
注意力
机制
Swin
Transformer
下载PDF
职称材料
DE-AA:基于词对距离嵌入和轴向注意力机制的实体关系联合抽取模型
3
作者
张梦赢
沈海龙
《计算机科学》
CSCD
北大核心
2024年第12期234-241,共8页
实体关系联合抽取为知识图谱的构建提供了关键的技术支持,而重叠关系问题一直都是联合抽取模型研究的重点。现有的方法大多采用多步骤的建模方法,虽然在解决重叠关系问题上取得了很好的效果,但产生了曝光偏差问题。为同时解决重叠关系...
实体关系联合抽取为知识图谱的构建提供了关键的技术支持,而重叠关系问题一直都是联合抽取模型研究的重点。现有的方法大多采用多步骤的建模方法,虽然在解决重叠关系问题上取得了很好的效果,但产生了曝光偏差问题。为同时解决重叠关系和曝光偏差问题,提出了一种基于词对距离嵌入和轴向注意力机制的实体关系联合抽取方法(DE-AA)。首先,构建代表词对关系的表特征,加入词对距离特征信息优化其表示;其次,应用基于行注意力和列注意力的轴向注意力模型去增强表特征,在融合全局特征的同时能够降低计算复杂度;最后,将表特征映射到各关系空间中,生成特定关系下的词对关系表,并使用表格填充法为表中各项分配标签,以三重分类的方式进行三元组的抽取。在公开数据集NYT和WebNLG上评估了所提出的模型,实验结果表明其与其他基线模型相比取得了更好的性能,且在处理重叠关系或多重关系问题上优势显著。
展开更多
关键词
实体关系联合抽取
轴向
注意力
机制
词对距离嵌入
表格填充法
下载PDF
职称材料
题名
深度复数轴向自注意力卷积循环网络的语音增强
被引量:
1
1
作者
曹洁
王乔
梁浩鹏
王宸章
李晓旭
于泓
机构
兰州理工大学计算机与通信学院
兰州城市学院信息工程学院
鲁东大学信息与电气工程学院
出处
《计算机系统应用》
2024年第4期60-68,共9页
基金
甘肃省重点研发计划(22YF7GA130)。
文摘
单通道语音增强任务中相位估计不准确会导致增强语音的质量较差,针对这一问题,提出了一种基于深度复数轴向自注意力卷积循环网络(deep complex axial self-attention convolutional recurrent network,DCACRN)的语音增强方法,在复数域同时实现了语音幅度信息和相位信息的增强.首先使用基于复数卷积网络的编码器从输入语音信号中提取复数表示的特征,并引入卷积跳连模块用以将特征映射到高维空间进行特征融合,加强信息间的交互和梯度的流动.然后设计了基于轴向自注意力机制的编码器-解码器结构,利用轴向自注意力机制来增强模型的时序建模能力和特征提取能力.最后通过解码器实现对语音信号的重构,同时利用混合损失函数优化网络模型,提升增强语音信号的质量.实验在公开数据集Valentini和DNS Challenge上进行,结果表明所提方法相对于其他模型在客观语音质量评估(perceptual evaluation of speech quality,PESQ)和短时客观可懂度(short-time objective intelligibility,STOI)两项指标上均有提升,在非混响数据集中,PESQ比DCTCRN(deep cosine transform convolutional recurrent network)提高了12.8%,比DCCRN(deep complex convolutional recurrent network)提高了3.9%,验证了该网络模型在语音增强任务中的有效性.
关键词
单通道语音增强
复数卷积循环网络
卷积跳连
轴向
自
注意力
机制
Keywords
single-channel speech enhancement
complex convolutional recurrent network
convolution jump
axial self-attention mechanism
分类号
TN912.35 [电子电信—通信与信息系统]
TP183 [电子电信—信息与通信工程]
下载PDF
职称材料
题名
基于SPD多尺度输入的ST-MASA的肺炎智能检测模型
2
作者
李芳芳
束建华
阚峻岭
殷云霞
孙大勇
马春
机构
安徽中医药大学医药信息工程学院
出处
《宿州学院学报》
2023年第12期11-17,共7页
基金
安徽省高等学校自然科学重点研究项目(2022AH050475,KJ2020A0394)
安徽中医药大学自然科学重点研究项目(2020zrzd20,2020zrzd19,2020zrzd17,2021zrzd12)
安徽省省级教学研究项目(2020jyxm1018,2020jyxm1020)。
文摘
肺部X光片的临床诊断结果可以作为新冠肺炎及其他肺炎诊断的重要依据,而X光片所显示的肺炎病变的相似性及阅片量巨大,医生传统的阅片识别存在误诊、漏诊和时间消耗等问题。因此,提出了一种融合空间金字塔分解(Spatial pyramid decomposition, SPD)模块进行多尺度输入的ST-MASA(Swin Transformer with Multi-Head Axial-Self-Attention)的肺炎智能检测模型,用于COVID-19和多类型肺炎的自动分类。该模型能够自动关注肺炎病灶的判别信息和多尺度特征,进而更好地进行COVID-19、肺不透明(Lung_Opacity)、非COVID的病毒性肺炎(Viral_Pneumonia)和正常(Normal)的X光片进行分类,以便更好地帮助放射科医生进行医疗诊断工作。实验结果表明,所提出的模型在准确率、召回率、F1-Measure等指标上均优于经典的网络模型ResNet 50、ResNet 101、Inception net-V3和Swin Transformer。
关键词
肺炎智能检测
空间金字塔分解
多尺度输入
多头
轴向
自
注意力
机制
Swin
Transformer
Keywords
Intelligent detection of pneumonia
Spatial pyramid decomposition
Multi-scale input
Multi-head Axial-Self-Attention
Swin Transformer
分类号
TP391.44 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
DE-AA:基于词对距离嵌入和轴向注意力机制的实体关系联合抽取模型
3
作者
张梦赢
沈海龙
机构
东北大学理学院
出处
《计算机科学》
CSCD
北大核心
2024年第12期234-241,共8页
文摘
实体关系联合抽取为知识图谱的构建提供了关键的技术支持,而重叠关系问题一直都是联合抽取模型研究的重点。现有的方法大多采用多步骤的建模方法,虽然在解决重叠关系问题上取得了很好的效果,但产生了曝光偏差问题。为同时解决重叠关系和曝光偏差问题,提出了一种基于词对距离嵌入和轴向注意力机制的实体关系联合抽取方法(DE-AA)。首先,构建代表词对关系的表特征,加入词对距离特征信息优化其表示;其次,应用基于行注意力和列注意力的轴向注意力模型去增强表特征,在融合全局特征的同时能够降低计算复杂度;最后,将表特征映射到各关系空间中,生成特定关系下的词对关系表,并使用表格填充法为表中各项分配标签,以三重分类的方式进行三元组的抽取。在公开数据集NYT和WebNLG上评估了所提出的模型,实验结果表明其与其他基线模型相比取得了更好的性能,且在处理重叠关系或多重关系问题上优势显著。
关键词
实体关系联合抽取
轴向
注意力
机制
词对距离嵌入
表格填充法
Keywords
Joint extraction of entities and relations
Axial attention mechanism
Word-Pair distance embedding
Table filling method
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
深度复数轴向自注意力卷积循环网络的语音增强
曹洁
王乔
梁浩鹏
王宸章
李晓旭
于泓
《计算机系统应用》
2024
1
下载PDF
职称材料
2
基于SPD多尺度输入的ST-MASA的肺炎智能检测模型
李芳芳
束建华
阚峻岭
殷云霞
孙大勇
马春
《宿州学院学报》
2023
0
下载PDF
职称材料
3
DE-AA:基于词对距离嵌入和轴向注意力机制的实体关系联合抽取模型
张梦赢
沈海龙
《计算机科学》
CSCD
北大核心
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部