-
题名基于文本情感特征的心理评估模型
被引量：12
- 1
-
-
作者
杜天宝
于纯浩
温卓
孔馨
-
机构
吉林大学软件学院
吉林大学计算机科学与技术学院
吉林大学新能源与环境学院
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2019年第4期927-932,共6页
-
基金
吉林省科技厅自然科学基金(批准号:20180101036JC)
-
文摘
构建基于文本情感特征的心理评估模型.首先,根据词语的情感极性和词性设计词语特征,将文本中的每个词语映射成情感词向量,进而将其作为卷积神经网络的输入,并加入注意力机制对输出结果进行优化,得到包含情感特征的文本向量表示.其次,使用Bayes正则化算法优化权值,控制并平衡神经网络拟合程度,改进BP神经网络算法的网络泛化能力.最后,将文本向量作为Bayes正则化神经网络的输入,预测学生的心理状态,与心理评估结果的对比实验结果表明,模型效果较理想。
-
关键词
情感特征
卷积神经网络
bayes正则化
-
Keywords
emotional characteristic
convolutional neural network
bayesian regularization
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Bayes正则化的柴油机神经网络燃烧预测模型
被引量：2
- 2
-
-
作者
谢辉
聂振华
陈韬
-
机构
内燃机燃烧学国家重点实验室
-
出处
《汽车安全与节能学报》
CAS
CSCD
2020年第3期345-354,共10页
-
文摘
针对Wiebe燃烧模型需要大量的逐点参数整定、普适性较差、不具备预测性的问题,该文提出一种建立基于Bayes正则化的神经网络燃烧预测模型的多重Wiebe放热率模型标定方法。利用modeFRONTIER对多重Wiebe燃烧模型进行部分工况的预标定,为燃烧预测模型建立提供数据;进行工况边界参数和模型标定参数之间的敏感性分析,并利用基于Bayes正则化的神经网络建立两者之间关系,赋予多重Wiebe燃烧模型预测性,降低燃烧模型标定工作量。结果表明:该燃烧预测模型的平均精度达到93.2%,部分工况点的预测精度达到97%以上,表明该神经网络燃烧预测模型具备较高的模型精度和模型泛化能力。
-
关键词
柴油机燃烧
多重Wiebe燃烧模型
bayes正则化算法
神经网络
预测模型
-
Keywords
diesel combustion
multiple Wiebe combustion model
bayesian regularization algorithm
neural network
predictive model
-
分类号
TK4212
[动力工程及工程热物理—动力机械及工程]
-
