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6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：
基于多通路CNN的多模态MRI神经胶质瘤分割 被引量：8
1
作者 朱婷 王瑜 +1 位作者 肖洪兵 曹利红 《计算机应用与软件》 北大核心 2018年第4期220-226,共7页
由于传统卷积神经网络CNN(Convolutional Neural Networks)受卷积核尺度的限制,容易丢失磁共振成像MRI(Magnetic Resonance Imaging)脑肿瘤图像的全局信息,而且卷积、池化的过程会导致网络浅层的部分信息丢失,造成基于CNN的脑肿瘤分割... 由于传统卷积神经网络CNN(Convolutional Neural Networks)受卷积核尺度的限制,容易丢失磁共振成像MRI(Magnetic Resonance Imaging)脑肿瘤图像的全局信息,而且卷积、池化的过程会导致网络浅层的部分信息丢失,造成基于CNN的脑肿瘤分割特征信息不足,分割精度不高。针对上述问题,提出一种具有全局通路,同时结合网络浅层信息的多通路CNN模型,用来完成多模态MRI脑部神经胶质瘤的全自动分割任务。算法主要思想:将三维多模态MRI图像沿轴向切片化,在相同序列的切片上按比例选取尺度为33×33像素的图像块,得到训练集;将训练集图像块输入多通路CNN模型进行训练;将测试集输入训练好的模型,将脑肿瘤从脑部MRI图像中正确分割出来,并具体划分为坏死、水肿、增强和非增强四种区域,利用模型评估参数Dice系数、敏感度(Sensitivity)系数和特异度(Specificity)系数评测模型的质量。实验结果表明,该方法操作简单,能够有效地完成脑肿瘤的分割任务。 展开更多
关键词 多模态磁共振成像 神经胶质瘤 浅层信息 全局信息 多通路卷积神经网络 全自动分割
下载PDF
基于深度学习的雾霾天气下交通标志识别 被引量：7
2
作者 陈秀新 叶洋 +1 位作者 于重重 张雪 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第12期1-5,12,共6页
针对雾霾天气下成像设备获取的图像质量较低导致交通标志难以识别这一现象,笔者提出了先去除雾霾后进行识别的办法。对雾霾图像首先通过深度学习算法IRCNN进行去雾霾处理,然后提出一种多通道卷积神经网络(Multi-channel CNN)模型对去雾... 针对雾霾天气下成像设备获取的图像质量较低导致交通标志难以识别这一现象,笔者提出了先去除雾霾后进行识别的办法。对雾霾图像首先通过深度学习算法IRCNN进行去雾霾处理,然后提出一种多通道卷积神经网络(Multi-channel CNN)模型对去雾霾后的图像进行识别。研究结果表明:IRCNN方法可有效去除雾霾,Multi-channel CNN模型识别效果好,设计的Multi-channel CNN模型的识别率在本次实验的数据集上达到100%,具有很好的泛化性和适应性。 展开更多
关键词 交通工程 智能交通 去雾霾 交通标志识别 IRcnn 多通道卷积神经网络
下载PDF
基于多通道卷积神经网络的中文文本关系抽取 被引量：4
3
作者 梁艳春 房爱莲 《华东师范大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第3期96-104,共9页
给出了一种多通道卷积神经网络(Convolutional Neural Network,CNN)方法实现中文文本端到端的关系抽取.每个通道用分层的网络结构,在传播过程中互不影响,使神经网络能学习到不同的表示.结合中文语言的难点,加入注意力机制(Attention Mec... 给出了一种多通道卷积神经网络(Convolutional Neural Network,CNN)方法实现中文文本端到端的关系抽取.每个通道用分层的网络结构,在传播过程中互不影响,使神经网络能学习到不同的表示.结合中文语言的难点,加入注意力机制(Attention Mechanism,Att)获取更多的语义特征,并通过分段平均池化融入句子的结构信息.经过最大池化层获得句子的最终表示后,计算关系得分,并用排序损失函数(Ranking-Loss Function,RL)代替交叉熵函数进行训练.实验结果表明,提出的MCNN_Att_RL(Multi CNN_Att_RL)模型能有效提高关系抽取的查准率、召回率和F_(1)值. 展开更多
关键词 关系抽取 多通道cnn 注意力机制 中文文本
下载PDF
基于深度学习的制造工艺过程自动生成方法研究
4
作者 徐文文 王裴岩 +1 位作者 张桂平 蔡东风 《计算机应用与软件》 北大核心 2022年第12期96-101,共6页
面向制造工艺过程的自动生成,提出一种基于深度学习的方法,具体为一种CNN-LSTM网络。CNN-LSTM网络通过多路CNN和LSTM两种编码器分别对工艺属性和前序工序序列编码,生成特征向量,将特征向量组合后作为解码器的输入,生成后续工序。能够解... 面向制造工艺过程的自动生成,提出一种基于深度学习的方法,具体为一种CNN-LSTM网络。CNN-LSTM网络通过多路CNN和LSTM两种编码器分别对工艺属性和前序工序序列编码,生成特征向量,将特征向量组合后作为解码器的输入,生成后续工序。能够解决多方面输入信息的特征分析问题,以及在工序序列生成中前序工序序列信息与输入信息融合的问题。在2 360份制造大纲文件数据上的实验表明,该方法生成的工艺过程与参考工艺过程的相似性达到0.451 5,BLEU-4达到0.237 6,好于对比方法。 展开更多
关键词 工艺过程自动生成 多路cnn LSTM
下载PDF
基于ACON⁃Transformer的谣言检测研究 被引量：2
5
作者 孟凡森 魏霞 +1 位作者 黄德启 白云瑞 《现代电子技术》 2022年第21期67-76,共10页
为解决当前网络平台辟谣工作时效性差、准确率低并且严重依赖人工筛查等问题,提出一种基于自适应激活函数和全自注意力网络特征提取器联合多通道卷积神经网络的自动谣言检测模型。首先爬取最新平台信息,将数据制作为数据集,然后对用户... 为解决当前网络平台辟谣工作时效性差、准确率低并且严重依赖人工筛查等问题,提出一种基于自适应激活函数和全自注意力网络特征提取器联合多通道卷积神经网络的自动谣言检测模型。首先爬取最新平台信息,将数据制作为数据集,然后对用户信息进行统计分析,选取非谣言用户和谣言用户差异较大的用户信息,将其作为用户特征,利用卷积神经网络提取用户特征,并将自适应激活函数引入全自注意力网络,大幅度减小了参数运算量并且提升了模型鲁棒性。实验表明,该模型准确率高达93.67%,比当前模型提升了3.45%,且能对10分钟内发布的消息进行检测,具有较高的时效性,可以适用于当前日常生活中对谣言的识别。 展开更多
关键词 谣言检测 ACON⁃Transformer 多通道卷积神经网络 词向量 特征提取 消融实验
下载PDF
基于多通道LSTM-CNN模型的Twitter情感分析 被引量：4
6
作者 吉祥飞 李明东 +1 位作者 陶卫国 陈丽 《廊坊师范学院学报（自然科学版）》 2019年第2期21-24,37,共5页
Twitter作为人们表达观点的重要平台,已经成为文本情感分析的一个研究热点。文章提出一个基于多通道的LSTM-CNN模型,以twitter的tweets为研究对象,分析网络用户对该tweet的情感趋向,以验证该模型的有效性。引入深度学习理论,使用基于多... Twitter作为人们表达观点的重要平台,已经成为文本情感分析的一个研究热点。文章提出一个基于多通道的LSTM-CNN模型,以twitter的tweets为研究对象,分析网络用户对该tweet的情感趋向,以验证该模型的有效性。引入深度学习理论,使用基于多通道的LSTM-CNN模型进行情感分析,以便更好地把握文本中的情感信息,提升情感分类的准确率。基于多通道的LSTM-CNN模型融合了CNN和LSTM的优点,在分析过长文本的情感特征时更加准确,适合twitter这种成段落的文本分析。实验结果表明,该模型在数据集上的准确率均优于SVM、LSTM和CNN。 展开更多
关键词 情感分类 深度学习 TWITTER 多通道LSTM-cnn 情感特征
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