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5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ASGRU-CNN时空双通道的语音情感识别
1
作者 高鹏淇 黄鹤鸣 《计算机仿真》 2024年第4期180-186,共7页
语音情感识别是实现人机交互的关键,如何提升语音情感识别的准确率以及更有效地提取具有情感代表性的特征是语音情感识别所面临的问题之一。针对以上问题,构建了一种包含空间特征提取模块和时序特征提取模块的双通道时空语音情感识别模... 语音情感识别是实现人机交互的关键,如何提升语音情感识别的准确率以及更有效地提取具有情感代表性的特征是语音情感识别所面临的问题之一。针对以上问题,构建了一种包含空间特征提取模块和时序特征提取模块的双通道时空语音情感识别模型ASGRU-CNN。模型总体框架由两条并行分支组成:第一分支为空间特征提取模块,由三维卷积、二维卷积及池化操作共同构成级联结构;第二分支为时序特征提取模块,由切片循环神经网络内嵌门控循环单元及注意力机制构成。模型以韵律特征及谱特征的融合特征作为输入特征,经过双分支处理后,进入全连接层进行语音情感分类。在CASIA与EMO-DB数据库上进行相关实验,并通过数据扩充增加训练样本,与其它语音情感识别模型实验结果相比,所提出的模型具有较好的鲁棒性和泛化性。 展开更多
关键词 语音情感识别 融合特征 切片循环神经网络 注意力机制 数据扩充
下载PDF
切片循环神经网络和胶囊网络的性别欺凌识别
2
作者 陈继洪 田生伟 禹龙 《计算机仿真》 北大核心 2021年第8期396-401,486,共7页
构建基于语境的中文性别欺凌语料库,提出了一种基于语境、结合注意力机制的切片循环神经网络和胶囊网络并联联合算法模型(CASC)。相比传统基于词法规则、句法分析等深度学习神经网络,上述方法可以获取时序词级、句子级、段落级等多个层... 构建基于语境的中文性别欺凌语料库,提出了一种基于语境、结合注意力机制的切片循环神经网络和胶囊网络并联联合算法模型(CASC)。相比传统基于词法规则、句法分析等深度学习神经网络,上述方法可以获取时序词级、句子级、段落级等多个层级高级信息和全局语义信息。同时通过分析上下文语境,挖掘欺凌词之间的依赖关系和深层语义特征,来提高特征表征能力。实验结果表明,上述方法用于网络性别欺凌文本识别精确率为95.33%,召回率为95.83%,衡量模型整体性能的F值为95.58%,准确率为98.78%。从而证明上述方法用于识别性别欺凌文本的有效性。 展开更多
关键词 性别欺凌 语境 注意力机制 胶囊网络 切片循环神经网络
下载PDF
基于SRNN+Attention+CNN的雷达辐射源信号识别方法 被引量：4
3
作者 高诗飏 董会旭 +1 位作者 田润澜 张歆东 《系统工程与电子技术》 EI CSCD 北大核心 2021年第12期3502-3509,共8页
针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题,提出一种基于切片循环神经网络(sliced recurrent neural networks,SRNN)、注意力机制和卷积神经网络(convolutional neural networks,CNN)的雷达辐射源信号识别方法... 针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题,提出一种基于切片循环神经网络(sliced recurrent neural networks,SRNN)、注意力机制和卷积神经网络(convolutional neural networks,CNN)的雷达辐射源信号识别方法,并在CNN中引入批归一化层,进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入,自动提取信号特征,输出识别结果。实验结果表明,SRNN相比于门控循环单元(gated recurrent unit,GRU)训练速度大大提升,注意力机制和批归一化层能有效提高识别准确率;在采用8种常见雷达辐射源信号进行的实验中,所提方法在低信噪比条件下仍有较高的识别准确率。 展开更多
关键词 辐射源信号识别 切片循环神经网络 卷积神经网络 注意力机制 批归一化 时间序列
下载PDF
SEMBeF:一种基于分片循环神经网络的敏感高效的恶意代码行为检测框架 被引量：4
4
作者 詹静 范雪 +1 位作者 刘一帆 张茜 《信息安全学报》 CSCD 2019年第6期67-79,共13页
词向量和循环神经网络(Recurrent Neural Network,RNN)能够识别语义和时序信息,在自然语言识别方面中取得了巨大成功。同时,代码运行时产生的API调用序列也反映了代码的真实意图,因此我们将之应用于恶意代码识别中,期望在取得较高正确... 词向量和循环神经网络(Recurrent Neural Network,RNN)能够识别语义和时序信息,在自然语言识别方面中取得了巨大成功。同时,代码运行时产生的API调用序列也反映了代码的真实意图,因此我们将之应用于恶意代码识别中,期望在取得较高正确率的同时减少人工提取和分析代码特征工作。然而仍然存在三个问题:1)不少恶意代码故意通过随机混合调用敏感API和非敏感API破坏正常的上下文,对这两种API同等对待可能产生漏报;2)为尽可能全面收集代码行为,代码运行期间产生的API序列长度较长,这将导致RNN学习时间过长;3)经典RNN常用的softmax分类函数泛化能力不强,准确率有待提高。为了解决上述问题,本文提出了一种基于分片RNN(Sliced Recurrent Neural Network,SRNN)的敏感高效的恶意代码行为检测架构SEMBeF。在SEMBeF中,我们提出了一种安全敏感API权重增强的敏感词向量算法,使得代码表示结果既包含上下文信息又包含安全敏感权重信息;我们还提出了一种SGRU-SVM网络结构,通过并行计算大幅降低了因代码API调用序列过长引起的训练时间过长的问题,提高了检测正确率;最后针对样本平衡和网络模型超参数选择问题进行了优化,进一步提高了检测正确率。本文还实现了SEMBeF验证系统,实验表明,与其他基于经典词向量和RNN的深度学习方法以及常用的机器学习方法相比,SEMBeF不仅检测正确率最高,训练效率也得到了显著提升。其中,检测正确率和训练时间分别为99.40%和210分钟,与传统RNN相比,正确率提高了0.48%,训练时间下降了96.6%。 展开更多
关键词 恶意代码行为检测 API序列 敏感词向量模型 分片循环神经网络(sliced recurrent neural network SRNN)
下载PDF
销量约束下基于切片递归神经网络模型的成品油价格推荐算法 被引量：1
5
作者 连会强 刘兵 +1 位作者 李朋远 于华 《中国科学院大学学报（中英文）》 CAS CSCD 北大核心 2023年第4期566-576,共11页
加油站成品油零售价格的确定是智慧加油站发展的关键。由于成品油价格的变化遵循复杂的非线性规律,尽管以长短期记忆(LSTM)为代表的非线性时序模型提高了传统时序预测方法的精度,但其运行效率难以满足动态变化的油价预测需求。针对这一... 加油站成品油零售价格的确定是智慧加油站发展的关键。由于成品油价格的变化遵循复杂的非线性规律,尽管以长短期记忆(LSTM)为代表的非线性时序模型提高了传统时序预测方法的精度,但其运行效率难以满足动态变化的油价预测需求。针对这一问题,提出一种基于切片递归神经网络(SRNN)的成品油价格推荐模型,该模型以LSTM模型为递归单元,创新性地通过决策者根据多源数据得到的聚类结果筛选、设置的市场环境因子,对成品油销量施加影响,从而实现在销售约束条件下的成品油价格推荐。基于4年的加油站历史数据对模型预测性能进行了评估。结果表明,使用该模型与LSTM神经网络具有相同的预测精度水平,但比LSTM神经网络的运行速度快72倍。此外,基于SRNN模型的成品油价格推荐算法,加油站在实际销售中得到有效的应用,验证该模型的实用价值。 展开更多
关键词 长短期记忆人工神经网络 价格推荐算法 智慧加油站 条件切片循环人工神经网络 不完整多视角聚类
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