文章-世纪中文出版社

张亚飞1 左一溪2 余正涛1,2 郭军军1,2 高盛祥1,2 《人工智能研究》 2020年11期

摘要:

任务中,带有直观主谓宾结构的摘要句语义完整性较强,但词性组合对该结构具有约束作用.为此文中提出基于词性软模板注意力机制的短文本自动摘要方法.首先对文本进行词性标记,将标记的词性序列视为文本的词性软模板,指导方法构造摘要句的结构规范,在编码端实现词性软模板的表征.再引入词性软模板注意力机制,增强对文中核心词性(如名词、动词等)的关注.最后在解码端联合词性软模板注意力与传统注意力,产生摘要句.在短文本摘要数据集上的实验验证文中方法的有效性.

基于字词特征自注意力学习的社交媒体文本分类方法下载：43 浏览：373

王晓莉1 叶东毅2 《人工智能研究》 2020年9期

摘要:

社交媒体文本中突出的长尾效应和过量的词典外词汇(OOV)导致严重的特征稀疏问题,影响分类模型的准确率.针对此问题,文中提出基于字词特征自注意力学习的社交媒体文本分类方法.在字级别构建全局特征,用于学习文本中各词的注意力权值分布.改进现有的多头注意力机制,降低参数规模和计算复杂度.为了更好地分析字词特征融合的作用,提出OOV词汇敏感度,用于衡量不同类型的特征受OOV词汇的影响.多组社交媒体文本分类任务的实验表明,文中方法在融合字特征和词特征方面的有效性与分类准确度均有较明显的提升.此外,OOV词汇敏感度指标的量化结果验证文中方法是可行有效的.

基于并行对抗与多条件融合的生成式高分辨率图像修复下载：52 浏览：373

邵杭王永雄《人工智能研究》 2020年7期

摘要:

现有的图像修复算法经常会有伪影、语义不准等问题出现,对于缺失较大、分辨率较高的图像,修复效果有限.为此,文中提出基于并行对抗与多条件融合的二阶图像修复网络.首先,利用改进的深度残差网络对缺失图像进行生成式像素填充,并利用第一阶对抗网络补全边缘.然后,提取填充图颜色特征,融合补全边缘图,将融合图作为第二阶对抗网络的条件标签.最后,通过带上下文注意力模块的第二阶网络得到修复结果.在多个数据集上的实验表明,文中算法可获得较逼真的修复效果.

基于Wasserstein距离分层注意力模型的跨域情感分类下载：64 浏览：374

杜永萍贺萌赵晓铮《人工智能研究》 2019年11期

摘要:

跨领域情感分类任务旨在利用已知情感标签的源域数据对缺乏标记数据的目标域进行情感倾向性分析.文中提出基于Wasserstein距离的分层注意力模型,结合Attention机制,采用分层模型进行特征提取,将Wasserstein距离作为域差异度量方式,通过对抗式训练自动捕获领域共享特征.进一步构造辅助任务捕获与共享特征共现的领域独有特征,结合两种特征表示完成跨域情感分类任务.在亚马逊评论等数据集上的实验表明,文中模型仅利用领域共享特征就达到较高的正确率,在不同的跨领域对之间具有较好的稳定性.

结合外部知识的动态多层次语义抽取网络模型下载：65 浏览：342

姜文超1 庄志刚1 涂旭平2 利传杰3 刘海波1 《人工智能研究》 2019年10期

摘要:

针对复杂多文本机器阅读理解任务中的语义理解与答案提取问题,提出结合外部知识的动态多层次语义理解与答案抽取模型.首先利用改进的门控单元循环神经网络匹配文本内容与问题集,分别在向量化文本内容及问题集上实施多维度动态双向注意力机制分析,提高语义匹配精度.然后利用动态指针网络确定问题答案范围,改进网络模型语义匹配效率,降低答案提取冗余度.最后结合外部知识与经验改进候选答案精准性排序,得到最终答案.实验表明文中模型的语义匹配与答案提取精度显著提升,对不同领域的复杂文本阅读理解任务具有较高的鲁棒性.

面向属性抽取的门控动态注意力机制下载：72 浏览：443

程梦洪宇唐建张家硕邹博伟姚建民《人工智能研究》 2019年3期

摘要:

在现阶段属性抽取研究中,现有注意力建模及训练较刚性(单句一次成型),而单句中不同词汇的上下文存在语境语义的差异,一致的注意力分布缺少动态的适应性.因此,文中提出面向属性抽取的门控动态注意力机制,利用双向长短时记忆网络捕获目标句中每个单词的隐层表示.在注意力模型处理词一级属性预测时,根据目标词及其上下文,计算适应该目标词的注意力分布向量,可以根据上下文的变化自动调整注意力权重的分配.借助门控调整注意力向量流向下一层神经元的信息量,最终使用条件随机场进行属性标记.应用2014-2016语义评估官方数据集验证文中方法的有效性,F1值均有所提高.

基于时间卷积网络分位数回归的短期负荷概率密度预测方法下载：83 浏览：427

庞昊1 高金峰1 杜耀恒2 《电网技术研究》 2020年11期

摘要:

为了获得电力系统短期负荷的概率性信息,将分位数回归理论与深度学习算法相结合,提出了一种基于时间卷积网络分位数回归的概率密度预测方法。首先利用距离相关系数衡量不同天气因素与短期负荷的相关性强弱,以此确定输入数据集合;其次通过融合注意力机制的时间卷积网络分位数回归算法预测不同分位数条件下的负荷值;最后利用核密度估计得到待测负荷的概率密度分布。采用中国华东某地的历史负荷数据验证分析,结果表明该方法可以细致刻画待测负荷的概率密度分布,其众数和中位数对预测负荷实际值具有参考意义。

基于卷积记忆网络的视角级微博情感分类下载：75 浏览：485

廖祥文1 谢媛媛1 魏晶晶3 桂林2 程学旗4 陈国龙2 《人工智能研究》 2018年6期

摘要:

现有记忆网络模型中的上下文词之间相互独立,未考虑词序信息对微博情感的影响.因此文中提出基于卷积记忆网络的视角级微博情感分类方法,利用记忆网络可以有效对查询词与文本之间的语义关系进行建模这一特点,将视角与上下文进行抽象处理.通过卷积操作对上下文进行词序拓展,并利用这一结果捕获文中不同词语在上下文中的注意力信号,用于文本的加权表示.在3个公开数据集上的实验表明,相比已有方法,文中方法的正确率和宏F1值效果更好.

基于BiGRU和注意力机制的多标签文本分类模型下载：76 浏览：485

饶竹一张云翔《计算机研究与应用》 2020年3期

摘要:

文本分类是自然语言处理的重要组成部分,在电网相关的网络文本情感识别中,针对其文本没有固定语法及书写格式,且情感信息分散于文本各个位置的问题,提出一种基于双向门控循环神经网络(BiGRU)和注意力机制的多标签文本分类模型。首先,使用预训练词向量提取网络文本的深层次信息特征；其次,根据注意力机制将分析出的深层次信息特征加以相应的权重；最后,使用BiGRU对文本特征信息进行分类。在Kaggle的Toxic Comment Classification数据集上进行的实验结果表明:对于情感识别的准确率高达98%。

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法下载：19 浏览：254

李鹏龙1,2 张胜茂2 沈烈1 樊伟2 顾家辉1 邹国华3 《中国水产学报》 2024年3期

摘要:

为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法下载：19 浏览：253

李鹏龙1,2 张胜茂2 沈烈1 樊伟2 顾家辉1 邹国华3 《中国水产学报》 2024年3期

摘要:

为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

一种联合空间变换和置换注意力机制的近岸水产养殖区信息提取方法下载：24 浏览：247

巫统仁1,2,3 张显3 刘培1,2,4 文婷婷1,2,3 邹振学1,2,3 《中国水产学报》 2024年3期

摘要:

为解决水产养殖区遥感提取过程中近岸坑塘养殖目标和网箱养殖目标地物背景复杂，受房屋、植被、海水和船只等干扰提取精度较低等问题，提出了一种联合空间变换和置换注意力机制的近岸水产养殖区信息提取方法SA-STN-Net,选取海南省文昌市八门湾和万宁市坡头港为研究区域，先利用光谱特征和纹理特征构建水产养殖目标先验知识，然后在U-Net模型基础上联合空间变换网络(spatial transformer network, STN)和置换注意力机制(shuffle attention, SA),用于增强养殖目标空间特征、减少复杂地物的干扰并聚焦近岸水产养殖区域。结果表明：与原始U-Net模型相比，SA-STN-Net模型的总体提取精度和平均交并比提高了3.3%和5.7%;与当前较为先进的A2fpn、Swin-Transformer和Dc-Swin等深度学习分割算法相比，SA-STN-Net模型具有更好的分割性能，F1分数分别提高了6.7%、4.2%和7.2%。研究表明，本文提出的SA-STN-Net模型能适应近岸水产养殖目标地物背景复杂的情况，可对近岸养殖目标进行有效提取，本研究结果可为近岸规划与管理部门提供技术支持。

基于改进BiRTE的渔业健康养殖标准复杂关系抽取下载：28 浏览：252

宋奇书1,2,3,4 于红1,2,3,4 乔诗晗1,2,3,4 罗璇1,2,3,4 李光宇1,2,3,4 邵立铭1,2,3,4 张思佳1,2,3,4 《中国水产学报》 2024年1期

摘要:

为解决渔业健康养殖标准文本关系抽取领域特定性强、语意复杂导致关系抽取准确率不高等问题，提出了基于改进BiRTE的渔业健康养殖标准复杂关系抽取方法，针对实体和语义关联建模，将RoBERTa作为编码器，采用全词掩码和动态掩码的方式增强词向量特征表示，并在此基础上融合了自注意力机制(Self-Attention, SelfATT)将实体特征与关系特征结合聚焦，加强实体抽取与关系预测的联系，从而提升渔业标准文本抽取的准确性。结果表明：本文提出的基于改进BiRTE的渔业健康养殖标准复杂关系抽取模型(RoBERTa-BiRTE-SelfATT)对渔业标准复杂关系抽取的准确率、召回率和F1值分别为95.9%、95.4%、95.7%,较BiRTE模型分别提升了4.2%、3.1%、3.8%。研究表明，本文提出的渔业健康养殖标准复杂关系抽取模型RoBERTa-BiRTE-SelfATT可以有效解决渔业标准文本关系抽取中专有名词识别不准确、语意复杂导致实体关系难以抽取的问题，是一种有效的渔业标准复杂关系抽取方法。

基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测下载：48 浏览：287

涂万1,2 于红1,2 张鹏1,2 韦思学1,2 张鑫1,2 杨宗轶1,2 吴俊峰1,2 林远山1,2 胡泽元1,2 《中国水产学报》 2023年4期

摘要:

为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题，采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(feature pyramid network)中增加大尺寸检测头，更好地捕捉水下鱼类个体的细节信息，以加强对鱼群特征的提取能力，然后使用ECAM注意力机制减少模糊背景的干扰，聚焦鱼类个体的关键特征，以加强对模糊鱼群的识别能力，并设计了消融试验和模型对比试验以验证算法的有效性。结果表明：相比于YOLOv8,YOLOv8-Head-ECAM模型的准确率、召回率和平均精度均值分别提高了2.3%、1.7%和1.6%;与目前检测准确率较高的养殖鱼群检测模型KAYOLO、DCM-ATM-YOLOv5、SK-YOLOv5和ESB-YOLO相比，平均精度均值分别提高了0.7%、1.0%、2.4%和2.0%。研究表明，本文中提出的YOLOv8-Head-ECAM模型能够较好地适应水下鱼群模糊、遮挡的情况，提高了鱼群检测的有效性。

基于改进YOLO v7的微藻轻量级检测方法下载：68 浏览：287

吴志高陈明《中国水产学报》 2023年1期

摘要:

为了解决传统的微藻检测方法依赖于复杂的设备和大量的人工操作，不仅耗时长且检测结果易受检测人员技术经验影响等问题，结合微藻显微图像特征，采用K-means++算法聚类锚框，并基于YOLO v7模型，提出一种轻量级实时检测微藻的方法YOLO v7-MA。该方法将GhostNet引入YOLO v7模型中作为主干特征提取网络，以减少网络的参数量，同时将特征融合网络中的普通卷积块替换为深度可分离卷积块，进一步降低模型的计算复杂度，并在特征融合网络中加入CBAM注意力模块，以提高网络的特征表达能力。结果表明：在14种微藻数据集上的试验显示，本研究中提出的YOLO v7-MA模型的平均精度均值为98.56%,召回率为96.88%,F1值为97.42%,参数量为22.64×10～6,浮点运算次数(FLOPs)为38.45×10～9;相较于YOLO v7模型，YOLO v7-MA模型平均精度均值提高了0.95%,召回率和F1值分别提高了1.15%、0.23%,参数量和FLOPs分别降低了14.63%和66.55%;相较于FasterRCNN-VGG16、FasterRCNN-Resnet50、YOLO v4、YOLO v4-Mobilenet v3、YOLO v4-VGG16、YOLO v4-Resnet50和YOLO v5s等模型，YOLO v7-MA模型的平均精度均值也均有提高，参数量均有减少。研究表明，YOLO v7-MA模型能够为微藻的识别分类提供一种轻量化的实时高效检测方法，大大降低了检测人员的工作量。

基于自注意力机制和CNN-LSTM深度学习的对虾投饵量预测模型下载：48 浏览：317

何津民1 张丽珍1,2 《中国水产学报》 2022年4期

摘要:

为提高对虾饲料的利用率，减少养殖成本，提高养殖效益，提出了一种基于自注意力机制(self-attention, ATTN)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short term memory, LSTM)的对虾投饵量预测模型(CNN-LSTM-ATTN),以水温、溶解氧、对虾的数量与质量作为预测模型的输入数据，通过CNN挖掘输入数据间的内在联系，提取出数据特征信息，利用LSTM的长期记忆能力保存数据特征信息，使用ATTN突出不同时间节点数据特征的重要性，进一步提升模型的性能。结果表明，本研究中提出的CNN-LSTM-ATTN预测模型的均方根误差、平均绝对误差和平均绝对百分误差分别为0.816、0.681和0.018,均小于BP(back propagation)神经网络、LSTM和CNN-LSTM 3个基准模型，其模型预测能力和稳定性优于其他模型。研究表明，本研究中构建的模型能较好地实现对虾投饵量的准确预测，可为对虾养殖投饵量的管理调控提供参考依据。

融合SKNet与YOLOv5深度学习的养殖鱼群检测下载：54 浏览：324

赵梦1,2 于红1,2 李海清1,2 胥婧雯1,2 程思奇1,2 谷立帅1,2 张鹏1,2 韦思学1,2 郑国伟1,2 《中国水产学报》 2022年3期

摘要:

为解决真实养殖环境下，水下成像模糊、失真等导致鱼群检测准确率低的问题，提出一种融合视觉注意力机制SKNet (selective kernel networks)与YOLOv5(you only look once)的养殖鱼群检测方法(SK-YOLOv5模型),该方法首先采用UNet(convolutional networks for biomedical image segmentation)对图像进行预处理，得到清晰的鱼群图像，然后将SKNet融合到YOLOv5的Backbone端构成关注像素级信息的特征提取网络，加强对模糊鱼体的识别能力，并在水下模糊鱼群图像数据集上进行了消融试验和模型对比试验，以验证SK-YOLOv5的有效性。结果表明：在鱼群检测任务上，SK-YOLOv5的识别精确率和召回率分别达到了98.86%和96.64%,检测效果比YOLOv5分别提升了2.14%和2.29%,与目前检测准确率较高的水下目标检测模型XFishHmMp和FERNet相比，SK-YOLOv5取得了较好的检测效果，与XFishHmMp模型相比，识别精确率和召回率分别提升了5.39%和5.66%,与FERNet模型相比，识别精确率和召回率分别提升了3.59%和3.77%,实现了真实养殖环境下鱼群的准确检测。研究表明，融合SKNet与YOLOv5的养殖鱼群检测方法，有效地解决了水下模糊图像鱼群检测准确率低的问题，提升了养殖鱼群检测和识别的整体效果。

基于注意力机制和深度学习模型的外来海洋生物命名实体识别下载：68 浏览：366

贺琳张雨巴韩飞《中国水产学报》 2021年3期

摘要:

为解决因外来海洋生物领域实体复杂且实体间存在嵌套导致命名实体识别效果较差等问题,提出基于融合注意力机制的卷积神经网络(CNN)-双向门控循环单元网络(BiGRU)-条件随机场(CRF)网络模型进行外来海洋生物命名实体识别,并构造词向量、词性特征向量等特征作为网络模型的联合输入,以提升网络模型识别效果。结果表明:使用融合多特征向量的CNN-BiGRU-CRF网络模型对外来海洋生物名称实体、时间实体、地名实体3类实体上的命名实体识别结果平均准确率达到了90.62%,平均召回率达到了89.50%,平均F1值达到了90.05%,较传统命名实体识别方法均有较大提高。研究表明,本研究中提出的网络模型可以充分提取文本特征,解决了文本的长距离依赖问题,对外来海洋生物领域的命名实体识别具有较好的识别效果。

行为干预联合感统训练对儿童专注力促进的研究下载：127 浏览：1212

彭春梅张蓓《医学研究杂志》 2023年12期

摘要:

目的：本研究旨在探讨行为干预联合感统训练对儿童专注力的促进效果。方法：共有100多名儿童参与了本次研究，其中36人填写了SNAP-IV量表进行测试。根据量表结果，将注意缺陷和多动冲动分值超过1分的21人诊断为注意力缺陷多动症状。这些被诊断的儿童接受了行为干预联合感统训练。行为干预包括教师和家长的行为管理技巧，感统训练通过刺激感觉系统提高儿童感知、整合和调节感官输入的能力。结果：经过行为干预联合感统训练后，参与干预的儿童中，有81%的儿童在SNAP-IV量表中的注意缺陷和多动冲动分值有所降低，表明他们的专注力水平得到了提升。结论：本研究结果表明，行为干预联合感统训练对儿童的专注力具有促进作用。行为干预通过正性强化、暂时隔离法、消退法、示范法、应用行为分析法等方法引导儿童控制自己的行为并提高专注力，而感统训练则通过刺激感觉系统提高儿童感知、整合和调节感官输入的能力，从而增强他们的专注力。综合应用这两种方法能够有效提升儿童的专注力水平。

海洋环境治理的注意力变迁:基于政策内容与社会网络的分析下载：46 浏览：370

王刚毛杨《中国海洋学报》 2019年6期

摘要:

海洋环境治理中的政府注意力体现了政府对海洋环境治理的重视程度,其变迁反映了我国海洋环境治理的内在规律和特性。本文基于1983-2016年间国务院及其各部委颁布的318项海洋环境政策文本,运用内容分析法和社会网络分析法,探讨海洋环境治理中政府注意力的变迁。研究发现:海洋环境治理中的政府注意力水平整体较高,呈现出一种波动式的缓慢上升的变迁趋向,且近期显现出持续增强的发展态势;海洋环境治理中的政府注意力呈现出明显的层次性和同步性特征,且政府在各类海洋环境事务中注意力水平的不稳定性愈加凸显;海洋环境治理中政府注意力的供给源呈现多元化,各政府主体在不同决策模式中的注意力水平呈现出明显的差异性。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com