- 年份
- 2024(8666)
- 2023(12660)
- 2022(11190)
- 2021(10586)
- 2020(8814)
- 2019(20558)
- 2018(20338)
- 2017(39832)
- 2016(21247)
- 2015(23956)
- 2014(23653)
- 2013(22972)
- 2012(20705)
- 2011(18341)
- 2010(17805)
- 2009(15936)
- 2008(14959)
- 2007(12512)
- 2006(10475)
- 2005(8550)
- 学科
- 济(81808)
- 经济(81721)
- 管理(61197)
- 业(57846)
- 企(48929)
- 企业(48929)
- 方法(42735)
- 数学(37616)
- 数学方法(37088)
- 农(21119)
- 财(20435)
- 中国(19508)
- 业经(18346)
- 学(17276)
- 地方(15840)
- 贸(14521)
- 贸易(14517)
- 农业(14193)
- 理论(14191)
- 易(14108)
- 技术(13707)
- 务(13682)
- 财务(13611)
- 财务管理(13584)
- 和(13340)
- 环境(12941)
- 企业财务(12866)
- 制(12553)
- 划(11507)
- 教育(10395)
- 机构
- 大学(291350)
- 学院(289582)
- 管理(121921)
- 济(111644)
- 经济(109284)
- 理学(107696)
- 理学院(106572)
- 管理学(104555)
- 管理学院(104043)
- 研究(88891)
- 中国(63713)
- 京(60119)
- 科学(56818)
- 财(48876)
- 业大(44602)
- 农(43513)
- 所(42077)
- 中心(41530)
- 财经(40849)
- 研究所(39020)
- 江(38917)
- 范(38122)
- 师范(37770)
- 经(37457)
- 北京(36964)
- 农业(34165)
- 院(33136)
- 经济学(33092)
- 州(32154)
- 商学(31176)
- 基金
- 项目(213162)
- 科学(168618)
- 基金(156164)
- 研究(155024)
- 家(135494)
- 国家(134421)
- 科学基金(117303)
- 社会(97479)
- 社会科(92404)
- 社会科学(92379)
- 基金项目(84064)
- 省(83009)
- 自然(78018)
- 自然科(76244)
- 自然科学(76227)
- 自然科学基金(74832)
- 教育(71858)
- 划(69774)
- 资助(63803)
- 编号(63476)
- 成果(49234)
- 重点(46921)
- 部(46916)
- 创(44718)
- 发(44235)
- 课题(42123)
- 创新(41644)
- 科研(41246)
- 教育部(40647)
- 大学(40273)
- 期刊
- 济(110733)
- 经济(110733)
- 研究(78233)
- 中国(47046)
- 学报(45903)
- 管理(42476)
- 科学(41906)
- 农(38156)
- 财(36232)
- 大学(35285)
- 学学(33147)
- 教育(31540)
- 农业(27133)
- 技术(26285)
- 业经(19369)
- 融(18801)
- 金融(18801)
- 财经(18757)
- 经济研究(17724)
- 图书(17185)
- 经(15887)
- 科技(14664)
- 理论(14497)
- 问题(14492)
- 技术经济(13781)
- 实践(13585)
- 践(13585)
- 版(13454)
- 业(13325)
- 情报(13080)
共检索到391153条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 情报学报
[作者]
唐雪梅 苏祺 王军 杨浩
古汉语的语法有省略、语序倒置的特点，词法有词类活用、代词名词丰富的特点，这些特点增加了古汉语分词的难度，并带来严重的out-of-vocabulary (OOV)问题。目前，深度学习方法已被广泛地应用在古汉语分词任务中并取得了成功，但是这些研究更关注的是如何提高分词效果，忽视了分词任务中的一大挑战，即OOV问题。因此，本文提出了一种基于图卷积神经网络的古汉语分词框架，通过结合预训练语言模型和图卷积神经网络，将外部知识融合到神经网络模型中来提高分词性能并缓解OOV问题。在《左传》《战国策》和《儒林外史》 3个古汉语分词数据集上的研究结果显示，本文模型提高了3个数据集的分词表现。进一步的研究分析证明，本文模型能够有效地融合词典和N-gram信息；特别是N-gram有助于缓解OOV问题。
[期刊] 数据分析与知识发现
[作者]
王晓玉 李斌
【目的】验证中古时期分词一致性和语料类别对CRFs分词效率的影响,在此基础上进一步提高分词效率,降低人工校对的工作量。【方法】以中古时期的史书、佛经、小说类语料为例,针对中古汉语的自动分词问题,优化分词原则,运用CRFs模型和词典相结合的方法,消除中古汉语人工分词结果中易出现的分词不一致问题;同时在CRFs分词中引入字符分类、字典信息两种特征,并通过对比实验选取每种特征最合适的分词模板。【结果】实验结果显示,分词结果的总F值在封闭测试中达到99%以上,开放测试的综合测试中也达到89%-95%。【局限】分词
[期刊] 情报学报
[作者]
尹锋
应用神经网络进行汉语自动分词研究是中文信息处理领域的重要课题。本文从分析神经网络的一个主要模型和算法入手，阐述了基于神经网络的汉语自动分词系统的设计方法，较详细地介绍了该系统的实验结果，并给出了必要的分析。
关键词：
神经网络,汉语分词
[期刊] 华中师范大学学报(自然科学版)
[作者]
庞世燕 郝京京 胡瀚淳 杨玉芹
教师课堂教学行为是课堂教学活动的重要组成部分，而进行教师的教学行为识别对评价课堂教学质量有着重要意义.该文提出了一种基于时空图卷积神经网络的教师教学行为识别方法，此方法首先以教师教学视频中的单帧影像为单元提取人体骨架点信息，然后以时空图卷积神经网络为框架聚合多帧影像信息，对教师教学行为类别进行识别.为了验证方法的有效性，文章构建了两组包含6大类教师日常教学行为的视频数据集，并进行了对比实验.实验结果表明，基于时空图卷积神经网络的教师教学行为识别方法可以有效排除教室场景内无关信息的干扰，充分利用多帧影像中骨架点间产生的时空信息，来准确识别教师典型教学行为，具有更高准确率和更强的鲁棒性.该文相关研究可以及时、有效地反应教师的教学状态，有助于教师及时优化教学行为，助力智慧教学.
[期刊] 物流技术
[作者]
姚志英 王成林 姚滢滢
设计了一种物品检测深度卷积神经网络,应用于物流分拣传输过程中物品检测。分析了深度卷积神经网络的结构及其在图像特征提取和信息降维方面的作用;设计了由卷积层、池化层、激活函数层和全连接网络层组成的物品检测深度卷积神经网络;构建了由300幅图像和标注结果组成的样本库,抽取60%的样本作为网络训练样本集,其余40%样本平均分成两组,其中一组作为网络训练过程中验证样本,另一组作为对训练好网络进行性能验证的测试样本;在设定网络参数的基础上进行网络的训练和测试;通过分析网络训练过程中各层的输出,发现所设计的网络可以很好地实现图像中所含物品特征的检测;网络训练过程验证精度可达100%,测试正确率可达98.33%。由此可知深度卷积神经网络性能良好,可用于物流分拣生产中的物品检测。
[期刊] 实验技术与管理
[作者]
吕淑平 黄毅 王莹莹
针对双流卷积神经网络存在的网络结构较浅、时间流及空间流网络均为独立训练学习、并未学习到时空网络之间关联信息等问题,文章设计了基于双流卷积神经网络的人体动作识别改进算法。采用Res Net-34对原网络进行替换,加深网络结构;将时间流、空间流网络提前进行特征图融合,加强时空网络信息融合的充分性。文章还对具体的融合方式和融合位置进行了实验研究,确定了网络最佳融合策略,在UCF-101数据集上的识别率为91.5%,相较于原网络以及其他相关识别方法有更高的识别精度。
关键词：
动作识别 深度学习 双流卷积神经网络
[期刊] 情报学报
[作者]
张海涛 王丹 徐海玲 孙思阳
本文基于卷积神经网络构建了微博舆情情感分类模型,通过爬虫方式获取微博话题数据,利用word2vec训练词向量,采用NLPIR/ICTCLAS2016工具进行分词,进而通过Matlab编程实现模型训练和测试。结果表明,模型能够实现有效的微博舆情情感分类,相较传统机器学习具有一定的优越性。
[期刊] 图书与情报
[作者]
郭利敏
人工智能技术的蓬勃发展,驱动着文献自动分类由基于规则的分类向基于机器学习的方向发展。文章在对深度学习概述的基础上,将卷积神经网络引入到了文献自动分类,构建了基于题名、关键词的多层次卷积神经网络模型,使之能够根据文献的题名和关键词自动给出中图分类号。通过在Tensor Flow平台上的深度学习模型,利用《全国报刊索引》约170万条记录进行模型训练,并对7000多篇待加工的文献做中图法分类预测,其在生产情况下一级分类准确率为75.39%,四级准确率为57.61%。当置信度为0.9时,一级正确率为43.98%,
[期刊] 长江大学学报(社科版)
[作者]
李华平
古汉语中有一类同义词本义不同而引申义相同或相近,如"愚-昧""浅-陋""回-复"等。这类同义词是在隐喻思维基础上构成的,可称为隐喻同义词。其有单向和双向两种类型,产生必须同时满足两个条件:第一,两词表现的概念必须具有相同的意象图式,体现在词义上就是具有相同的元义素;第二,必须有触发隐喻投射的动因,可以是语言内部的,如意义的相通相近、语音相同相近,也可以是语言外部的,如因语义空白而引起的词义引申、特殊的语用目的等。
[期刊] 图书情报工作
[作者]
黄水清 王东波 何琳
[目的/意义]在数字人文研究这一大趋势下,基于先秦古汉语语料库和条件随机场模型,构建古汉语地名自动识别模型。[方法/过程]对《春秋左氏传》中的地名的内部和外部特征进行统计分析,构建模型的特征模板。在规模为187 901个词汇的训练和测试语料上,对比条件随机场模型和最大熵模型的地名识别效果,把调和平均数为90.94%的条件随机场训练模型确定为最佳,作为本文所要构建的模型,并在《国语》语料上进行验证。[结果/结论]在古汉语地名自动识别中,条件随机场模型优于最大熵模型,基于人工标注过的语料构建条件随机场自动识别模型能取得较好的识别效果。
[期刊] 图书情报工作
[作者]
常娥 张长秀 侯汉清 惠富平
借鉴现代汉语词义消歧的研究成果,提出一种改进的向量空间模型词义消歧方法,即在古汉语义项词语知识库的支持下,将待消歧多义词上下文与多义词的义项映射到向量空间模型中,完成语义消歧任务。以中国农业古籍全文数据库为统计语料,对10个典型古汉语多义词,共29个义项、1 836条待消歧上下文进行义项标注的实验,消歧平均正确率达到79.5%。
关键词：
向量空间模型 词义消歧 古汉语
[期刊] 物流技术
[作者]
刘建国 代芳 詹涛
为解决字符分割错误造成的车牌识别错误,提出一种基于卷积神经网络的端到端的车牌识别算法,该算法首先采用基于颜色定位、文字定位和边缘检测的方法从自然场景中提取出车牌,由于样本量的问题,采用车牌生成器对车牌样本进行扩充,得到80602张车牌数据,将车牌按照7:1分为训练集和测试集,使用改进的AlexNet网络生成端到端的深度学习模型进行训练,并使用得到的模型进行车牌字符识别,车牌识别准确率达到96.7%。实验结果表明,该方法车牌识别准确率高,且鲁棒性较好。
关键词：
车牌定位 端到端 车牌识别 卷积神经网络
[期刊] 清华大学学报(自然科学版)
[作者]
刘琼 李宗贤 孙富春 田永鸿 曾炜
针对基于卷积神经网络的图像识别采用随机初始化网络权值的方法易收敛到局部最优值的问题,该文提出了一种结合无监督和有监督学习的网络权值预训练算法。融合零成分分析白化与深度信念网络预学习得到的特征,对卷积神经网络权值进行初始化;通过卷积、池化等操作,对训练样本进行特征提取并使用全连接网络对特征进行分类;计算分类损失函数并优化网络参数。在公开图像数据库中进行了大量实验,与公开最佳算法比较,该算法在MNIST中的识别错误率降低了0.1%,在Caltech101中的分类准确率提升了0.56%,验证了该算法优于现有算法。
关键词：
深度信念网络 图像识别 卷积神经网络
[期刊] 中南林业科技大学学报
[作者]
陈伟文 邝祝芳 王忠伟
【目的】研究改进经典卷积神经网络模型AlexNet在番茄叶片病害识别中出现的过拟合问题，使之成为识别精度更高，泛化能力更强的网络模型，达到精准识别番茄叶片病害类型的目的。【方法】AlexNetImproved模型采用数据增强与随机失活部分神经元的方法改进了原始AlexNet网络模型出现的过拟合现象，利用PlantVillage数据库中十种类型的番茄数据为数据集对模型进行训练，选取LeNet模型，原始AlexNet模型，VGG16模型作为对比网络模型，采用5种常用的评估指标来评估改后的模型，即混淆矩阵，准确率，精确率，召回率，F1值。与此同时，绘制了训练过程中的训练准确率曲线、验证准确率曲线、训练损失率曲线、验证损失率曲线来直观地显示模型的性能，最后用改进后的网络模型AlexNet-Improved训练所得的权重文件对具体番茄病害叶片进行识别。【结果】1）改进的模型AlexNet-Improved在150个epoch的训练过程中，其训练效果比其他网络模型更好，原AlexNet模型的过拟合问题经过改进后得到了很大的改善。2)AlexNet-Improved的混淆矩阵数据显示，改进后的模型正确识别出的总番茄病害样本数量比其他网络模型更多。3)AlexNet-Improved模型准确率为95.8%，比原模型高2.4%,F1值比原模型高3%。4）具体案例分析发现，改进的模型AlexNetImproved可以准确识别出叶片所患病害类型。【结论】在原AlexNet模型的基础上，通过使用翻转、裁剪操作扩增数据集，在全连接层使用Dropout层随机失活50%的神经元后，改进的模型AlexNet-Improved比其他模型在训练效果、准确性和具体番茄叶片病害识别上均有更好的表现。
[期刊] 水产学报
[作者]
蔡卫明 庞海通 张一涛 赵建 叶章颖
随着人工智能、大数据、机器学习、计算机视觉等技术的发展，卷积神经网络（CNN）越来越多地应用于图像识别领域，图像数据集的丰富性以及多样性对CNN模型的性能和表达能力至关重要，但现有的鱼类图像公共数据集资源较匮乏，严重缺少训练集以及测试集样本，难以满足深度CNN模型优化及性能提升的需要。实验以大黄鱼、鲤、鲢、秋刀鱼和鳙为对象，采用网络爬虫以及实验室人工拍照采集相结合的方式，构建了供鱼种分类的基础图片数据集，针对网络爬虫手段获取到的鱼类图像存在尺度不一、格式不定等问题，采用图像批处理的方式对所有获取到的图像进行了统一的数据预处理，并通过内容变换以及尺度变换对基础数据集做了数据增强处理，完成了7 993个样本的图像采集与归纳；在权值共享和局部连接的基础上，构建了一个用于鱼类识别的CNN模型，采用ReLU函数作为激活函数，通过dropout和正则化等方法避免过度拟合。结果显示，所构建的CNN鱼种识别模型具有良好的识别精度和泛化能力。随着迭代次数的增加，CNN模型的性能也逐步提高，迭代1 000次达到最佳，模型的准确率为96.56％。该模型采用监督学习的机器学习方式，基于CNN模型，实现了5种常见鱼类的鱼种分类，具有较高的识别精度和良好的稳定性，为养殖鱼类的品种识别提供了一种新的理论计算模型。
关键词：
鱼类识别 卷积神经网络 图像识别
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
