标题
  • 标题
  • 作者
  • 关键词
登 录
当前IP:忘记密码?
年份
2024(5838)
2023(8413)
2022(7279)
2021(7001)
2020(5871)
2019(13573)
2018(13185)
2017(25314)
2016(13572)
2015(15504)
2014(15101)
2013(13778)
2012(12141)
2011(10753)
2010(10143)
2009(8650)
2008(7867)
2007(6409)
2006(4995)
2005(3968)
作者
(33479)
(28355)
(27966)
(26633)
(17735)
(13478)
(12878)
(11245)
(10750)
(9630)
(9620)
(9306)
(8694)
(8675)
(8496)
(8478)
(8421)
(8201)
(8123)
(8044)
(6658)
(6579)
(6575)
(6508)
(6357)
(6278)
(5987)
(5913)
(5739)
(5524)
学科
(48812)
经济(48762)
管理(38897)
(34914)
(29744)
企业(29744)
方法(28339)
数学(25748)
数学方法(25318)
(12750)
中国(12207)
(11923)
业经(10386)
理论(9393)
(8890)
财务(8853)
财务管理(8837)
(8703)
贸易(8701)
(8514)
企业财务(8441)
技术(8359)
教育(8299)
农业(8013)
(7914)
地方(7879)
环境(7342)
(7340)
教学(6940)
(6896)
机构
大学(178409)
学院(172847)
管理(73967)
(68442)
经济(67215)
理学(66298)
理学院(65586)
管理学(64198)
管理学院(63868)
研究(48995)
(34905)
中国(34348)
(29608)
科学(29601)
业大(25351)
财经(25308)
中心(24990)
(24693)
师范(24472)
(23466)
(23289)
(23215)
经济学(21091)
(20669)
北京(20655)
师范大学(20025)
财经大学(19493)
经济管理(19421)
研究所(19308)
经济学院(19295)
基金
项目(131616)
科学(107769)
基金(99318)
研究(96816)
(85492)
国家(84832)
科学基金(76345)
社会(63655)
社会科(60460)
社会科学(60447)
基金项目(53702)
(51068)
自然(50753)
自然科(49759)
自然科学(49750)
自然科学基金(48892)
教育(48180)
(43584)
资助(39132)
编号(38804)
(30303)
成果(29919)
重点(29393)
(28737)
大学(27870)
教育部(27079)
国家社会(26655)
人文(26619)
创新(26577)
(26568)
期刊
(60540)
经济(60540)
研究(45974)
中国(31281)
教育(28667)
管理(25937)
学报(24645)
科学(23344)
(22910)
大学(21240)
(18858)
学学(18584)
技术(16853)
农业(13433)
财经(12114)
(10405)
业经(10353)
(10261)
金融(10261)
图书(10046)
经济研究(10012)
统计(8293)
(8247)
科技(8121)
技术经济(8112)
理论(8075)
问题(8063)
资源(7818)
(7804)
情报(7632)
共检索到230427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] 清华大学学报(自然科学版)  [作者] 喻宏伟  周东波  徐雯慧  余雅滢  王小梅  涂悦  
当前大学生校园日常行为预测与挖掘研究中,一般采用统计、聚类、关联关系等浅层挖掘和学习算法,对学生校园行为的时序性、空间位置及其相关性缺乏深层与高阶应用分析。该文基于时空图网络结构,提出考虑校园活动时间序列与层次相关性和空间语义特征相关的多片段语义时空图卷积网络(MFSTGCN)模型。通过构建大学生校园行为数据集并进行实验,该模型达到了90.4%行为预测准确率,优于典型预测模型。最后,以学生个体成长监测为目标,预警日常行为异常的学生;挖掘学生行为习惯等高阶信息,为构建个性化培养提供有意义的参考。
[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] 实验技术与管理  [作者] 许可  范馨月  张恒荣  
主流的配电网故障定位和识别故障类别任务分开建模,却忽略了故障定位和故障类别之间关联性,该文提出了故障定位以及故障类别的端到端联合模型。利用契比雪夫图卷积神经网络(ChebNet)作为编码器,聚合静态的图结构和动态的节点信息得到各节点的数学表达;在故障定位解码端,通过多头自注意力机制建立适用于节点属性变化以及融合配电网拓扑结构的配电网故障定位模型;在故障分类解码端,结合故障定位解码端的故障区域信息以及ChebNet编码器得到的各节点的数学表达,通过全连接层建立故障类型识别模型。实验结果表明,基于契比雪夫图卷积神经网络在双电源配电网中故障定位中效果较好,故障定位准确率达到98.25%,故障类别任务中的准确率为93.11%。该方法适用于主动配电网结构灵活及含分布式电源的配电网络中。
[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] 教育研究  [作者] 刘澍  
借鉴行为地理学的研究方法,以国内10所不同类型重点高校的"90后"大学生为对象,进行活动日志调查,发现大学生日常行为具有主体时间的规律性、时间节律的滞后性、时间分配的多元性和自主时间的随意性等时间特征,以及主体空间的一致性、起居空间的依赖性、闲暇空间的分散性等空间特征。优化大学生时空间行为,需要打造人性化校园环境,改善起居空间,增加教育时间的弹性,提高运动场馆的时空可达性,拓展社团活动空间,构建信息共享空间,指导学生理性驾驭闲暇时间。
[期刊] 中国高等教育  [作者] 徐芳艳  
潜道德是相对于明道德、显道德而言的,正如潜规则与明规则、显规则的关系。吴思先生在其《潜规则:中国历史中的真实游戏》一书中首次提出了"潜规则"的概念。又在其《血酬定律》中对"潜规则"做了明确的定义:是"隐藏在正式规则之下,却在实际上支配着中国社会运行的规矩"。如此,大学生的潜道德可以理解为隐藏在正式道德之
[期刊] 实验技术与管理  [作者] 芦楠楠  韩之远  
多模态数据融合是针对单模态数据信息表达不充分而形成的一种数据处理方法,有利于更深层地挖掘和利用数据。然而,现存的多模态数据融合方法缺乏多模态数据之间复杂相关性的表示和处理。在数据相关性建模方面,超图能够很好地表示复杂数据之间的高阶关系,但容易覆盖底层特征。因此,该文提出一种基于超图卷积并结合底层特征学习的多模态融合方法。该方法首先根据多模态数据构造多模态超图,利用超图卷积获得节点高层特征表示,然后自适应学习节点底层特征权重,保留底层信息,最后将高层信息和底层信息融合,进行节点分类。通过物体识别实验,验证了底层特征的重要性。同时,在结构体健康监测的实际场景中,该方法能够很好地融合震电磁三场数据进行损伤等级判定。
[期刊] 中国农业大学学报  [作者] 王泽鹏  陈晓燕  庞涛  余富  胡肖楠  汪震  
针对传统的生猪价格预测方法存在预测精度不够高,容易陷入局部最小值等问题,为更加精准地预测生猪价格,采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法,以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本,对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606,平均绝对误差(MAE)为0.288 424,决定系数(R~2)为0.995 683,均优于其他3种机器学习模型;与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较,3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。
[期刊] 实验技术与管理  [作者] 连远锋  王明月  王智广  孙雷  
针对MOOC平台下课程推荐过程中存在的数据稀疏和推荐效果不佳的问题,提出融合可视分析的图卷积课程推荐模型。首先,引入可视分析来展示课程间的相互关系,为图卷积模型提供先验知识;其次,提出了一个时空融合的图卷积MOOC推荐模型,用来同时提取数据的时空演变特征;最后,通过在损失函数中引入正则化项来防止训练过程中的过拟合。结果表明:新模型的预测误差和运行效率取得了更加优异的结果。此外,开发实现了融合可视分析与图卷积的MOOC推荐系统,运行结果显示该系统能够有效预测学习者的喜好和需求。
[期刊] 华中师范大学学报(自然科学版)  [作者] 李博  张洪刚  
为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合多种传感器信号在不同尺度对路面特征进行分析的问题,提出结合小波卷积网络和多通道网络技术,实现路面异常检测.首先,在多级小波变换间加入卷积神经元网络,从多个尺度分析单个传感器信号的局部连续性;然后,构建多通道神经网络,将多个传感器信号分别作为不同通道的输入,计算多个信号相结合的特征向量;最后,使用多层感知机根据多通道小波网络的输出实现路面异常检测.实验结果表明,该检测算法相对于传统的时间序列分类方法,同时考虑了多尺度分析、信号局部连续性和多变量信号的结合,在分析多变量时序信号数据时,具有更低的误检率和漏检率,更高的F1值.
[期刊] 图书情报工作  [作者] 尹小红  
认为网络的出现和普及改变了人们的日常生活信息搜寻行为模式。在梳理和借鉴国外研究成果的基础上,提出中国网络环境下日常生活信息行为的理论分析框架,并通过调查问卷的方式搜集数据予以验证。分析广州地区大学生日常生活信息行为的总体特征以及不同性别、级别和生源地等人口统计变量对日常生活信息行为模式的差异性影响。
[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] 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。
[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。
[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。
文献操作() 导出元数据 文献计量分析
导出文件格式:WXtxt
作者:
删除