您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(36)

电子、通信与自动控制技术(6)

信息科学与系统科学(4) 显示更多>>

交通运输工程(1) 动力与电气工程(1) 数学(1) 中医学与中药学(0) 临床医学(0) 体育科学(0) 农学(0) 冶金工程技术(0) 力学(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 管理学(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

人工智能33928

SiC29498

基因21261

数据挖掘12741

数值模拟11959

我的筛选 >
2003-2021 全部
为您找到包含“Recurrent neural network”的内容共49

江乐,程祥

2017-12-08

Recurrent Neural Network),该算法自动提取了问句中主干、疑问词及其附属成分多粒度的特征向量表示,又利用了多粒度特征间的非线性关系,充分挖掘了问题中利于分类的重要深层特征,其损失函数包括多粒度词

State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876;State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876,

#计算机科学技术#

0评论(0 分享(0)

詹逸超,张洪刚

2019-12-26

神经网络(convolutional neural network,CNN)提取图像特征,并使用编码器-解码器结构的循环神经网络(recurrent neural network,RNN),将特征翻译

北京邮电大学信息与通信工程学院,北京  100876,北京邮电大学信息与通信工程学院,北京  100876

#计算机科学技术#

0评论(0 分享(0)

姚亚峰,肖丁

2019-03-29

非等时距加权灰色模型和循环神经网络相结合的TQI预测方法。首先,使用优化后的非等时距加权GM(1,1)模型对TQI的整体变化趋势进行预测;然后,使用循环神经网络(Recurrent Neural

北京邮电大学计算机学院,北京 100876,北京邮电大学计算机学院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

Liu Qingshan

This paper presents a continuous-time recurrent neural network described by differential equations

2012-09-29

Doctoral Program of Higher Education of China for New Teachers (20090092120026

School of Automation, Southeast University, Nanjing 210096

#Information Science and System Science#

0评论(0 分享(0)

杨晨,朱新宁,胡铮

2019-08-19

通信行为特征、用户通信的社交对象相关特征,以及用户位置相关特征,并分别利用卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural

北京邮电大学信息与通信工程学院,北京 100876,北京邮电大学信息与通信工程学院,北京 100876,北京邮电大学信息与通信工程学院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

Shenshen Gu, Jiao Peng

In this paper, we propose a projection based recurrent neural network for solving nonconvex

2015-12-23

Specialized Research Foundation for the Doctoral Program of Higher Education (Grant No.: 20113108120010

School of Mechatronic Engineering and Automation, University of Shanghai, Shanghai 200072,School of Mechatronic Engineering and Automation, University of Shanghai, Shanghai 200072

#Computer Science and Technology#

0评论(0 分享(0)

冯志洋,谢享亨,陈蔡杰,王晶

2021-03-19

目前情绪识别在医疗,公共安全等领域得到了广泛的应用。本文利用图递归神经网络的相关理论,提出了基于脑电信号时空特征的图递归神经网络模型。文章首先使用了1秒的汉明窗将脑电信号划分成了样本;然后在对每个样本中不同通道的数据计算互信息值;之后将互信息值和通道一起构成图序列;最后将图序列作为模型的输入并基于唤醒度和效价度对模型的准确率等指标进行衡量。在公开的DEAP数据集上的实验结果表明,我们的模型要优于只利用了脑电信号的空间特征的模型。

北京交通大学创新创业项目(200180058

Computer and Information Technology School, Beijing JiaoTong University, Beijing 100093,Computer and Information Technology School, Beijing JiaoTong University, Beijing 100093,Computer and Information Technology School, Beijing JiaoTong University, Beijing 100093,Computer and Information Technology School, Beijing JiaoTong University, Beijing 100093

#计算机科学技术#

0评论(0 分享(0)

王锴烨,许方敏

2019-04-01

在工业领域,机械设备在运行过程中不可避免地会磨损。随着损失的累积,设备发生故障的概率越来越大。因此,如果能够准确预测设备的剩余使用寿命(RUL),就可以及时对设备进行维护,避免设备故障引起的停机时间,大大提高企业的生产效率。独立递归神经网络(IndRNN)作为递归神经网络(RNN)的一种变体,在序列MNIST分类、语言建模等方面均优于传统的递归神经网络,但尚未引起业界的广泛关注。本文旨在利用IndRNN对涡扇发动机的健康退化进行研究,并对其剩余使用寿命(RUL)进行准确预测,这不仅有效地解决了梯度爆炸和消失的问题,而且增加了神经网络的可解释性。在工业实际应用中,它还可以与高频采样传感器匹配,处理较长的时间序列。结果表明,IndRNN在RUL估计方面明显优于传统机器学习方法以及CNN和LSTM等深度学习算法。

北京邮电大学信息与通信工程学院,北京邮电大学信息与通信工程学院

#计算机科学技术#

0评论(0 分享(0)

陈晨,庄伯金

2015-12-10

随着互联网的飞速发展,信息的传播和增长也越来越快。如何有效的获取民众对相关事件、商品、活动等评价信息并挖掘出一些其中有价值的内容,成为互联网技术的一项研究热点。因此,互联网舆情分析技术应运而生。文本情感分析以判断用户发表信息的情感属性为目标,是舆情分析中的一项关键技术,对了解民众舆论倾向起重要作用。传统的情感分析算法存在特征维度过高、语句中词语时序信息识别不全面等问题。 本文改进了一种基于朴素贝叶斯的支持向量机融合分类算法,利用N元模型优化文档特征向量,有效改善了传统方法中特征维度问题,并加入了短语时序信息。然后,本文实现了一种基于迭代神经网络的语言模型,可有效获得语句的完整时序信息,从而改善了情感分析的准确性

北京邮电大学信息与通信工程学院,北京 100876,北京邮电大学信息与通信工程学院,北京 100876

#信息科学与系统科学#

1评论(0 分享(0)

单傲,闫丹凤

2019-11-29

多变量时间序列数据在日常生活中分布广泛,并且在很多领域中得到广泛研究。但是其中仍然存在着一些挑战,比如提取时间序列内部的短期和长期依存关系、捕获序列中的多种周期模式。本文提出了聚类卷积递归神经网络来应对其中的种种问题。经过多变量时间序列聚类之后,模型分别使用卷积递归神经网络与展平卷积递归神经网络来提取不同聚类类别之间与类别内部的差异性与相似性,并且组件中同时使用注意力机制和多个卷积层来捕获序列中不同的周期性模式。本文中提出的模型在各种数据集上的效果都取得了显着改善且具有很高的实用性,所有实验结果将在稍后的论文中展示。

国家重点研发项目(2018YFC0831500

国家自然科学基金(61972047

北京邮电大学网络技术研究院,北京 100876,北京邮电大学网络技术研究院,北京 100876

#计算机科学技术#

0评论(0 分享(0)