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(20)

数学(1)

电子、通信与自动控制技术(1) 显示更多>>

经济学(1) 中医学与中药学(0) 临床医学(0) 交通运输工程(0) 体育科学(0) 信息科学与系统科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(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) 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

SiC56335

人工智能46892

基因42521

数据挖掘23124

数值模拟21128

我的筛选 >
2003-2022 全部
为您找到包含“long short-term memory”的内容共23

唐翠玲,游向东,王怡然,王相旭

2021-12-29

摩尔斯在军事等领域上的应用,使得降低解码延迟和提高解码准确率尤为重要。本文基于长短期记忆神经网络(Long Short-Term Memory,LSTM),以摩尔斯短码信号为研究对象,设计了低复杂度

School of Information and Communication Engineering,Beijing University of Posts and Telecommunications,Beijing 100876,School of Information and Communication Engineering,Beijing University of Posts and Telecommunications,Beijing 100876,School of Information and Communication Engineering,Beijing University of Posts and Telecommunications,Beijing 100876,School of Information and Communication Engineering,Beijing University of Posts and Telecommunications,Beijing 100876

#电子、通信与自动控制技术#

0评论(0 分享(0)

郎爽,朱署光,程祥

2019-01-03

, KGQA-HAM)。该方法分为编码和解码两个阶段。在编码阶段,该方法将问题表示为依存树,基于改进的LSTM (Long Short-Term Memory Network) 编码各层子树的语义向量,利用子树表达问题

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,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(5)

迟百峰,原继东

2021-09-06

机等)相结合的方式进行时间序列异常检测的方法。深度自编码器由卷积神经网络(Convolutional Neural Network, CNN)和长短期记忆(Long Short-Term Memory

School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044

#计算机科学技术#

0评论(0 分享(0)

谢文奇,邹仕洪

2020-01-17

模型对不同的System-call给予不同的注意力,同时通过LSTM(Long Short-Term Memory)来自动捕获正常和异常System-call之间的语义信息、前后依赖关系和更深层的抽象

Beijing University of Posts and Telecommunications Institute of Cyberspace Security, Beijing 100876,Beijing University of Posts and Telecommunications Institute of Cyberspace Security, Beijing 100876

#计算机科学技术#

0评论(0 分享(0)

CAO Xiaofei,YANG Juan,YANG Juan

into the long short-term memory (LSTM) network. However, it can only affect the subsequent character

2019-12-25

Beijing Key Lab of Intelligent Telecommunication Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing 100876,Beijing Key Lab of Intelligent Telecommunication Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing 100876,Beijing Key Lab of Intelligent Telecommunication Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing 100876

#Computer Science and Technology#

0评论(0 分享(0)

沈兰奔,武志昊,纪宇泽,林友芳,万怀宇

2019-03-18

事件检测是信息抽取领域的重要任务之一。已有的方法大多高度依赖于复杂的语言特征工程和自然语言处理工具,中文事件检测还存在着由分词带来的触发词分割问题。本文将中文事件检测视为一个序列标注而非分类问题,提出了一种结合注意力机制与长短期记忆神经网络的中文事件检测模型ATT-BiLSTM,利用注意力机制来更好地捕获全局特征,并通过两个双向LSTM层来更有效地捕获句子序列特征,从而提高中文事件检测的效果。在ACE 2005中文数据集上的实验表明,本文提出的方法与其他现有的中文事件检测方法相比性能得到了明显的提升。

国家重点研发计划资助项目(2018YFC0830200

School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044

#计算机科学技术#

0评论(0 分享(0)

马龙,王小捷

2017-01-05

对人机对话理解中的槽填充和意图识别任务建立联合学习模型,并将条件随机场和双向长短期记忆模型分别应用于该联合学习模型。通过实验确定在句子末尾添加意图标识符的建模方法,使用对话历史信息特征来提高联合学习模型的效果。不同大小训练集的对比实验表明,当前语料规模下基于条件随机场的联合学习模型效果更好,但随着语料规模的增大基于双向长短期记忆模型的联合学习模型效果增长趋势更明显。

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)

傅家庆,胡铮

2017-12-22

随着深度学习的发展,面向图文的多模态学习取得了巨大的进展。为了完善在线旅游网站图文游记业务,本文研究利用多模态视觉故事模型来解决图文游记写作的任务。针对传统视觉故事模型的缺陷,本文在模态转换与时序记忆性方面做出改进,提出了长记忆视觉故事模型,模型先利用卷积神经网络(CNN)提取图像特征,接着利用文本特征提取模型(doc2vec)提取句子特征,并利用双向长短期记忆网络(BLSTM)学习图像特征到句子特征的模态转换关系。本文模型在中文数据集CHANYOUJI与英文数据集SIND上均取得了优于传统模型的效果,并通过实例说明了长记忆视觉故事模型在时序记忆方面的优势。

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)

陈宇航,李剑

2021-04-07

针对多视图的重建中高精度图片难以有效重建的问题,提出了基于学习的深度估计方法。该方法利用空洞卷积神经网络对图片进行特征提取,利用循环神经网络构建并优化三维代价体,并且采取有监督和无监督两种方式进行训练。在两个真实场景中的多视角图片数据集上的实验结果表明,相比于传统方法和其他基于学习的方法,该网络所需的显存大大减少,因此能用于高精度图片的重建,同时,提高了模型深度预测的准确性和完整性。

北京邮电大学智能科学与技术中心,北京 100876,北京邮电大学智能科学与技术中心,北京 100876

#计算机科学技术#

0评论(0 分享(0)

Sun Chang,Gao Sheng

keyword information, and we use Long Short-Term Memory (LSTM) to capture temporal context information in

2021-04-20

School of Artificial Intelligence, Beijing University of Posts and Telecommunications,School of Artificial Intelligence, Beijing University of Posts and Telecommunications

#Computer Science and Technology#

0评论(0 分享(0)