期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
MapReduce和Spark两种框架下的大数据极限学习机比较研究 被引量：10
1
作者 宋丹丹 翟俊海 +1 位作者 李艳 齐家兴 《小型微型计算机系统》 CSCD 北大核心 2020年第7期1381-1388,共8页
对MapReduce和Spark两种框架下的大数据极限学习机进行了比较研究.具体地,从程序运行时间、任务的同步次数、分类器的泛化性能和需要读写的文件数目4个方面进行了比较.得出了如下结论:1)在程序运行时间上,基于Spark的大数据极限学习机... 对MapReduce和Spark两种框架下的大数据极限学习机进行了比较研究.具体地,从程序运行时间、任务的同步次数、分类器的泛化性能和需要读写的文件数目4个方面进行了比较.得出了如下结论:1)在程序运行时间上,基于Spark的大数据极限学习机明显优于MapReduce的大数据极限学习机,通过理论分析以及对比不同平台的并行指标speed Up和sizeUp证明了这一结论,而且随着隐含层节点个数的增多,这一优势越发明显;2)在任务的同步次数上,基于MapReduce大数据极限学习机的性能优于基于Spark大数据极限学习机;3)在分类器的泛化性能上,基于MapReduce的大数据极限学习机与基于Spark大数据极限学习机并无本质的差别;4)在需要读写的文件数目上,基于MapReduce的大数据极限学习机需要读写的文件数目与M ap任务个数有关,而基于Spark的大数据极限学习机需要读写的文件数目与分区数有关.这些结论对从事相关研究的人员,特别是从事大数据机器学习研究的人员具有较高的参考价值. 展开更多
关键词 大数据 机器学习 极限学习机 并行计算 任务同步
在线阅读 下载PDF
基于残差神经网络的颅骨缺损识别研究
2
作者 廉洪宇 沈翔 +2 位作者 陈广新 国威 才莹 《新一代信息技术》 2024年第5期1-5,共5页
鉴于颅骨缺损可能引发的严重健康问题,本研究旨在通过残差神经网络,提高对颅骨缺损的诊断精准度,从而提升患者的治疗成效和生存质量。本研究采用ResNet50深度学习模型结合颅骨医学影像数据,利用残差网络结构来增强对颅骨缺损的识别能力... 鉴于颅骨缺损可能引发的严重健康问题,本研究旨在通过残差神经网络,提高对颅骨缺损的诊断精准度,从而提升患者的治疗成效和生存质量。本研究采用ResNet50深度学习模型结合颅骨医学影像数据,利用残差网络结构来增强对颅骨缺损的识别能力,并与传统CNN模型进行比较。ResNet50模型在颅骨缺损识别任务中显著优于CNN,其AUC指标达到0.92,表明在学习和泛化骨骼断裂特征方面具有更高的准确性和效率。综合考虑模型的计算资源需求、泛化性能以及实际应用中的数据规模,ResNet50模型在颅骨缺损识别领域展现出显著优势,但为了更好地适应临床应用,仍需对模型进行进一步优化和调整。 展开更多
关键词 残差神经网络 颅骨缺损 深度学习 医学影像分析 图像识别
在线阅读 下载PDF
机器学习在购买意图方面的应用
3
作者 刘占玉 高荣芳 《智能计算机与应用》 2020年第6期66-67,73,共3页
顾客是否成功购买商品,不仅与商品本身有关,而且与顾客所处区域、类型和特殊节日有关。互联网时代,各大购物网站都有海量的顾客购买信息,因此可以通过顾客对网站的使用和操作信息,使用机器学习算法来预测顾客购买此类商品的意向。本文... 顾客是否成功购买商品,不仅与商品本身有关,而且与顾客所处区域、类型和特殊节日有关。互联网时代,各大购物网站都有海量的顾客购买信息,因此可以通过顾客对网站的使用和操作信息,使用机器学习算法来预测顾客购买此类商品的意向。本文使用随机森林算法、SVM算法和朴素贝叶斯算法建立模型,并采用五折交叉验证的方法选出这3个可靠的模型,预测顾客在线购买的可能性,最终通过准确率、召回率、F1值、AUC对模型进行评估。实验结果表明:随机森林更适合于在线购买意图的预测。 展开更多
关键词 在线购买意图 随机森林 SVM 朴素贝叶斯 五折交叉验证
在线阅读 下载PDF
《盛宣怀档案》智能分析系统的构建与史学应用——从检索增强到智能体推理
4
作者 张光伟 《数字人文研究》 2026年第1期43-52,共10页
面对浩如烟海且高度非结构化的历史档案,传统的数字化处理与关键词检索模式已难以满足日益复杂的史学研究需求,特别是在处理如《盛宣怀档案》这类涉及晚清政治、经济、外交等多维网络的复杂史料时,研究者常陷入查不全、理不清、关联难... 面对浩如烟海且高度非结构化的历史档案,传统的数字化处理与关键词检索模式已难以满足日益复杂的史学研究需求,特别是在处理如《盛宣怀档案》这类涉及晚清政治、经济、外交等多维网络的复杂史料时,研究者常陷入查不全、理不清、关联难的困境。研究在回顾数字人文从数字化、结构化向智能化转型的技术背景的基础上,引入大语言模型前沿的思维链技术与推理—行动框架,构建了一个基于Agentic RAG的“盛宣怀档案智能分析系统”。该系统突破了传统知识图谱预定义的局限,通过“意图理解、资料检索、资料总结、评估决策、内容撰写”五个智能体的协同工作,实现了对全量档案文本的语义向量化与动态推理。系统具备主动规划检索路径、多步逻辑推演、跨文档证据互证以及自我纠错的能力,能够模拟历史学家“提出假设—史料搜集—考证辨析—形成结论”的认知过程。文章通过微观、中观和宏观三个层面的典型案例展示了该系统的应用潜力。研究实践证明,AI时代这种“人机回环”(Human-in-the-loop)的协作模式,不仅能将历史学家从繁琐的信息搜寻中解放出来,更开启了以数字文献考古与全息逻辑增强为特征的历史研究新探索的可能性。 展开更多
关键词 盛宣怀档案 大语言模型 ReAct框架 思维链 Agentic RAG 人机协作
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部