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6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：
基于BGRU-CNN的层次结构微博情感分析
1
作者 刘高军 赵希明 《北方工业大学学报》 2019年第2期68-76,共9页
目前,微博情感分析方法存在以下2方面问题:1)对于微博文本的情感语义表示模型存在缺陷,不能有效表示文本整体的情感语义信息.2)多采用全局分类器,对于细粒度情感分析,往往效果不佳.针对以上问题,本文提出一种BGRU-CNN神经网络模型,结合... 目前,微博情感分析方法存在以下2方面问题:1)对于微博文本的情感语义表示模型存在缺陷,不能有效表示文本整体的情感语义信息.2)多采用全局分类器,对于细粒度情感分析,往往效果不佳.针对以上问题,本文提出一种BGRU-CNN神经网络模型,结合基于双向门控循环单元的神经网络和卷积神经网络来训练分类器,并采用层次结构分类方法进一步提高了模型在细粒度微博情感分类任务上的效果.在NLPCC2014微博情感分析数据集上进行实验,取得了比传统模型和方法更好的分类效果. 展开更多
关键词 情感分析 循环神经网络 卷积神经网络 bgru-cnn 层次结构
在线阅读 下载PDF
基于改进CNN-BGRU的滚动轴承剩余使用寿命预测模型
2
作者 王仲 姜娇 +2 位作者 宋洋 张磊 谷泉 《机电工程》 北大核心 2025年第11期2158-2167,共10页
针对现有人工智能方法在滚动轴承剩余使用寿命(RUL)预测中呈现出准确性低的问题,提出了一种基于改进卷积双向门控循环单元神经网络(CNN-BGRU)的滚动轴承剩余使用寿命预测方法(模型)。首先,利用卷积神经网络(CNN)对滚动轴承寿命数据进行... 针对现有人工智能方法在滚动轴承剩余使用寿命(RUL)预测中呈现出准确性低的问题,提出了一种基于改进卷积双向门控循环单元神经网络(CNN-BGRU)的滚动轴承剩余使用寿命预测方法(模型)。首先,利用卷积神经网络(CNN)对滚动轴承寿命数据进行了深层特征提取,同时提出了一种新的改进修正单元的激活函数,提升了特征表达能力;然后,考虑到滚动轴承全寿命周期时序数据的前后关联信息,构建了双向门控循环单元网络(BGRU),用来捕捉轴承全寿命周期时序数据;并运用一次函数拟合曲线,预测了滚动轴承的剩余使用寿命;最后,依据滚动轴承加速寿命预测实验的数据集,在三种不同工况下对CNN-BGRU方法的有效性和优越性进行了验证。研究结果表明:相较于门控双注意单元(GDAU)、深度神经网络(DNN)、宏观-微观注意长短期记忆网络(MMALSTM),CNN-BGRU寿命预测方法的平均得分分别提高了0.09、0.23、0.04;在平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)三项关键评价指标上,该方法均取得了最优值,分别为166、0.178和16.8%。由此可见,基于改进CNN-BGRU的滚动轴承剩余寿命预测方法能够较好地对轴承剩余使用寿命进行预测,且具备良好的泛化性能。 展开更多
关键词 激活函数 全寿命周期时序数据 卷积神经网络 双向门控循环单元网络 剩余使用寿命预测 加速寿命试验
在线阅读 下载PDF
基于CNN-BGRU-CRF的中文电子病历实体抽取方法 被引量：5
3
作者 冯云霞 衣鹏 +1 位作者 韩正亮 宋波 《计算机与现代化》 2020年第11期60-64,99,共6页
针对传统方法在中文电子病历实体抽取任务中存在对词典和分词工具过于依赖,无法充分利用上下文特征等问题,本文提出一种基于字嵌入卷积(CNN)、双向门控循环单元(BGRU)和条件随机场(CRF)结合的中文电子病历实体抽取模型。首先利用字嵌入... 针对传统方法在中文电子病历实体抽取任务中存在对词典和分词工具过于依赖,无法充分利用上下文特征等问题,本文提出一种基于字嵌入卷积(CNN)、双向门控循环单元(BGRU)和条件随机场(CRF)结合的中文电子病历实体抽取模型。首先利用字嵌入方法提取出潜在词特征,然后在使用字词特征联合方式的同时使用注意力机制突出特定的信息,最后通过合理性约束得到最终结果。该模型充分使用了字词特征避免了实体抽取受错误分词的影响,并且减少了人工构造特征的过程,提高了实体抽取效率。实验结果表明,该模型在诊断名称、症状名称、治疗方式类别的实体抽取中,F值表现优于传统的Bi-LSTM-CRF模型。 展开更多
关键词 中文电子病历 实体抽取 卷积网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
利用时空相关性的多位置多步风速预测模型 被引量：43
4
作者 陈金富 朱乔木 +4 位作者 石东源 李银红 ZHU Lin 段献忠 LIU Yilu 《中国电机工程学报》 EI CSCD 北大核心 2019年第7期2093-2106,共14页
兼顾时、空相关性的风速预测意义重大也极具挑战。围绕多位置、多步风速预测问题展开研究,从风速时空序列的本质出发,提出了一种"先提取空间特征,后捕捉时间依赖"的两阶段建模思路。构造了一个利用时空相关性的风速预测模型... 兼顾时、空相关性的风速预测意义重大也极具挑战。围绕多位置、多步风速预测问题展开研究,从风速时空序列的本质出发,提出了一种"先提取空间特征,后捕捉时间依赖"的两阶段建模思路。构造了一个利用时空相关性的风速预测模型——深层时空网络(deep spatio-temporal network,DSTN)。该模型由卷积神经网络(convolutional neural network, CNN)和双向门控循环单元(bidirectional gated recurrent unit,BGRU)共同构成,并通过"端对端"的方式进行训练,具备"序列到序列"的预测能力。首先,DSTN利用底层的CNN从空间风速矩阵中提取空间特征。然后,利用BGRU捕捉来自连续时间断面的空间特征之间的时间依赖关系,进而实现对时空序列的预测。此外,还定义了针对多位置风速预测的误差指标,用以描述预测模型的总体平均性能和个体误差控制能力。以美国加利福尼亚州某风电场实测数据为算例进行分析,结果表明,DSTN能够有效利用时空相关性进行风速预测,其预测性能优于多种现有预测模型。 展开更多
关键词 深度学习 卷积神经网络 双向门控循环单元 时空相关性 多位置、多步风速预测 “端到端”学习 “序列到序列”预测
原文传递
基于3DC-BGRU的脑电情感识别 被引量：3
5
作者 胡章芳 刘鹏飞 +2 位作者 蒋勤 罗飞 王明丽 《计算机工程与应用》 CSCD 北大核心 2020年第20期111-117,共7页
针对脑电信号情感识别率偏低的问题,提出了一种基于3DC-BGRU的脑电情感识别方法。对单通道脑电信号进行短时傅里叶变换(STFT),提取相关频带的时频信息构成二维时频图,并将多个通道的时频图构成一种全新的时间、频率和通道的三维数据形式... 针对脑电信号情感识别率偏低的问题,提出了一种基于3DC-BGRU的脑电情感识别方法。对单通道脑电信号进行短时傅里叶变换(STFT),提取相关频带的时频信息构成二维时频图,并将多个通道的时频图构成一种全新的时间、频率和通道的三维数据形式,通过三维卷积的方式设计了一种新颖的卷积神经网络(CNN)模型对三维数据进行深层特征提取,设计双向门控循环单元(BGRU)对深层特征的序列信息进行处理并配合Softmax进行分类。实验结果表明该方法分类识别率得到提高。 展开更多
关键词 情感识别 短时傅里叶变换(STFT) 三维数据 卷积神经网络(CNN) 双向门控循环单元(BGRU)
在线阅读 下载PDF
基于并行混合网络融入注意力机制的情感分析 被引量：3
6
作者 孙敏 李旸 +1 位作者 庄正飞 余大为 《计算机应用》 CSCD 北大核心 2020年第9期2543-2548,共6页
针对传统卷积神经网络(CNN)不仅会忽略词的上下文语义信息而且最大池化处理时会丢失大量特征信息的问题,传统循环神经网络(RNN)存在的信息记忆丢失和梯度弥散问题,和CNN和RNN都忽略了词对句子含义的重要程度的问题,提出一种并行混合网... 针对传统卷积神经网络(CNN)不仅会忽略词的上下文语义信息而且最大池化处理时会丢失大量特征信息的问题,传统循环神经网络(RNN)存在的信息记忆丢失和梯度弥散问题,和CNN和RNN都忽略了词对句子含义的重要程度的问题,提出一种并行混合网络融入注意力机制的模型。首先,将文本用Glove向量化;之后,通过嵌入层分别用CNN和双向门限循环神经网络提取不同特点的文本特征;然后,再把二者提取得到的特征进行融合,特征融合后接入注意力机制判断不同的词对句子含义的重要程度。在IMDB英文语料上进行多组对比实验,实验结果表明,所提模型在文本分类中的准确率达到91.46%而其F1-Measure达到91.36%。 展开更多
关键词 卷积神经网络 双向门限循环单元 特征融合 注意力机制 文本情感分析
在线阅读 下载PDF
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