文章-世纪中文出版社

陈茹1，2 卢先领2，3 《中文研究》 2020年11期

摘要:

该文针对现有的命名实体识别(named entity recognition，NER)模型未考虑到文本层次化结构对实体识别的重要作用，以及循环神经网络受其递归性的限制导致计算效率低下等问题，构建了IDC-HSAN模型(Iterated Dilated Convolutions Neural Networks and Hierarchical Self-attention Network)。该模型通过迭代的空洞卷积神经网络(ID-CNN)充分利用GPU的并行性大大降低了使用长短时记忆网络的时间代价。然后，采用层次化注意力机制捕获重要的局部特征和全局上下文中的重要语义信息。此外，为了丰富嵌入信息，加入了偏旁部首信息。最后，在不同领域数据集上的实验结果表明，IDC-HSAN模型能够从文本中获取有用的实体信息，和传统的深度网络模型、结合注意力机制的命名实体识别模型相比识别效果有所提升。

基于新型卷积神经网络构建矿山灾害事件检测模型下载：62 浏览：279

刘鹏1 魏卉子2 鹿晓龙2 刘明明3 《中文研究》 2020年4期

摘要:

事件检测属于自然语言处理的核心任务及难点之一，使用长短时记忆网络(LSTM)和卷积神经网络(CNN)进行的相关研究越来越广泛，但面对篇章级别的事件文本时，参数量庞大的LSTM与语义缺失明显的CNN导致模型检测准确性和收敛性均欠佳。该文结合迭代空洞卷积神经网络和高速神经网络，提出基于混合特征的高速迭代空洞卷积神经网络，力图优化深层模型训练中常见的梯度消失与爆炸现象，提取性能更优的篇章级文本特征。实验结果表明，该方法与当下主流的LSTM和CNN模型相比，矿山灾害事件检测效果更为理想，收敛性及训练效率也表现更优。

基于DenseNet的复杂交通场景语义分割方法下载：65 浏览：411

蒋斌涂文轩杨超刘虹雨赵子龙《人工智能研究》 2019年10期

摘要:

针对交通场景语义分割方法存在参数量较大、计算效率较低、精度不足等问题,文中提出基于全卷积化DenseNet的多尺度端到端语义分割模型.首先,构建一种含混合空洞卷积的密集连接模块,同时沿通道维度级联各模块,用于提取图像特征.然后,采集多尺度视觉信息并以此作为监督信号回传至原通道中.最后,通过双线性插值法获得预测输出.在CityScapes数据集上的测试实验表明,文中方法对复杂交通场景的解析能力较强,预测精度和分割效率较高.

构建带空洞卷积的深度神经网络重建高分辨率图像下载：67 浏览：414

张焯林赵建伟曹飞龙《人工智能研究》 2019年6期

摘要:

为了在滤波器参数保持不变的情形下扩大感受野,在非常深的卷积网络超分辨率模型网络中引入空洞卷积方法.首先,分析不同膨胀系数组合的空洞卷积块的感受野,并选择更好的结构作为空洞卷积块.然后,堆叠卷积块并加入残差连接构成深度卷积网络.最后,使用多种训练技巧对网络进行重新训练.实验表明,对于数据集Set5上较大的扩大因子,文中构建网络可提升重建效果,并在视觉上也有明显优势.

构建带空洞卷积的深度神经网络重建高分辨率图像下载：82 浏览：390

张焯林赵建伟曹飞龙《人工智能研究》 2019年6期

摘要:

为了在滤波器参数保持不变的情形下扩大感受野,在非常深的卷积网络超分辨率模型网络中引入空洞卷积方法.首先,分析不同膨胀系数组合的空洞卷积块的感受野,并选择更好的结构作为空洞卷积块.然后,堆叠卷积块并加入残差连接构成深度卷积网络.最后,使用多种训练技巧对网络进行重新训练.实验表明,对于数据集Set5上较大的扩大因子,文中构建网络可提升重建效果,并在视觉上也有明显优势.

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com