我要投稿 查看投稿进度
学术期刊
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
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

融合注意力LSTM的协同过滤推荐算法 下载：17 浏览：414

罗洋1 夏鸿斌1，2 刘渊1，2 《中文研究》 2019年10期

摘要:
针对传统协同过滤算法难以学习深层次用户和项目的隐表示，以及对文本信息不能充分提取单词之间的前后语义关系的问题，该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先，附加堆叠降噪自编码器利用评分信息和用户辅助信息提取用户潜在向量；其次，基于注意力机制的长短期记忆网络利用项目辅助信息来提取项目的潜在向量；最后，将用户与项目的潜在向量用于概率矩阵分解中，从而预测用户偏好。在两个真实数据集MovieLens-100k和MovieLens-1M上进行实验，采用RMSE和Recall指标进行评估。实验结果表明，该模型与其他相关推荐算法相比在推荐性能上有所提升。

基于门控联合池化自编码器的通用性文本表征 下载：33 浏览：487

张明华1 吴云芳1 李伟康1 张仰森2 《当代中文学刊》 2019年9期

摘要:
为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks,RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。

基于SDAE与CART联合智能算法的通信网络用户满意度分析方法 下载：58 浏览：365

李露1 于忠义2 李福昌1 《信息通信与技术》 2020年4期

摘要:
论文提出一种基于栈式降噪自编码器(Stacked Denoising Autoencoder，SDAE)与分类和回归决策树(Classification and Regression Tree， CART)的移动互联网满意度预测方法，此模型能挖掘出用户的满意度与用户的特征和网络特征的关联规则，通过这种规则能更精准及时地预测到用户满意度的变化，以便运营商针对这种变化提前作出决策。论文所提方法能够挖掘特征间的深层关系，通过SDAE编码样本可以获得影响用户体验的隐含特征，及时发现用户对于网络贬损的真正痛点，为运营商网络建设和运行维护部门制定提升用户的网络感知策略提供依据，从而提升用户体验。

风光水多能源电力系统互补智能优化运行策略 下载：42 浏览：433

胡伟1 戚宇辰1 张鸿轩1 董凌2 李延和2 《发电技术与研究》 2020年3期

摘要:
高比例可再生能源接入电网,采用风光水互补发电可以提供平滑和稳定的电力供应。针对风光水多能源电力系统,采用大数据和人工智能技术,提出基于随机规划的短期优化运行方法。首先,基于变分自编码器(variationalautoencoder,VAE)提出了可再生能源场景生成方法,能够生成符合可再生能源出力特性的多样化场景,并精确刻画可再生能源出力的相关性。其次,基于场景法建立了风光水互补短期优化运行模型,并采用分段线性化的方法将多种非线性约束转化为线性约束,可以保证模型精度的同时实现快速求解。最后,通过对雅砻江下游风光水发电基地的算例仿真,验证了所提的智能优化运行策略的有效性。

一种基于变分自编码器的高光谱图像分类方法 下载：84 浏览：490

徐朋磊 薛朝辉 车子杰 《测绘科学与技术》 2020年3期

摘要:
深度学习可以有效表达影像的深层特征,在遥感图像处理特别是在分类方面取得了良好的效果。提出了一种基于变分自编码网络的高光谱遥感影像深度学习分类方法,该方法利用变分自编码器进行无监督训练,用分类层替换解码层,输入训练样本进行分类网络的微调,最后在分类器预测的类别概率图基础上使用条件迭代模型求解马尔可夫随机场,对分类结果进行优化。在两幅通用高光谱数据集上进行分类实验,结果表明基于变分自编码器的高光谱遥感影像分类方法取得了优于其它方法的分类效果。

基于图卷积网络和自编码器的半监督网络表示学习模型 下载：73 浏览：398

王杰 张曦煌 《人工智能研究》 2019年9期

摘要:
为了保留网络结构信息和节点特征信息,结合图卷积神经网络(GCN)和自编码器(AE),提出可扩展的半监督深度网络表示学习模型(Semi-GCNAE).利用GCN捕获节点的K阶邻域中所有节点的结构和特征信息,并将捕获的信息作为AE的输入.AE对GCN捕获的K阶邻域信息进行特征提取和非线性降维,并结合Laplacian特征映射保留节点的团簇结构信息.引入集成学习方法联合训练GCN和AE,使模型习得的节点低维向量表示能同时保留网络结构信息和节点特征信息.在5个真实数据集上的广泛评估表明,文中模型习得的节点低维向量表示可以有效保留网络的结构和节点特征信息,并在节点分类、可视化和网络重构任务上性能较优.

语义自编码结合关系网络的零样本图像识别算法 下载：76 浏览：405

林克正 李昊天 白婧轩 李骜 ​ 《人工智能研究》 2019年7期

摘要:
为了解决零样本图像识别中传统模型容易出现投影域移位问题以及提高距离相似度度量的鲁棒性,提出关系网络改进语义自编码器的零样本识别算法.基于语义自编码器构建图像视觉特征和语义向量之间的特征映射,并将重构向量与对应向量真值进行级联后送入神经网络,最终利用输出的标量给出预测类别.实验表明,相比传统距离度量方法,文中算法在AWA、CUB和Image Net-2数据集上的识别率均有所提高,在某些数据集上语义-视觉的投影效果优于反向投影.

基于深度学习的电网短期负荷预测方法研究 下载：82 浏览：502

吴润泽1 包正睿1 宋雪莹1 邓伟2 《电力研究》 2018年5期

摘要:
深度模型通过学习一种深层非线性网络结构以实现复杂函数逼近,具有很强的自适应感知能力。本文为了提高电力负荷预测精度,提出一种基于栈式自编码神经网络的深度学习预测方法。该方法结合自编码器和逻辑回归分类器构建一个多输入单输出预测模型,并将重构后的历史负荷、气象信息等数据输入到预测模型中,用栈式自编码器逐层学习并提取深层特征,最后在网络顶层连接逻辑回归模型进行短期负荷预测。实例分析表明,所提预测模型能够有效刻画日负荷变化规律,泛化能力较强,其预测精度达到96.2%,比支持向量回归和模糊神经网络两种浅层学习模型更高。
[1/1]
|<
<
1
>
>|
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
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享