您的检索：
学者姓名：杜永萍
精炼检索结果：
年份
成果类型
收录类型
来源
综合
合作者
语言
清除所有精炼条件
摘要 ：
针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network, S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性.
关键词 ：
手机型号识别 手机型号识别 相似性评估 相似性评估 模型参数更新 模型参数更新 边缘检测 边缘检测 废旧手机回收 废旧手机回收 孪生卷积神经网络 孪生卷积神经网络
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 韩红桂 , 甄琪 , 任柯燕 et al. 基于孪生卷积神经网络的手机型号识别方法 [J]. | 北京工业大学学报 , 2021 , 47 (02) : 112-119 . |
| MLA | 韩红桂 et al. "基于孪生卷积神经网络的手机型号识别方法" . | 北京工业大学学报 47 . 02 (2021) : 112-119 . |
| APA | 韩红桂 , 甄琪 , 任柯燕 , 伍小龙 , 杜永萍 , 乔俊飞 . 基于孪生卷积神经网络的手机型号识别方法 . | 北京工业大学学报 , 2021 , 47 (02) , 112-119 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
跨领域情感分类任务旨在利用富含情感标签的源域数据对缺乏标签的目标域数据进行情感极性分析.由此,文中提出基于对抗式分布对齐的跨域方面级情感分类模型,利用方面词与上下文的交互注意力学习语义关联,基于梯度反转层的领域分类器学习共享的特征表示.利用对抗式训练扩大领域分布的对齐边界,有效缓解模糊特征导致错误分类的问题.在Semeval-2014、Twitter数据集上的实验表明,文中模型性能较优.消融实验进一步表明捕获决策边界的模糊特征并扩大样本与决策边界间距离的策略可提高分类性能.
关键词 ：
交互注意力 交互注意力 对抗式训练 对抗式训练 梯度反转 梯度反转 跨域方面级情感分析 跨域方面级情感分析
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 杜永萍 , 刘杨 , 贺萌 . 基于对抗式分布对齐的跨域方面级情感分析 [J]. | 模式识别与人工智能 , 2021 , 34 (1) : 87-94 . |
| MLA | 杜永萍 et al. "基于对抗式分布对齐的跨域方面级情感分析" . | 模式识别与人工智能 34 . 1 (2021) : 87-94 . |
| APA | 杜永萍 , 刘杨 , 贺萌 . 基于对抗式分布对齐的跨域方面级情感分析 . | 模式识别与人工智能 , 2021 , 34 (1) , 87-94 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
用户对项目评分数据的稀疏性是影响推荐质量的主要因素之一,提出了融合评分数据和评论文本的深度学习模型,通过引入辅助信息缓解评分数据稀疏性的影响.利用评论文本可以获取用户的偏好信息和项目特征,而评分数据中又包含了用户和项目之间的潜在关联.现有的融合模型对评分数据的处理大多数都是采用矩阵分解方法,为了更好地利用评分数据中的有效信息,文中利用卷积神经网络处理评论文本,并引入注意力机制提取评论信息中具有代表性的评论,从而更好地表征用户偏好和项目特征.利用深度神经网络处理评分数据提取其中的深度特征,将特征进行融合来预测出用户对项目的评分.文中在Amazon数据集上进行验证,以均方误差MSE作为评价指标,结果表明所提出的模型优于多个优秀的基线模型.
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 王艳 , 彭治 , 杜永萍 . 融合评分矩阵和评论文本的深度学习推荐模型 [J]. | 计算机技术与发展 , 2021 , 31 (8) : 13-18 . |
| MLA | 王艳 et al. "融合评分矩阵和评论文本的深度学习推荐模型" . | 计算机技术与发展 31 . 8 (2021) : 13-18 . |
| APA | 王艳 , 彭治 , 杜永萍 . 融合评分矩阵和评论文本的深度学习推荐模型 . | 计算机技术与发展 , 2021 , 31 (8) , 13-18 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
基于孪生卷积神经网络的手机型号识别方法
关键词 ：
手机型号识别 手机型号识别 孪生卷积神经网络 孪生卷积神经网络 相似性评估 相似性评估 边缘检测 边缘检测 废旧手机回收 废旧手机回收 模型参数更新 模型参数更新
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 韩红桂 , 甄琪 , 任柯燕 et al. 基于孪生卷积神经网络的手机型号识别方法 [J]. | 韩红桂 , 2021 , 47 (2) : 112-119 . |
| MLA | 韩红桂 et al. "基于孪生卷积神经网络的手机型号识别方法" . | 韩红桂 47 . 2 (2021) : 112-119 . |
| APA | 韩红桂 , 甄琪 , 任柯燕 , 伍小龙 , 杜永萍 , 乔俊飞 et al. 基于孪生卷积神经网络的手机型号识别方法 . | 韩红桂 , 2021 , 47 (2) , 112-119 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
基于对抗式分布对齐的跨域方面级情感分析
关键词 ：
交互注意力 交互注意力 对抗式训练 对抗式训练 梯度反转 梯度反转 跨域方面级情感分析 跨域方面级情感分析
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 杜永萍 , 刘杨 , 贺萌 et al. 基于对抗式分布对齐的跨域方面级情感分析 [J]. | 杜永萍 , 2021 , 34 (1) : 87-94 . |
| MLA | 杜永萍 et al. "基于对抗式分布对齐的跨域方面级情感分析" . | 杜永萍 34 . 1 (2021) : 87-94 . |
| APA | 杜永萍 , 刘杨 , 贺萌 , 模式识别与人工智能 . 基于对抗式分布对齐的跨域方面级情感分析 . | 杜永萍 , 2021 , 34 (1) , 87-94 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于图像识别技术的可回收垃圾智能分类方法，属于计算机视觉领域；本方法面向可回收垃圾图像数据，基于卷积神经网络进行建模，利用卷积神经网络提取有效特征，并采用支持向量机分类器实现可回收垃圾的智能分类。主要包括：建立并预处理可回收垃圾图像库，采用数据增强的方式扩大数据规模；构建基于卷积神经网络的智能分类模型；利用可回收垃圾图像库训练分类模型；将目标图像输入至训练好的分类模型中进行判断，最终输出目标图像的所属类别，实现可回收垃圾的自动分类。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 杜永萍 , 彭治 , 刘杨 . 一种基于图像识别的可回收垃圾分类方法 : CN202110026437.2[P]. | 2021-01-08 . |
| MLA | 杜永萍 et al. "一种基于图像识别的可回收垃圾分类方法" : CN202110026437.2. | 2021-01-08 . |
| APA | 杜永萍 , 彭治 , 刘杨 . 一种基于图像识别的可回收垃圾分类方法 : CN202110026437.2. | 2021-01-08 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Model recognition of second-hand mobile phones has been considered as an essential process to improve the efficiency of phone recycling. However, due to the diversity of mobile phone appearances, it is difficult to realize accurate recognition. To solve this problem, a mobile phone recognition method based on bilinear-convolutional neural network (B-CNN) is proposed in this paper. First, a feature extraction model, based on B-CNN, is designed to adaptively extract local features from the images of secondhand mobile phones. Second, a joint loss function, constructed by center distance and softmax, is developed to reduce the interclass feature distance during the training process. Third, a parameter downscaling method, derived from the kernel discriminant analysis algorithm, is introduced to eliminate redundant features in B-CNN. Finally, the experimental results demonstrate that the B-CNN method can achieve higher accuracy than some existing methods.
关键词 ：
bilinear convolutional neural network bilinear convolutional neural network fine-grained image recognition fine-grained image recognition joint loss joint loss low-rank decomposition low-rank decomposition
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Han HongGui , Zhen Qi , Yang HongYan et al. Mobile phone recognition method based on bilinear convolutional neural network [J]. | SCIENCE CHINA-TECHNOLOGICAL SCIENCES , 2021 , 64 (11) : 2477-2484 . |
| MLA | Han HongGui et al. "Mobile phone recognition method based on bilinear convolutional neural network" . | SCIENCE CHINA-TECHNOLOGICAL SCIENCES 64 . 11 (2021) : 2477-2484 . |
| APA | Han HongGui , Zhen Qi , Yang HongYan , Du YongPing , Qiao JunFei . Mobile phone recognition method based on bilinear convolutional neural network . | SCIENCE CHINA-TECHNOLOGICAL SCIENCES , 2021 , 64 (11) , 2477-2484 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
In e-commerce platform, users conduct purchase behavior and write reviews for the purchased items. These reviews usually contain a lot of valuable information for recommendation, which can reflect the purchase preference of the user and the characteristic of the item. We propose the Hierarchical Attention Cooperative Neural Networks (HACN) model for recommendation. Hierarchical attention mechanism is adopted to enrich user's and item's feature representation from review texts. Two parallel networks based on review texts are used to model users and items respectively, which makes the generated features more purposeful. Further, the target ID embedding is introduced to capture the global entity relationship in the dataset. The experiments are performed on five real-world datasets of different domains from Amazon, and our proposed HACN model has achieved better results than the existing state-of-the-art methods. © 2021 Elsevier B.V.
关键词 ：
Electronic commerce Electronic commerce Hierarchical systems Hierarchical systems Recommender systems Recommender systems Sales Sales
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Du, Yongping , Wang, Lulin , Peng, Zhi et al. Review-based hierarchical attention cooperative neural networks for recommendation [J]. | Neurocomputing , 2021 , 447 : 38-47 . |
| MLA | Du, Yongping et al. "Review-based hierarchical attention cooperative neural networks for recommendation" . | Neurocomputing 447 (2021) : 38-47 . |
| APA | Du, Yongping , Wang, Lulin , Peng, Zhi , Guo, Wenyang . Review-based hierarchical attention cooperative neural networks for recommendation . | Neurocomputing , 2021 , 447 , 38-47 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
针对废旧手机回收过程中手机型号难以精确识别的问题,文中提出一种基于低秩双线性卷积神经网络的图像识别方法。首先,建立基于双线性卷积神经网络(Bilinear-Convolutional Neural Network, B-CNN)的特征提取模型,自适应提取细粒度图像中的局部特征并将其与全局位置特征融合。其次,设计一种基于中心距离和交叉熵的联合损失函数,降低模型学习过程中的类内特征距离。最后,引入基于低秩分解的卷积网络参数降维方法,消除双线性卷积核中的冗余特征并减少过拟合。将文中方法应用于废旧手机回收过程中的型号识别,实验结果表明该方法能够向分类网络提供更丰富的局部细节,具有较好的准确性。
关键词 ：
联合损失 联合损失 细粒度图像识别 细粒度图像识别 低秩分解 低秩分解 卷积神经网络 卷积神经网络
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 韩红桂 , 甄琪 , 杜永萍 et al. 基于低秩双线性卷积神经网络的手机型号识别方法 [C] //第31届中国过程控制会议（CPCC 2020）摘要集 . 2020 . |
| MLA | 韩红桂 et al. "基于低秩双线性卷积神经网络的手机型号识别方法" 第31届中国过程控制会议（CPCC 2020）摘要集 . (2020) . |
| APA | 韩红桂 , 甄琪 , 杜永萍 , 乔俊飞 . 基于低秩双线性卷积神经网络的手机型号识别方法 第31届中国过程控制会议（CPCC 2020）摘要集 . (2020) . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
语法纠错任务是自然语言处理领域的一项重要任务,近年来受到了学术界广泛关注.该任务旨在自动识别并纠正文本中所包含的语法、拼写以及语序错误等.该文将语法纠错任务看作是翻译任务,即将带有错误表达的文本翻译成正确的文本,采用基于多头注意力机制的Transformer模型作为纠错模型,并提出了一种动态残差结构,动态结合不同神经模块的输出来增强模型捕获语义信息的能力.受限于目前训练语料不足的情况,该文提出了一种数据增强方法,通过对单语语料的腐化从而生成更多的纠错数据,进一步提高模型的性能.实验结果表明,该文所提出的基于动态残差的模型增强以及腐化语料的数据增强方法对纠错性能有着较大的提升,在NLPCC 2018中文语法纠错共享评测数据上达到了最优性能.
关键词 ：
数据增强 数据增强 多头注意力 多头注意力 动态残差结构 动态残差结构 语法纠错 语法纠错
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 王辰成 , 杨麟儿 , 王莹莹 et al. 基于Transformer增强架构的中文语法纠错方法 [J]. | 中文信息学报 , 2020 , 34 (6) : 106-114 . |
| MLA | 王辰成 et al. "基于Transformer增强架构的中文语法纠错方法" . | 中文信息学报 34 . 6 (2020) : 106-114 . |
| APA | 王辰成 , 杨麟儿 , 王莹莹 , 杜永萍 , 杨尔弘 . 基于Transformer增强架构的中文语法纠错方法 . | 中文信息学报 , 2020 , 34 (6) , 106-114 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
