检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于并行混合神经网络模型的短文本情感分析

陈洁, 邵志清, 张欢欢, 费佳慧

计算机应用 2019, 39 (8): 2192-2197. DOI: 10.11772/j.issn.1001-9081.2018122552

摘要（763）

PDF （884KB）（405）

针对传统的卷积神经网络（CNN）在进行情感分析任务时会忽略词的上下文语义以及CNN在最大池化操作时会丢失大量特征信息，从而限制模型的文本分类性能这两大问题，提出一种并行混合神经网络模型CA-BGA。首先，采用特征融合的方法在CNN的输出端融入双向门限循环单元（BiGRU）神经网络，通过融合句子的全局语义特征加强语义学习；然后，在CNN的卷积层和池化层之间以及BiGRU的输出端引入注意力机制，从而在保留较多特征信息的同时，降低噪声干扰；最后，基于以上两种改进策略构造出了并行混合神经网络模型。实验结果表明，提出的混合神经网络模型具有收敛速度快的特性，并且有效地提升了文本分类的F1值，在中文评论短文本情感分析任务上具有优良的性能。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于极端学习机的人脸特征深度稀疏自编码方法

张欢欢, 洪敏, 袁玉波

计算机应用 2018, 38 (11): 3193-3198. DOI: 10.11772/j.issn.1001-9081.2018041274

摘要（455）

PDF （1002KB）（327）

针对输入人脸特征的不准确性导致识别系统识别率不高的问题，提出了一种有效的基于极端学习机（ELM）的人脸特征深度稀疏自编码（DSAE）方法。首先，利用截断式核范数构造损失函数，通过最小化损失函数提取人脸图像的稀疏特征；其次，利用极端学习机自编码器（ELM-AE）模型进行人脸特征的自编码，实现数据维度的降低以及噪声过滤；最后，通过经验风险极小化得到最优的深度结构。在ORL、IMM、Yale和UMIST人脸数据集上的实验结果表明，DSAE方法对高维人脸图像的识别率明显优于极端学习机、随机森林（RF）等算法，且具有良好的泛化性能。

参考文献 | 相关文章 | 多维度评价