检索结果

Select

1. 基于并行混合网络融入注意力机制的情感分析

孙敏, 李旸, 庄正飞, 余大为

计算机应用 2020, 40 (9): 2543-2548. DOI: 10.11772/j.issn.1001-9081.2019112020

摘要（360）

PDF （938KB）（621）

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%。

参考文献 | 相关文章 | 多维度评价

Select

2. 自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用

周海鹏, 高芹, 蒋丰千, 余大为, 乔焰, 李旸

计算机应用 2018, 38 (4): 1064-1071. DOI: 10.11772/j.issn.1001-9081.2017092372

摘要（408）

PDF （1197KB）（507）

针对传统粒子群优化算法容易陷入局部极值和收敛速度慢等不足，通过研究种群多样性与粒子群算法进化的关系，提出一种动态自适应混沌量子粒子群优化（DACQPSO）算法。该算法将种群分布熵引入粒子群的进化控制，以Sigmoid函数模型为基础，给出了量子粒子群算法收缩扩张系数的计算方法；以平均粒距作为混沌搜索的判别条件进行混沌扰动。将DACQPSO算法应用于无线传感器网络（WSN）的覆盖优化中，并作了仿真分析。实验结果表明，DACQPSO算法在覆盖率指标上比标准粒子群、量子粒子群、混沌量子粒子群算法分别提高了3.3501%、2.6502%和1.9000%，有效地提高了WSN的覆盖性能。

参考文献 | 相关文章 | 多维度评价

Select

3. 自适应量子粒子群算法在WSN覆盖优化的应用

周海鹏高芹蒋丰千余大为李旸

录用日期: 2017-12-05