期刊文献+
共找到92篇文章
< 1 2 5 >
每页显示 20 50 100
Multi-Task Learning for Semantic Relatedness and Textual Entailment 预览
1
作者 Linrui Zhang Dan Moldovan 《软件工程与应用(英文)》 2019年第6期199-214,共16页
Recently, several deep learning models have been successfully proposed and have been applied to solve different Natural Language Processing (NLP) tasks. However, these models solve the problem based on single-task sup... Recently, several deep learning models have been successfully proposed and have been applied to solve different Natural Language Processing (NLP) tasks. However, these models solve the problem based on single-task supervised learning and do not consider the correlation between the tasks. Based on this observation, in this paper, we implemented a multi-task learning model to joint learn two related NLP tasks simultaneously and conducted experiments to evaluate if learning these tasks jointly can improve the system performance compared with learning them individually. In addition, a comparison of our model with the state-of-the-art learning models, including multi-task learning, transfer learning, unsupervised learning and feature based traditional machine learning models is presented. This paper aims to 1) show the advantage of multi-task learning over single-task learning in training related NLP tasks, 2) illustrate the influence of various encoding structures to the proposed single- and multi-task learning models, and 3) compare the performance between multi-task learning and other learning models in literature on textual entailment task and semantic relatedness task. 展开更多
关键词 DEEP LEARNING MULTI-TASK LEARNING TEXT UNDERSTANDING
在线阅读 免费下载
基于深度学习的动态人脸识别方法 预览
2
作者 何元烈 刘峰 孙盛 《计算机工程与设计》 北大核心 2019年第11期3299-3305,共7页
为更好地解决动态人脸识别在非受限环境下鲁棒性差的问题,提出基于深度学习的动态人脸识别方法。该方法结合迁移学习、多任务学习、增强学习和循环神经网络的优点,用预先训练好的模型提取视频每一帧的人脸图像特征,对其进行同时跟踪和识... 为更好地解决动态人脸识别在非受限环境下鲁棒性差的问题,提出基于深度学习的动态人脸识别方法。该方法结合迁移学习、多任务学习、增强学习和循环神经网络的优点,用预先训练好的模型提取视频每一帧的人脸图像特征,对其进行同时跟踪和识别,采用增强学习进一步提高识别效果,使用循环神经网络对一段视频进行识别。实验结果表明,该方法与当前先进方法相比,识别准确性接近最好成绩且鲁棒性有了较大提升。 展开更多
关键词 深度学习 动态人脸识别 迁移学习 多任务学习 增强学习 循环神经网络
在线阅读 下载PDF
基于DBN的多任务高速公路通行费预测模型 预览
3
作者 李松江 王会会 +1 位作者 杨华民 王鹏 《计算机工程与设计》 北大核心 2019年第9期2584-2588,2600共6页
由于模型训练中人工设计特征方法复杂,无法充分利用通行费数据特征,且仅基于历史数据进行单一站点通行费预测,忽略了高速公路路网中站点的相互影响。针对上述两方面问题,提出一种基于深度置信网络的多任务高速公路通行费预测模型(MD-SVR... 由于模型训练中人工设计特征方法复杂,无法充分利用通行费数据特征,且仅基于历史数据进行单一站点通行费预测,忽略了高速公路路网中站点的相互影响。针对上述两方面问题,提出一种基于深度置信网络的多任务高速公路通行费预测模型(MD-SVR)。采用具有高斯分布的深度置信网络(CRBM-DBN)对通行费数据进行特征学习,在DBN顶层添加一个回归层引入多任务学习(MTL)结合支持向量回归(SVR)进行通行费预测,采用深度网络结构顶层权重聚类方法,将相关任务分为一组共同训练预测模型。实验结果表明,MD-SVR通行费预测模型与传统方法相比预测精度更高。 展开更多
关键词 通行费预测 深度置信网络 特征学习 多任务学习 任务分组
在线阅读 下载PDF
基于低秩表示的多任务短期电力负荷预测的研究
4
作者 苏运 卜凡鹏 +5 位作者 郭乃网 田世明 田英杰 张琪祁 瞿海妮 柳劲松 《现代电力》 北大核心 2019年第3期58-65,共8页
在电力系统负荷预测中,使用传统的单任务学习方法未考虑多个地点的负荷间的潜在关系,忽视关联信息在多个地点间传递的可能会导致学习效果欠佳。针对这一问题,本文提出基于低秩表示的多任务学习方法进行多个地点的多任务负荷预测,该方法... 在电力系统负荷预测中,使用传统的单任务学习方法未考虑多个地点的负荷间的潜在关系,忽视关联信息在多个地点间传递的可能会导致学习效果欠佳。针对这一问题,本文提出基于低秩表示的多任务学习方法进行多个地点的多任务负荷预测,该方法在学习过程中可以提取不同位置的负荷预测模型的共享低维表示,从而可以挖掘多个任务之间的关联关系,同时又可以区别不同任务之间的差别。实验表明,多任务负荷预测的平均性能优于决策树和随机森林等单任务学习方法,在负荷预测的精度上有了一定的提升。 展开更多
关键词 负荷预测 多任务学习 迁移学习 机器学习 低秩
全卷积语义分割与物体检测网络
5
作者 肖锋 芮挺 +1 位作者 任桐炜 王东 《中国图象图形学报》 CSCD 北大核心 2019年第3期474-482,共9页
目的目前主流物体检测算法需要预先划定默认框,通过对默认框的筛选剔除得到物体框。为了保证足够的召回率,就必须要预设足够密集和多尺度的默认框,这就导致了图像中各个区域被重复检测,造成了极大的计算浪费。提出一种不需要划定默认框... 目的目前主流物体检测算法需要预先划定默认框,通过对默认框的筛选剔除得到物体框。为了保证足够的召回率,就必须要预设足够密集和多尺度的默认框,这就导致了图像中各个区域被重复检测,造成了极大的计算浪费。提出一种不需要划定默认框,实现完全端到端深度学习语义分割及物体检测的多任务深度学习模型(FCDN),使得检测模型能够在保证精度的同时提高检测速度。方法首先分析了被检测物体数量不可预知是目前主流物体检测算法需要预先划定默认框的原因,由于目前深度学习物体检测算法都是由图像分类模型拓展而来,被检测数量的无法预知导致无法设置检测模型的输出,为了保证召回率,必须要对足够密集和多尺度的默认框进行分类识别;物体检测任务需要物体的类别信息以实现对不同类物体的识别,也需要物体的边界信息以实现对各个物体的区分、定位;语义分割提取了丰富的物体类别信息,可以根据语义分割图识别物体的种类,同时采用语义分割的思想,设计模块提取图像中物体的边界关键点,结合语义分割图和边界关键点分布图,从而完成物体的识别和定位。结果为了验证基于语义分割思想的物体检测方法的可行性,训练模型并在VOC(visual object classes)2007 test数据集上进行测试,与目前主流物体检测算法进行性能对比,结果表明,利用新模型可以同时实现语义分割和物体检测任务,在训练样本相同的条件下训练后,其物体检测精度优于经典的物体检测模型;在算法的运行速度上,相比于FCN,减少了8ms,比较接近于YOLO(you only look once)等快速检测算法。结论本文提出了一种新的物体检测思路,不再以图像分类为检测基础,不需要对预设的密集且多尺度的默认框进行分类识别;实验结果表明充分利用语义分割提取的丰富信息,根据语义分割图和边界关键点完� 展开更多
关键词 深度学习 物体检测 语义分割 边界关键点 多任务学习 迁移学习 默认框
基于成绩变化趋势的多任务成绩预测模型 预览
6
作者 李松江 苏瑀 +2 位作者 黄春雨 王鹏 任涛 《长春理工大学学报:自然科学版》 2019年第5期122-127,共6页
目前成绩预测模型只是简单利用学生历史绩点、消费以及上网数据进行学习,并且基于同一参数进行预测,具有一定的同质性,忽略了学习状态和学生社交关系相互影响的特性对成绩预测的影响,无法对每个学生进行个性化预测。针对上述问题,提出... 目前成绩预测模型只是简单利用学生历史绩点、消费以及上网数据进行学习,并且基于同一参数进行预测,具有一定的同质性,忽略了学习状态和学生社交关系相互影响的特性对成绩预测的影响,无法对每个学生进行个性化预测。针对上述问题,提出了一种基于成绩变化趋势的多任务逻辑回归成绩预测模型。该模型按学期和课程类别对课程成绩变化趋势进行定义,用于表达学生对每类课程的学习状态,与历史绩点、学生行为数据共同构建初始变量集。根据学生朋友关系的相互影响的特点,引入多任务学习(MTL),以逻辑回归为基准模型,采用一种权重聚类分组方法,将相关任务分为一组,使多个学生成绩预测的任务共同训练预测模型。实验表明,该模型能够有效进行个性化成绩预测,与传统方法相比预测精度更高。 展开更多
关键词 成绩预测 成绩动态变化趋势 学生行为 多任务学习 任务分组
在线阅读 下载PDF
基于深度学习的伺服系统状态预测算法 预览
7
作者 张鹏 杨涛 刘亚楠 《计算机应用与软件》 北大核心 2019年第3期236-242,共7页
针对传统状态预测方法难以从伺服系统历史数据中有效提取特征的问题,提出一种基于深度学习的伺服系统状态预测算法。该算法利用长短时记忆网络LSTM(Long Short-Term Memory)从时序和特征参数两个维度在系统状态参数中提取数据特征。并... 针对传统状态预测方法难以从伺服系统历史数据中有效提取特征的问题,提出一种基于深度学习的伺服系统状态预测算法。该算法利用长短时记忆网络LSTM(Long Short-Term Memory)从时序和特征参数两个维度在系统状态参数中提取数据特征。并在多任务学习MTL(Multi-task Learning)框架下将具有相同特征参数的预测任务整合到同一个模型当中,所有预测任务共享LSTM网络权重。在每一状态参数预测阶段,独立地引入注意力机制,以调节不同时刻、不同特征对所预测状态的影响。针对应用中预测参数的重要性不同,构建加权损失函数,以减小重要参数的预测误差。实验结果表明,该算法与传统LSTM模型、单任务模型STL-LSTM相比,预测误差平均降低40.9%、19.8%。 展开更多
关键词 深度学习 伺服系统 状态预测 多任务学习 LSTM 注意力机制
在线阅读 下载PDF
基于多任务深度学习的文本情感原因分析 预览 被引量:1
8
作者 余传明 李浩男 安璐 《广西师范大学学报:自然科学版》 CAS 北大核心 2019年第1期50-61,共12页
多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,... 多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析。实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39%,优于单任务学习(F值为0)和传统基线模型(LR的F值为33%),从而验证了模型的有效性。 展开更多
关键词 情感原因分析 多任务学习 深度学习 文本挖掘
在线阅读 下载PDF
基于多任务迭代学习的论辩挖掘方法 预览
9
作者 廖祥文 陈泽泽 +2 位作者 桂林 程学旗 陈国龙 《计算机学报》 EI CSCD 北大核心 2019年第7期1524-1538,共15页
论辩挖掘可分为论点边界的检测、论点类型的识别、论点关系的抽取三个子任务.现有的工作大多数对子任务分别建模研究,忽略了三个子任务之间的关联信息,导致性能低下.另外,还有部分的工作采用流水线模型把三个子任务进行联合建模,由于流... 论辩挖掘可分为论点边界的检测、论点类型的识别、论点关系的抽取三个子任务.现有的工作大多数对子任务分别建模研究,忽略了三个子任务之间的关联信息,导致性能低下.另外,还有部分的工作采用流水线模型把三个子任务进行联合建模,由于流水线模型仍然是独立的看待每个子任务,为每个子任务训练单独的模型,存在错误传播的问题,且在训练过程中产生了冗余信息.因此,本文提出了一种基于多任务迭代学习的论辩挖掘方法.该方法将论辩挖掘三个任务并行地联合在一起学习,首先通过深度卷积神经网络(CNN)和高速神经网络(Highway Network),获得文本字符和词级别的浅层共享参数表示;然后输入双向长短时记忆循环神经网络(Bi-LSTM),利用论辩挖掘三个任务之间的关联信息进行同时训练,不仅可以避免错误传播,而且能够克服冗余信息的产生;最后,联结三个任务的Bi-LSTM网络输出作为下一次迭代的输入,来提高模型的性能.实验采用了德国UKP实验室公开的学生论文数据集,实验结果表明,与目前最好的基准方法对比,该方法的准确率指标提高了2.74%,“ F1 (100%)”和“ F1 (50%)”指标分别提高了1.05%和1.19%,很好地验证了该方法的有效性。 展开更多
关键词 多任务学习 论辩挖掘 迭代模型 深度学习 卷积神经网络
在线阅读 下载PDF
结合深度多标签解析的哈希服装检索 被引量:1
10
作者 原尉峰 郭佳明 +2 位作者 苏卓 罗笑南 周凡 《中国图象图形学报》 CSCD 北大核心 2019年第2期159-169,共11页
目的服装检索对于在线服装的推广和销售有着重要的作用。而目前的服装检索算法无法准确地检索出非文本描述的服装。特别是对于跨场景的多标签服装图片,服装检索算法的准确率还有待提升。本文针对跨场景多标签服装图片的差异性较大以及... 目的服装检索对于在线服装的推广和销售有着重要的作用。而目前的服装检索算法无法准确地检索出非文本描述的服装。特别是对于跨场景的多标签服装图片,服装检索算法的准确率还有待提升。本文针对跨场景多标签服装图片的差异性较大以及卷积神经网络输出特征维度过高的问题,提出了深度多标签解析和哈希的服装检索算法。方法该方法首先在FCN(fully convolutional network)的基础上加入条件随机场,对FCN的结果进行后处理,搭建了FCN粗分割加CRFs(conditional random fields)精分割的端到端的网络结构,实现了像素级别的语义识别。其次,针对跨场景服装检索的特点,我们调整了CCP(Clothing Co-Parsing)数据集,并构建了Consumer-to-Shop数据集。针对检索过程中容易出现的语义漂移现象,使用多任务学习网络分别训练了衣物分类模型和衣物相似度模型。结果我们首先在Consumer-to-Shop数据集上进行了服装解析的对比实验,实验结果表明在添加了CRFs作为后处理之后,服装解析的效果有了明显提升。然后与3种主流检索算法进行了对比,结果显示,本文方法在使用哈希特征的条件下,也可以取得较好的检索效果。在top-5正确率上比WTBI(where to buy it)高出1. 31%,比DARN(dual attribute-aware ranking network)高出0. 21%。结论针对服装检索的跨场景效果差、检索效率低的问题,本文提出了一种基于像素级别语义分割和哈希编码的快速多目标服装检索方法。与其他检索方法相比,本文在多目标、多标签服装检索场景有一定的优势,并且在保持了一定检索效果的前提下,有效地降低了存储空间,提高了检索效率。 展开更多
关键词 服装检索 全卷积网络 哈希映射 多标签解析 多任务学习
基于多任务学习方法的单模多器官三维剂量分布预测研究
11
作者 郭芙彤 李永宝 +6 位作者 贾启源 亓孟科 吴艾茜 孔繁图 麦燕华 宋婷 周凌宏 《中华放射肿瘤学杂志》 CSCD 北大核心 2019年第6期432-437,共6页
目的构建可同时预测多个器官三维剂量分布的统一模型,自动学习多器官间几何解剖结构对其沉积剂量的影响。方法收集同一肿瘤类型临床放疗计划,以多个危及器官的各体素为研究对象,其沉积剂量为剂量学特征,采用可学习不同任务间关系的正则... 目的构建可同时预测多个器官三维剂量分布的统一模型,自动学习多器官间几何解剖结构对其沉积剂量的影响。方法收集同一肿瘤类型临床放疗计划,以多个危及器官的各体素为研究对象,其沉积剂量为剂量学特征,采用可学习不同任务间关系的正则化多任务学习方法,建立器官间的任务关系矩阵,构建器官间几何结构与剂量分布的关联。实验以15例鼻咽癌病例的IMRT计划所涉及的危及器官脊髓、脑干和左右腮腺为研究对象建立单模多器官关联,计算其体素预测剂量与临床计划剂量的相对百分误差,研究方法的可行性。结果10例鼻咽癌IMRT计划用于训练,5例用于测试。测试结果显示单模多器官方法预测精度较高、数据量需求少,其中脊髓、脑干、左右腮腺的平均体素相对处方剂量百分误差分别为(2.01±0.02)%、(2.65±0.02)%、(2.45±0.02)%和(2.55±0.02)%。结论提出一种可在同一模型中预测多个器官剂量的单模多器官模型,该模型在提高预测精度的同时避免多次的单器官建模,为实现智能计划设计奠定良好基础。 展开更多
关键词 多任务学习 三维剂量分布预测 单模多器官关联 调强放射治疗
基于多任务学习的多模态情绪识别方法 预览
12
作者 吴良庆 张栋 +1 位作者 李寿山 陈瑛 《计算机科学》 CSCD 北大核心 2019年第11期284-290,共7页
情绪分析是自然语言处理的一项基本任务,目前在单模态信息(文本)上的研究已经相当成熟。但是对于包含文本、图像和语音3种模态信息的多模态内容(如视频)来说,额外增加的模态信息让情绪分析变得更具挑战性。为了提升多模态情绪识别任务... 情绪分析是自然语言处理的一项基本任务,目前在单模态信息(文本)上的研究已经相当成熟。但是对于包含文本、图像和语音3种模态信息的多模态内容(如视频)来说,额外增加的模态信息让情绪分析变得更具挑战性。为了提升多模态情绪识别任务的性能,文中提出了一种基于多任务学习的神经网络方法,该方法在考虑模态内部信息的同时,充分结合了3种模态之间的联系。具体而言,首先对3种模态信息进行预处理,得到相应的特征表示;其次,分别为每个模态构建私有的双向LSTM,从而获得单模态的内部信息;分别为两两组合(文本-图像、文本-语音和图像-语音)的双模态信息构建共享的双向LSTM层,以学习双模态之间的动态交互信息;接着,为3种模态组合的信息构建一个共享的双向LSTM,从而捕捉3种模态之间的动态交互信息;最后,把网络层中得到的单模态的内部信息和多模态的动态交互信息进行融合,通过全连接层和Sigmoid层获取最终的情绪识别结果。在单模态实验中,相比于目前的最佳方法,所提方法在文本、图像和语音3个方面对所有情绪识别的效果分别平均提高了6.25%,0.75%和2.38%;在多模态实验中,该方法在情绪识别任务中达到了平均65.67%的准确率,相比其他基准方法有了明显的提升。 展开更多
关键词 多模态 情绪识别 多任务学习 自然语言处理
在线阅读 免费下载
基于多尺度多任务卷积神经网络的人群计数 预览 被引量:1
13
作者 曹金梦 倪蓉蓉 杨彪 《计算机应用》 CSCD 北大核心 2019年第1期199-204,共6页
在智能监控领域,实现人群计数具有重要价值,针对人群尺度不一、人群密度分布不均及遮挡等问题,提出一种多尺度多任务卷积神经网络(MMCNN)进行人群计数的方法。首先提出一种新颖的自适应人形核生成密度图描述人群信息,消除人群遮挡影响;... 在智能监控领域,实现人群计数具有重要价值,针对人群尺度不一、人群密度分布不均及遮挡等问题,提出一种多尺度多任务卷积神经网络(MMCNN)进行人群计数的方法。首先提出一种新颖的自适应人形核生成密度图描述人群信息,消除人群遮挡影响;其次通过构建多尺度卷积神经网络解决人群尺度不一问题,以多任务学习机制同时估计密度图及人群密度等级,解决人群分布不均问题;最后设计一种加权损失函数,提高人群计数准确率。在UCF_CC_50和World Expo'10数据库上进行了评估,验证了自适应人形核的有效性。实验结果表明:所提算法比Sindagi等的方法(SINDAGI V A,PATEL V M.CNN-based cascaded multi-task learning of high-level prior and density estimation for crowd counting.Proceedings of the 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance.Piscataway,NJ:IEEE,2017:1-6)在UCF_CC_50数据库上平均绝对误差(MAE)数值和均方误差(MSE)数值分别降低约1.7和45;与Zhang等的方法(ZHANG Y,ZHOU D,CHEN S,et al.Single-image crowd counting via multi-column convolutional neural network.Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition.Washington,DC:IEEE Computer Society,2016:589-597)相比,在World Expo'10数据库上所提算法的MAE值降低约1.5,且在真实公共汽车数据库上仅0~3人的计数误差,表明其实用性较强。 展开更多
关键词 人群计数 多尺度 多任务学习 卷积神经网络 自适应人形核 加权损失函数
在线阅读 下载PDF
融入罪名关键词的法律判决预测多任务学习模型
14
作者 刘宗林 张梅山 +3 位作者 甄冉冉 公佐权 余南 付国宏 《清华大学学报:自然科学版》 EI CAS CSCD 北大核心 2019年第7期497-504,共8页
作为新兴的智慧法院技术之一,基于案情描述文本的法律判决预测越来越引起自然语言处理界的关注。罪名预测和法条推荐是法律判决预测的2个重要子任务。这2个子任务密切相关、相互影响,但常常当作独立的任务分别处理。此外,罪名预测和法... 作为新兴的智慧法院技术之一,基于案情描述文本的法律判决预测越来越引起自然语言处理界的关注。罪名预测和法条推荐是法律判决预测的2个重要子任务。这2个子任务密切相关、相互影响,但常常当作独立的任务分别处理。此外,罪名预测和法条推荐还面临易混淆罪名问题。为了解决这些问题,该文提出一种多任务学习模型对这2个任务进行联合建模,同时采用统计方法从案情描述中抽取有助于区分易混淆罪名的指示性罪名关键词,并将它们融入到多任务学习模型中。在CAIL2018法律数据集上的实验结果表明:融入罪名关键词信息的多任务学习模型能够有效解决易混淆罪名问题,并且能够显著地提高罪名预测和法条推荐这2个任务的性能。 展开更多
关键词 法律判决预测 多任务学习 罪名关键词
多任务多层级CNN在人群计数中的应用 预览
15
作者 南昊 仝明磊 +1 位作者 范绿源 李敏 《计算机工程与应用》 CSCD 北大核心 2019年第23期182-187,208,共7页
为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络。多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息。在此基础上,使用多任务学习的方法提升网络性... 为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络。多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息。在此基础上,使用多任务学习的方法提升网络性能,多任务学习分为两个部分:人群密度估计任务和人群密度等级分类任务。网络的高分辨率层与人群密度估计任务相连,网络的深层与人群密度等级分类任务相连。将两个任务的损失融合并构成新的损失函数。实验在人群计数公共数据集ShanghaiTech、WorldExpo’10和UCFCC50上进行,实验结果表明,该网络在人群计数上具有较好的准确率和鲁棒性。 展开更多
关键词 人群计数 卷积神经网络 多任务学习 人群密度估计 人群密度等级分类
在线阅读 下载PDF
基于多任务学习的生物医学实体关系抽取 预览
16
作者 李青青 杨志豪 +2 位作者 罗凌 林鸿飞 王健 《中文信息学报》 CSCD 北大核心 2019年第8期84-92,共9页
生物医学实体关系抽取是生物医学文本挖掘领域的一项重要任务,它可以自动从生物医学文本中挖掘实体间的相互关系。目前,生物医学实体关系抽取方法一般只针对某一特定任务(如药物关系,蛋白质交互关系抽取等)训练单任务模型进行抽取,忽略... 生物医学实体关系抽取是生物医学文本挖掘领域的一项重要任务,它可以自动从生物医学文本中挖掘实体间的相互关系。目前,生物医学实体关系抽取方法一般只针对某一特定任务(如药物关系,蛋白质交互关系抽取等)训练单任务模型进行抽取,忽略了多个任务之间的相关性。因此,该文使用基于神经网络的多任务学习方法对多个生物医学关系抽取任务间的关联性进行了探索。首先构建了全共享模型和私有共享模型,然后在此基础上提出了一种基于Attention机制的主辅多任务模型。在生物医学领域关系抽取的5个公开数据集上的实验结果表明,该文的多任务学习方法可以有效地在学习任务之间共享信息,使得任务间互相促进,获得了比单任务方法更好的关系抽取结果。 展开更多
关键词 神经网络 多任务学习 关系抽取
在线阅读 下载PDF
基于卷积神经网络的双行车牌分割算法 预览
17
作者 赵汉理 刘俊如 +2 位作者 姜磊 沈建冰 胡明晓 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第8期1320-1329,共10页
随着智能化交通的迅速发展,自动车牌识别技术不断提高.现有大多数车牌识别技术能较好识别单行车牌字符信息,但双行车牌识别准确率较低且支持中文双行车牌的识别算法更少.为了有效地将原本仅支持单行车牌识别的算法扩展到双行车牌识别,... 随着智能化交通的迅速发展,自动车牌识别技术不断提高.现有大多数车牌识别技术能较好识别单行车牌字符信息,但双行车牌识别准确率较低且支持中文双行车牌的识别算法更少.为了有效地将原本仅支持单行车牌识别的算法扩展到双行车牌识别,提出一种基于卷积神经网络(CNN)的双行车牌分割算法,首先利用CNN提取车牌图像特征;然后利用特征训练多标签分类模型,将双行车牌分割为2个单行车牌.文中还构建了一个包含20多万幅中国车牌图像的数据集.基于此数据集的实验结果表明,文中算法对双行车牌自动分割准确率较高,有效地提高了双行车牌识别准确率. 展开更多
关键词 车牌分割 车牌识别 卷积神经网络 多任务学习
在线阅读 下载PDF
基于多任务学习的中文事件抽取联合模型 预览
18
作者 贺瑞芳 段绍杨 《软件学报》 EI CSCD 北大核心 2019年第4期1015-1030,共16页
事件抽取旨在从非结构化的文本中提取人们感兴趣的信息,并以结构化的形式呈现给用户.当前,大多数中文事件抽取系统采用连续的管道模型,即:先识别事件触发词,后识别事件元素.其容易产生级联错误,且处于下游的任务无法将信息反馈至上游任... 事件抽取旨在从非结构化的文本中提取人们感兴趣的信息,并以结构化的形式呈现给用户.当前,大多数中文事件抽取系统采用连续的管道模型,即:先识别事件触发词,后识别事件元素.其容易产生级联错误,且处于下游的任务无法将信息反馈至上游任务,辅助上游任务的识别.将事件抽取看作序列标注任务,构建了基于CRF多任务学习的中文事件抽取联合模型.针对仅基于CRF的事件抽取联合模型的缺陷进行了两个扩展:首先,采用分类训练策略解决联合模型中事件元素的多标签问题(即:当一个事件提及中包含多个事件时,同一个实体往往会在不同的事件中扮演不同的角色).其次,由于处于同一事件大类下的事件子类,其事件元素存在高度的相互关联性.为此,提出采用多任务学习方法对各事件子类进行互增强的联合学习,进而有效缓解分类训练后的语料稀疏问题.在ACE2005中文语料上的实验证明了该方法的有效性. 展开更多
关键词 多任务学习 条件随机场(CRF) 事件抽取
在线阅读 下载PDF
采用多任务学习和循环神经网络的语音情感识别算法 预览
19
作者 冯天艺 杨震 《信号处理》 CSCD 北大核心 2019年第7期1133-1140,共8页
随着机器学习的快速发展,许多研究者使用神经网络来解决语音识别领域中的各类问题。然而由于训练数据有限等原因,常规的神经网络分类器普遍存在泛化误差等问题。为了解决此问题,迁移学习中的多任务学习被引入到研究中。本文提出了一种... 随着机器学习的快速发展,许多研究者使用神经网络来解决语音识别领域中的各类问题。然而由于训练数据有限等原因,常规的神经网络分类器普遍存在泛化误差等问题。为了解决此问题,迁移学习中的多任务学习被引入到研究中。本文提出了一种采用多任务学习和循环神经网络的语音情感识别算法(MTL-RNN),将说话人情感识别作为主任务,性别识别和身份识别作为辅助任务,三个任务在神经网络中并行训练。算法模型通过RNN共享层共享网络参数、学习共享特征,通过属性依赖层学习独有特征,以提升模型的分类性能。实验结果表明,本文所提出的MTL-RNN算法在汉语和阿拉伯语、较少说话人和较多说话人的场景下均有较好的识别性能。 展开更多
关键词 语音情感识别 多任务学习 循环神经网络
在线阅读 下载PDF
基于多任务双向长短时记忆网络的隐式句间关系分析 预览
20
作者 田文洪 高印权 +2 位作者 黄厚文 黎在万 张朝阳 《中文信息学报》 CSCD 北大核心 2019年第5期47-53,共7页
隐式句间关系识别是篇章句间关系识别任务中一个重要的问题。由于隐式句间关系的语料没有较好的特征,目前该任务的识别仍不能达到很好的效果。隐式句间关系的语句和显式句间关系的语句在语义等方面有着一定的联系,为了充分利用这两个任... 隐式句间关系识别是篇章句间关系识别任务中一个重要的问题。由于隐式句间关系的语料没有较好的特征,目前该任务的识别仍不能达到很好的效果。隐式句间关系的语句和显式句间关系的语句在语义等方面有着一定的联系,为了充分利用这两个任务之间的联系,该论文使用多任务学习的方法,并使用双向长短时记忆(BiLSTM)网络学习语句的相关特征;同时,为充分利用文本的特征,采用融合词嵌入的方法并引入先验知识。与其他基于哈工大的中文篇章级语义关系语料库的实验结果表明,该文方法的平均F1值为53%,提升约13%;平均召回率(Recall)为51%,提升约9%。 展开更多
关键词 篇章句间关系识别 隐式句间关系 多任务学习 双向长短时记忆网络 融合词嵌入
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部 意见反馈