联合训练

摘要： 在回顾文献的基础上运用德尔菲法对12名多领域、多地区的专家进行两轮问卷函询,制定出适宜抽动障碍患儿的多维干预指标体系。研究发现,两轮专家咨询的积极度均为100%,权威系数分别为0.912和0.918,协调系数分别为0.276和0.307,最终形成包含8个一级条目及22个二级条目在内的抽动障碍患儿多维联合干预指标体系,为构建抽动障碍患儿多维联合训练模式提供参考依据。

摘要： 现有多模态分割方法通常先对图像进行配准,再对配准后的图像进行分割。对于成像特点差异较大的不同模态,两阶段的结构匹配与分割算法下的分割精度较低。针对该问题,该文提出一种基于跨模态空间匹配的多模态肺部肿块分割网络(MMSASegNet),其具有模型复杂度低和分割精度高的特点。该模型采用双路残差U型分割网络作为骨干分割网络,以充分提取不同模态输入特征,利用可学习的空间变换网络对其输出的多模态分割掩膜进行空间结构匹配;为实现空间匹配后的多模态特征图融合,形变掩膜和参考掩膜分别与各自模态相同分辨率的特征图进行矩阵相乘,并经特征融合模块,最终实现多模态肺部肿块分割。为提高端到端多模态分割网络的分割性能,采用深度监督学习策略,联合损失函数约束肿块分割、肿块空间匹配和特征融合模块,同时采用多阶段训练以提高不同功能模块的训练效率。实验数据采用T2权重(T2W)磁共振图像和扩散权重磁共振图像(DWI)肺部肿块分割数据集,该方法与其他多模态分割网络相比,DSC(Dice Similarity Coefficient)和HD(Hausdorff Distance)等评价指标均显著提高。

摘要： 人工智能(Artificial Intelligence,AI)技术在未来无线通信中将发挥重要作用,其中信道估计是一个典型的AI与无线通信的结合点。基于AI的信道估计技术可以显著提高估计性能,尤其是针对低信噪比和非线性信道的估计问题。然而,基于AI的方案具有泛化能力不足的通病,尤其是在信道估计这种变化频繁、标签难获得的场景。针对泛化问题,提出了结合迁移学习、联合训练和模型无关的元学习(Model-Agnostic Meta-Learning,MAML)的基于AI的信道估计方案,并以信道场景变换为例验证了上述三种方案的泛化以及迁移性能。结果表明,相比于不做任何处理,三种方案均可以提高信道估计的泛化性能,且随着微调次数的增加,性能增益也会变大。其中,基于MAML的方案以最少的微调次数实现了最高的信道估计精度,是一种非常有潜力的训练方案。

摘要： 虚假新闻在社交媒体上的广泛传播,给社会带来了不同程度的负面影响。针对虚假新闻早期检测任务中,社交上下文信息不充分的问题,提出一种基于双分支网络联合训练的虚假新闻检测模型。该模型由最大池化网络分支(max pooling branch,MPB)和广义均值池化网络分支(generalized mean pooling branch,GPB)组成。MPB采用卷积神经网络对新闻文章进行文本特征提取,GPB引入了可训练的池化层,学习新闻文章潜在的语义特征。同时,在每个分支网络中,对新闻标题和正文之间进行语义关联性度量。最终,对两个分支网络联合训练后的结果进行决策融合,判断新闻的真实性。实验结果表明,提出的模型在准确率、召回率、F1值评测指标上均优于基线模型,F1值达到94.1%,比最优的基线模型提升了6.4个百分点。

摘要： 针对现有图像标题生成模型在非英语语言中质量不高且仅能实现单一语言图像标题生成的问题,提出基于CNN与Transformer混合结构的多语言图像标题生成模型.首先利用CNN提取图像特征作为Transformer模型的编码端输入,然后解码端的输入为添加语言标签、进行分词与拉丁化处理后的6种语言,训练时将不同语言的损失和作为优化目标,最终实现不同语言间的联合训练.以Flickr8K数据集为基础,拓展了包含6种语言的多语言图像标题生成数据集,并在该数据集上进行了验证.结果表明:该模型可以同时生成多种语言的图像标题,且生成质量比相同规模的单语言模型质量高,并验证了该方法的有效性.

摘要： 针对现有的知识库关系检测任务对于一些不可见关系无法做到准确的向量表示而出现词汇溢出的问题,提出了基于对抗学习和全局知识信息的关系检测模型.该模型使用对抗学习对知识库关系表示模型进行特征强化,使用TransH(translating on hyperplanes)模型提取全局知识信息,同时通过联合训练,将全局知识信息融合进关系表示模型中,进一步提升关系模型的表示能力.实验结果表明,提出的融合模型对于关系检测效果有一定的提升,并且缓解了词汇溢出的问题.

摘要： 提升低信噪比下的分离语音质量是语音分离技术研究的重点,而大多数语音分离方法在低信噪比下仍只对目标说话人的语音进行特征训练.针对目前方法的不足,提出了一种基于联合训练生成对抗网络GAN的混合语音分离方法.为避免复杂的声学特征提取,生成模型采用全卷积神经网络直接提取混合语音时域波形的高维特征,判别模型通过构建二分类卷积神经网络来学习干扰说话人的特征信息,继而使系统得到的分离信息来源不再单一.实验结果表明,所提方法在低信噪比下仍能更好地恢复高频成分的信息,在双说话人混合语音数据集上的分离性能要优于所对比的方法.

摘要： 针对通过挖掘用户的金融行为来改善金融领域的服务模式和服务质量的问题,本文提出了一种基于多路交叉特征的用户金融行为预测算法.根据数据包含的属性构建训练的特征,基于因子分解机模型(FM)利用下游行为预测任务对金融数据的特征进行预训练,获取数据特征的隐含向量.引入特征交叉层对金融数据的高阶特征进行提取,解决FM线性模型只能提取低阶特征的缺点.利用残差网络对金融数据的高阶特征进行提取,解决深度神经网络在提取金融数据高阶特征时由于网络层数过深而导致的梯度消失的问题.最后,将FM、特征交叉网络和残差网络整合为统一的多塔模型进行用户金融行为预测,并融合低阶特征与高阶特征进行用户金融行为预测.在多个数据集上对算法的有效性进行了实验验证,实验结果表明,所提出的算法能够取得较好的用户金融行为预测的准确率.

摘要： 译文质量估计作为机器翻译中的一项重要任务,在机器翻译的发展和应用中发挥着重要的作用.该文提出了一种简单有效的基于Transformer的联合模型用于译文质量估计.该模型由Transformer瓶颈层和双向长短时记忆网络组成,Transformer瓶颈层参数利用双语平行语料进行初步优化,模型所有参数利用译文质量估计语料进行联合优化和微调.测试时,将待评估的机器译文使用强制学习和特殊遮挡与源语言句子一起输入联合神经网络模型以预测译文的质量.在CWMT18译文质量估计评测任务数据集上的实验结果表明,该模型显著优于在相同规模训练语料下的对比模型,和在超大规模双语语料下的最优对比模型性能相当.

摘要： 针对现有数值型作物推荐算法忽略了文本域数据对于作物推荐的指导性意义,无法挖掘数值域数据与文本域数据之间的内在关联,导致推荐模型预测精度较低的问题,提出了一种基于土壤数据广度与深度模型的作物推荐算法.对残缺、重复、不平衡的土壤数据进行数据预处理,采用数值归一化和向量嵌入的方法融合数值域数据与文本域数据,然后使用广度与深度模型联合训练的方法挖掘其内在关联,改进多分类激活函数实现多分类.实验结果表明:该方法的预测精度优于现有数值型作物推荐算法.

摘要： 本文根据美国联合训练系统，结合本国实际情况，对联合训练进行了分析与建模，按确定需求、制定计划、实施训练和进行评估四个阶段来实施联合训练。其中涉及到《通用联合任务表》(UJTL)等系列文件，通过使用一种共同的语言及规范的格式，来进一步提高联合训练的质量和效率。

摘要： 文章在详细阐述海上联合作战电子对抗作战协同内容的基础上,分析了海上联合作战电子对抗作战协同的特点和要求,并结合实际,提出了提升海上联合作战电子对抗作战协同能力的有效举措.

摘要： 文章在详细阐述海上联合作战电子对抗作战协同内容的基础上,分析了海上联合作战电子对抗作战协同的特点和要求,并结合实际,提出了提升海上联合作战电子对抗作战协同能力的有效举措.

摘要： 文章在详细阐述海上联合作战电子对抗作战协同内容的基础上,分析了海上联合作战电子对抗作战协同的特点和要求,并结合实际,提出了提升海上联合作战电子对抗作战协同能力的有效举措.

摘要： 文章在详细阐述海上联合作战电子对抗作战协同内容的基础上,分析了海上联合作战电子对抗作战协同的特点和要求,并结合实际,提出了提升海上联合作战电子对抗作战协同能力的有效举措.

摘要： 文章在详细阐述海上联合作战电子对抗作战协同内容的基础上,分析了海上联合作战电子对抗作战协同的特点和要求,并结合实际,提出了提升海上联合作战电子对抗作战协同能力的有效举措.

摘要： 本发明涉及一种多组联合式站位律动健身训练器械及其训练方法,包括基板、站立平台与支撑架，所述基板上端左右对称安装有站立平台，站立平台上端布置有支撑架，支撑架安装在基板上，站立平台包括限位机构、转动架、站立板、阻力架与调节架，限位机构包括工作板、转动杆、限位板、连接滑块、调节块与驱动杆，支撑架包括支撑板、伸缩架、支撑杆、固定杆、固定板与辅助弹簧，阻力架包括安装板、辅助板、安装杆、阻力杆与连接板。本发明可以解决目前律动健身训练过程中存在的单人独自运动时趣味性低、不易坚持、训练时容易对身体造成拉伤与可调性差等难题。

摘要： 本发明公开了一种无人机编队联合运用作战模拟训练系统及训练方法，涉及分布式作战仿真技术领域，所述无人机编队联合运用作战模拟训练系统，包括作战方案推演平台、无人机仿真发射控制平台、协同仿真控制平台、敌方兵力仿真控制平台、作战指挥平台、战场通讯平台和战后分析总结平台。本发明通过具备作战方案推演平台、作战指挥平台、战场通讯平台和战后分析总结平台，解决现有的攻击无人机在进行模拟作战训练时，模拟训练的手段过于单一，不利于攻击无人机训练效果提升的问题，通过飞行数据采集模块和训练数据分析模块用于对无人机编队训练的数据参数进行分析记录，训练流程复演模块针对训练数据分析模块所记录的数据参数进行复演。

摘要： 本发明涉及一种多组联合式站位律动健身训练器械及其训练方法,包括基板、站立平台与支撑架，所述基板上端左右对称安装有站立平台，站立平台上端布置有支撑架，支撑架安装在基板上，站立平台包括限位机构、转动架、站立板、阻力架与调节架，限位机构包括工作板、转动杆、限位板、连接滑块、调节块与驱动杆，支撑架包括支撑板、伸缩架、支撑杆、固定杆、固定板与辅助弹簧，阻力架包括安装板、辅助板、安装杆、阻力杆与连接板。本发明可以解决目前律动健身训练过程中存在的单人独自运动时趣味性低、不易坚持、训练时容易对身体造成拉伤与可调性差等难题。

摘要： 本公开提供了一种联合感知模型训练、联合感知方法、装置、设备和介质，涉及人工智能技术领域，尤其涉及计算机视觉、图像识别和深度学习技术。具体实现方案为：获取样本图像和样本图像的感知标签；获取预设的联合感知模型；联合感知模型包括特征提取网络和联合感知网络；通过特征提取网络对样本图像进行特征提取，得到目标样本特征；通过联合感知网络根据目标样本特征进行联合感知，得到感知预测结果；根据感知预测结果和感知标签，对预设的联合感知模型进行训练；其中，联合感知包括执行至少两种感知任务。根据本公开的技术，减少了联合感知过程的数据运算量，提高了计算效率。

摘要： 本公开提供了一种联合感知模型训练、联合感知方法、装置、设备和介质，涉及人工智能技术领域，尤其涉及计算机视觉、图像识别和深度学习技术。具体实现方案为：获取样本图像和样本图像的感知标签；获取预设的联合感知模型；联合感知模型包括特征提取网络和联合感知网络；通过特征提取网络对样本图像进行特征提取，得到目标样本特征；通过联合感知网络根据目标样本特征进行联合感知，得到感知预测结果；根据感知预测结果和感知标签，对预设的联合感知模型进行训练；其中，联合感知包括执行至少两种感知任务。根据本公开的技术，减少了联合感知过程的数据运算量，提高了计算效率。

摘要： 本发明提供了一种多模拟训练系统联合训练目标航迹自动移交方法，包括：航迹发起端根据预设航迹和第一预设航迹方程，生成第一估计航迹，并判断飞行器是否进入自动移交适应性航迹；当判定飞行器进入自动移交适应性航迹时，航迹发起端发送第一估计航迹和实际航迹至航迹接收端；航迹接收端根据接收到的数据修正第二预设航迹方程，并判断飞行器是否到达移交点，当判定飞行器到达移交点时，航迹接收端根据第一估计航迹和第二预设航迹方程，生成第二估计航迹。通过本发明的技术方案，提高了多个仿真系统之间航迹自动移交的可靠性，降低了不同仿真系统间航迹移交时出现跳点、丢点或中断的可能性，提高了多模拟训练系统对航迹模拟的准确性真实性。

摘要： 本发明公开了一种基于联合训练全流程框架的模型训练方法，包括边缘设备、物联传感器、终端设备、中央服务器、联合学习引擎、行业生态模型库，所述边缘设备中的数据不离开本地，直接在边缘进行计算，储存并使用新的数据更新模型，所述物联传感器和终端设备进行连接，并通过对应的控制装置进行数据的录入工作，所述中央服务器通过物联网进行数据的交互工作，更好的进行数据的比对工作，所述联合学习引擎通过物联网和中央服务器进行对应的连接，在配合内部的相关算法进行对应的处理工作，并通过数据进行输送的工作，所述行业生态模型库通过物联网进行数据的比对。该基于联合训练全流程框架的模型训练方法，通过联合学习进行模型训练。

摘要： 本发明提供一种基于联合训练的姿态估计模型训练方法、系统、介质及终端，所述方法包括以下步骤：对人体RGB图像进行特征提取，产生第一特征图；对人体深度图像进行特征提取，产生第二特征图；获取关键点热度图和部位关联场；预测关键点热度图和部位关联场中每个像素的偏移值；将计算得到的热度图损失和偏移量损失叠加，产生联合损失；利用联合损失更新姿态估计模型的权重，实现对姿态估计模型的训练；本发明使用深度图片和RGB图片双流输入，在使用RGB图像预测得到的关键点基础上，有效地利用了深度数据进行关键点的预测修正，且可灵活实现是否使用深度图片进行关键点修正的能力，有效解决了在复杂场景中，关键点匹配容易出错的问题。

摘要： 本发明提供了一种多模拟训练系统联合训练目标航迹自动移交方法，包括：航迹发起端根据预设航迹和第一预设航迹方程，生成第一估计航迹，并判断飞行器是否进入自动移交适应性航迹；当判定飞行器进入自动移交适应性航迹时，航迹发起端发送第一估计航迹和实际航迹至航迹接收端；航迹接收端根据接收到的数据修正第二预设航迹方程，并判断飞行器是否到达移交点，当判定飞行器到达移交点时，航迹接收端根据第一估计航迹和第二预设航迹方程，生成第二估计航迹。通过本发明的技术方案，提高了多个仿真系统之间航迹自动移交的可靠性，降低了不同仿真系统间航迹移交时出现跳点、丢点或中断的可能性，提高了多模拟训练系统对航迹模拟的准确性真实性。

摘要： 本公开关于一种节拍重拍联合检测模型的训练及节拍重拍联合检测方法。训练方法包括：获取训练样本集，其中，训练样本集中包括多个样本音频信号和每个样本音频信号对应的节拍标注信息和重拍标注信息；将样本音频信号的音频特征输入节拍检测网络，得到样本音频信号中每帧数据的节拍点预测概率；将样本音频信号的音频特征输入到重拍检测网络，得到样本音频信号中每帧数据的重拍点预测概率；基于节拍点预测概率、重拍点预测概率、对应的节拍标注信息和重拍标注信息，计算目标损失函数的值；根据目标损失函数的值，对节拍检测网络和重拍检测网络进行联合训练，得到训练完成的节拍重拍联合检测模型。