联合训练
联合训练的相关文献在1991年到2023年内共计370篇,主要集中在中国军事、自动化技术、计算机技术、世界军事
等领域,其中期刊论文236篇、会议论文2篇、专利文献145553篇;相关期刊120种,包括中国人民防空、合肥炮兵学院学报、国防等;
相关会议2种,包括江苏省系统工程学会第十届学术年会、2013中国指挥控制大会等;联合训练的相关文献由687位作者贡献,包括王力、陈超超、周俊等。
联合训练—发文量
专利文献>
论文:145553篇
占比:99.84%
总计:145791篇
联合训练
-研究学者
- 王力
- 陈超超
- 周俊
- 王磊
- 郑龙飞
- 王维强
- 曹绍升
- 熊涛
- 刘畅
- 唐长春
- 孙锐
- 张康益
- 张本宇
- 敖志刚
- 李芳芳
- 汲小溪
- 郑霖
- 陆梦倩
- 严家罗1
- 倪翔
- 冯岩
- 刘颖婷
- 周启青2
- 毛巍
- 王刚
- 王有成
- 肖永2
- 许小龙
- 陈于全
- 饶璐
- 丁晓进
- 严家罗
- 于尊瑞
- 任星凯
- 伍诗萌
- 何维
- 余正涛
- 傅欣艺
- 全海燕
- 刘世柯
- 刘健
- 刘健1
- 刘婷婷
- 刘小兵
- 刘应华
- 刘文伟
- 刘文平
- 刘海山
- 刘练文
- 刘袁
-
-
叶秀娟;
王小燕;
刘桂华
-
-
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。
-
-
李家忻;
陈后金;
彭亚辉;
李艳凤
-
-
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。
-
-
孙布勒;
杨昂;
孙鹏;
姜大洁
-
-
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。
-
-
郭铃霓;
黄舰;
吴兴财;
杨振国;
刘文印
-
-
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。
-
-
张大任;
艾山·吾买尔;
宜年;
刘婉月;
韩越
-
-
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.
-
-
王勇超;
杨英宝;
曹钰;
邢卫
-
-
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.
-
-
王涛;
全海燕
-
-
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.
-
-
程鹏超;
杜军平;
薛哲
-
-
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.
-
-
陈聪;
李茂西;
罗琪
-
-
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.
-
-
魏博识;
卢涛
-
-
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.