基于注意力特征提取网络的图像描述生成算法

针对解决图像描述生成中对浅层图像特征利用不充分、图像目标间关系提取不足的问题,提出一种基于注意力图像特征提取的图像描述生成算法.通过语言模型上下文信息对不同深度图像特征进行自适应注意力权重分配,使带有注意力的图像特征参与指导图像描述生成,提升了图像描述生成的效果.在MSCOCO测试集中所提算法的BLEU-1和CIDEr得分分别达到0.752和0.934,从而验证了所提算法的有效性.     

基于BiLSTM-CRF的中文地质时间信息抽取

时间信息贯穿于地质现象和事件产生、发展、消亡的整个过程中,反映了地质现象和事件的状态和演变过程.特别是,地质时间表达通常与成矿内在机制和时空演化规律有关.设计并实现了基于深度学习的通用时间和地质时间信息抽取方法.结合地质矿产文本中时间信息的描述特点,将时间信息划分为通用时间信息与地质时间信息两种类型,并对两种时间信息类型进行细分;基于自主研发的“交互式矿产信息标注软件”,采用交叉验证及意见反馈模式构建了地质时间信息语料库;实现了基于双向长短期记忆神经网络—条件随机场(BiLSTM-CRF)的时间信息抽取方法;并与主流的卷积神经网络(CNN)和条件随机场(CRF)模型的抽取结果进行了比较.实验结果表明,基于双向长短期记忆神经网络—条件随机场的时间信息抽取效果最好,对总体时间抽取的F1值达到95.49％,较好地解决了地质文本中时间信息的规范化表达和结构化抽取问题.     

优化循环神经网络在滑坡位移预测中的应用

以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法（genetic algorithm,GA）优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。     

导航地图信息实时增量法

鉴于电子地图数据现势性在导航中的重要性,本文提出一种导航地图实时增量法。该方法能够根据导航仪历经路径所观测到的交通建设变化状况,实时修正、增加或删除地图底层数据库的信息数据;同时,还具备自动记忆与标识驾驶者行驶路线的智能化与优化功能。观测信息的采集由导航仪外接图像传感器及其信号处理器予以实现。     

过年

正不知不觉,又到了新年。在我的记忆里,儿时常盼着过年,能穿新衣,有好吃的,还有鞭炮放,父母还给压岁钱。在今天看来,那时过年所盼望的,已不叫奢侈。可在过去艰苦的岁月里,小孩过年奢望最基本的物质满足,也是一种快乐和幸福。快乐蕴在除夕帮父亲挂灯笼、贴春联、放鞭炮的喜庆里,幸福蓄在母亲在屋内升起一盆旺旺的炉火里。一碗碗热腾腾的饺子,温暖着全家人的心,每个人脸上都洋溢着幸福。吃年夜饭,是家家户户最热闹的时候。年夜饭有对逝去岁月的惜别留恋之情,又有对临近的新年期望的美好。丰盛的菜肴摆满一桌,阖家团聚,围坐桌旁,吃着团圆饭,心中充满欢乐和喜悦。     

画像砖记忆着中国画的起源

追寻始于战国追证兴于汉代追凭盛于两晋画像砖是中国古代用于装饰宫殿或墓壁的一种表面有图像的建筑用砖。一般认为始于战国晚期,盛于汉代,三国两晋南北朝时期继续流行,且取得很高的成就。画像砖因题材内容的广泛和表现形式的多样,具有很高的史料价值和艺术水平,是考察、研究中国古代社会生活和艺术发展的珍贵资料。画像砖在两汉间极为兴盛。所谓画像石,是以石为地,用刀代笔的绘画艺术。画像砖从制作方法到艺术风格,不完全相同。     

深度学习方法在干旱预测中的应用

使用标准化降水蒸散指数作为农业干旱的监测指标,以站点气象要素和大尺度环流要素为驱动变量,建立干旱预测模型,分析评价传统的整合移动平均自回归(ARIMA)时间序列模型以及不同深度神经网络模型(DNN)的预测效果.结果 表明:DNN模型的总体预测能力优于ARIMA模型;同基于长短期记忆网络(LSTM)提出的传统LSTM预测...     

模糊联想记忆法在海拉尔盆地贝尔凹陷储层岩性识别中的应用

针对海拉尔盆地贝尔凹陷储层岩性复杂的特点,进行了储层岩性识别方法研究,并利用钻井取芯资料确定岩性,进行岩性定名及标定测井资料。在进行标准化、归一化和方波化处理后,建立研究区复杂岩性储层测井识别的基础模型,并利用模糊联想记忆方法,对研究区储层岩性进行识别后,将研究区岩性划分为火山碎屑岩、火山碎屑沉积岩和沉积岩3大类、12小类。通过31口井的测井资料实际处理验证,岩性识别符合率平均达86.1%。     

基于地理标记照片的个性化景点推荐方法

研究如何根据已有的海量旅游信息及数据,为游客个性化推荐旅游景点具有重要意义。本文利用从Flickr网站获取的2013—2018年香港特别行政区范围内的地理标记照片来识别旅游景点,并根据游客游览顺序重建旅游轨迹。在此基础上,针对现有方法尚未考虑游客偏好在旅行过程中会发生动态变化的问题,提出一种基于隐含狄利克雷分布模型（Latent Dirichlet Allocation, LDA）和用户长短期偏好的个性化景点推荐方法（A Recommendation Method Based on LDA and User's Long and Short-Term Preference, L-ULSP）。该方法利用LDA主题模型获取景点特征信息,挖掘景点间的相关性,再利用注意力机制和长短期记忆网络分别学习用户的长期偏好和短期偏好,最后结合长短期偏好捕捉用户偏好的动态变化。实验结果表明, L-ULSP方法所推荐的景点在命中率和平均倒数排名2个指标上均优于现有其他方法,证明了本文所提方法可以从景点序列中有效学习游客偏好,并为游客推荐下一个景点。此外,本文通过对比实验,进一步验证了同时考虑用户的长短期偏好能够更好地学习用户的偏好变化。     

基于SSA-LSTM的短期电离层TEC组合预报模型

针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。