NLP中基于样本的序列到序列任务的影响函数解释方法.pdf
冷霜****魔王
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
NLP中基于样本的序列到序列任务的影响函数解释方法.pdf
一种NLP中基于样本的序列到序列任务的影响函数解释方法,包括步骤:1)选取需要获取解释的序列到序列任务,并针对序列到序列任务选取待测的自然语言处理模型和数据集;2)将数据集内的语料进行编码,将编码后的每条数据划分不同区间得到的多条数据并作为新的样本;3)将步骤2)得到的新的样本送入待测模型进行训练,在损失趋于稳定时结束训练;在待测模型训练过程输出的所有检查点中,选取趋近于待测模型最终参数的检查点用于影响分数的计算;4)基于步骤3)选取的检查点中的待测模型参数,计算训练样本与测试样本的损失;5)利用步骤4)
基于全卷积网络的序列到序列的睡眠障碍检测方法.pdf
本发明公开了一种基于全卷积网络的序列到序列的睡眠障碍检测方法,该方法获取需要检测睡眠障碍的数据集,对数据集进行预处理,构建包括全卷积网络和长短时记忆网络的睡眠唤醒检测网络模型并进行模型训练,利用训练后的睡眠唤醒检测网络模型进行睡眠障碍检测。本发明通过对多模态生物信号进行统一预处理,减少了工作量,提升了处理效率,并且保留了数据的上下文信息,提升了检测准确率;本发明直接从多种原始生物信号中给出睡眠唤醒指数,实现了睡眠障碍检测的自动化,并且通过序列到序列的检测方式,保留了数据在时序上的关联性,取得了更好的检测结
一种基于序列到序列模型的制冷系统负荷预测方法.pdf
本发明公开一种基于序列到序列模型的制冷系统负荷预测方法,将历史数据整理为带有时间戳属性的多维时间序列MTS,以此训练序列到序列的预测模型,然后以给定窗口的时序数据作为输入,利用训练好的预测模型预测出负荷走势,其中,预测模型包括编码器和解码器,编码器采用多层结构,稀疏自注意力模块和蒸馏模块构成的多层结构,其以时序数据嵌入编码形成的向量作为初始层结构的输入,然后前一层结构的输出作为后一层结构的输入,直至输出最终特征图,每层结构的输入均分为两路,第一路依次经过稀疏自注意力模块、蒸馏模块输出特征图Ⅰ,第二路经过下
序列到序列神经模型中的结构保留关注机制.pdf
在训练的序列到序列(seq2seq)人工神经网络(ANN)的训练的关注解码器中:获得编码的输入向量序列;使用训练的关注解码器的训练的主要关注机制生成主要关注向量序列;针对主要关注向量序列中的每个主要关注向量:(a)生成与相应的主要关注向量对应的一组关注向量候选,(b)针对该组关注向量候选中的每个关注向量候选,评估将相应的关注向量候选与所需的关注向量结构的相似度进行量化的结构拟合度量,(c)使用训练的软选择ANN基于该评估并且基于训练的关注解码器的状态变量来生成次要关注向量;以及使用训练的关注解码器基于编码
一种音频帧序列到事件标签序列的声音事件标注方法.pdf
本发明涉及一种音频帧序列到事件标签序列的声音事件标注方法,包括如下步骤:步骤S1:从给定音频文件中提取梅尔能量特征,并将其处理成特征序列;步骤S2:根据得到的特征序列,使用三层卷积神经网络提取每帧的抽象特征,并通过双向门限递归单元神经网络提取帧综合特征序列;步骤S3:根据得到的综合特征序列,通过Softmax前馈神经网络层作为注意力机制层,得到注意力特征,并进一步得到事件标签序列;步骤S4:将得到的所有音频片段的声音事件标签序列联合,并进行合并和平滑处理,得到检测结果。本发明使用多任务损失机制,在降低误检