lstm
目前,在卷积神经网络领域中有许多可视化方面的研究,但是对于 LSTM 却没有足够的类似工具。LSTM (长短期记忆单元)网络的可视化能带来很有意思的结果,由于其包含时间相关性,我们除了可以在可视化图像的空间维度上探索数据之间的关联,还可以在时间维度上探索关联的稳健性。 对于长序列建模而言,长短期记忆(LSTM)网络是当前最先进的工具
“对话文本负面情绪识别主要是从对话文本中识别出每个话语的负面情绪近年来已成为了一个研究热点。然而让机器在对话文本中识别负面情绪是一项具有挑战性的任务因为人们在对话中的情感表达通常存在上下文关系。为了解决上述问题本文提出一种基于关系图注意力网络(Rational Graph Attention Network RGAT)和宽度学习(Broad Learning BL)的对话文本负面情绪识别方法即RGAT-BL
8月2日,第十二届全国大学生信息安全竞赛作品赛总决赛在东南大学落下帷幕。由沙乐天老师指导的我院战队作品“基于Bi-LSTM的内存冲突漏洞检测系统”(张皓天、姚如意、许泽遥、王于叶)、“基于决策树分类器的PHP应用自我保护方法”(黎轲、覃国祥、章文斌、杨少凯)双双荣获总成绩三等奖。该项成绩充分体现了我院信息安全学子在信息安全技术领域的动手能力及创新水平! 第十二届全国大学生信息安全竞赛作品赛由教育部高等学校信息安全专业教学指导委员会、中国互联网发展基金会网络安全专项基金主办,于2019年3月至2019年8月举行
这篇 paper 将问题定义在 CLEVER dataset 与调整过的 Sort-of-CLEVER dataset 上面,要根据图片回答一个关于照片中物体间关联性的问题。架构上由三大 component 所组成,使用一个 CNN 与一个 LSTM 分别对图片与文字做资讯提取,并根据提取的资讯在 RN 中进行关系推理、输出最终推论结果。 而下式就是 RN 最简单的函示型态: 如上式, RN 考量的是“所有”物件对 (pair) 之间的 relation ,这代表着 RN 并不是聚焦于推论某一特定 relation 的存在性或意义, RN学习的是综合所有 relation ,推论所有 relation 的存在性与意涵
2020年7月17日下午3点,我院采取线上形式成功举行了一场学术报告会。宁夏大学杜方教授应邀作为本次报告会主讲嘉宾,我院的部分老师、研究生和本科生到场聆听。报告会由学院副院长胡勇华教授主持
舆情监控技术可为网络语言治理提供技术支撑。本研究提出了一种网络安全话题识别的语义计算模型——LSTM-DCNN模型。使用长短时记忆(LSTM)模型提取社交网络中有关网络安全的话题信息,随后使用深度卷积神经网络(DCNN)对社交网络中的网络安全信息的话题分类
【会议出访】多媒体计算与多模态智能组蒋树强老师、王树徽老师参加ICME2017 IEEE 举办的“International Conference on Multimedia & Expo”是多媒体技术研究领域的年度国际会议。自2000年在New York 举办第一届会议以来,至2017年已是18届。ICME 2017在时尚国际化大都市中国香港举办
1、利用卷积神经网络(CNN)、长短期记忆网络(LSTM)等深度学习方法进行遥感分类和遥感反演。 2、基于深度学习的图形用户界面(GUI)的应用。 2019年01月05日 19:30-20:30 张翀,宝鸡文理学院地理与环境学院教师,地图学与地理信息系统专业,主要承担《GIS软件分析》、《GIS程序设计》、《GPS原理与应用》、《遥感导论》等本科生及研究生课程