摘 要:针对现有文本情感分析方法实时性不强、难以应用到大规模文本、不能同时提取文本上下文信息和局部语义特征等问题,提出一种融合双向长短期记忆( LSTM )和卷积神经网络( CNN )的混合情感分析模型 .通过使用双向 LSTM和CNN模型对由 word2vec编码得到的文本词向量进行训练,运用注意力机制将双向 LSTM 模型学习到的...
随着深度学习技术的广泛应用,采用大规模的数据集,复杂的模型以及高昂的训练代价成为语言模型建模的特点.本文通过模型输入拟人化,卷积神经网络(convolutional neural network)编码以及融合门机制并结合长短时记忆单元(long short-term memory,LSTM)优化了语言模型,提出了结合LSTM和CNN混合架构的深度神经网络语言模型(Gated ...
5.根据权利要求4所述的一种基于cnn和lstm混合模型的应用层协议在线识别方法,其特征在于,所述无监督的词向量学习采用的是word2vec方法,将高维向量输入word2vec的skip-gram模型,skip-gram模型根据目标分词推测上下文,将高维向量转化为128维的分布式向量。 6.根据权利要求1所述的一种基于cnn和lstm混合模型的应用层协议...
提出了基于卷积神经网络(Convolutional Neural Networks,CNN)和长短时记忆网络(Long Short Term Memory Network,LSTM)两种网络模型的混合模型C-L的红外人体行为识别方法.首先,通过提取红外视频中的每帧红外图像,对图像信息进行预处理,得到视频中动作的空间和时序信息;其次,分别输入CNN模型进行卷积,池化等空间特征提取操作...
行为的空间和时序特征有效结合起来。为此，提出基于CNN(convolutional neural network)和 LSTM(long-short term memory)混合模型的人体跌倒行为识别方法。该模型采用两层结构，将视频以每5帧为一组输入到网络中，CNN提取视频序列的空间特征，LSTM提取视频时间 维度上的特征，最后使用softmax分类器进行识别。实验表明，该...
基于cnn和lstm混合模型的人体跌倒行为研究
研究者首先搭建了CNN-Bi-LSTM模型。该模型是将两个经典的神经网络模型——卷积神经网络(CNN)和双向长短期记忆模型(Bi-LSTM)——结合得到的。CNN网络被用于提取样本中包含的城市用水历史信息和气象数据信息,Bi-LSTM模型将这些信息作为输入集。网络结构如图1。
基于CNN-LSTM-Attention和自回归的混合水位预测模型 认领 被引量:1 A hybrid water level forecasting model based on CNN-LSTM-Attention with Autoregressive 在线阅读 下载PDF 引用 收藏 分享 摘要 【目的】水位预测对交通运输、农业以及防洪措施具有重要影响。精确的水位值可用于提升水道运输的安全及效率、降低洪水...
结合LSTM和CNN混合架构的深度神经网络语言模型 王毅;谢娟;成颖 【期刊名称】《情报学报》 【年(卷),期】2018(037)002 【摘要】语言模型是自然语言处理研究中的基础性工作,是计算机识别与理解自然语言的桥梁,是人工智能学科的前沿及热点课题.其在语音识别、机器翻译、信息检索和知识图谱等领域都有着广泛的应用.至今,...