一种基于卷积神经网络的社交网络文本聚类方法.pdf
文本预览下载声明
（19）中华人民共和国国家知识产权局
（12）发明专利申请
（10）申请公布号
CN106776740A
（43）申请公布日2017.05.31
（21）申请号CN201611027489.7
（22
显示全部
文档详情
相似文档
-
一种基于并行多图卷积神经网络的无监督专利聚类方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 114781553 B
(45)授权公告日 2023.04.07
(21)申请号 202210695144.8 G06V 10/764 (2022.01)
-
一种基于组合-卷积神经网络的中文新闻文本分类方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 112989052 B
(45)授权公告日 2022.03.08
(21)申请号 202110419616.2 G06F 40/237 (2020.01)
-
一种基于卷积神经网络的焊点检测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113409250 A
(43)申请公布日 2021.09.17
(21)申请号 202110579200.7
(22)申请日 2021.05.26
(71)申请人 杭州
-
一种基于宽卷积神经网络的图像去噪方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112801897 A
(43)申请公布日 2021.05.14
(21)申请号 202110071024.6
(22)申请日 2021.01.19
(71)申请人 西安理工大学
地址
-
一种基于卷积神经网络的物品检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117541558A
(43)申请公布日2024.02.09
(21)申请号202311543186.0G06V10/764(2022.01)
-
基于边增强图卷积神经网络的文本分类研究.pdf
摘要
近年来，随着作为重要信息载体的文本数字资源不断增加，数据间的紧密联系
也日益显现，因此对这些资源进行有效的组织管理变得愈发重要。如今，文本分类
方法的研究方向大多集中于深度领域，图神经网络（GraphNeuralNetworks,GNN）
在网络分析、自然语言处理、推荐系统等多个研究领域发挥着重要作用，特别是在
节点分类任务中有着出色的表现。因此，基于图神经网络的文本分类方法逐渐成为
当前主流研究方向。图卷积神经网络（GraphConvolutionalNetworks,GC
-
基于边增强图卷积神经网络的文本分类研究.pdf
摘要
近年来，随着作为重要信息载体的文本数字资源不断增加，数据间的紧密联系
也日益显现，因此对这些资源进行有效的组织管理变得愈发重要。如今，文本分类
方法的研究方向大多集中于深度领域，图神经网络（GraphNeuralNetworks,GNN）
在网络分析、自然语言处理、推荐系统等多个研究领域发挥着重要作用，特别是在
节点分类任务中有着出色的表现。因此，基于图神经网络的文本分类方法逐渐成为
当前主流研究方向。图卷积神经网络（GraphConvolutionalNetworks,GCN）作为一
种广泛使用的图神经网络，通过对目标节点及一阶邻居节点的特征进行聚合操作实
现信息传递和特征更新。然而，
-
基于卷积神经网络多文本特征问答系统.doc
基于卷积神经网络多文本特征问答系统
摘要：基于文档的问答系统的研究目标是从给定的文档集合中筛选出某些文档作为用户问题的正确答案，其核心在于计算问题和答案这两个语句的相似度。在该文中，我们研究了各项文本结构特征和文本统计特征：Term Frequency-inverse Document Frequency（TF-IDF）和最长公共子序列（Longest Common Subsequence，LCS），同时我们设计了特定的卷积神经网络（Convolutional Neural Networks，CNN）结构并融合研究的特征，从而得到一种表达能力好的问答对的向量表示。我们提出的模型不依赖于
-
基于卷积神经网络的多文本特征问答系统.docx
基于卷积神经网络的多文本特征问答系统
摘要：基于文档的问答系统的研究目标是从给定的文档集合中筛选出某些文档作为用户问题的正确答案，其核心在于计算问题和答案这两个语句的相似度。在该文中，我们研究了各项文本结构特征和文本统计特征：Term Frequency-inverse Document Frequency和最长公共子序列，同时我们设计了特定的卷积神经网络结构并融合研究的特征，从而得到一种表达能力好的问答对的向量表示。我们提出的模型不依赖于任何外部的语言工具并且能够适用于多个领域和多种语言。实验结果表明，该卷积神经网络模型能够很好的表达文档之间的相似性，而且在加入TF-IDF和LCS特征
-
基于聚类神经网络的连续属性离散化方法.pdf
-
一种基于卷积神经网络的区域调光技术.docx
PAGE
1-
一种基于卷积神经网络的区域调光技术
一、引言
随着数字媒体和娱乐产业的快速发展，对高质量图像和视频的需求日益增长。在视频处理领域，区域调光技术是一项关键技术，它能够在不改变整体亮度的情况下，对视频画面中的特定区域进行亮度调整，从而改善画面质量，提升视觉效果。传统的区域调光方法往往依赖于复杂的算法和大量的计算资源，这使得其实用性受到了一定程度的限制。
近年来，卷积神经网络（ConvolutionalNeuralNetworks，CNN）在图像和视频处理领域取得了显著的成果。CNN是一种深度学习模型，它能够自动从数据中学习特征，并在多种任务中表现出色。研究表明，CNN在图像分类、目
-
一种基于卷积神经网络的区域调光技术.docx
PAGE
1-
一种基于卷积神经网络的区域调光技术
一、引言
随着数字媒体和娱乐产业的快速发展，对高质量图像和视频的需求日益增长。在视频处理领域，区域调光技术是一项关键技术，它能够在不改变整体亮度的情况下，对视频画面中的特定区域进行亮度调整，从而改善画面质量，提升视觉效果。传统的区域调光方法往往依赖于复杂的算法和大量的计算资源，这使得其实用性受到了一定程度的限制。
近年来，卷积神经网络（ConvolutionalNeuralNetworks，CNN）在图像和视频处理领域取得了显著的成果。CNN是一种深度学习模型，它能够自动从数据中学习特征，并在多种任务中表现出色。研究表明，CNN在图像分类、目
-
一种基于卷积神经网络的岩渣分类算法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114462507 A
(43)申请公布日 2022.05.10
(21)申请号 202210025857.3
(22)申请日 2022.03.23
(71)申请人 重庆邮电大学
地址 400065
-
基于图卷积神经网络的径流预测方法研究.pdf
华中科技大学硕士学位论文
摘要
径流预测是水文学的重要研究内容，是水库调度和流域水资源优化配置的重要
依据。新时代水利高质量发展的需求，对径流预测提出了更高的要求，然而由于受
水文、气象、下垫面等多个因素的影响，径流呈现出高度的非线性，加之气候变化
和人类活动的不断加剧，传统的径流预测方法已很难适应新形势的发展要求。因此，
充分利用现代技术手段，研究更加科学可靠的径流预测方法，成为水文学的重要任
务之一。本文重点考虑径流形成过程中的时程相关性和空间相关
-
基于卷积神经网络的帧内编码优化方法及装置.docx
PAGE
1-
基于卷积神经网络的帧内编码优化方法及装置
第一章帧内编码技术概述
(1)帧内编码技术是视频压缩领域的一项关键技术，其主要目的是减少视频数据中冗余信息，从而降低数据传输和存储的负担。帧内编码通过去除帧内像素之间的空间冗余性来实现压缩，它不依赖于帧与帧之间的时间冗余信息。这种编码方式在视频编码标准如H.264/AVC和HEVC中扮演着重要角色，对于提高视频传输效率和质量具有显著影响。
(2)帧内编码技术主要包括预测编码和变换编码两个主要步骤。预测编码通过分析帧内像素间的空间相关性，预测当前像素值；而变换编码则将预测误差或残差进行变换，以提取能量集中的系数，进一步实现压缩。随着深度学