排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
随着深度学习技术的快速发展,许多研究者尝试利用深度学习来解决文本分类问题,特别是在卷积神经网络和循环神经网络方面,出现了许多新颖且有效的分类方法。对基于深度神经网络的文本分类问题进行分析,介绍卷积神经网络、循环神经网络、注意力机制等方法在文本分类中的应用和发展,分析多种典型分类方法的特点和性能,从准确率和运行时间方面对基础网络结构进行比较,表明深度神经网络较传统机器学习方法在用于文本分类时更具优势,其中卷积神经网络具有优秀的分类性能和泛化能力。在此基础上,指出当前深度文本分类模型存在的不足,并对未来的研究方向进行展望。 相似文献
2.
通过模拟人类底层视觉系统中的颜色恒常处理机制,提出基于视锥细胞色适应生理机制的颜色恒常性计算方法,利用视锥细胞的色适应计算代替基于灰度边缘假设的颜色恒常性计算方法所采用的Von Kries对角变换.实验结果及定量定性的分析表明本文方法比原计算模型下的算法颜色校正效果要好,能有效恢复图像中物体的本质颜色,且性能更稳定.从计算神经科学的角度,本文方法支持视锥细胞的色适应生理机制在视觉颜色恒常性中扮演重要角色的观点. 相似文献
3.
5.
1