针对主流面向文本的读者情绪预测算法难以捕捉文本中复杂的语义和语法信息,以及局限于使用多标签分类方法的问题,提出一种融合注意力机制和卷积门限循环神经网络的读者情绪预测方法。该方法将文本划分为多个句子,利
人群密度估计对于人流监控与人群安全具有重要意义。针对现有算法主要通过不同尺度感受野来学习特征,而无法高效利用多尺度特征的问题,文中设计了一个基于通道域注意力机制的特征融合模块。该模块可以在训练模型时学
注意力不集中现象在儿童中比较普遍,目前,国内外存在的注意力训练方法有纸质量表、行为观察、生物反馈、计算机辅助训练等方式。这些方法无法便捷实现大量人群的训练和训练结果的持续有效追踪。而对儿童进行注意力训
针对脑电信号的注意力识别精度问题,本文应用深度森林的算法进行仿真研究。首先对原始脑电信号通过小波分析进行预处理去噪,然后采用深度森林的方法进行分类识别。实验分别对6位受试者在注意和非注意两种状态下的脑
提出了一种新型的视频图像卡通化处理方案。首先根据视觉显著性模型从输入的视频图像中计算出一张视觉注意力函数图,并将视频图像转换到La*b*色彩空间;在视觉注意图的指导下对低对比度区域用迭代的可分离双边滤
基于BERT的中文阅读理解多步注意力网络,周志善,闫丹凤,阅读理解是当前自然语言理解中一个重要的任务,它可以很好的衡量一个自然语言处理模型的能力。为了促进阅读理解任务的发展,有很多�
在社交媒体谣言检测问题上, 现有的基于特征表示学习的研究工作大多数先把微博事件划分为若干个时间段, 再对每个时间段提取文本向量表示、全局用户特征等, 忽略了时间段内各微博间的时序信息, 且未利用到在传
这是关于计算机视觉研究的论文。是关于视觉注意力模型的显著性提取的一篇论文。
循环自注意力,细粒度分类,Recurrent Attention Convolutional Neural Network(RA-CNN)是CVPR2017的Oral文章,针对细粒度(fine-gra
是自己的课程设计代码,传上来大家看看有需要的可以自己下载下来。想要的话我还有报告