RNN

摘要： 移动互联网的发展使移动端知识获取模式成为时代的新宠,诗词亦是中华文化的璀璨明珠,诗词学习与移动学习的联合已迫在眉睫.本系统使用Client/Server(客户/服务器)结构,由Faster R-CNN实现图像识别,再通过循环神经网络模型(RNN)完成古诗生成功能,最后根据协同过滤推荐算法完成个性化推荐.客户端APP以Flutter,SpringBoot框架为基础开发,数据库采用了MySQL关系型数据库管理系统进行数据管理,结合服务器与系统进行连接进而实现所需功能.面向对诗词学习存在需求及抱有浓厚兴趣的人群,开发出一个致力于传承发扬中华文化,结合图像识别与深度学习技术以实现智能识图与古诗生成的诗词学习系统.

摘要： 工程产品价格的波动是很多从业人员所关注的重点领域,如何准确地预测价格走势带来收益对企业和个人都具有十分重要的意义。围绕该问题,本文以某工程产品的价格为研究对象,采用基于TensorFlow框架的递归神经网络算法对价格未来指数进行评价,根据产品的初始价格建立工程产品价格预测模型,以此对工程产品价格发展趋势进行预测模拟。实验结果表明,采用RNN产品价格预测模型得到的预测结果的准确率可达84%,为提高工程产品价格预测精度提供了建设性依据。

摘要： 近年来,长短期记忆网络(LSTM,Long Short-Term Memory)已经成为计算机视觉一个新兴的热门研究领域,越来越多的研究人员加入这项技术研究中,提出了很多具有一定突破的方法。将对相关技术进行总结,介绍原理和特征提取方法,此外,针对新兴研究方向进行介绍和展望。

摘要： 机器学习研究的长期目标是产生适用于推理和自然语言的方法,建立智能对话系统。本实验通过回答日常生活的事件的问答问题来评估阅读理解,使用Facebook AI的BABI tasks中的四种类型数据完成模型训练,采用数字编码稀疏交叉熵损失函数对RNN模型、LSTM模型和BERT模型参数进行设置,采用多分类单标签的categorical_accuracy函数作为评价度量,预测样本数据集中的正确数量。实验结果表明,在RNN模型预测答案的准确率明显高于LSTM和BERT模型。

摘要： 在客服服务领域,企业要求客服人员使用事先规范的标准服务流程为用户提供相关反馈服务,而由于不同的客服人员业务水平不同,有可能会导致标准服务流程未能被准确执行,影响企业效益和服务质量.所以如何实时对客服人员的实际服务流程与标准服务流程进行一致性检测并对客服人员进行"纠错",成为当前在线客服质检中亟待解决的问题.由于需要对客服的表述进行实时的服务流程挖掘,传统的面向流程模型的一致性验证方法在时效性上无法应用于面向在线客服的服务流程一致性检测场景.口语表达不规范以及词的表述多种多样等问题,也使得一些现有基于关键词匹配的方法不可行.本文将服务流程的一致性检测问题看作基于文本的服务流程序列分类问题,利用有监督的机器学习分类方法予以解决.由于需要对构成服务流程序列的词序进行考虑,本文采用循环神经网络(Recurrent Neural Network,RNN)与卷积神经网络(Convolutional Neural Network,CNN)作为分类模型.考虑到业务初始阶段数据量积累有限以及标注困难,本文针对CNN与RNN结构做出了相应的分析与比较,最后分别得出RNN与CNN在实际数据集下最高的服务流程检测准确度94.55%与92.83%,并且本文分析与比较得出的结论也可为两个模型在实践中的取舍提供一些指导性建议.

摘要： 近年来,研究者在利用循环神经网络(Recurrent Neural Network,RNN)进行古诗自动生成方面取得了显著的效果。但RNN存在梯度问题,导致处理时间跨度较长的序列时RNN并不具备长期记忆存储功能。随后,出现的基于长短期记忆网络(Long Short-Term Memory,LSTM)古诗自动生成方法在一定程度上解决了RNN的梯度问题。本文将LSTM改进的门控循环单元(Gate Recurrent Unit,GRU)应用在古诗自动生成技术上,并利用Adagrad优化算法对GRU模型进行优化,最后利用Tkinter设计GUI界面进行操作和查看。实验表明,相对于传统的LTSM,GRU在古诗自动生成方面生成的古诗效果更好。

摘要： 本文提出了一种基于深度学习的端到端PMER方法TrCPMER(Transformer-CNNPMER),该方法融合Transformer和CNN的特点,首先使用CNN提取图像特征并生成特征图,然后使用Transformer编码器对特征图进行编码,最后使用标准的Transformer解码器生成LaTeX字符序列。该TrCPMER方法简单且有效,不仅可以捕获图像的局部特征和全局特征,而且提升了模型的训练效率和识别准确率。与现有的方法的对比实验结果表明,我们的方法在识别性能的评价指标BLEU、Edit Distance和Match上分别达到了90.40%、96.18%和86.56%,相应提升了3.04%、9.79%和11.75%。

摘要： 为了实现采摘机器人通过手势动作进行远程控制的目标,采用MYO手环采集人体手势动作信号,将信号进行滤波、放大和A/D转换等预处理后,通过无线通信模块发送给PC机;PC机提取右移、左移和采摘等动作的特征值,送入RNN网络中进行训练和识别,并将识别结果以指令的方式发送给采摘机器人,控制采摘机械手进行相应操作。实验结果表明:采摘机器人SEMG手势识别算法识别率较高,结果非常理想,验证了采摘机器人通过手势进行远程控制的可行性。

摘要： 针对鱼类连续摄食行为较难识别与量化的问题,提出一种基于帧间光流特征和改进递归神经网络(Recurrent neural network, RNN)的草鱼摄食状态分类方法。首先利用偏振相机搭建户外池塘采样系统,采集不同偏振角度水面图像,并基于图像饱和度和亮度模型自动选择低反光角度图像,构建图像样本库;其次通过光流法提取帧间运动特征,并基于投饲机开关状态构建时间序列帧间特征样本集,然后利用样本集训练改进RNN分类网络。以上海市崇明区瑞钵水产养殖专业合作社的试验数据对该方法进行验证。结果表明,研究方法综合准确率为91%,召回率为92.2%,均优于传统的鱼类摄食行为识别方法。研究结果可为鱼类精准投喂技术研究提供参考。

摘要： 针对恶意评论的文本分类任务存在的词向量单一和样本数据集有限而导致模型稳健性降低的问题,提出一种结合词向量集成技术和数据增强技术的ENSVEC-DA恶意文本分类模型。首先从文本数据中抽取一部分评论将其依次翻译成西班牙语,德语和法语,再翻译回英文,由此达到数据增强的作用;其次对应文本评论中的单词,在两个在不同语料库上预训练好的词向量包中寻找所对应单词的数值向量,并将两者相加取平均值,进而完成集成词向量的工作;然后基于同一测试集在RNN网络中进行四组对比实验,并根据四组实验所得到的恶意评论分值(分值越大,恶意可能性越高)计算三种评估指标;最后经对比分析评估指标可得出结论:词向量集成技术和数据增强技术能够使ENSVEC-DA恶意文本分类模型在某种恶意评论预测性能上有所提升。

摘要： 第一无线电网络节点（208）和用于在第一无线电网络节点（208）与第二无线电网络节点（210）之间建立通信接口的方法。第一无线电网络节点被配置成提供一个或多个演进通用陆地无线电接入（E‑UTRA）资源，并且第二无线电网络节点被配置成提供一个或多个新空口（NR）资源。进一步，第一和第二无线电网络节点在无线通信网络（200）中操作。第一无线电网络节点从第一核心网络节点（204）和充当代理的另一第一无线电网络节点（208）二者之一获得第二无线电网络节点的传输网络层（TNL）地址。此外，第一无线电网络节点基于获得的TNL地址，在第一与第二无线电网络节点之间建立通信接口。

摘要： 本发明公开了一种磁悬浮系统的RNN‑ARX建模方法、RNN‑ARX模型，运用RNN循环神经网络、局部线性化方法以及状态相依ARX模型构建出磁悬浮球系统的RNN‑ARX模型结构，在此基础上，通过基于时间的反向传播算法(BPTT)得到RNN‑ARX的模型参数并通过均方误差(MSE)选择最优的阶次。本发明以增加少量计算量为代价提高了磁悬浮球系统辨识模型的建模精度和预测效果，特别在有大量输入输出训练样本的情况下，具有更多的模态并且模型的预测精度会进一步提升，具有较高的实用价值和应用前景。

摘要： 本发明涉及降噪技术领域，公开了一种改进型RNN的防波形失真的语音降噪系统，其包括发明通过对不同的语音进行类型和难度的识别与区分，可以根据不同的语音选择不同的处理方式，而且通过对RNN神经网络模型的训练，结合了神经计算的并行、快速性和优良的全局寻优能力的RNN神经网络模型，使得其训练神经网络计算量大大降低，同时具有更快的收敛速度和更高的预测精度，并且可以将一些难度较低的语音与较高的语音进行区分处理，从而在已有的数据库中具有的数据进行语音的匹配，从而可以快速的对一些相似度较高的语音进行降噪处理，降低了较低难度语音的计算量。

摘要： 本发明公开了一种基于RNN神经网络的DeMura表数据压缩和解压缩方法及装置，所述方法包括如下步骤：步骤S1，随机收集若干OLED显示屏的Demura数据表样本，构建Demura数据表训练集；步骤S2，建立RNN神经网络，以利用RNN神经网络自动学习Demura数据表内在的相关性，利用所述Demura数据表训练集的样本数据进行模型训练，得到训练好的Demura数据表压缩和解压缩模型；步骤S3，利用步骤S2得到的Demura数据表压缩和解压缩模型对任意的Demura数据表进行压缩和解压缩应用。

摘要： 本发明提供一种ECA‑CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，所述方法包括：获取包含光子晶体空间透射谱和结构参量的训练数据集；构建基于ECA‑CNN融合双通道RNN的神经网络模型；利用获取的训练数据集对构建的神经网络模型进行训练，并采用优化算法提高模型特征提取和参数预测性能；再通过多种回归预测评价指标进行模型性能评估。其中，在训练过程中，将通过ECA‑CNN卷积模块提取的空间像素特征和双通道RNN提取的图像时序特征进行融合，根据融合后的特征对图像进行全面分析，完成光子晶体的结构设计。采用本发明，能够利用融合后更加全面的图像特征对图像进行分析，提高基于复杂图像的参量预测性能。

摘要： 本发明公开了一种基于CNN分类和RNN预测的管道内检测器定位方法，对原始管道振动信号样本进行归一化和分类截取预处理，得到预处理样本集，然后对预处理样本集进行降噪处理及特征提取，得到训练样本集；建立CNN模型，对管道振动信号进行分类识别；建立RNN模型，对管道振动信号进行管道内检测器的位置预测；采用训练样本集对CNN模型进行训练，采用CNN模型输出的已分类识别的训练样本集对RNN模型进行训练；将实时采集的管道振动信号，依次经过均已完成训练的CNN模型和RNN模型处理，得到管道内检测器的定位数据。本发明将CNN模型的分类识别和RNN模型预测相结合，提高内检测器定位系统的精准度以及指向性能。

摘要： 本发明提出一种基于CNN+RNN算法的三维探地雷达图像地下管线识别方法，对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对CNN+RNN的神经网络模型进行训练，得到训练好的权重模型；利用训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测；采用本发明的方法对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率和识别速度，可以将地下管线目标识别概率提高到95％以上。

摘要： 本发明公开了一种RNN并行模型及其在多核CPU上的实现方法及系统，针对多层RNN结构进行层内和层间并行优化，将原输入序列分成许多最小子序列，并将切分后的多层子RNN作用于每个最小子序列；采用层间并行方法分析作用于每个最小子序列的多层子RNN中数据的依赖关系，将不同层及不同时间步的循环单元并行化；采用核组内的模型并行将多层次的RNN并行模型映射在多核CPU的第一层次；采用核组间的数据并行将多层次的RNN并行模型映射在多核CPU的第二层次，充分利用了多核CPU架构特点，实现多层次的RNN并行模型在多核CPU上的并行训练。本发明充分利用多核处理器架构的特点，实现循环神经网络更细粒度的并行方式，加快网络的训练。

摘要： 本发明提出了一种基于DAE‑RNN的数控铣削表面粗糙度预测方法，首先，对采集的多源异构数据进行预处理。其次，基于深度自编码器，构建具有多个隐层的编码层‑解码层结构，形成深度自编码器，通过神经网络逐层降维，自动从高维时变工况中提取本质特征，对于非时变工况特征采用人工提取方式提取特征；然后，利用提取的时变工况特征和非时变工况特征组成多源异构特征集作为样本，建立并训练基于循环神经网络的铣削表面粗糙度预测模型，实现变工况场景下零件表面粗糙度的预测。通过本发明，能够对加工过程多源异构具有时序关联性的加工过程进行质量监控，采用DAE进行特征提取、采用RNN进行表面粗糙度预测，从而提高产品加工过程质量监控能力与表面粗糙度预测效率。

摘要： 本发明提出一种基于CVA和RNN的钻机主轴滚动轴承的剩余使用寿命预测方法，属于钻机的故障预测领域。该方法的步骤包括：首先使用加速度传感器收集钻机主轴轴承的全寿命周期内的水平振动加速度和垂直加速度振动信号数据，并且划分训练集和测试集；其次，通过使用快速傅里叶变换(FFT)，得到训练集频域幅值信号,再经过归一化处理；利用典型变量分析(CVA)获得过去时刻数据与未来时刻数据有最大相关性的几组典型变量作为RNN的输入；利用梯度下降法训练神经网络，得到最佳的预测模型。