论文部分内容阅读
基于深度学习的多模态数据特征融合问题的研究
【摘 要】
：
多模态大数据的多样性,是它区别于传统大数据的重要特点之一。多模态大数据往往由多种不同结构形式的数据组成,这些不同模态的数据对同一事物的描述,既有一定的独立性,也有很强的关联性。准确、高效地提取多模态大数据中隐藏的融合信息并加以处理,有助于解决目前的各种多模态数据分析任务。近年来,随着社交媒体的普及,越来越多的用户热衷于在社交媒体上同时用不同的媒体形式表达自己的感受与看法,这大大促进了社交网站上用户
【出 处】
：
齐鲁工业大学
【发表日期】
：
2021年10期
其他文献
本文是以《中国制造2025》背景,以达到实现智能制造的要求为目标,通过融合工业场景和互联网技术,在全球化充满不确定的局面下提高中国制造业的竞争力。当前工业中智能制造面临资源难共享、过程难协调、依赖领域专家等普遍问题,本文基于Agent,多Agent系统和强化学习等相关技术,构建了面向工业的多Agent混合式智能控制模型,并对多Agent系统中的Agent协作能力、作业调度策略等关键问题进行研究,以
学位
硬质合金作为重要的刀具材料,以其高强度、高耐磨性、高腐蚀性和高硬度等优异的性能被誉为“工业牙齿”,在切削工具、矿山工具和石油开采工具中发挥着重要作用。但传统硬质合金刀具的硬度、强度和韧性不能同时达到最优,在同时在切削工具的应用中受到限制,因此探究具有高强度、高韧性的硬质合金刀具材料变得尤为重要。本文针对这一问题采用碳化硅晶须(SiCw)添加到硬质合金基体中以起增韧增强作用,成功制备出强度和韧性等性
学位
共价有机框架(Covalent organic frameworks,COFs)材料是一类通过共价键连接形成的新型有机多孔聚合物。由于COFs材料具有比表面积大、孔道有序、孔径可调和活性位点丰富等优势,在储存、分离、催化、传感和药物递送等方面显示出巨大的潜力,近年来业已发展为材料化学的热点研究领域。本论文以功能化COFs材料的构建及其在异相催化中的应用为研究目标,利用缩合反应合成了2例具有不同孔道
学位
近年来,微纳米技术的高速发展,大大促进了现代工业文明的进步。基于柔性机构的微运动平台,以其运动精度高、响应速度快、能耗低以及结构紧凑等特点,广泛应用于超精密加工、半导体制备、光学测量、生物操作等精密科学仪器与高端装备领域,并成为相关仪器装备的关键核心部件,制约着仪器装备的性能提升。而随着相关仪器装备的应用拓展,其对微运动平台的运动特性,尤其是动态性能提出了越来越严苛的要求,不再仅仅是一定运动范围内
学位
实际生产中,大量待熔覆基体为钢质机械零件,综合考虑熔覆材料的线膨胀系数与性价比,铁基合金粉末拥有良好的应用前景。然而某些工况环境中单纯铁基熔覆层已不能满足使用要求,陶瓷颗粒增强铁基激光熔覆层由于可以获得理想的性能组合,近年来受到了广泛的关注。本课题以铁基激光熔覆合金粉末为研究基础,通过调控梯度合金粉末粒径和优化激光熔覆工艺参数,制备超细晶高性能熔覆层。研究增强相粒径和基体晶粒尺寸对熔覆层性能的影响
学位
唐院士课题组于2001年首次报道了聚集诱导发射(AIE)现象,这与聚集诱导猝灭(ACQ)相反。AIE效应的主要来源是抑制分子之间π-π堆积的出现,这些材料的共同特征是它们在纯溶液中基本不会发出荧光,但是,在聚集态或者固态下恰好相反。因此,AIE性质的出现为光电设备,生化传感器和生物成像应用提供了新途径。但是,典型AIE的化合物需要繁琐的合成步骤,并且通常是体积庞大且结构复杂的AIE材料。因此,探索
学位
随着大数据时代的到来,互联网的存储信息量增长迅速。人们享受着大数据带来的福利,同时也面临着被数据信息包围的困扰,也就是“信息过载”问题。个性化推荐系统能够自发的学习用户的行为、了解用户的信息,并以此来对用户的兴趣进行学习,因此,个性化推荐系统成为解决“信息过载”问题最有效的方式之一。上下文感知推荐系统是一种典型的个性化推荐方法。上下文感知推荐系统的优点是能够充分考虑上下文环境对用户兴趣的影响,因此
学位
实体关系抽取任务是自然语言处理领域中非常重要的研究方向之一,旨在从非结构化文本中识别并判定实体对之间存在的特定关系。随着互联网的飞速发展产生了海量的非结构化文本信息,其中蕴藏着丰富的有价值的信息,人们对数据的信息抽取有了更加迫切的需求。因此实体关系抽取技术在工业界和学术界得到了广泛关注,构建高效、精确的实体关系抽取模型,既是文本挖掘、知识图谱构建、信息检索等应用的基础,同时也可以为电商、金融、医疗
学位
图像语义分割是计算机理解图像、处理图像的一种重要方法,在医学图像处理、卫星地理信息系统、机器人视觉等方面都具有广泛应用。深度学习是对人类神经系统的进一步模仿,其关键内容是使用卷积运算整合输入数据,提取出更具代表性的特征数据,再从高维特征中发现数据分布的规律,进而完成多种任务。受益于卷积神经网络优秀的计算能力,基于深度学习的方法在高效处理大批量数据的同时,也能保证更好的分割结果,这为图像语义分割带来
学位