-
公开(公告)号：CN109190666A
公开(公告)日：2019-01-11
申请号：CN201810854879.4
申请日：2018-07-30
Applicant: 北京信息科技大学
Abstract: 本发明提供了一种基于改进的深度神经网络的花卉图像分类方法，该方法采用迁移学习的方法，将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类，对其中的激活函数进行改进。在通用Oxford flower-102数据集上的实验表明：该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高，且比未改进的卷积神经网络准确率高，迁移过程准确率达到81.32％，微调过程准确率达到92.85％。
-
公开(公告)号：CN109190666B
公开(公告)日：2022-04-29
申请号：CN201810854879.4
申请日：2018-07-30
Applicant: 北京信息科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于改进的深度神经网络的花卉图像分类方法，该方法采用迁移学习的方法，将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类，对其中的激活函数进行改进。在通用Oxford flower‑102数据集上的实验表明：该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高，且比未改进的卷积神经网络准确率高，迁移过程准确率达到81.32％，微调过程准确率达到92.85％。
-
公开(公告)号：CN109189820A
公开(公告)日：2019-01-11
申请号：CN201810853624.6
申请日：2018-07-30
Applicant: 北京信息科技大学
IPC: G06F16/2458 , G06F16/953 , G06F17/27 , G06Q50/02 , G06Q50/26
Abstract: 本发明提供了一种煤矿安全事故本体概念抽取方法，该方法将词向量和条件随机场结合起来对煤矿安全事故本体概念进行抽取，充分考虑领域词语的语义特性和领域特性，解决了传统研究方法在语义关系分析方面欠缺的问题以及煤矿安全领域数据管理不统一的问题，提高了知识的重用性。通过实验，证明了相较于较传统的基于CRFs的概念抽取方法，本文提出的方法提高了煤矿安全领域概念抽取的精度。同时，也证明了本文提出的词向量模型，相比传统CBOW模型和skip-gram模型性能更好。
-
公开(公告)号：CN109189820B
公开(公告)日：2021-08-31
申请号：CN201810853624.6
申请日：2018-07-30
Applicant: 北京信息科技大学
IPC: G06F16/36 , G06F16/33 , G06F40/268 , G06F40/284 , G06F40/30 , G06Q50/02
Abstract: 本发明提供了一种煤矿安全事故本体概念抽取方法，该方法将词向量和条件随机场结合起来对煤矿安全事故本体概念进行抽取，充分考虑领域词语的语义特性和领域特性，解决了传统研究方法在语义关系分析方面欠缺的问题以及煤矿安全领域数据管理不统一的问题，提高了知识的重用性。通过实验，证明了相较于较传统的基于CRFs的概念抽取方法，本文提出的方法提高了煤矿安全领域概念抽取的精度。同时，也证明了本文提出的词向量模型，相比传统CBOW模型和skip‑gram模型性能更好。
-
-
-
Search Results
4
records
(took 0.021 seconds)
