公共文化服务平台

搜索到21467篇“ 记忆网络“的相关文章

基于高低频注意力和双动态记忆网络的视频异常检测方法: 本发明公开了一种基于高低频注意力和双动态记忆网络的视频异常检测方法，包括：获取待检测视频；将待检测视频输入预训练的基于高低频注意力和双动态记忆网络的视频异常检测模型，输出异常检测结果。本发明利用预训练的视频异常检测模型处...; 陈彦萍夏虹贾晖王博金小敏高聪刘星宇

基于逐帧和逐段时空交互记忆网络的高效视频目标分割: 2025年; 视频目标分割旨在自动分割视频中感兴趣的目标,在视频编辑、机器人导航以及自动驾驶等领域均有着广泛的应用前景.现有的视频目标分割方法大多依赖于独立帧表观记忆,这在处理严重遮挡或表观相似的复杂视频场景时常显不足.为应对这些挑战,本文提出了一种基于逐帧和逐段时空交互记忆网络(frame-wise and segment-wise spatio-temporal interaction memory,FSSTIM)的视频目标分割方法.FSSTIM引入逐帧和逐段时空交互记忆构建模块,通过构建时空上下文图网络提取逐段时空记忆特征图,并与逐帧记忆特征图进行交互增强,显著提高了网络处理相似表观和目标遮挡的能力.此外,引入动态采样记忆读取器实现了高效的多粒度历史信息读取,加快了推理速度并提高了分割精度.在DAVIS,YouTube-VOS和MOSE主流视频目标分割数据集上的实验表明,本文方法在保持实时处理速度的同时取得了先进的分割性能,且具有较强的泛化能力.; 党吉圣郑慧诚王笔美李俊成丁恒辉赖剑煌; 关键词：记忆网络

一种基于动态提示记忆网络的视频阴影检测方法及装置: 本发明公开了一种基于动态提示记忆网络的视频阴影检测方法及装置，借助投影阴影的物体处理混淆阴影，能够在不累积错误的情况下聚合时间信息；该方法包括动态提示模块和基于提示的记忆模块两部分；所述动态提示模块利用局部提示和全局提示...; 姚睿李志城周勇刘兵胡伏原祝汉城赵佳琦邵志文

基于长短期记忆网络-卷积神经网络的电力设备缺陷文本归口研究: 2025年; 随着电网企业发展,电网生产运营中会产生大量电力设备缺陷文本,其中蕴含着电力设备维护与检修的重要信息。由于缺陷文本是非结构化数据,其价值的挖掘依赖于归口,为提升文本利用效率,提出了一种基于长短期记忆网络-卷积神经网络的电力设备缺陷文本自动归口模型。以变压器缺陷文本为例开展研究,模型采用长短期记忆网络对词的权重进行学习,卷积神经网络对带权重的词进行特征提取,用softmax进行分类,最终得到文本归口。通过算例分析,证明该模型在准确度、召回率等方面均优于卷积神经网络等常规方法。; 王璇曹靖韩培洁; 关键词：文本分类卷积神经网络

基于多特征提取-卷积神经网络-长短期记忆网络的短期风电功率预测方法: 2025年; 【目的】天气和随机因素会改变误差的统计特征,因此考虑对影响风电功率的多种气候因素进行特征提取,为优化功率时序特征提取,提出基于多特征提取(multimodal feature extraction,MFE)-卷积神经网络(convolutional neural network,CNN)-长短期记忆(long-short term memory,LSTM)网络的风电功率预测方法。【方法】首先,对数值天气预报(numerical weather prediction,NWP)数据提取11种统计性特征,通过提取基本特征和统计性特征对原始数据进行聚类,并根据类别分别建立预测模型,以提高预测模型的适应性;其次,在网络架构上对LSTM进行改进,通过CNN的特征提取能力和LSTM的非线性序列预测能力,实现对风电功率历史信息和NWP数据的充分挖掘。最后,利用我国新疆某风电场数据,通过MFE消融实验、CNN消融实验,验证了所提短期风电功率预测方法的有效性和优越性。【结果】相比于自回归移动平均(autoregressive integrated moving average,ARIMA)、全连接循环神经网络(fully recurrent neural network,FRNN)模型和MFE-LSTM、CNN-LSTM模型,MFE-CNN-LSTM预测方法的均方根误差与平均绝对误差均有所下降。【结论】MFE-CNN-LSTM预测方法可有效提取特征,并且MFE与CNN有效提升了预测准确性。; 匡洪海郭茜; 关键词：多特征提取卷积神经网络 K-均值聚类算法风电功率预测

一种基于新型记忆网络的视频异常检测方法: 本发明公开了一种基于新型记忆网络的视频异常检测方法，基于以按时间顺序排列的视频样本帧，构建视频异常帧检测模型，然后应用视频异常帧检测模型，完成视频样本帧正常或异常检测，视频异常帧检测模型包括用于提取视频样本帧特征图的初步...; 杜世伦方效林袁庆丰杨明朱同鑫

一种基于长短时记忆网络的电池SOC预测方法: 本发明提出一种基于长短时记忆网络的电池SOC预测方法，能够捕获电池SOC预测时序，预测结果更加准确。本发明按照改造后的长短时记忆网络的结构，构建三层的径向基神经网络；随后下载NASA的电池数据集，根据电压，电流，温度，时...; 梁晓嫱佟玉琦宛棋陈亚东田崔钧

基于有序记忆网络的视频描述: 2025年; 针对目前基于长短时记忆网络(LSTM)的视频描述模型忽视了生成的文本前后有关联逻辑问题,以及训练时的单词级交叉熵损失优化与句子级别的评价指标不能很好地匹配等问题,提出一个结合双向长短期记忆网络(BiLSTM)和有序记忆网络(ONLSTM)的编码解码模型。使用BiLSTM对输入的视频特征进行编码,并利用注意力机制加大重要特征的影响,实现距离较远视频帧间信息和依赖关系的有效记录和保留。使用ONLSTM进行解码,利用ONLSTM的无监督即可学习句子语法结构优异特性,通过对高层次和低层次不同更新的分区间更新手段,实现对层次特征进行学习以生成更准确且符合句子语法的视频内容描述。在MSR-VTT基准数据集上进行训练和测试,结果表明,有序神经元的加入,实现了在不丢失精度预测的基础上,对所有关键信息进行了保留和学习。; 胡一康杨莉陈淑琴巫世峰; 关键词：视频描述

结合增强学习与长短期记忆网络的酒店价格预测系统: 本发明的目的是提供结合增强学习与长短期记忆网络的酒店价格预测系统，涉及神经网络技术领域，所述系统包括：数据获取多维时间序列特征提取单元，用于获取酒店的历史运营数据，使用小波变换对多维时间序列进行多尺度分解，得到小波系数，...; 刘洁

一种基于长短期记忆网络和Transformer算法的人体动作识别方法: 本申请涉及一种基于长短期记忆网络和Transformer算法的人体动作识别方法、装置和计算机设备。所述方法包括：获取图像数据对应的关键点热力图；关键点热力图中包含目标对象的各关键点数据；根据目标循环神经网络提取关键点热力...; 林鹏威吕逸良王湾湾杨艳鑫杨恒王杨俊杰李志涛

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈