一、智能ABC输入技巧(论文文献综述)
尤达[1](2021)在《网络时代美国创剧人研究》文中指出美国创剧人,英文为the creator of American TV soaps,sitcoms and series,原指提供故事创意或者完成试播集剧本向各大电视网推销的人,在实际生产中演变为美剧的创作主体,即具有创作剧本能力的执行制片人。从历史观之,电视时代的创剧人在美剧生产过程中流露出普遍性特点,由此形成的群体特征深刻影响着创剧人自身的演变:从身份的确立到群体的形成,再到阶层的固化。网络时代的创剧人致力于群体特征的变革,以此打破阶层的桎梏。立足创剧人文本的内容与形式观之,所谓“变革”与以往并非只是理念上的区分,在实践场域的分野十分明晰。创剧人既对美剧成规化生产模式进行大胆革新,又依据“自我”的觉感与体认进行个性化创造。更为重要的是,创剧人调和了成规与个性间的对立关系,在文本的内容选择上追求“他者互文”与“自我表现”的紧密结合,表现形式上注重制作范式与创作风格的高度统一,由此在作品中反映出多元且精彩的主题,满足受众不断增长和变化的娱乐需求。这便使得创剧人不再只是播出机构定义下一味媚俗的符号客体,而是被赋予对超越性的追求。本文从历史与现实的维度探讨美国创剧人群体的演变;从文本的内容选择与表现形式上深入考察网络时代创剧人的变革举措,指出其群体特征的两个维度;进而分析这两个维度的相互关系与共同作用;最后基于媒介场域的变化探讨群体特征发生变革的外在成因,从创剧人心理探讨变革的内在动因。如此,形成了对网络时代美国创剧人从表象到本质的考察。揆诸现实,这一研究的目的在于面对美剧在全球范围内卓越的传播力,从创作主体维度探寻美剧的成功之道,以求能在去芜存菁中有效“吸收外来”,为国产电视剧的发展带来启示意义。
李峰[2](2020)在《云模型优化的模拟电路故障诊断智能方法研究》文中认为集成电路技术的不断发展,使得系统中电路不断往大规模方向发展,在增加电路系统复杂度的同时,也带来了电路测试的一系列问题。据研究,现在电路系统的测试成本已经远远的超出电路系统的研制成本,虽然电路系统中模拟电路所占的比例只有整个电路的20%,但是故障率却占到80%,并且由于模拟电路元器件的容差和非线性等特点,导致模拟电路故障测试技术相较于数字电路发展缓慢。而且随着电路集成度的提高,传统的模拟电路故障诊断技术越来越不满足现代电路测试的需求,研究新的模拟电路测试技术迫在眉睫。近年来由于人工智能算法的兴起,大部分学者将人工智能算法引入到模拟电路故障诊断中,因此为模拟电路故障诊断技术的发展带来了新的思路。本文以人工智能算法为测试方法,以两个国际基准电路Sallen_key和CTSV电路为验证对象,以云模型为基础从电路特征提取以及电路故障诊断两方面出发,对模拟电路有关的测试方法进行了研究。本文涉及的工作和主要内容如下:(1)模拟电路特征提取的研究。特征提取是对电路进行故障诊断的一项关键技术,特征提取的优劣直接影响到模拟电路的故障诊断结果。针对模拟电路存在的非线性和非平稳性,以及电路故障诊断时存在的模糊性与随机性问题,并且通过对局域均值分解算法(Local Mean Decomposition,LMD)和云模型的研究,提出了一种结合局域均值分解算法和云模型的模拟电路特征提取方法。该方法首先通过LMD算法对模拟电路的原始信号进行分解,然后利用逆向云发生器提取所选取的分解信号的三个数字特征值。在使用该方法进行云数字特征值提取时,不但大大的压缩了模拟电路的特征维数,同时也丢失了电路的部分细节信息。而且传统的逆向云发生器在求解云数字特征时误差大、稳定性不强。因此为了使云特征数据能更好的反映模拟电路的本质信息,以及增加逆向云发生器的稳定性和减少求解云特征数据的估计误差,提出了另外一种特征提取法,即相空间重构(Phase Space Reconstruction,PSR)优化多步逆向云算法。该方法在进行特征提取时,对三个云数字特征值的求解过程进行了改进,并用PSR技术对其进行了优化。通过与结合LMD云模型的特征提取方法相比,模拟电路故障诊断率得到了有效的提高。(2)模拟电路故障分类的研究。本文通过对最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的逐渐深入研究,发现LSSVM的核函数参数以及惩罚因子是影响分类效果的重要因素。又因为人工蜂群算法(Artificial Bee Colony algorithm,ABC)具有良好的全局寻优能力,所以在进行故障诊断时使用ABC算法对LSSVM的参数进行优化,并成功的构建了ABC-LSSVM的故障诊断模型。但是标准的ABC算法在对LSSVM的参数进行优化时使用随机赋值的方法会对ABC-LSSVM网络的稳定性有一定的影响,因此本文使用反向学习机制对ABC算法的初始化进行改进。另外为了增加ABC算法解的多样性和增强其探索能力,使用云模型改进ABC算法的概率选择机制,同时为了改进ABC算法的寻优速度,使用最优个体对标准ABC算法的搜索方式进行引导。因此提出了最优引导反向云模型算法(Optimal Guidance Reverse Cloud Model,简称GRC)优化ABC算法,并构建了GRCABC-LSSVM模拟电路故障诊断模型。通过与ABC-LSSVM比较,GRCABC-LSSVM具有更快的收敛速度,而且也得到了更好的模拟电路故障诊断效果。
唐敏喆[3](2020)在《基于ABC-BP神经网络的RFID室内定位研究与实现》文中认为时下,随着无线科技的迅猛发展,促使定位系统在定位速度、精准性上获得极大提升,同时也扩大了其应用范围。室内是人类生活生产密切相关的场景,因此室内定位算法的研究具有重要的意义。射频识别(Radio Frequency Identification,RFID)技术,是一项针对物件信息进行标记和识别的新技术,是物联网的核心技术之一,在室内定位领域有着广泛的应用背景。但单靠RFID的室内定位技术的定位精度和定位效果往往并不理想,为了改善RFID的室内定位效果,本文提出可利用神经网络与RFID相结合来改进室内定位算法。主要研究内容包括:(1)叙述了RFID室内定位研究背景、研究意义和室内定位技术的现状。介绍RFID室内定位技术原理。对目前几种RFID室内定位常用方法分类和比较分析,分析了算法的优缺点。(2)叙述了神经网络的由来和基本原理。重点讲述BP神经络的算法流程,分析BP神经网络能够给RFID定位系统带来的优势。同时BP神经网络系统也存在着明显的缺陷,并对这些劣势进行了较深入的剖析。(3)介绍了人工蜂群算法ABC的由来背景、原理、并叙述了算法的组成以及算法的流程。重点分析了人工蜂群算法的运行流程和重要参数设定。(4)搭建基于人工蜂群算法优化的BP神经网络。基于ABC-BP的RFID室内定位精准度在0.1271m以内,最优情况为0.0055m,平均预测误差为0.0298 m,同比BP系统,ABC-BP定位精度的均值误差减少了0.0836,提升精度72.9%。并得出结论,当经过人工蜂群优化权值和阀值后,BP神经网络的训练效果得到了加强,使得RFID的定位效果更为出色。
龚超[4](2020)在《基于规则引擎的三角函数解题系统的设计与实现》文中研究表明随着人工智能技术的不断成熟,人工智能的场景应用进入多个行业。其中将人工智能与教育相结合,受到了社会的广泛关注。而数学在人类历史发展和社会生活中,发挥着不可替代的作用,也是学习和研究现代科学技术必不可少的基本工具。因此,在研究人工智能在教育上的应用中,对数学问题的机器自动求解是一个热门的研究领域。实现自动推理,向学生提供平等、高质量的教学资源,从而降低学生自主学习、教师授课答疑的成本,对传统教学工具智能化有着重要的意义。本文分析并研究了三角函数题目中涉及的主要知识和求解方法,设计并实现了基于规则引擎的三角函数解题系统。三角函数解题系统由图像识别服务、自然语言处理服务、解题服务、展示服务4个服务组成。本文主要介绍其中的解题服务和展示服务。三角函数解题系统获取题目信息后,首先使用图像识别服务和自然语言处理服务将题目信息转化为格式化的信息,然后通过解题服务求解出答案并输出。解题服务中设计并实现了模型库,其中含有三角函数解题过程中所需要的各种Java类和建立类对象的方法。在模型库中,知识被分为了知识实体,和知识实体间关系两大类。解题服务中还设计并实现了规则库,其中含有三角函数解题过程中所需要的各种解题策略。这些策略按照执行优先级和适用题型进行分类,便于推理引擎调用。解题服务接收由图像识别服务和自然语言处理服务产生的格式化信息,利用模型库中的建模规则,对题目题干和问题分别建立Java对象模型。这些Java对象被加载入规则引擎,通过规则引擎调度并执行规则库中的规则,获取最终答案并将完整解题过程输出。解题服务中,通过对推理过程的抽象,建立了推理树、推理节点、最小知识等类,实现了对推理过程的记录。同时提出了模板推理、结论演绎等方法来优化推理引擎的调度过程。展示服务负责调度其他3个服务,并且完成与前端的交互。本系统后端基于Spring Cloud架构,前端使用Vue.js搭建,使用My SQL进行数据存储。测试结果显示,本系统能正确求解出70%以上三角函数题型,系统运行稳定,基本完成预期目标。
马古兰丹姆[5](2020)在《舞蹈/动作治疗对自闭症儿童身心健康影响的干预研究》文中认为自上世纪60年代起,舞蹈/动作治疗在国外被运用于自闭症儿童的教育干预与治疗中,并形成—套相应的治疗模式。国外研究表明,DMT治疗的形式与内容使自闭症儿童拥有愉悦的身体体验,同时对其感知运动、社会交往等各方面发展具有积极的影响。而国内在此领域则起步较晚,尤其在治疗流程、内容、具体实施、整体性评估等各个环节仍处于探索阶段,少数研究对自闭症儿童舞蹈/动作治疗个别训练进行了报告,涉及团体自闭症儿童舞蹈/动作治疗效果研究的几乎属于空白。本研究在非临床环境下,立足于国内外学者对自闭症儿童舞蹈/动作治疗的研究成果,在身心范式的背景下研究舞蹈/动作治疗对自闭症儿童干预的有效性,旨在探究自闭症儿童接受舞蹈/动作治疗干预后在身心领域的发展变化,归纳并总结出针对适合我国自闭症儿童的舞蹈/动作治疗干预模式、实施流程和方法,并对此提出相关建议与展望。本研究在上海彩虹雨儿童智能康复中心的支持下,分别采取以下方案:1、选取28名自闭症儿童分为舞蹈/动作治疗组17人和对照组11人进行为期12个月的DMT干预实验,探讨干预前后在身体机能测试、身体素质测试、大动作能力测试、ABC量表、CBCL量表、SRS量表、SCQ量表RBS-R量表、情绪识别测试等方面的变化情况。2、选取17名自闭症家长进行深度访谈,从质性研究角度进行三级编码分析,探讨舞蹈/动作治疗对自闭症儿童干预的影响效果。3、选取1名自闭症儿童进行凯斯腾伯格动作KMP侧写分析,量化分析5次视频录像中视频动作,了解个案的动作风格及情绪障碍,探讨其动作模式与心理活动的内在联系,为舞蹈/运动治疗评估提供—定的指导意义。本研究得出:舞蹈/动作治疗对自闭症儿童的身心健康具有积极的影响,在社会交往领域和身体动作领域具有显着疗效。尤其是对自闭症儿童核心症状中的社交退缩及身体动作笨拙、协调性不佳等具有积极的提高作用。舞蹈/动作治疗以其丰富的干预内容和健康、绿色的干预方式为自闭症儿童提供了身体感知、音乐律动、情感体验的机会,能有效促进其感知运动、社会交往、情绪管理、认知等方面地发展。本研究中对舞蹈/动作治疗核心理念的正确把握、动作评估的实施、团体治疗方案的制定、干预内容、强度和时间的合理安排以及家长及时的反馈对治疗效果起关键作用。舞蹈/动作治疗中的创造性舞蹈、镜像、模仿、双人合作动作和同步动作以及团体融合的音乐舞蹈/动作形式对于自闭症儿童的社会交往能力有积极影响。拉班芭特尼夫动作体系从身体教育角度对自闭症儿童的身体能力具有重要的改观。KMP动作观察工具可以了解、反映和扩展非言语的表达,并可以通过动作评估建立可行的动作处方,帮助自闭症儿童改善社交和沟通,建立身体意识。总之,本研究结果表明,舞蹈/动作治疗对自闭症儿童的治疗是有效和可行的,舞蹈/动作治疗可以积极影响自闭症儿童的社交技能和身心健康。本研究是自闭症儿童舞蹈治疗中国本土化推广应用的先行者,成果转化的“星希望”自闭症儿童舞蹈治疗公益项目,分别获得上海市大学生创业大赛公益创业赛金奖,全国大学生创业大赛公益创业赛铜奖、中国青年志愿服务项目大赛金奖、中国青年志愿者优秀项目等奖项。编写的《自闭症儿童舞蹈治疗康复手册》以及六级电视教学片,让更多自闭症儿童及家庭受益。此外,本研究成果还得到上海电视台等新闻媒体的多次报道。
陈鹏[6](2020)在《有限训练样本条件下的分类器构建与应用》文中研究指明数据驱动下的分类器构建方法受限于训练样本的数量和质量。近年来,随着传感器技术、互联网技术、高性能计算技术的发展,在生产和生活中积累了大量的数据。这些数据可被用于训练更为复杂的分类器模型,从而极大推动人工智能技术、机器学习技术的发展。然而,针对特定的应用领域(如遥感图像解译、矿山安全分析)与更为复杂的模式识别问题(如细粒度分类、多标签分类、图像语义分割等),获取大规模、高质量数据的成本十分高昂,对原始数据进行采集、清洗与标注是繁重、繁琐的工作。这一问题制约了分类器模型在不同场景中的构建与应用推广。本文面向国土空间规划与自然资源利用,构建了3种分类器模型,并分别将其应用于细粒度遥感图像分类、多标签遥感图像分类与矿山安全等级分类中。这些分类器的设计与构建,在当前我国将矿产、林业等自然资源的经营管理工作与土地利用、土地整治等国土资源的规划管理工作纳入统一规划体系的大背景下,具有尤为重要的价值。本文中的“有限训练样本”指在具体应用中,数量不多、质量不佳的训练样本集,可以有图片、结构化表格等多种数据形式。该条件下的分类器构建,一方面指通过迁移学习、对抗学习等策略,赋予深度神经网络处理有限样本的能力;另一方面指采用经典统计学习模型,对经过加工的数量有限的样本进行可靠分析与处理。本文的主要研究内容及创新点包括以下几个方面。(1)针对细粒度图像分类中存在的标注困难、局部特征不易提取等问题,提出一种带有注意力机制的层次化多对抗网络模型AMAN(Attentional Multi-Adversarial Networks),并将其应用于由粗到细的递进式遥感图像解译中。AMAN充分利用了源域中已有的粗粒度(大类类别)标签抽取特征,进而在目标域中针对每个子类仅标注少量样本用于对抗训练,选取注意力区域,实现粗粒度特征到细粒度特征的增强与对齐。实验结果统计与可视化分析表明,AMAN可有效强化源域中有价值的特征,并将其应用于目标域中的细粒度分类问题。在3个细粒度图像分类基准数据集上的测试实验表明,AMAN成功地解决了训练集不完整情况下的细粒度分类问题,仅需完整训练集中20%左右的训练样本,即可取得优于近五年主流细粒度分类算法的分类精度。(2)针对多标签图像分类中存在的标签复杂、对象级视觉特征不易提取、标签关联性利用不充分等问题,提出一种基于跨模态表示学习与标签图挖掘的残差多注意力 CNN-LSTM 网络模型 CM-GM(Cross-Modal Representation Learning and Label Graph Mining based Residual Multi-Attentional CNN-LSTM),并将其应用于遥感图像解译中。CM-GM一方面采用文本模态表示和标签图挖掘对图像标签进行特征表示学习,在标签向量中尽可能多地融入语义信息,充分利用标签依赖关系。另一方面,针对图像特征表示,在卷积神经网络(Convolutional Neural Network,CNN)结构中引入逐通道的注意力机制,有针对性地在多标签图像中自适应抽取对象级特征。在此基础上,通过跨模态对齐策略,将对象级的图像特征与对应的类别标签表示进行对齐,用标签语义指导图像特征表示。这些经过对齐的对象级图像特征被逐个提供给长短时记忆网络(Long Short Term Memory,LSTM)进行训练。由于充分利用了文本表示与标签间的依赖关系,CM-GM仅采用多标签图片中的部分标签(约60%的标签量)对LSTM进行训练,也可以取得与主流多标签分类算法接近的分类效果。这一优势在标签数量多、标签关系复杂的数据集中更加突出。(3)提出一种基于蜂群参数优化的最小二乘支持向量机模型,并将其应用于矿山安全评级与分析。针对结合专家分析与传感器采样等方式构建的煤矿风险等级数据集,采用最小二乘支持向量机对数据进行分类。为自适应优化最小二乘支持向量机的超参数,提出一种改进的人工蜂群算法,通过优化引领蜂、跟随蜂的位置更新公式,提高算法收敛性能。仿真结果表明,基于改进蜂群算法参数优化的最小二乘支持向量机模型在小种群情况下可对煤矿安全等级进行准确分类。另一方面,针对矿山生产边坡环境,为更好地获取边坡图像数据,提出一种用旅行商问题拟合无人机航拍任务,进而采用蚁群算法进行无人机航迹规划的求解策略。相较于人工遥控,该策略可减少无人机飞行距离,并在有限的无人机飞行时长内获取数量更多的高质量航拍图片。
李金兆[7](2019)在《信息化社会的戏曲传承 ——以川剧为例的“互联网+戏曲”研究》文中研究说明本论文核心主题是“信息社会视域下戏曲文化的数字化传承与发展”,在以川剧戏曲文化本体传承为例的研究基础上,将数字化、大数据、云计算、新媒体、互联网等信息化主流关键技术与川剧的保护传承相融合,实现了戏剧戏曲学、文化传播学、计算机与信息技术科学多学科融合研究的突破。研究梳理分析了川剧数字化研究的文献,对国内外有关戏曲传承数字化和川剧传承数字化的研究进行了大量的查阅、比对、跟踪、分析,同时引入大数据挖掘方法对中国传统戏曲在互联网传播进行了全样本的数据爬取和比对分析;在论述戏曲文化发展与人类社会进化的关系上,研究了信息社会的主要技术元素对戏曲传承与发展的影响;综述分析了川剧在信息化社会生态下生存、传承、发展的现状,并对川剧传承与发展中存的观念自闭、政策失衡、人才断代、传播无序、创新不足等问题进行了剖析;研究了信息化社会生态下承担川剧戏曲文化传承发展的主体人群,指出年轻化的川剧受众者的主体文化特质和需求;引入云存储、云备份、云容灾、云安全概念,论证设计了川剧整体数字化保护的主要领域、主要路径、主要方法、技术路线和顶层架构;论证设计了川剧戏曲文化整体数字化云共享的主要内容和基本方法;论证设计了川剧戏曲文化实现云传播的矩阵体系和传承发展方向。研究过程中,本论文提出了若干重要观点,一是以公众参与社会治理的方式和文化传播方式、传播内容、传播技术的关系出发,通过研究分析社会进化中的人性解放和赋权方式,将人类社会发展进程主要划分为农业文明社会、工业文明社会和信息文明社会三个文明进化阶段;二是信息文明社会互联网和信息技术作为一种新的权力来源,激活了社会中无数的“相对无权者”,推动了公众参与社会治理文化转向社会化、融合化和去中心化;三是农业文明、工业文明、信息文明三个社会文明进化阶段对戏曲文化发展的影响呈“V”字型关系,信息技术为戏曲传承发展带来了新的契机;四是云保护是实现川剧戏曲文化数字化传承与发展的基础,云共享是实现川剧戏曲文化数字化传承与发展的核心,云传播是实现川剧戏曲文化数字化传承与发展的生态;五是中华民族传统文化的创造性转化、创新性发展,互联网将成为主战场,戏曲依托于互联网为代表的数字技术进行创作、生产、传播,将极大地提升我国的文化竞争力。通过以上研究,本论文得出三项主要结论:一是推进川剧戏曲文化整体数字化是实现川剧传承发展的必然选择,二是推进川剧戏曲文化整体数字化传承发展是科学和切实可行的。三是推进“互联网+戏曲”研究与规划应上升成为国家文化战略。本论文建构了支撑川剧戏曲文化整体数字化传承发展的“云保护、云共享、云传播”基本理论框架,研究论证了“云保护、云共享、云传播”三个理论概念和构架体系设计是一种既递进又同步的关系,指出了“云保护、云共享、云传播”理论与设计体系是实现川剧戏曲文化整体数字化传承发展的重要支撑,推演了中国传统戏曲文化创造性转化创新性发展的“互联网+戏曲”之路,为中国戏曲文化整体推进数字化传承发展进程提供了跨学科融合研究样本和实体设计借鉴。
叶至伟[8](2019)在《基于多维特征的题型自动分类技术及在智能题库中的应用》文中认为近年来,随着数据的增长和计算能力的提高,人工智能理论与技术取得了突破性进展,在各领域得到了广泛关注。在教育领域,人工智能技术可以广泛用于优化教学活动流程、挖掘教育数据、定制个性化教学方案等方面,对教育的发展有着积极的意义。智能题库是教育智能化的一个重要组成部分,而题型分类是诸如自动组卷、个性化推荐、单元训练等智能题库任务的基础。其目标是,根据给定的问题文本和题型,学习问题文本到类别(题型)的映射关系,从而能够对输入的未知类别的问题自动判断其题型,这可以视为一个垂直领域的文本分类任务。各学科语言风格差异较大,本文选择对初等数学题型自动分类进行研究。本文首先介绍了通用领域文本分类相关理论和方法,再针对数学语言不同于通用自然语言的特殊性,研究了题型分类中的关键问题,包括数学文本预处理、特征提取与表示、融合多特征的分类模型的建立等,具体如下:1.初等数学文本的特征提取。数学文本具有普通自然语言文本的共性,而深度神经网络对于文本有着强大的表征能力,因此本文采用神经网络自动提取文本级别特征,减少特征工程,学习深层表示;另一方面,为了提取数学领域特有的数理逻辑特征,如数学变换、定理的应用等,本文利用基于自动推理的知识点标注技术,对问题的数理特征进行提取。2.研究基于词向量的特征表示。将文本特征序列和知识点特征序列转为神经网络能够处理的词向量,并在此基础上使用合适的深度神经网络结构学习问题的表示,提出一个融合多特征的深度神经网络分类模型。3.基于上述思想设计并实现了数学题型自动分类系统,解决了针对数学领域语料的预处理方法、通用自然语言处理方法在数学文本领域的改进、模型的实现、模块之间的通信等问题,实现了从文本输入到题型输出的自动化。最后,在构建的一个由64950道初中数学题组成的样本上,对模型进行训练。设计了若干对比实验,验证本文提出相关方法的有效性,实验结果表明,本文设计的多特征初等数学题自动分类系统,能够有效融合数学文本的文本特征和数理逻辑特征,提升分类准确率,较好地满足智能题库中的需求,同时具有良好的扩展性,具有一定实用价值。
甘文斌[9](2018)在《平面几何题目的自动解答研究》文中研究说明平面几何题目的自动解答,是人工智能和智能化教育领域中长期存在的重要研究问题。该问题旨在研究智能的算法来自动理解并求解出平面几何题目,并给出解答的过程。近年来在自然语言理解和机器推理等领域的相关技术进步和智能化教育需求的合力推动下,该问题已成为热点的研究问题。解答平面几何题目是人工智能研究中智力劳动机械化一个重要问题,同时该问题的研究成果在教育上又有着巨大的应用前景。随着教育信息化和个性化智能化教育的发展,很多个性化智能教育辅导系统开始实际应用到教学服务中,而自动解答技术作为智能化教育辅导系统中的一个核心技术,将大大促进系统的个性化和智能化程度,从而提高教育服务质量和效果。由于该问题巨大的的研究和应用价值,前人已经提出了很多自动求解平面几何题目的方法,这些方法被广泛应用到几何求解系统中来进行自动推理进而给出求解的过程。这一数学机械化的研究工作大大提高了数学家发现和证明几何定理的效率。然而,这些工作大量集中在几何自动推理研究中,对几何题目自动理解的研究相对较少,而题目自动理解是自动求解题目的关键问题也是很多智能辅导系统提供教育服务的基础。一方面自然语言处理对表述多样的题目文本的处理还不成熟,尚缺乏专门针对几何学科题目文本的语言分析和理解方法;另一方面很多几何题目包含对应的几何图形,图形中包含着丰富的解题信息,为了理解题目则需要对图形进行理解,而理解图形则需要计算机视觉领域的相关技术,因此几何题目的自动理解需要计算机视觉和自然语言处理等多领域技术手段的融合。如何深入全面的自动理解平面几何题目并给出解答过程是几何自动求解中的关键问题。为了解决几何自动求解中的题目自动理解这一难点问题,本文开展了平面几何题目自动解答的理论研究,提出了基于关系抽取的题目理解和解答理论,基于这一理论,进一步提出了平面几何题目自动解答的新方法,并开发了智能交互式几何辅导系统。具体的研究内容包括:(l)完全自动化的平面几何自动解答理论:(2)纯文本描述的平面几何题目的自动解答;(3)同时包含文本和图形的平面几何题目的自动解答:(4)智能交互式几何辅导系统。本文的主要贡献有:(1)鉴于当前自动解答领域缺乏系统全面的理论框架支撑的现状,开展解答理论基础的研究,并创立平面几何题目的自动解答理论,它包括等价表示法、等价转换原理和类人解答生成方法。该理论将平面几何题目理解的问题转化为从题目中进行几何关系抽取的问题。通过将几何题目转换成几何关系组表示,进而进行自动求解,从而实现完全自动化的机器解答。(2)提出了一种句法语义混合模型的方法来提取纯文本描述的平面几何题目中的几何关系,该模型包含了语义信息和句法信息,能够高效的提取出文本中包含的几何关系。在平面几何应用题和平面几何证明题数据集上分别进行了测试,结果显示本文提出的方法在几何关系提取上具有较好的效果,应用这些几何关系来求解纯文本描述的平面几何题目也取得了较高的准确率。(3)提出了一种基于机器学习的纯文本描述平面几何题目的求解方法,该方法采用机器学习算法来自动学习出不同几何关系在题目文本表述中的潜在结构,该方法主要分为两个过程:候选几何关系生成和几何关系识别。首先对文本中的几何实体和几何关系词进行抽取,进而通过不同的组合生成候选的几何关系;然后采用机器学习算法对所有候选关系进行分类,找出所有正确的几何关系作为最终几何题目的理解结果,进而进行后续的几何推理和解答,从而实现了纯文本描述的平面几何题目的自动解答。(4)提出一种基于文本和几何图形双模态信息理解的平面几何题目解答方法来对同时包含文本和几何图形的平面几何题目进行自动理解和解答。将这两种模态中的信息单独表示成几何关系,进而采用信息融合的方法来提取出两部分高置信度的几何关系作为几何题目理解的结果,进而进行几何推理解答。在包含平面几何图形的几何题目数据集上测试,结果表明了该双模态理解方法在几何关系抽取中具有较高的鲁棒性,提高了通过单个模态进行信息提取的准确率。同时结合两个模态的信息,能够理解一些通过单个模态所不能理解的题目,进一步扩大了本文进行题目理解和解答的范围。(5)设计了一个智能交互式几何辅导系统,该系统采用学习者开始的辅导模型(leamer-initiating instruction)来接受学习者自主输入的几何题目,并能够自动理解和解答该几何题目,从而给出解答的过程和解题交互。为了与用户更自然的交互,系统采用手绘图形界面来模拟纸笔环境,同时建立文本中几何实体和图形中几何基元之间的对应关系,并将几何关系可视化的动态呈现,从而更好的让用户来进行个性化几何学习。
潘瑾琨[10](2017)在《跨站脚本漏洞检测技术研究》文中研究指明随着互联网和Web2.0的发展,Web应用越来越普遍,深入人们的生活。但在给我们带来便利的同时,Web应用也伴随着巨大的风险。各种Web漏洞威胁着Web应用及用户数据的安全。其中,跨站脚本漏洞由于数量众多、形式多样且危害严重,位列OWASP Web漏洞排行榜第三名。一旦被攻击者利用,跨站脚本漏洞可以导致用户隐私泄露、用户会话劫持、网页钓鱼挂马等一系列严重后果。多年以来,学术界和工业界一直都致力于跨站脚本漏洞的检测防护等方面的研究,取得了很多进展。但是由于跨站脚本漏洞形式多变防不胜防,加上针对Web应用的程序分析技术的局限,跨站脚本漏洞的检测仍然面临着很多挑战。本文围绕白盒检测和黑盒检测两方面,分别从输入点选取和漏洞利用生成两个阶段作为切入点,主要工作与创新点总结如下:第一,针对浏览器扩展的特殊性,提出了一种引入了DOM作为新的攻击面的漏洞类型,即源于DOM的跨站脚本漏洞。同时针对该漏洞,提出了一种结合静态分析和动态分析的检测框架。该框架利用文本过滤、AST解析等轻量级静态分析技术进行初步筛选,利用影子DOM扩展动态符号执行对于结构化DOM文档的支持,并能够生成漏洞利用的DOM文档。从现实世界的浏览器扩展Greasemonkey的用户脚本中,我们成功地检测出了58个源于DOM的跨站脚本漏洞,潜在影响用户数达到676,174。第二,针对Web应用中广泛存在的正则表达式问题,提出了一种面向正则表达式增强的跨站脚本漏洞检测技术。该技术通过扩展约减规则,增强了现有技术对于边界、反向引用、断言等一系列高级正则表达式特性的支持;通过引入更具有表现力的正则表达式约束描述语言,简化了对于正则表达式的描述和表达;通过“延迟生成”、“按需展开”等一系列优化措施,提高了正则表达式相关约束的求解效率。第三,针对污点推断过程中受到的URL重写和HTML净化的影响,提出了一种借鉴生物信息学的基因序列比对技术的跨站脚本漏洞污点推断技术。通过局部序列比对解决了Web服务器URL重写对URL输入带来的问题,利用空位罚分机制缓解了Web应用HTML净化措施对HTML输出造成的影响。这些措施使得污点推断在这两种场景中的准确率和精度得到了有效的提高。第四,针对现有黑盒跨站脚本漏洞扫描器对于人工知识的依赖问题,以及现有基于机器学习脚本漏洞检测技术的误报问题,借鉴自然语言处理领域生成式智能问答系统的解决方案,提出了一种基于序列到序列模型的跨站脚本漏洞检测技术。通过将跨站脚本漏洞检测问题建模成序列到序列模型,生成可验证的漏洞利用攻击载荷,从而消除了误报。通过采用引入注意力机制的编码器-解码器框架,其中编码器解码器均采用数据驱动的长短期记忆循环神经网络,从而摆脱了对人工知识的依赖,根据不同的上下文有针对性地生成攻击载荷。我们的方法有效提高了跨站脚本漏洞的检测率和检测效率。
二、智能ABC输入技巧(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能ABC输入技巧(论文提纲范文)
(1)网络时代美国创剧人研究(论文提纲范文)
中文摘要 |
英文摘要 |
绪论 |
第一节 研究缘起 |
第二节 文献综述 |
第三节 研究对象 |
第四节 研究思路和方法 |
第一章 身份与阶层:美国创剧人群体的演变 |
第一节 电视时代创剧人的身份界定(1928-1963) |
一、创剧人身份的探索:从发明家到电视人 |
二、创剧人身份的确立:首席编剧与执行制片人 |
第二节 电视时代创剧人的阶层分析(1964-1998) |
一、创剧人群体的形成:三大剧种创剧人群体 |
二、创剧人阶层的出现:三大阶层创剧人分布 |
第三节 网络时代创剧人的阶层突破(1999-2019) |
一、模型构建:多源异构数据下的第一阶层创剧人画像 |
二、画像分析:从第一阶层创剧人到创剧人“职业群体” |
第二章 他者与自我:网络时代创剧人文本的内容选择 |
第一节 他者互文:临摹现实文本下的客观写实 |
一、效仿现实生活:从真人真事中取材 |
二、互文经典作品:从文学与影视中取材 |
第二节 自我表现:“三重自我建构”下的主观抒情 |
一、对“个体自我”的探寻 |
二、对“关系自我”的定位 |
三、对“集体自我”的认知 |
第三节 紧密结合:创剧人文本内容层面的群体特征 |
一、他者故事中自我的汇入 |
二、自我镜像中他者的虚构 |
第三章 制作与创作:网络时代创剧人文本的表现形式 |
第一节 制作范式:视听电影化与叙事文学性 |
一、电影化影像策略:质感营造与“景观”制造 |
二、文学性叙事策略:叙事结构与叙事线索 |
第二节 创作风格:视听个性化与叙事风格化 |
一、个性化的长镜头与蒙太奇 |
二、风格化的“话语”建构 |
第三节 高度统一:创剧人文本形式层面的群体特征 |
一、制作范式中个性的凸显 |
二、创作风格中成规的体现 |
第四章 互构与升华:群体特征两个维度的相互关系与共同作用 |
第一节 相互关系:成规与个性的互构 |
一、同源性:相近起源与发展 |
二、同构性:相互建塑和形构 |
三、共生性:互相依存与协作 |
第二节 共同作用:多元且精彩的主题 |
一、世界观的引导:个人信仰与哲学思辨 |
二、人生观的认同:女性主义、反同性歧视和反种族歧视 |
三、价值观的迎合:反英雄、非英雄与集体无意识 |
第五章 环境与心理:网络时代创剧人群体特征的成因 |
第一节 外在环境之变:媒介场域架构下的特征成因 |
一、网络时代媒介场域的架构变化 |
二、媒介与受众博弈下的底层逻辑 |
第二节 内在心理动因:“人类动机理论”下的特征成因 |
一、自我求生:生活困难者的生理需要 |
二、自我救赎:面临威胁者的安全需要 |
三、自我倾诉:身份认同困惑者的归属需要与情感缺失者的情感需要 |
四、自我证明:事业受挫者的尊重需要 |
五、自我实现:美国创剧人的终极追求 |
结语 |
第一节 从传播到效仿:美剧强大的影响力 |
第二节 在分辨中学习:现状、启示与反思 |
附录 |
参考文献 |
在校期间取得的成果 |
致谢 |
(2)云模型优化的模拟电路故障诊断智能方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 模拟电路研究背景及意义 |
§1.2 国内外研究现状 |
§1.2.1 国外研究现状 |
§1.2.2 国内研究现状 |
§1.3 本文研究内容和结构安排 |
§1.3.1 本文主要研究内容 |
§1.3.2 本文结构安排 |
§1.4 本章小结 |
第二章 模拟电路特点及故障诊断方法 |
§2.1 模拟电路故障分类 |
§2.2 模拟电路故障诊断特点与诊断方法研究 |
§2.2.1 模拟电路故障诊断特点 |
§2.2.2 模拟电路故障诊断方法 |
§2.3 云模型在模拟电路故障诊断中的应用情况 |
§2.4 LMD云模型和LSSVM故障诊断方法可行性分析 |
§2.4.1 云模型运用于对数放大器电路的可行性分析 |
§2.4.2 LMD算法运用于对数放大器电路的可行性分析 |
§2.4.3 LSSVM运用于对数放大器电路的可行性分析 |
§2.5 本章小结 |
第三章 基于云模型的模拟电路特征提取 |
§3.1 局部均值分解 |
§3.1.1 局部均值分解概述 |
§3.1.2 局部均值分解原理 |
§3.2 云模型 |
§3.2.1 云模型概述 |
§3.2.2 云模型原理 |
§3.3 小波分析 |
§3.3.1 小波分析概述 |
§3.3.2 小波分析原理 |
§3.3.3 小波能量特征提取 |
§3.4 相空间重构 |
§3.4.1 相空间重构概述 |
§3.4.2 相空间重构原理 |
§3.4.3 相空间重构参数求解法 |
§3.5 基于云模型的特征提取方法 |
§3.5.1 LMD与云模型特征提取步骤 |
§3.5.2 相空间重构优化多步逆向云算法原理 |
§3.5.3 LMD相空间重构优化多步逆向云算法特征提取步骤 |
§3.6 本章小结 |
第四章 云模型优化的模拟电路故障诊断分类器方法设计 |
§4.1 分类选择算法 |
§4.1.1 LSSVM算法概述 |
§4.1.2 LSSVM算法原理 |
§4.1.3 LSSVM各影响参数分析 |
§4.2 分类算法参数寻优算法 |
§4.2.1 人工蜂群算法概述 |
§4.2.2 人工蜂群算法原理 |
§4.2.3 云模型优化人工蜂群算法 |
§4.2.4 ABC 算法与GRCABC 算法优化性能比较 |
§4.3 LSSVM参数优化模型研究 |
§4.3.1 ABC优化LSSVM故障诊断方法 |
§4.3.2 GRCABC优化LSSVM故障诊断方法 |
§4.4 本章小结 |
第五章 云模型优化的模拟电路故障诊断实例验证及分析 |
§5.1 LMD云模型和ABC-LSSVM故障诊断 |
§5.2 LMD相空间重构优化多步逆向云算法和ABC-LSSVM故障诊断 |
§5.3 LMD云模型和GRCABC-LSSVM故障诊断 |
§5.4 本章小结 |
第六章 总结与展望 |
§6.1 本文工作总结 |
§6.2 研究展望 |
参考文献 |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(3)基于ABC-BP神经网络的RFID室内定位研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究的背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容及创新点 |
1.4 论文章节安排 |
第二章 RFID室内定位关键技术 |
2.1 RFID技术及原理简介 |
2.1.1 RFID室内定位关键技术简介 |
2.1.2 RFID工作原理 |
2.2 RFID室内定位常用方法分类和比较分析 |
2.2.1 RFID室内定位系统评估指标 |
2.2.2 非测距的RFID定位方法 |
2.2.3 测距的RFID定位方法 |
2.3 基于神经网络的RFID室内定位模型构建 |
2.4 本章小结 |
第三章 人工神经网络及算法原理 |
3.1 人工神经网络基本原理 |
3.2 BP神经网络 |
3.2.1 BP神经网络简介 |
3.2.2 BP神经网络结构及算法流程 |
3.3 BP神经网络的缺陷 |
3.4 BP神经网络的改进现状 |
3.5 本章小结 |
第四章 人工蜂群算法 |
4.1 人工蜂群算法背景 |
4.2 人工蜂群算法原理 |
4.3 人工蜂群算法的流程 |
4.4 人工蜂群算法优势分析 |
4.5 本章小节 |
第五章 基于人工蜂群算法优化BP神经网络的RFID室内定位 |
5.1 基于人工蜂群算法优化的BP神经网络结构 |
5.2 基于ABC-BP的 RFID室内定位系统仿真 |
5.2.1 仿真实验基本参数搭建 |
5.2.2 仿真实验因素考虑 |
5.2.3 基于BP的 RFID室内定位仿真 |
5.2.4 基于ABC-BP的 RFID室内定位仿真 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来展望 |
参考文献 |
致谢 |
攻读非全日制硕士学位期间发表论文情况 |
(4)基于规则引擎的三角函数解题系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究历史和现状 |
1.3 论文研究内容 |
1.4 论文组织架构 |
第二章 相关理论和技术介绍 |
2.1 产生式系统与Rete算法 |
2.2 Drools规则引擎 |
2.3 微服务与Spring Cloud |
2.4 Matlab计算引擎 |
2.5 My SQL数据库 |
2.6 Vue.js |
2.7 本章小结 |
第三章 三角函数问题总结 |
3.1 基础概念总结 |
3.2 问题分类与解决方法 |
3.3 本章小结 |
第四章 三角函数解题系统的需求分析和总体设计 |
4.1 系统需求分析 |
4.1.1 应用场景分析 |
4.1.2 系统功能需求 |
4.1.3 系统非功能需求 |
4.2 系统总体设计 |
4.2.1 系统架构 |
4.2.2 接口设计 |
4.2.3 数据库设计 |
4.3 本章小结 |
第五章 三角函数解题系统的详细设计 |
5.1 模型建立模块的详细设计与实现 |
5.1.1 关键概念介绍 |
5.1.2 实体类在模型库中的知识表示 |
5.1.3 建模流程设计 |
5.1.4 执行建模相关类的设计与实现 |
5.2 自动推理模块的设计与实现 |
5.2.1 解题流程设计 |
5.2.2 计算规则 |
5.2.3 逻辑规则 |
5.2.4 推理过程与答案输出 |
5.3 展示服务的设计与实现 |
5.4 本章小结 |
第六章 系统测试与分析 |
6.1 基本功能测试 |
6.2 解题功能测试 |
6.3 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
附录 |
附录A:部分例题在系统中的求解过程与结果分析 |
附录B:系统部分测试用例集 |
附录C:系统中部分核心代码展示 |
(5)舞蹈/动作治疗对自闭症儿童身心健康影响的干预研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 自闭症人数的剧增 |
1.1.2 国家对特殊人群的重视 |
1.1.3 舞蹈/动作治疗的独特效果 |
1.1.4 舞蹈/动作治疗交叉学科理论研究的亟需 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.2.3 研究假设 |
1.3 研究内容 |
1.4 研究思路 |
1.5 研究的创新点 |
1.5.1 研究视角创新 |
1.5.2 研究成果创新 |
第2章 文献综述 |
2.1 相关概念界定 |
2.1.1 自闭症 |
2.1.2 舞蹈/动作治疗 |
2.1.3 身心健康 |
2.1.4 干预 |
2.1.5 评估 |
2.1.6 具身化 |
2.2 关于自闭症 |
2.2.1 自闭症的病因 |
2.2.2 自闭症儿童身心特征 |
2.2.3 自闭症的主要疗法 |
2.3 DMT概述 |
2.3.1 DMT的发生 |
2.3.2 DMT的先驱者们 |
2.3.3 DMT的基本特点 |
2.3.4 心理学对DMT影响 |
2.4 DMT与自闭症 |
2.4.1 自闭症儿童的动作感觉 |
2.4.2 DMT对自闭症儿童的作用 |
2.4.3 动作分析与自闭症儿童DMT |
2.5 研究现状 |
2.5.1 DMT相关研究 |
2.5.2 自闭症儿童DMT相关研究 |
2.5.3 研究现状评述 |
2.6 本研究理论基础 |
2.6.1 拉班芭特尼芙动作体系(LBMS) |
2.6.2 凯斯滕伯格动作侧写(KMP) |
2.6.3 具身理论 |
第3章 研究设计 |
3.1 研究对象 |
3.2 研究方法 |
3.2.1 文献资料法 |
3.2.2 实验法 |
3.2.3 访谈法 |
3.2.4 数理统计法 |
3.3 干预设计与实施 |
3.3.1 干预目标 |
3.3.2 干预阶段 |
3.3.3 干预强度、频率、时间 |
3.3.4 干预内容 |
3.3.5 处方设计 |
3.3.6 实施过程描述 |
第4章 DMT对自闭症儿童身心健康的影响 |
4.1 所有身体指标的变化 |
4.1.1 身体机能指标的变化 |
4.1.2 身体素质指标的前后变化 |
4.1.3 大动作能力的变化(TGMD量表) |
4.1.4 分析小结 |
4.2 心理指标的变化 |
4.2.1 自闭症儿童行为量表(ABC)干预前后的变化 |
4.2.2 社会反应量表SRS干预前后的变化 |
4.2.3 智商水平干预前后的变化干预方法 |
4.2.4 表情识别能力的变化 |
4.2.5 社交沟通能力SCQ量表的变化 |
4.2.6 社会能力和行为能力的变化CBCL社会能力 |
4.2.7 重复刻板行为(RBS-R)的变化 |
4.2.8 分析小结 |
第5章 家庭成员反馈 |
5.1 身体维度的反馈 |
5.1.1 开放式编码 |
5.1.2 主轴式编码 |
5.1.3 选择式编码 |
5.1.4 代表性访谈内容摘录 |
5.2 心理维度反馈 |
5.2.1 开放式编码 |
5.2.2 主轴式编码 |
5.2.3 选择式编码 |
5.2.4 代表性访谈内容摘录 |
5.3 小结 |
第6章 基于动作观察视角下的个案分析 |
6.1 情况与动作诊断 |
6.2 干预描述 |
6.2.1 第一次描述 |
6.2.2 第五次描述 |
6.2.3 第十次描述 |
6.2.4 第十五次描述 |
6.2.5 第二十次描述 |
6.3 数据分析 |
6.3.1 预力效Pre-Efforts |
6.3.2 力效Effort |
6.3.3 形体流Shape Flow |
6.4 KMP动作分析结论 |
第7章 总结论 |
7.1 DMT有助于自闭症儿童的身体重建 |
7.2 DMT助长或增进自闭症儿童人际间的交流 |
第8章 分析与讨论 |
8.1 “圈”的力量 |
8.2 镜像、模仿、同步动作和动作合作 |
8.3 自信与领导力 |
8.4 具身化认知 |
8.5 团体的节奏性 |
8.6 音乐与道具 |
8.7 “缺陷动作”的利用 |
8.8 身体动作能力 |
8.9 动作观察分析 |
第9章 不足与建议 |
9.1 不足 |
9.2 建议 |
9.2.1 提升对DMT的认知 |
9.2.2 建立健康的安全的治疗 |
9.2.3 治疗前全方位评估的重要性 |
9.2.4 亟需适合特殊人群的动作评估方法 |
9.2.5 中国本土化推广的价值 |
9.3 研究前景 |
致谢 |
参考文献 |
附录1: 访谈提纲 |
附录2: 博士期间科研及获奖情况 |
(6)有限训练样本条件下的分类器构建与应用(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
1.1 研究背景与课题来源 |
1.1.1 研究背景及意义 |
1.1.2 课题来源 |
1.2 有限训练样本条件下的分类器构建问题 |
1.2.1 机器学习与分类器构建方法 |
1.2.2 基于有限训练样本的分类器构建 |
1.3 本文关注的主要任务 |
1.3.1 细粒度图像分类 |
1.3.2 多标签图像分类 |
1.3.3 结构化数据分析 |
1.4 本文的主要工作及内容安排 |
1.5 小结 |
2 分类器构建基本理论与研究现状 |
2.1 统计机器学习 |
2.1.1 统计学习概述 |
2.1.2 支持向量机的基本原理 |
2.1.3 支持向量机的改进与应用 |
2.2 人工神经网络与深度学习 |
2.2.1 神经网络概述 |
2.2.2 卷积神经网络 |
2.2.3 循环神经网络 |
2.2.4 常见的面向有限训练样本的深度学习方法 |
2.3 生成对抗网络 |
2.3.1 生成对抗网络的基本原理 |
2.3.2 生成对抗网络的改进与应用 |
2.4 注意力机制 |
2.4.1 注意力机制的基本原理 |
2.4.2 注意力机制的改进与应用 |
2.5 多模态学习 |
2.5.1 多模态学习概述 |
2.5.2 教育学、心理学领域的多模态认知机理 |
2.5.3 多模态机器学习 |
2.6 本文所提分类器构建算法的必要性 |
2.7 小结 |
3 基于对抗迁移学习的细粒度图像分类 |
3.1 问题概述 |
3.1.1 细粒度图像分类的主要方法 |
3.1.2 迁移学习与域适应 |
3.1.3 基于生成对抗网络的迁移学习域适应 |
3.2 一种带有注意力机制的多对抗递进式迁移学习网络AMAN |
3.2.1 层次化多对抗网络框架 |
3.2.2 基于对抗学习的多尺度注意力提取 |
3.2.3 多尺度图像特征融合 |
3.2.4 “主动标签”与SVM分类器 |
3.3 在公共领域数据集上的实验分析 |
3.3.1 实验说明 |
3.3.2 在CUB-200-2001数据集上的实验分析 |
3.3.3 在Stanford Dogs数据集上的实验分析 |
3.3.4 在Oxford Flowers数据集上的实验分析 |
3.4 AMAN分类器在递进式遥感图像解译中的应用 |
3.4.1 实验说明 |
3.4.2 在NWPU-RESISC45数据集上的实验分析 |
3.4.3 在AID数据集上的实验分析 |
3.4.4 由NWPU-RESISC45数据集到AID数据集的迁移实验分析 |
3.4.5 实际应用 |
3.5 小结 |
4 基于跨模态表示学习的多标签图像分类 |
4.1 问题概述 |
4.1.1 多标签图像分类的主要方法 |
4.1.2 采用CNN-RNN框架的多标签图像分类 |
4.2 一种基于跨模态表示学习与标签图挖掘的残差多注意力CNN-LSTM网络模型CM-GM |
4.2.1 残差多注意力图像特征抽取 |
4.2.2 多模态标签表示学习与标签图挖掘 |
4.2.3 跨模态特征对齐 |
4.2.4 基于显着标签分析的双向LSTM预测器 |
4.3 在公共领域数据集上的实验分析 |
4.3.1 实验说明与评价指标 |
4.3.2 在MS-COCO数据集上的实验分析 |
4.3.3 在NUS-WIDE数据集上的实验分析 |
4.4 CM-GM分类器在多标签遥感图像解译中的应用 |
4.4.1 实验说明 |
4.4.2 在UC-Merced数据集上的实验分析 |
4.4.3 在BigEarthNet数据集上的实验分析 |
4.4.4 实际应用 |
4.5 小结 |
5 基于机器学习与智能优化的矿山安全分析 |
5.1 基于蜂群参数优化的支持向量机在矿山瓦斯分析中的应用 |
5.1.1 问题概述 |
5.1.2 一种改进的自适应蜂群算法 |
5.1.3 基于蜂群参数优化的LSSVM分类器构建 |
5.1.4 实验与应用 |
5.2 基于蚁群算法的无人机航迹规划在边坡图像获取中的应用 |
5.2.1 问题概述 |
5.2.2 基于蚁群算法的无人机航迹规划 |
5.2.3 实验与应用 |
5.3 小结 |
6 结论 |
6.1 论文的创新点 |
6.2 工作展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(7)信息化社会的戏曲传承 ——以川剧为例的“互联网+戏曲”研究(论文提纲范文)
中文摘要 |
ABSTRACT |
绪论 |
一、选题背景及研究意义 |
二、川剧数字化研究综述 |
三、研究方法与技术路线 |
四、主要观点与创新之处 |
第一章 信息化与戏曲传承 |
第一节 社会进化与戏曲发展的关系 |
第二节 信息技术对戏曲传承的影响 |
第三节 戏曲APP传播能力量化分析 |
第二章 川剧传承研究设计 |
第一节 川剧文化传承现状与存在问题 |
第二节 川剧互联网传播的大数据分析 |
第三节 川剧数字化传承发展路径设计 |
第三章 川剧传承的云保护 |
第一节 川剧传承的数字化记录 |
第二节 川剧传承的数据云存储 |
第三节 川剧传承的数据云容灾 |
第四章 川剧传承的云共享 |
第一节 川剧传承数字化云平台共享 |
第二节 川剧传承数字化元数据开放 |
第三节 川剧传承数字化软应用开放 |
第五章 川剧传承的云传播 |
第一节 川剧传承的数字化教学 |
第二节 川剧传承的网络化传播 |
第三节 川剧传承的个性化分享 |
第六章 余论:“互联网+戏曲”的发展前景 |
结论 |
参考文献 |
在学期间的研究成果 |
致谢 |
(8)基于多维特征的题型自动分类技术及在智能题库中的应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状 |
1.2.1 自然语言处理国内外研究现状 |
1.2.2 文本表示国内外研究现状 |
1.2.3 文本自动分类技术国内外研究现状 |
1.3 本文的主要研究内容 |
1.4 本文的组织结构 |
第二章 相关理论与技术 |
2.1 初等数学问题文本特点 |
2.2 相关自然语言处理技术 |
2.2.1 中文分词 |
2.2.2 命名实体识别 |
2.2.3 概率图模型 |
2.3 深度学习及常用神经网络结构综述 |
2.3.1 全连接神经网络 |
2.3.2 卷积神经网络 |
2.3.3 循环神经网络 |
2.4 文本表示方法 |
2.4.1 向量空间模型 |
2.4.2 分布式词向量 |
2.4.3 CBOW和Skip-Gram |
2.5 相关中文自然语言处理工具 |
2.5.1 分词和词性标注工具 |
2.5.2 命名实体识别工具 |
2.6 文本自动分类算法概述 |
2.7 基于神经网络的文本分类技术 |
2.7.1 Softmax和交叉熵 |
2.7.2 基于神经网络的文本分类的一般结构 |
2.8 自动推理技术 |
2.9 本章小结 |
第三章 基于多特征的题型自动分类技术研究 |
3.1 初等数学问题分类体系研究 |
3.2 问题集数据特点分析 |
3.3 针对初等数学问题的文本预处理技术 |
3.3.1 文本规范化 |
3.3.2 针对初等数学文本的分词、词性标注 |
3.3.3 数学命名实体识别技术和数学实体同义化 |
3.4 初等数学问题的特征提取研究 |
3.4.1 文本特征提取方法 |
3.4.2 数理逻辑特征提取 |
3.4.3 面向对象的数学知识表示 |
3.4.4 基于规则触发的自动标注方法 |
3.5 常见深度文本分类模型 |
3.5.1 TextCNN |
3.5.2 FastText |
3.5.3 TextRNN |
3.5.4 Hierarchical Attention Network |
3.6 融合多特征的题型自动分类模型研究 |
3.6.1 输入层 |
3.6.2 特征学习层 |
3.6.3 融合层 |
3.6.4 分类层 |
3.7 本章小结 |
第四章 基于多特征的题型自动分类系统设计与实现 |
4.1 系统总体设计 |
4.2 请求解析模块 |
4.3 NLP服务模块 |
4.3.1 分词与词性标注 |
4.3.2 命名实体识别 |
4.4 预处理模块 |
4.4.1 文本规范化 |
4.4.2 分词、词性标注与命名实体识别 |
4.4.3 同义词替换 |
4.4.4 数学实体同义化 |
4.5 知识点自动标注模块 |
4.5.1 知识点对象 |
4.5.2 知识点容器 |
4.5.3 自动标注策略的实现 |
4.5.4 知识点序列的生成 |
4.6 分类请求模块 |
4.7 分类服务模块 |
4.7.1 模型训练 |
4.7.2 分类服务的搭建 |
4.8 本章小结 |
第五章 系统测试与分析 |
5.1 测试环境 |
5.2 数学命名实体识别测试 |
5.2.1 数据集说明 |
5.2.2 测试结果 |
5.3 数学问题自动分类模型测试 |
5.3.1 数据集说明 |
5.3.2 关键参数实验 |
5.3.3 改进策略的有效性实验 |
5.4 模型对比实验 |
5.4.1 模型参数设定 |
5.4.2 测试结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文的主要工作 |
6.2 研究中的不足与展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(9)平面几何题目的自动解答研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 研究目标 |
1.3 研究内容 |
1.4 本文的创新点 |
1.5 论文的结构安排 |
第2章 相关研究现状综述 |
2.1 自动解答的一般流程 |
2.2 题目自动解答研究综述 |
2.2.1 数学题目自动解答方法和系统 |
2.2.2 本节小结 |
2.3 题目理解方法综述 |
2.3.1 基于自然语言题目文本的题目理解方法 |
2.3.2 基于图形的题目理解方法 |
2.3.3 基于多模态信息融合的题目理解方法 |
2.3.4 本节小结 |
2.4 自然语言文本关系抽取算法综述 |
2.5 平面几何自动推理方法综述 |
2.6 几何辅导系统综述 |
2.7 本章小结 |
第3章 基于关系抽取的平面几何自动解答理论 |
3.1 初等数学典型平面几何题目的求解过程分析 |
3.2 平面几何题目的自动解答理论 |
3.2.1 等价表示理论 |
3.2.2 等价转换理论 |
3.2.3 类人解答理论 |
3.3 基于关系抽取的平面几何题目的理解方法 |
3.4 本章小结 |
第4章 基于句法语义混合模型的纯文本平面几何题目的自动解答 |
4.1 求解方法概述 |
4.2 基于句法语义混合模型的纯文本几何应用题目的解答 |
4.2.1 算法流程 |
4.2.2 S~2模型创建 |
4.2.3 题目文本的语言分析 |
4.2.4 使用S~2模型提取直陈述关系 |
4.2.5 隐含关系添加 |
4.2.6 实例化方程组并求解 |
4.2.7 答案文本生成 |
4.3 基于句法语义混合模型的纯文本平面几何证明题目的解答 |
4.3.1 算法流程 |
4.3.2 分词和标注 |
4.3.3 几何实体识别 |
4.3.4 几何关系提取 |
4.3.5 推理和解答 |
4.4 几何应用题目的解答实验 |
4.4.1 数据集 |
4.4.2 S~2模型构建 |
4.4.3 基线(baseline)算法 |
4.4.4 评估标准 |
4.4.5 实验结果和分析 |
4.5 平面几何证明题目的解答实验 |
4.5.1 数据集 |
4.5.2 基线(baseline)算法 |
4.5.3 评估标准 |
4.5.4 实验结果和分析 |
4.6 本章小结 |
第5章 基于机器学习的纯文本平面几何题目的自动解答 |
5.1 引言 |
5.2 问题描述 |
5.3 基于机器学习的几何关系抽取 |
5.3.1 算法描述 |
5.3.2 候选关系生成 |
5.3.3 几何关系识别 |
5.4 实验和分析 |
5.4.1 数据集 |
5.4.2 实验设置 |
5.4.3 实验结果和分析 |
5.4.4 基于几何关系的题目求解 |
5.5 本章小结 |
第6章 基于文本和几何图形双模态理解的平面几何题目解答 |
6.1 引言 |
6.2 问题的形式化描述 |
6.3 平面几何图形理解 |
6.3.1 几何基元的检测 |
6.3.2 基本几何关系的挖掘 |
6.3.3 派生几何关系的生成 |
6.4 基于双模态信息融合的题目理解 |
6.5 基于双模态题目理解的平面几何题目解答 |
6.6 实验和分析 |
6.6.1 数据集 |
6.6.2 评估标准 |
6.6.3 实验结果和分析 |
6.7 本章小结 |
第7章 智能交互式几何辅导系统 |
7.1 几何题目理解模块 |
7.1.1 手绘平面几何图形的理解 |
7.2 几何题目求解模块 |
7.3 可视化交互模块 |
7.3.1 手绘平面几何图形的规整化 |
7.3.2 文本-图形对应关系的建立 |
7.3.3 可视化效果呈现 |
7.4 基于手绘几何图形的交互式人机界面 |
7.5 系统的初步评估 |
7.5.1 平面几何题目理解和求解的性能评估 |
7.5.2 系统在学生进行几何学习中的初步评估 |
7.6 本章小结 |
第8章 总结和展望 |
8.1 本文的研究总结 |
8.2 进一步的研究和展望 |
参考文献 |
攻读博士期间发表的论文和科研成果 |
致谢 |
(10)跨站脚本漏洞检测技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号使用说明 |
第一章 绪论 |
1.1 研究背景 |
1.2 跨站脚本漏洞 |
1.2.1 漏洞原理 |
1.2.2 数据即代码,代码即数据 |
1.2.3 漏洞示例 |
1.2.4 漏洞种类 |
1.2.5 漏洞利用策略 |
1.3 研究内容及主要贡献 |
1.3.1 研究内容 |
1.3.2 主要贡献 |
1.4 论文组织结构 |
第二章 研究现状 |
2.1 服务端跨站脚本 |
2.1.1 反射型 |
2.1.2 存储型 |
2.2 客户端跨站脚本 |
2.2.1 基于DOM型 |
2.2.2 通用型 |
2.2.3 突变型 |
2.2.4 跨上下文型 |
2.3 跨站脚本蠕虫 |
2.3.1 概述类 |
2.3.2 检测和预防 |
2.3.3 仿真建模 |
2.4 本章小结 |
第三章 面向浏览器扩展的源于DOM的跨站脚本漏洞检测技术 |
3.1 引言 |
3.2 浏览器扩展Greasemonkey |
3.3 源于DOM的跨站脚本漏洞 |
3.4 技术方法 |
3.4.1 总体框架 |
3.4.2 轻量级静态分析 |
3.4.3 动态分析 |
3.5 技术实现 |
3.6 实验结果及分析 |
3.6.1 实验设置 |
3.6.2 实验结果 |
3.6.3 讨论 |
3.7 本章小结 |
第四章 面向正则表达式增强的跨站脚本漏洞检测技术 |
4.1 引言 |
4.2 动态符号执行与约束求解 |
4.3 正则表达式的挑战 |
4.4 技术方法 |
4.4.1 总体框架 |
4.4.2 Z3-regex正则表达式约束描述语言 |
4.4.3 Z3-regex对于正则表达式特性的支持 |
4.5 技术实现 |
4.6 实验 |
4.6.1 实验设置 |
4.6.2 实验结果 |
4.6.3 讨论 |
4.7 本章小结 |
第五章 基于基因序列比对算法的跨站脚本漏洞污点推断技术 |
5.1 引言 |
5.2 污点推断 |
5.3 URL重写 |
5.4 HTML净化 |
5.5 技术方法 |
5.5.1 跨站脚本漏洞污点推断与基因序列比对的类比 |
5.5.2 局部基因序列比对 |
5.5.3 空位罚分 |
5.5.4 基于局部序列比对和净化罚分的污点推断技术 |
5.6 实验结果及分析 |
5.6.1 实验设置 |
5.6.2 实验结果 |
5.6.3 讨论 |
5.7 本章小结 |
第六章 基于序列到序列模型的跨站脚本漏洞检测技术 |
6.1 引言 |
6.2 跨站脚本漏洞扫描器 |
6.3 基于机器学习的跨站脚本漏洞检测 |
6.4 技术方法 |
6.4.1 跨站脚本漏洞检测与智能问答系统的类比 |
6.4.2 生成式智能问答系统技术解决方案 |
6.4.3 基于序列到序列模型的跨站脚本漏洞检测技术 |
6.5 技术实现 |
6.6 实验结果及分析 |
6.6.1 实验设置 |
6.6.2 实验结果 |
6.6.3 讨论 |
6.7 本章小结 |
第七章 总结与展望 |
7.1 工作总结 |
7.2 研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
四、智能ABC输入技巧(论文参考文献)
- [1]网络时代美国创剧人研究[D]. 尤达. 南京艺术学院, 2021(12)
- [2]云模型优化的模拟电路故障诊断智能方法研究[D]. 李峰. 桂林电子科技大学, 2020(02)
- [3]基于ABC-BP神经网络的RFID室内定位研究与实现[D]. 唐敏喆. 广西大学, 2020(03)
- [4]基于规则引擎的三角函数解题系统的设计与实现[D]. 龚超. 电子科技大学, 2020(07)
- [5]舞蹈/动作治疗对自闭症儿童身心健康影响的干预研究[D]. 马古兰丹姆. 上海体育学院, 2020(11)
- [6]有限训练样本条件下的分类器构建与应用[D]. 陈鹏. 北京科技大学, 2020(06)
- [7]信息化社会的戏曲传承 ——以川剧为例的“互联网+戏曲”研究[D]. 李金兆. 山西师范大学, 2019(05)
- [8]基于多维特征的题型自动分类技术及在智能题库中的应用[D]. 叶至伟. 电子科技大学, 2019(01)
- [9]平面几何题目的自动解答研究[D]. 甘文斌. 华中师范大学, 2018(01)
- [10]跨站脚本漏洞检测技术研究[D]. 潘瑾琨. 国防科技大学, 2017(02)