排序方式: 共有31条查询结果,搜索用时 25 毫秒
1.
2.
M序Walsh变换的快速算法设计 总被引:10,自引:0,他引:10
讨论了Walsh函数系的一种序一逆Walsh序(M序),利用矩阵分解法设计了4种M序的快速Walsh变换算法。 相似文献
3.
4.
5.
MEMS器件设计流程中,为优化MEMS器件,常常需要对MEMS掩模进行精化设计.为了在MEMS精化设计中同步更新MEMS掩模与几何模型,提出一种面向掩模精化的表面微加工MEMS器件几何建模方法.该方法主要通过建立MEMS器件几何模型和工艺模型之间的依赖关系图,通过变动依赖关系,求出掩模精化所影响的几何元素,而后在几何模型中仅仅更新所影响的几何元素;对于所对应的几何模型存在拓扑突变等情况,该方法采用参数限定或局部几何模拟进行更新.实例分析表明,提出的几何建模方法能快速有效地响应掩模精化,从而有效地促进MEMS器件设计. 相似文献
7.
序列标注是自然语言处理领域的基本任务。目前大多数序列标注方法采用循环神经网络及其变体直接提取序列中的上下文语义信息,尽管有效地捕捉到了词之间的连续依赖关系并取得了不错的性能,但捕获序列中离散依赖关系的能力不足,同时也忽略了词与标签之间的联系。因此,提出了一种多级语义信息融合编码方式,首先,通过双向长短期记忆网络提取序列上下文语义信息;然后,利用注意力机制将标签语义信息添加到上下文语义信息中,得到融合标签语义信息的上下文语义信息;接着,引入自注意力机制捕捉序列中的离散依赖关系,得到含有离散依赖关系的上下文语义信息;最后,使用融合机制将3种语义信息融合,得到一种全新的语义信息。实验结果表明,相比于采用循环神经网络或其变体对序列直接编码的方式,多级语义信息融合编码方式能明显提升模型性能。 相似文献
8.
图节点的低维嵌入在各种预测任务中是非常有用的,如蛋白质功能预测、内容推荐等。然而,多数方法不能自然推广到不可见节点。图采样聚合算法(Graph Sample and Aggregate,Graphsage)虽然可以提高不可见节点生成嵌入的速度,但容易引入噪声数据,且生成的节点嵌入的表示能力不高。为此,文中提出了一种基于KNN与矩阵变换的图节点嵌入归纳式学习算法。首先,通过KNN选取K个邻节点;然后,根据聚合函数生成聚合信息;最后,利用矩阵变换与全连接层对聚合信息和节点信息进行计算,得到新的节点嵌入。为了有效权衡计算时间与性能,文中提出一种新的聚合函数,对邻节点特征运用最大池化作为聚合信息输出,以更多地保留邻节点信息,降低计算代价。在reddit和PPI两个数据集上的实验表明,所提算法在micro-f1和macro-f1两个评价指标上分别获得了4.995%与10.515%的提升。因此,该算法可以大幅减少噪声数据,提高节点嵌入的表示能力,快速有效地为不可见节点及不可见图生成节点嵌入。 相似文献
9.
10.