排序方式: 共有16条查询结果,搜索用时 0 毫秒
1.
针对安全领域所涉及的文本中存在大量人为混淆的文字的问题,提出一种基于汉字知识图谱的BERT(Bidirectional Encoder Representation from Transformers)预训练模型,表征汉字的读音、字形、语义三个维度的特征,构建纠错算法。首先,构建汉字知识图谱刻画汉字的读音、字形拆解、繁简转换、汉字与数字转换等属性和关系,并基于汉字知识图谱中的读音属性和node2vec模型训练得到汉字读音向量;其次,基于知识图谱中字形关系构建node2vec模型,得到node2vec字形向量,并结合卷积神经网络(CNN)方法训练字形向量,两者之和作为最终的字形向量;最后,基于BERT预训练模型,融合读音、字形、语义三维度的向量,并在不同维度间使用自注意力机制加权求和,发现错误字位置并选择正确的候选字。为验证所提模型的有效性,在安全领域诈骗短信数据集上,将所提模型与FASpell、SpellGCN、Soft-Masked BERT进行了对比。实验结果表明,所提模型的正确率和召回率比FASpell分别提升了24.7、21.6个百分点,比SpellGCN分别提升了22.2、1... 相似文献
2.
在核医学中,单光子发射计算机断层(single-photon emission computed tomograpy,SPECT)骨显像是辅助医师诊断癌症的重要手段。针对骨显像图像信噪比低、边界模糊、病灶小难以提取和人工勾画病灶耗时等问题,提出一种基于改进U-Net网络的骨显像病灶自动分割算法。该算法在U-Net的原卷积块基础上,采用了多尺度密集连接(multi-scale dense connection,MDC)的方式来提高对小病灶特征的提取能力,同时解决了网络加深后出现的梯度消失问题。其次,为提取病灶的细节特征,在密集连接和跳跃连接处引入了注意力机制结构。最后,针对使用小样本数据集,模型难以收敛的问题,采用迁移学习的方法,优化了模型的初始参数,提升模型的泛化能力和分割效率。此外,为了降低计算量、进一步提高分割效果,对数据集进行了裁剪和去噪。同时,将处理后的图像采用旋转、镜像等方法进行了数据扩充。实验结果表明,改进的U-Net的识别精确率(precision)、平均交并比(mean intersection-over-union,mIoU)分别能达到0.7352、0.4673,效果优于目前主流的分割算法,具有一定实际应用价值。 相似文献
3.
利用元素粉体热压烧结工艺制备了具有不同Si固溶含量的系列Ti3Al1-xSixC2(x=0.2、0.4、0.6)陶瓷材料,采用X射线衍射技术及Rietveld结构精修对所得产物的结构及相组成进行了分析,利用共聚焦显微镜、扫描电子显微镜研究了产物的表面形貌和晶粒结构,使用球-盘型摩擦实验机评估了材料的干摩擦行为。结果表明,Si的引入极大细化了Ti3Al1-xSixC2陶瓷的晶粒,并降低其相纯度。随着Si加入量的增加,大量Ti5Si3和Ti C杂相出现,Ti3Al1-xSixC2陶瓷的硬度逐步提升。而当Si加入量为0.4时,所得Ti3Al0.6Si0.4C2陶瓷表现出了最低的摩擦系数(COF),为0.... 相似文献
4.
5.
6.
采用液相剥离法制备二维黑磷烯纳米片(BP),将其与改性的MoS2通过水热法合成得到NH2-MoS2@BP,利用XRD、SEM、TEM对材料的形貌结构进行表征,并通过三电极体系测试析氢性能。结果表明,NH2-MoS2@BP形貌呈片层结构,BP在催化剂中颗粒很小且均匀的分布在其表面。在0.5mol/L H2SO4溶液中,当电流密度为10mA/cm2时,氨基的加入使催化剂的析氢过电位降低了20mV,BP的加入使催化剂的析氢过电位降低了90mV,塔菲尔斜率为95mV/dec,表明BP有利于改善改性MoS2的催化性能。此外,连续的循环伏安测试表明NH2-MoS2@BP具有较好的电催化稳定性。 相似文献
7.
8.
根据嗜水气单胞菌的气溶素(aerolysin,aerA)基因设计了特异性引物和探针,基于重组酶聚合酶扩增结合侧向流试纸条(RPA-LFS),建立了嗜水气单胞菌的快速检测方法.结果显示:建立的嗜水气单胞菌RPA-LFS检测方法在37℃孵育20 min即可完成;与其他水产养殖与食品安全致病菌无交叉反应;检测限为单次反应10 CFU.结果表明,建立的RPA-LFS检测嗜水气单胞菌的方法具有快速、特异、灵敏等优点,不依赖精密仪器,适用于实验资源有限的嗜水气单胞菌现场检测. 相似文献
9.
进行单光子发射计算机断层成像(single-photon emission computed tomography, SPECT)骨显像检查时,为减少给病人带来的辐射伤害,医师常会减轻辐射剂量,导致骨显像信噪比、分辨率较低,严重影响诊断以及病灶自动检测效果。为提升骨显像质量,提出了一种基于U-Net的两阶段SPECT骨显像降噪方法。首先,设计了一种U-Net噪声估计网络来快速估计每张骨显像的噪声水平,为主干降噪网络提供噪声先验知识。其次,主干降噪网络同样以U-Net为基础框架,同时结合多尺度特征融合、通道-空间注意力机制结构来增强网络的噪声特征提取能力,预测出噪声图。最后,通过残差学习得到降噪骨显像。同时,为解决使用均方误差(mean square error,MSE)损失函数的重建图像过于平滑的问题,设计了一种复合损失函数,保留骨显像的原有细节信息。实验中,向训练集中的骨显像施加不同噪声水平进行数据扩充,并且采用迁移策略解决模型过拟合问题。结果表明,与目前主流算法相比,所提出的降噪方法能够有效降低骨显像噪声,并且保留病灶细节特征。此外,通过盲降噪能够改善原骨显像质量、提升病灶自动分割... 相似文献
10.