基于LDA的ESI研究前沿主题发现研究

文章利用LDA主题模型对ESI研究前沿进行主题发现研究,将每1期的ESI分类的22个学科领域的研究前沿视为1个文档,1年6期数据共计合成132个文档,再将这些文档构成文档集,利用R语言贡献包中的LDA函数进行主题建模,得到文档-主题-术语矩阵,在此基础上可视化表征学科领域的主题及其演变、交叉融合。     

基于LDA模型对国家海洋博物馆游客在线评论的主题分析

随着文化旅游的兴起,博物馆成了吸引游客的重要目的地。国家海洋博物馆作为展示海洋文化的重要场所,其游客反馈对于提升博物馆服务和游客体验具有重要意义。采用LDA模型对2023年8—10月期间,从大众点评网和携程网收集的国家海洋博物馆1 755条游客在线评论进行主题分析,旨在深入理解游客的关注点和满意度影响因素。提出以下建议,丰富展品的种类与陈列形式;加强管理服务水平,提升服务质量;促进博物馆与教育的融合发展,发挥社会教育功能;完善馆内设施,合理利用周边环境优势。研究结果不仅为国家海洋博物馆及其他文化旅游目的地提供改进策略,也为运用文本挖掘技术分析游客反馈提供新的视角和方法论参考。     

基于LDA主题模型的智慧社区新闻文本分析

智慧社区建设方兴未艾,是社区治理现代化的重要内容。运用潜在狄利克雷分配（LDA）主题模型法,对2015—2021年智慧社区新闻报道进行主题研究,全面展现我国智慧社区的实践现状、重要主体和治理模式。研究发现：“党建+网格化”治理模式是中国智慧社区建设重要制度支撑;治安和养老医疗是智慧社区服务发展的重要内容;疫情防控刺激了以政府主导、企业支撑为特征的智慧社区建设。     

促进深度学习的设问原则研究

网络学习已成为21世纪主要学习方式之一,然而网络学习的碎片化会带来浅层学习问题,已成为一个不争的事实,并引起人们的普遍关注。浅层学习并非网络时代的特定产物,不必回避网络学习,而应当找出能够对治浅层学习的正确方法——深度学习。了解深度学习的内涵、分析深度学习的特征,就能发现促进深度学习的关键在于教师的设问。因此,研究设问的总体原则和具体原则,为理论和实践探索一条行之有效的路径是十分重要的。文章对此展开了论述。     

基于深度学习的风机故障智能诊断

风力发电场往往建设在地方人稀的地区,分布范围很广,而且由于安装高度很高,导致很难直接实施观测与故障诊断。通过安装在线传感器,可以对数据进行实时监测,然而风机结构复杂,信号包含了大量噪声,对其进行高效的故障监测是一个难点。针对此,文章将深度学习引入故障识别中,通过使用堆栈式自动编码器建立智能识别网络,将信号频谱直接输入网络,不需要人工提取特征,实现风机的智能诊断。这种方式有效减少了人工工作量,大大提高了诊断的效率。     

基于LDA的工科科研主题识别与可视化研究

在新工科不断发展建设的背景下,应用型本科高校图书馆如何积极参与、变革服务并支撑新工科建设是需要关注的议题。文章以中国知网期刊全文数据库收录的近10年来南京工程学院工科文献为数据源,基于隐含狄利克雷分布模型提取研究主题,并利用pyLDAvis绘制研究主题的可视化结果。实验结果表明LDA模型能够有效地辅助图书馆馆员快速识别工科的热点主题,探索高校图书馆馆员利用数据科学技术完善精准知识服务的可能性。     

基于深度学习的高分辨率遥感影像解译技术研究

深度学习思想灵感来源于人脑视觉系统的层次化处理机制,与传统机器学习的最大不同就在于,无须人工设计特征,由深度学习模型自动提取并进行训练。文章研究了基于深度学习的影像解译技术,主要使用了基于预训练卷积神经网络的全卷积神经网络模型架构,构建了基于深度学习的影像解译框架,从模型的构建、样本库设计、模型训练验证等方面进行了分析和研究,实现了一套基于深度学习的影像解译技术流程,为新型基础测绘和自然资源要素提取等应用提供了技术支撑。     

基于深度学习和多传感器信息融合的全场景自动泊车技术研究和应用

本项目利用车身车载4个全景环视摄像头、融合车周围12个超声波雷达信号,并结合IMU、轮速计等多传感器信息,通过对深度学习、多维感知信息融合分析、车身姿态高精度定位、路径规划及运动控制等技术开展研究,进行复杂城市场景下的自动泊车应用研发,实现可适应包括平行车位、垂直车位、斜方位车位、特殊车位等多种复杂车位条件下,白天夜晚停车等全场景的自动泊车应用。     

MOOC背景下大学生深度学习研究

随着互联网的发展,MOOC教育平台的研究成为热点。相较于传统教育模式,MOOC具有开放性、互动性、课程多样性等特点。但MOOC模式下深度学习遇到障碍。本文通过对MOOC背景下大学生深度学习过程进行分析,对促进大学生深度学习提出相关建议。     

基于深度学习的变电站机器人仪表检测研究

为提升变电站巡检机器人对仪表的识别检测能力,将深度学习技术应用于变电站仪表检测中,提出一种适用于变电站巡检机器人的轻量级卷积神经网络.该网络以深度可分离卷积替代传统卷积作为特征提取基本单元,有效降低网络参数.同时,针对不同尺寸的目标,采用反卷积多通道融合和多支路空洞卷积相结合的方式,提升网络对图像多尺度特征信息的获取,保证网络检测精度.通过实验表明,所提网络在目标检测精度以及效率上都有较大提升,并能较好地应用于变电站巡检机器人仪表检测中,实现高效识别检测.     

深度学习改变人工智能？

对普通消费者而言,深度学习意味着软件能够更好地完成照片分类、语音识别和在线翻译;对科学家而言,深度学习意味着可以更方便地寻找药物并且更彻底的解放人类：更重要的是对商人而言,深度学习意味着全新的商业模式,进而代表着颠覆现有巨头的机会。     

基于LDA模型的专利文本主题分析——以国内元宇宙领域为例

为了探究元宇宙作为新兴产业的热点,解决国内元宇宙领域研究重点不明确的问题,提出使用LDA主题模型的专利文本分析方法。将LDA主题模型运用到国内元宇宙领域相关专利文本分析中,结合人为判断和主题困惑度的方法,实现了对专利技术主题的识别和划分。通过实验分析得出结论：人工智能、区块链、云计算等是当前中国元宇宙产业应用专利的热点技术;通过LDA主题模型分析国内元宇宙的专利文本,可以实现其技术热点主题的分类和细分判别,可以为未来的行业发展提供建议。     

指向终身学习与深度学习的工业设计混合式教学模式研究

工业设计的学科迭代性对高层次设计人才提出了终身学习和深度学习的要求,混合式教学为此提供了方法和技术保障.教师可同时利用线上广泛的教学资源和课堂有限的教学时间,培养学生的自主学习能力,引导学生可持续地动态摄取知识,在实践中构建工业设计混合式教学模型,进而推动教师和学生持续性地双向学习与知识深挖,同步提升教师和学生的综合能...     

基于共同前沿的中国区域创新效率研究

文章在考虑不同区域存在技术差距的前提下,首次运用共同前沿考察了2002-2012年中国三大区域的创新效率,并定量测算中国区域创新水平的差异性。研究发现:中国总体创新效率偏低,创新水平有巨大的提升空间,实现创新驱动发展的目标依然任重而道远;参考不同技术集合,三大区域在群组前沿和共同前沿下呈现不同的发展格局;东部区域与当前全国最优创新水平非常接近,而中西部区域创新技术缺口比率始终低于全国平均水平,且波动幅度较大;三大区域之间的创新水平差距有可能进一步扩大。     

基于FPGA和深度学习的智能交通灯系统的设计和实现

文章在Quartus Ⅱ环境下,利用VHDL语言并结合硬件电路设计了一种基于FPGA芯片和深度学习的智能交通灯控制系统。该系统由控制模块、时钟分频模块、分位模块、显示模块和图像识别模块组成。图像识别模块是利用深度学习的方法来实现其功能,其它模块的功能是利用VHDL语言来实现,在Quartus Ⅱ平台上进行分模块编译、仿真,并生成相应的模块元件,然后通过顶层电路图进行连接,最后进行编译和仿真。图像识别模块的加入使得系统可对紧急情况下的交通路口进行快速有效管理,从而实现交通灯控制系统的智能化。     

基于语义嵌入深度学习的Web文本情感分类

互联网用户数量的迅猛增涨,为网络提供了大量的文本数据,对这些海量文本进行有效的情感分类,是自然语言处理领域需要解决一个难题。Web文本的情感反映了网络用户利用文字抒发的针对某对象或事物不同的情感表示,情感极性的分类可以是褒奖的、中立的或批评的。由于中文Web文本的语义表达结构和形式复杂多样,一般模型难以实现基于语义理解基础上的情感分类,提出了基于语义嵌入深度学习的情感分类模型。将语义提取、语义嵌入和深度学习相结合,实现Web文本在复杂语境下的有效情感分类。     

基于CiteSpace的人口变动研究前沿和热点分析

采用CiteSpace文献可视化分析软件,以WOS(Web of Science)数据库来源文献和CNKI(中国知网知识发现网络平台)来源文献的知识图谱作为分析依据,探究人口变动研究的前沿和热点。结果表明：人口变动研究正从范式积累期向范式变革期平稳过渡;中国人口变动研究较为局限,具有“实用性”特征,横向发展趋势明显;自然变动和迁移变动是人口变动研究前沿,对社会变动关注不足。     

基于LDA模型及情感分析的电影主题公园评论文本研究

以中国电影主题公园为例,收集多个旅游网站游客评论数据,采用LDA(latent dirichlet allocation)主题模型方法、共现网络分析方法及情感分析方法对游客评论文本进行研究。结果表明,国内电影主题公园游客评论可以分为旅游服务主题、旅游景观主题、整体感知主题以及活动体验主题4个主题。结合共现网络分析及情感分析结果识别当前景区现状及痛点,为文旅企业经营者提供较为准确的游客偏好信息,也为企业后续管理及决策提供相关理论及数据支撑。     

汉字识别技术的研究进展分析

为全面深入地掌握汉字识别技术的研究现状与应用进展,基于WOS数据库中汉字识别研究领域的文献数据,利用 CiteSpace可视化软件进行文献计量与知识图谱分析。结果表明：中国的高校和研究所是汉字识别研究的核心力量;汉字识别技术的发展历程由早期的传统方法OCR技术演化为中期的联机手写汉字识别,再到近期基于深度学习的汉字识别研究;研究前沿为手写汉字识别、混合语言模型、生成对抗网络和场景文本识别;汉字识别技术将朝着高效率及智能化方向发展。