基于Seam Carving的双向接缝裁剪图像重定向

在比较现有图像重定向技术方法基础上,针对传统Seam Carving方法,其图像边缘重要度图的表征内容感知存在忽视了图像内容主体与边缘关系的问题,提出一种双向接缝裁剪的图像重定向改进方法.该方法通过结合检测边缘的梯度能量图和检测内容的显著性图,突出重要对象主体和保护重要边缘信息,同时延缓裁剪细缝穿过重要信息的可能性,能够保持重定向图像的重要部分与图像整体之间的布局合理关系.以SIFT Flow算法作为质量评估参考,利用实验数据集和多组对比实验,验证了本研究图像重定向改进方法具有良好的视觉改善效果.     

犹豫模糊信息下的双向投影决策方法

研究了面向犹豫模糊信息的投影决策方法. 定义了犹豫模糊信息下， 方案和正、负理想点形成的向量表达方式， 建立了针对犹豫模糊信息的向量投影测度方法； 提出了基于正负理想点的贴近度测算公式； 构建了基于Jaynes最大熵原理和方案公平竞争下的属性权重确定模型. 算例说明方法的有效性和可行性.     

带有增强和变换因子的三层结构双向联想记忆神经网络

提出了一种带有增强和变换因子的三层结构的双向联想记忆神经网络。介绍了增强和变换因子的巧妙选取方法,此方法可使网络很好地适用于相关度很高的样本。但是网络容量的增加往往伴随着寄生稳态点的增加,为避免这种情况,在网络中引入三层结构,这种新的双向联想记忆神经网络能够确保任意相关的样本达到完美的双向联想记忆。仿真实验证明了该方法的优越性。     

连续多点成形过程中应力应变场数值分析

结合连续多点成形的基本原理描述了其成形特征.建立了成形球形件的有限元模型,探讨了板材在连续多点成形过程中不同区域的应力应变情况,模拟了球形件在成形过程中的等效应力场和塑性应变场,并对其分布情况进行了分析,从双向弯曲的角度模拟了板材在加载区域的应力场和应变场分布,对模拟结果进行了分析.应力应变场的模拟结果与弯曲变形时应力应变状态吻合.通过对应力场和应变场的数值分析可以清晰观察板材的成形状态,从而制定出可靠的成形工艺.     

基于容错性的模糊双向联想记忆学习算法

本文给出了模糊双向联想记忆网络吸引子的一个非退化的吸引域。在此基础上设计了一个基于网络容错性的关于连接权矩阵的解析学习算法,使得在一定的条件下,所讨论的模糊模式对均为网络的吸引子,而且各自具有非退化的吸引域。最后用实例验证了我们的结论。     

基于时间关系的Bi-LSTM+GCN因果关系抽取

针对传统时间关系只应用在机器学习方向关系抽取的问题, 提出一种基于序列标注实体识别的关系抽取方法. 先构建双向长短期记忆网络(Bi-LSTM)模型进行特征提取, 再输入时间关系作为特征矩阵进行图卷积. 实验结果表明: 时间关系能提高因果关系抽取效果, 并且包含时间关系的Bi-LSTM+GCN模型能有效抽取因果事件; 带有时间关系的Bi-LSTM+GCN模型获得因果关系的抽取结果优于传统方法因果关系的抽取结果.     

Exploring a Deep Analysis Method for Click-Stream Information from the Perspective of the Flow of Bidirectional Value of Customer Relations Based on Ricoeur''s Hermeneutic Theory

Click-streams of online shopping are the tracks/trails of interactions between a customer and a vendor.We observe that it is of great importance both in theory and practice to explore a deep analysis method for analyzing click-stream information of an individual customer in a specific transaction for understanding the bidirectional value transfer within the machine-human interaction of an online store and for its personalization.We analyze the significance,the hierarchical structure and the characteristics ...     

具有分布时滞的双向联想记忆神经网络稳定性分析

考虑分布时滞的双向联想记忆神经网络模型,并且给出其平衡态一致稳定和全局渐近稳定的充分条件。     

基于BERT模型的司法文书实体识别方法

采用手工分析案件卷宗，容易产生案件实体遗漏现象及提取特征效率低下问题.为此，使用基于双向训练Transformer的编码器表征预训练模型.在手工标注的语料库中微调模型参数，再由长短时记忆网络与条件随机场对前一层输出的语义编码进行解码，完成实体抽取.该预训练模型具有巨大的参数量、强大的特征提取能力和实体的多维语义表征等优势，可有效提升实体抽取效果.实验结果表明，本文提出的模型能实现89%以上的实体提取准确度，显著优于传统的循环神经网络和卷积神经网络模型.     

基于更新信息的两级供应链双向期权合同研究

研究一个供应商和一个零售商组成两级供应链系统,在不确定性需求实现前,零售商能获取不确定性需求更新信息,零售商直接从供应商处购买确实已订量以及期权量,供应商有两次生产机会满足零售商订购需求.在分散控制系统中给出零售商最优双向期权订购策略和供应商最优生产策略,得出:双向期权能改善成员对不确定性需求响应程度,鼓励双方间风险共享,改善成员收益函数.在采用双向期权和回购合同相结合的分散控制系统中,给出期权价格和回购价格最优值,指出协调合同能增加零售商收益.