基于CNN和XLNet的音乐多模态情感分析方法

在情感分析领域,仅依靠文本等单一模态进行情感分析,限制了从多模态数据中提取多样化特征的能力,限制了情感分析结果的准确度和鲁棒性。为此,提出了融合音频分析网络和文本分析网络的多模态情感分析方法。其中,利用预训练卷积神经网络(CNN)和迁移学习技术进行基于Mel频谱图的音频情感分类,通过改进的XLNet模型执行歌词文本的特征提取和情感分类任务。CNN和XLNet输出包含概率权重和不同情感值的情感预测矩阵,最后使用堆叠集成方法合并不同模态的输出结果,完成多模态情感分类。在自建民族音乐数据集的消融实验证明,多模态方法具有良好的互补性,在情感识别任务中的性能显著优于单模态方法。公开数据集结果表明,所提方法的分类准确度达到83.75%,优于其他先进方法。     

基于DE-SVM的船舶航迹预测模型

为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。     

基于BP算法的地下水模拟中 加速因子的确定

在大型线性方程组的超松弛迭代法求解中,加速因子经常难以确定.应用BP神经网络对其进行训练学习,经过对比分析,得到最佳模型,应用该模型可快速确定加速因子.将该方法应用于石家庄市栾城水文试验基地,计算结果表明,BP人工神经网络有效地解决了地下水数值模拟中加速因子难以确定的问题.     

中国科技创新能力评价与比较

本文利用"欧洲创新记分牌"指标,提出了一种基于BP神经网络的国家创新能力评价方法,对中国的科技创新能力进行了评价与比较。首先建立国家科技创新指数指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。计算结果表明,在总体上,中国科技创新指数远落后于世界发达国家,与参加"欧洲创新记分牌"比较的33个国家相比,排名第22位,仅强于大多数东欧国家。     

基于MP神经网络模型的语音点歌系统

语音识别是一个涉及交叉学科的复杂问题,如何和机器进行自由的交流一直困扰着相关研究人员。本文提供一种基于MP神经网络模型的语音识别方法,并在此基础上开发了电话语音系统点歌。     

人工神经网络在电力系统谐波分析中的应用

电力系统中各种非线性负载的广泛应用,特别是各种电力电子装置的广泛应用,是系统产生谐波的主要根源;而大量的电力电容器组的使用,则进一步加剧了谐波的危害。本文主要围绕如何用Adaline神经元模型实现电力系统的谐波分析,并分析了Adaline神经元模型的改进方法。     

基于SOM神经网络的品牌丑闻微博传播分类预测研究*

作为重要的社会化媒体,微博凭借其社会性、媒体性、广泛参与性和快速传播4大特性已成为网络舆论的主要载体。针对品牌丑闻事件在微博上的传播进行研究,选取了29个近年来在微博上有明显传播特征的品牌丑闻事件作样本,以两小时为间隔搜集事件爆出后的一周时间内的微博博文数量,记录丑闻事件传播动态变化,并运用神经网络SOM模型方法对博文的数量变化进行聚类,得到微博上品牌丑闻事件传播的五种类型：对数型、缓坡型、突变型、长坡型及堤坝型,并在Matlab软件中用指数拟合的方法对数据做预测分析。企业了解丑闻事件在微博上的不同传播类型及各自的特点,对于其在快速预测和有效应对丑闻事件以及品牌危机时,具有很好的参考和借鉴价值。     

基于主成分神经网络和聚类分析的高校创新能力评价

提出一种基于主成分BP神经网络的评价模型,针对指标体系的众多指标进行正交约简,在保留大量指标信息的基础上开展高校创新能力评价,并对评价结果采用基于划分的K-均值聚类方法进行分组,避免了绝对排名带来的负面影响,评价结果证明了该评价模型和方法的有效性.     

BP神经网络在数字识别中的应用

神经网络(neuralnetwork)是近年来再度兴起的一个高科技研究领域,数字识别就是其中一项既基本又非常重要的应用性研究领域。BP神经网络(Back-Propagation),又称误差反向传递神经网络,是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。BP网络可以看作是对多层感知器网络的扩展,即信息的正向传播及误差数据的反向传递。本文给出了设计用于识别手写数字BP神经网络的过程。