检索范围:
排序: 展示方式:
鸡尾酒会问题的技术回顾、当前进展及未来挑战 Review
Yan-min QIAN, Chao WENG, Xuan-kai CHANG, Shuai WANG, Dong YU
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 40-63 doi: 10.1631/FITEE.1700814
基于兴趣转移模型的协同过滤算法 Article
Bin JU,Yun-tao QIAN,Min-chao YE
《信息与电子工程前沿(英文)》 2016年 第17卷 第6期 页码 489-500 doi: 10.1631/FITEE.1500313
用于语音识别的二值神经网络 Regular Papers
Yan-min QIAN, Xu XIANG
《信息与电子工程前沿(英文)》 2019年 第20卷 第5期 页码 701-715 doi: 10.1631/FITEE.1800469
预训练语言模型及其应用 Review
王海峰, 李纪为, Hua Wu, Eduard Hovy, Yu Sun
《工程(英文)》 2023年 第25卷 第6期 页码 51-65 doi: 10.1016/j.eng.2022.04.024
预训练语言模型(pre-trained languages model, PTLM)在自然语言处理(natural language processing, NLP)领域取得了令人瞩目的成功,并由此引发了下游任务从监督学习到预训练在此之后,一系列预训练模型的创新研究涌现出来。本文系统性、全面的回顾了自然语言处理的代表性工作和最新进展,并按照类别系统性的介绍了自然语言处理领域的预训练模型。首先我们简要介绍了预训练模型,以及不同的模型特点和框架。之后,我们介绍并分析了预训练模型的影响和挑战以及下游任务中的应用。最后,我们简要总结并阐述了预训练模型未来的研究方向。
Grade 91钢抗蠕变性能的计算热力学研究 Article
Andrew Smith, Mohammad Asadikiya, Mei Yang, Jiuhua Chen, Yu Zhong
《工程(英文)》 2020年 第6卷 第6期 页码 644-652 doi: 10.1016/j.eng.2019.12.004
用于说话人识别的潜在可区分性表征学习 Research Articles
黄多林1,毛启容1,2,马忠臣1,郑智燊1,Sidheswar ROUTRAY1,Elias-Nii-Noi OCQUAYE1
《信息与电子工程前沿(英文)》 2021年 第22卷 第5期 页码 615-766 doi: 10.1631/FITEE.1900690
基于RTD三变量通用逻辑门的函数综合算法 Article
Mao-qun YAO, Kai YANG, Ji-zhong SHEN, Cong-yuan XU
《信息与电子工程前沿(英文)》 2017年 第18卷 第10期 页码 1654-1664 doi: 10.1631/FITEE.1601730
杨建文,贾民平,许飞云,胡建中
《中国工程科学》 2005年 第7卷 第8期 页码 66-69
分析了经验模式分解的滤波性能;针对旋转机械振动信号信噪比低及非平稳特性,应用经验模式分解对振动信号进行降噪处理,突出了有用振动信号,为旋转机械在线监测和故障诊断提供了有效的依据;仿真实验及真实数据分析表明,经验模式分解在振动信号降噪处理中是有效的,为振动信号分析提供了新的方法。
利用方向矢量分解的近场及严格非圆信源三维定位 Research Article
李正1,2,沈金清1,2,张小飞1,2
《信息与电子工程前沿(英文)》 2022年 第23卷 第4期 页码 644-652 doi: 10.1631/FITEE.2100034
陈立全,胡爱群,周雪莉
《中国工程科学》 2005年 第7卷 第7期 页码 81-85
由于无线媒介的易变性,IP语音在无线局域网上传输受到极大的限制。通过对无线局域网媒体接入层机制的分析,考虑了碰撞概率因素,提出了采用马尔可夫链模型来推导在IEEE 80211b/a/g标准下单个接入点同时支持IP语音用户最大容量的方法,计算出针对不同IP语音编码标准如
神经自然语言处理最新进展——模型、训练和推理 Review
周明, 段楠, 刘树杰, 沈向洋
《工程(英文)》 2020年 第6卷 第3期 页码 275-290 doi: 10.1016/j.eng.2019.12.014
自然语言处理(natural language processing, NLP)是人工智能研究的一个重要领域,旨在构建能够理解和生成自然语言、实现人机自然交互的技术方案。近5年,基于神经网络的自然语言处理方法取得突飞猛进的发展。基于海量无标注数据和大量标注数据进行建模,使得机器翻译、自动问答和阅读理解等很多任务的水准都得到了极大的提高。本文将从3个角度回顾神经自然语言处理的最新进展,包括模型、训练和推理。在模型部分,我们将介绍典型的神经网络建模方法,包括词嵌入建模、句子嵌入建模和序列到序列建模等。在训练部分,我们将介绍常用的学习方法,包括监督学习、半监督学习、无监督学习、多任务学习、迁移学习和主动学习等。在推理部分,我们将介绍典型的推理框架,包括非神经网络方法和神经网络方法。之所以强调推理方面的研究,是因为推理是构建基于知识的可解释自然语言处理模型的关键技术。本文的最后将概括介绍我们对自然语言处理未来发展方向的一些思考。
一种基于子带激励替换的窄带语音水印算法 Article
Wei LIU, Ai-qun HU
《信息与电子工程前沿(英文)》 2017年 第18卷 第5期 页码 627-643 doi: 10.1631/FITEE.1601503
图像水印框架的层级-方向分解分析 Article
M. F. KAZEMI,M. A. POURMINA,A. H. MAZINAN
《信息与电子工程前沿(英文)》 2016年 第17卷 第11期 页码 1199-1217 doi: 10.1631/FITEE.1500165
标题 作者 时间 类型 操作