【自然语言处理与理解】命名实体的网络话题K-means动态检测方法

【自然语言处理与理解】一种自反馈垃圾信息综合过滤方法

【自然语言处理与理解】Godel语言控制机制的研究与实现

【自然语言处理与理解】局部搜索的音频数据检索

• Models – HMM: Hidden Markov Model – maximum entropy Markov model – CRFs: Conditional Random Fields • Tasks – Chinese word segmentation – part-of-speech tagging – named entity recognition

《C 语言程序设计》课程教学大纲. 4 《数据结构》课程教学大纲. 13 《Data Structure》课程教学大纲.22 《工程伦理》课程教学大纲. 32 《深度学习》课程教学大纲. 40 《数字语音与机器听觉》课程教学大纲.48 《智能感知技术》课程教学大纲.55 《计算智能》课程教学大纲. 66 《工业物联网》课程教学大纲. 73 《自然语言处理》课程教学大纲.80 《智能制造概论》课程教学大纲.88 《智慧城市》课程教学大纲. 96 《无线传感器网络与 RFID》课程教学大纲.110 《数字孪生》课程教学大纲.118 《智能系统集成》课程教学大纲.124 《移动应用开发技术》课程教学大纲.131 《人工智能基础》课程教学大纲.143 《模式识别与机器学习》课程教学大纲.153 《机器人学》课程教学大纲.161 《数字信号处理》课程教学大纲.167 《大数据与分布式数据库》课程教学大纲.177 《虚拟现实技术》课程教学大纲.185 《图像处理与机器视觉》课程教学大纲.191 《最优化方法》课程教学大纲.200 《软件工程》课程教学大纲.207 《信息检索》课程教学大纲.223 《Python 程序设计》课程教学大纲.229 《算法设计与分析》课程教学大纲.238 《密码学与系统安全》课程教学大纲.247 《机器人系统开发》课程教学大纲.255 《智能控制导论》课程教学大纲.263 《Web 系统开发》课程教学大纲.269 《智能问答》课程教学大纲.277 《人工智能伦理》课程教学大纲.282 《面向对象程序设计》课程教学大纲.289 《专业导论》课程教学大纲.296 《计算机组成原理》课程教学大纲.304 《电工电子技术基础》课程教学大纲.315 《数据库系统原理》课程教学大纲.324 《操作系统原理》课程教学大纲.334 《计算机网络原理》课程教学大纲.342 《离散数学》课程教学大纲.349

《最优化方法》 《高级计算机系统结构》 《高级人工智能》 《自然语言处理》 《高级算法设计与分析》 《软件系统与工程》 《网络与信息安全》 《大数据处理技术》 《嵌入式系统及应用》 《数据挖掘理论与方法》 《现代密码学》 《机器学习》 《智能制造技术及应用》 《区块链与隐私计算》 《AI 驱动的材料与化学》 《计算机视觉》 《人工智能原理与应用》 《计算成像技术》 《AI for Vision and Imaging》 《学科前沿讲座 A》 《文献阅读与学术写作》 《网络空间安全概论》 《密码学理论与应用》 《网络空间安全前沿技术研讨》 《信息隐藏技术》 《信息安全管理与评估》 《网络攻防对抗技术》 《深度学习与大数据分析》 《大数据安全与隐私保护》 《专业英语》 《网络信息内容安全技术》 《专业实践》 《学科前沿讲座 B》 《人工智能工程应用及安全》

1.引言 2.三个重要前沿及其进展 (1)基于深度学习的句子结构预测 (2)开放域信息抽取 (3)知识图谱 3.题外话

脏腑定位，即明确病变所在的脏腑，是中医脏腑辨证的重要阶段。本文旨在通过神经网络模型搭建中医脏腑定位模型，输入症状文本信息，输出对应的病变脏腑标签，为实现中医辅助诊疗的脏腑辨证提供支持。将中医的脏腑定位问题建模为自然语言处理中的多标签文本分类问题，基于中医的医案数据，提出一种基于预训练模型ALBERT和双向门控循环单元（Bi-GRU）的脏腑定位模型。对比实验和消融实验的结果表明，本文提出的方法在中医脏腑定位的问题上相比于多层感知机模型、决策树模型具有更高的准确性，与Word2Vec文本表示方法相比，本文使用的ALBERT预训练模型的文本表示方法有效提升了模型的准确率。在模型参数上，ALBERT预训练模型相比BERT模型降低了模型参数量，有效减小了模型大小。最终，本文提出的脏腑定位模型在测试集上F1值达到了0.8013

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向