导读:本文包含了面向语义论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语义,神经网络,深度,程序,知识,卷积,谓词。
面向语义论文文献综述
马爱平[1]（2019）在《我学者提出面向语义计算编程理论》一文中研究指出科技日报北京12月2日电 （记者马爱平）2日，记者从科学出版社获悉，该出版社日前出版了北大信息学院软件理论教研室原主任、教授袁崇义的英文专着《OESPA:Semantic Oriented Theory of Programming》，书中提出了面向语义(本文来源于《科技日报》期刊2019-12-03）
赵迪,刘桂雄[2]（2019）在《面向智能维护的通信机房机柜图像语义分割技术》一文中研究指出通信机房机柜的智能维护是实现设备无人化、智能化监管的核心工作之一,结合语义分割技术实现设备图像识别、位置检测、检修操作点确定,形成泛用性强的人工智能方法。该文从深度学习语义分割方法入手,提出基于Mask R-CNN的机房机柜设备图像语义分割技术方案,实现不同视野、存在物体遮挡条件下的机房机柜图像识别与分割。通过模拟不同语义分割算法在通信机房机柜检测场景的应用效果,表明基于Mask R-CNN的语义分割技术准确性良好,Top-1错误率为7.1%、像素级分割准确性mIOU达82.3%。(本文来源于《中国测试》期刊2019年11期）
凌洪飞,欧石燕[3]（2019）在《面向主题模型的主题自动语义标注研究综述》一文中研究指出【目的】对面向主题模型的主题自动语义标注方法进行总结与评述,以促进主题模型的发展与应用。【文献范围】在Web of Science和CNKI数据库中分别以"Topic Labeling OR Topic Labelling OR Topic Tagging ORTopicIndexing"和"主题模型AND(标注OR标签)"等检索式进行检索,通过手工筛选获得代表性文献57篇。【方法】对相关论文进行深入阅读与分析,以主题标注过程中主题标签的生成来源为线索,对已有方法进行分类与比较分析。【结果】面向主题模型的主题自动语义标注包括候选标签生成与排序两个主要步骤,根据候选标签的生成来源可分为依靠自身语料库和依靠外部语料库两类方法。【局限】目前该领域的研究还不是很丰富,分析与评述不够系统和全面。【结论】该领域的研究仍具有较大探索空间,面向社交媒体内容的主题语义标注是未来研究方向,可结合更丰富的知识库并采用深度学习技术进行改进提升。(本文来源于《数据分析与知识发现》期刊2019年09期）
王嫣然,陈清亮,吴俊君[4]（2019）在《面向复杂环境的图像语义分割方法综述》一文中研究指出图像语义分割是视觉智能方向最重要的基础性技术之一,语义分割效果关系着智能系统对其应用场景的理解能力,因此在诸如无人驾驶、机器人认知与导航、安防监控与无人机着陆系统等重要领域均具有较大的应用价值。由于复杂环境下的目标存在非结构化、目标多样化、形状不规则化以及光照变化、视角变化、尺度变化与物体遮挡等各种干扰因素,给图像的语义分割带来了较大挑战。近年来,受益于深度学习理论的快速发展,图像语义分割方向涌现了一大批具有典型意义的研究成果。为启发图像语义分割领域的学术研究及其相关智能系统的工程化开发,文中首先全面阐述了图像语义分割方法的研究发展历程,并将其划分为:传统的图像语义分割方法、传统方法与深度学习相结合的图像语义分割方法、基于深度学习的图像语义分割方法;其次从复杂环境下图像语义分割面临的问题出发,重点对近年来涌现的各种面向复杂环境的语义分割方法的模型、算法、性能及存在的问题进行了详细地分析与对比,并按照强监督、弱监督、无监督图像语义分割方法分类进行阐述;然后归纳了当前主流的PASCAL VOC,Cityscape,SUN RGB-D等9类包含各种复杂环境的数据集,以及3项评估指标PA,mPA和mIoU;最后对面向复杂环境的图像语义分割研究工作进行了总结,并对其在实时视频分割、叁维场景重构及无监督语义分割等方向的发展进行了展望。(本文来源于《计算机科学》期刊2019年09期）
谢海涛,肖倩[5]（2019）在《面向语义缺失场景的社交媒体中热门新闻识别方法研究》一文中研究指出[目的/意义]对社交媒体中热门新闻的及时识别,有助于加速正面资讯的投送或抑制负面资讯的扩散。当前,基于自然语言处理的传统识别方法正面临社交媒体新生态的挑战:大量新闻内容以图片、音视频形式存在,缺乏用于语义及情感分析的文本。[方法/过程]对此,本文首先将社交网络划分为众多社群,并按其层次结构组织为贝叶斯网络。接着,面向社群构建基于卷积神经网络的热门新闻识别模型,模型综合考虑新闻传播的宏观统计规律及微观传播过程,以提取社群内热门新闻传播的特征。最后,利用贝叶斯推理并结合局部性的模型识别结果进行全局性热度预测。[结果/结论]实验表明,本方法在语义缺失场景下可有效识别热门新闻,其准确度强于基于语义信息的机器学习方法,模型具有良好的时效性、可扩展性和适用性。该研究有助于社交媒体的监管机构及时识别出各类不含语义信息且迅速扩散的热点内容。(本文来源于《现代情报》期刊2019年09期）
潘君锴[6]（2019）在《一种面向条件表达式语义错误定位与修复的深度学习方法》一文中研究指出随着计算机的应用越来越广泛,各行各业的人们都开始接触学习编程。在学习编程的过程中,人们会经常使用在线的判题系统(Online Judge系统,简称OJ系统)进行编程练习。在编写程序的过程中,会遇到各种各样的错误和bug需要调试,这些错误和bug通常可以分成语法错误和语义错误两类。人们需要花费大量的时间对代码进行调试,这对刚开始学习编程的人来说非常繁琐和困难,尤其是条件表达式中存在的语义错误,调试难度很高。然而目前的OJ系统并没有进行对应的纠错与引导。近年来,深度学习在自然语言处理、机器翻译、语音识别、计算机视觉等各个领域都有了极好的成绩与效果,这也为代码的自动修改与生成带来了新的方法。因此,本论文基于深度学习的方法对代码的条件表达式中存在的语义错误纠错与修复进行研究,主要的研究工作与创新成果如下:1.提出了一种基于注意力机制(Attention机制)深度神经网络模型的代码语义错误定位方法。我们的模型将使用了注意力机制的深度神经网络模型与指针网络(Pointer Network)相结合,将条件表达式中存在语义错误的代码文本输入模型之后,能够得到错误的行号与位置。经过相关实验实验,验证了该模型能较好地定位条件表达式中的错误。2.提出了一种将程序的抽象语法树(AST树)作为特征输入深度神经网络模型的方法。我们在代码数据的预处理阶段,更加完整的提取了代码中包含的隐藏信息,除了程序中的代码文本,还加入了代码抽象语法树(AST树)信息。这些信息是很多程序语义错误自动修复方法中未使用到的。他们不仅确保了修复之后的程序代码是可以执行的,还显着的提升了程序语义错误自动修复的准确率。(本文来源于《南京大学》期刊2019-08-10）
张嘉祺,赵晓丽,董晓亚,张翔[7]（2019）在《面向图像语义分割的生成对抗网络模型》一文中研究指出图像语义分割一直是计算机视觉中具有挑战性的任务之一。目前多数基于卷积神经网络的语义分割算法存在分割结果不精确,不连续等问题。为了提高图像分割效果,提出了基于生成对抗学习的图像语义分割网络模型。该模型由生成网络和判别网络两部分组成。生成网络含有五个模块,主要作用是生成语义分割图,判别网络与生成网络进行对抗训练,优化生成网络以使生成图像更加接近于Ground Truth。通过在Pascal VOC 2012数据集上对图像进行语义分割的分析,验证了该算法可以有效提高图像语义分割的精度。(本文来源于《传感器与微系统》期刊2019年08期）
耿爽,杨辰,牛奔,蚁文洁,刘雷[8]（2019）在《面向企业信息检索的语义扩展查询方法》一文中研究指出为了弥补传统的信息检索方法在企业内实施时查准率较低的缺陷,解决监督学习中训练数据短缺的问题,本研究提出了基于企业知识域类别和语义关联的查询词扩展方法。该方法首先利用主题模型对企业文档库进行建模,其次结合专家意见构建企业知识分类及相应的带有权重的类别描述词集,最后利用语义相似度对查询进行分类,在知识域描述词集中选择查询扩展词对查询进行扩展。本研究利用一家电子产品制造公司的真实数据进行实验研究,实验结果表明,扩展后的查询更能准确反映用户的查询要求,有效地提升了企业信息检索的查准率。(本文来源于《情报学报》期刊2019年07期）
刘桂雄,黄坚,刘思洋,廖普[9]（2019）在《面向语义分割机器视觉的AutoML方法》一文中研究指出自动机器学习(Automatic Machine Learning,AutoML)可实现语义分割,使机器学习大部分步骤自动化。针对面向超参数优化、迁移学习、神经架构搜索等方法的算法思想、优化对象、实现技术、技术指标、应用效果及场景,结合语义分割的机器学习超参数多、数据集规模较小、标注工作量大等问题,指出超参数优化、迁移学习、神经架构搜索分别有助于提升训练效率、降低样本标注工作量、自动构建专用卷积神经网络,若AutoML与机器视觉相结合可赋予系统自学习、快速更换检测对象和解决特别复杂任务等特性。(本文来源于《激光杂志》期刊2019年06期）
傅柱,王曰芬,丁绪辉[10]（2019）在《面向知识重用的设计过程知识语义表示研究》一文中研究指出【目的】为实现动态设计过程知识的有效重用,研究设计过程知识的语义表示方法。【方法】在回顾和分析现有研究的基础上,引入模块化设计思想;分析设计过程知识的内容和特征,提出基于双层模块化封装技术的设计过程知识语义模型,结合本体表示方法对语义模型进行形式化表示;以反后坐系统概念设计为例,利用OWL语言实现案例中设计过程知识的语义表示。【结果】构建面向知识重用的设计过程知识语义模型,利用本体对语义模型进行形式化表示;采用OWL语言对反后坐系统设计的过程知识进行语义表示。【局限】采用单一案例进行分析,方法的通用性需进一步验证。【结论】本文方法能够实现动态设计过程知识的语义表示,通过案例分析验证了方法的可行性和有效性。(本文来源于《数据分析与知识发现》期刊2019年06期）
面向语义论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通信机房机柜的智能维护是实现设备无人化、智能化监管的核心工作之一,结合语义分割技术实现设备图像识别、位置检测、检修操作点确定,形成泛用性强的人工智能方法。该文从深度学习语义分割方法入手,提出基于Mask R-CNN的机房机柜设备图像语义分割技术方案,实现不同视野、存在物体遮挡条件下的机房机柜图像识别与分割。通过模拟不同语义分割算法在通信机房机柜检测场景的应用效果,表明基于Mask R-CNN的语义分割技术准确性良好,Top-1错误率为7.1%、像素级分割准确性mIOU达82.3%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
面向语义论文参考文献
[1].马爱平.我学者提出面向语义计算编程理论[N].科技日报.2019
[2].赵迪,刘桂雄.面向智能维护的通信机房机柜图像语义分割技术[J].中国测试.2019
[3].凌洪飞,欧石燕.面向主题模型的主题自动语义标注研究综述[J].数据分析与知识发现.2019
[4].王嫣然,陈清亮,吴俊君.面向复杂环境的图像语义分割方法综述[J].计算机科学.2019
[5].谢海涛,肖倩.面向语义缺失场景的社交媒体中热门新闻识别方法研究[J].现代情报.2019
[6].潘君锴.一种面向条件表达式语义错误定位与修复的深度学习方法[D].南京大学.2019
[7].张嘉祺,赵晓丽,董晓亚,张翔.面向图像语义分割的生成对抗网络模型[J].传感器与微系统.2019
[8].耿爽,杨辰,牛奔,蚁文洁,刘雷.面向企业信息检索的语义扩展查询方法[J].情报学报.2019
[9].刘桂雄,黄坚,刘思洋,廖普.面向语义分割机器视觉的AutoML方法[J].激光杂志.2019
[10].傅柱,王曰芬,丁绪辉.面向知识重用的设计过程知识语义表示研究[J].数据分析与知识发现.2019
论文知识图
