【摘 要】
：
近年来,利用深度学习技术实现古诗自动生成逐渐火热.研究者多采用基于语句或基于图片作为古诗自动生成系统的输入,完成古诗的自动生成.研究发现,目前基于语句作为输入时多受限于输入字数的限制,导致无法满足想要进行自由创作的需要.为此,文章基于深度学习利用LSTM神经网络实现了一种古诗自动生成系统,该系统可基于任意长度语句作为输入实现古诗自动生成;为了方便操作和查看,利用Tkinter实现了系统功能的可视化;最后通过人工评估方法论证了系统的可行性.
【机 构】
：
辽宁工业大学,辽宁 锦州 121001
论文部分内容阅读
近年来,利用深度学习技术实现古诗自动生成逐渐火热.研究者多采用基于语句或基于图片作为古诗自动生成系统的输入,完成古诗的自动生成.研究发现,目前基于语句作为输入时多受限于输入字数的限制,导致无法满足想要进行自由创作的需要.为此,文章基于深度学习利用LSTM神经网络实现了一种古诗自动生成系统,该系统可基于任意长度语句作为输入实现古诗自动生成;为了方便操作和查看,利用Tkinter实现了系统功能的可视化;最后通过人工评估方法论证了系统的可行性.
其他文献
引力波暴高能电磁对应体全天监测器由两颗相同的微小卫星组成,旨在完成对引力波事件伴随出现的伽马射线及其他高能天体暴发事例.作为主要载荷,GRD探测器使用LaBr3晶体耦合SiPM阵列探测X/γ射线.本文主要利用广角康普顿散射符合技术研究其电子能量响应特性.结果表明,双掺溴化镧的GRD探测器对伽马与电子的响应在低能区,随能量减小而增加.
传统的相位检测主要依靠模拟电路实现,响应速度很快,但精度不高.为了解决相位检测器因对环境较为敏感而影响其检测精度的问题,提出一种基于FPGA的相位检测系统.该系统由模拟电路和主控芯片FPGA组成,将模拟电路响应速度快、数字电路测量精度高的优点充分结合;将两路被测信号通入滤波器滤除干扰,然后通过过零比较电路将信号转换成方波,最后将方波输入FPGA中,使用高频脉冲进行插补计数,实现对信号相位的精确检测.
通过LTE室分干扰微观诊断分析法论述,系统提出了LTE室内分布系统干扰诊断思路、排查流程、各种干扰原因分析及解决方案,并采用理论和实测相结合的方式,针对各种原因定位、解决方案等关键环节进行具体解析,最后总结出运用LTE室分微观诊断分析法排查室分干扰建议,流程清晰,定位准确,对LTE室分干扰排查整治具有较好的指导及推广作用.
电力数据通信网是基于MPLS VPN技术构建的,在传统网络设备的运行维护方式下,存在着业务配置过程烦琐、业务流量调度不灵活、业务性能指标无可视化监控等问题.随着网络技术的发展以及SDN等新技术的应用,有效解决了传统网络中存在的运行维护问题,极大地提升了运维效率.文章对电力数据通信网的现状和SDN技术特点进行分析,提出在电力数据通信网中部署及应用SDN的方法.
车载瞌睡检测系统是一种内部设有GPS及通讯录,以数据准确可靠、全程跟踪、精细化以及便捷高效为特色的瞌睡检测系统.当驾驶员打着瞌睡驾驶时,该系统会自动通过AI人脸检测进行判断,将瞌睡状态及车辆所在位置等信息通知给中央控制中心或交通事故研究所,同时系统能够连接到外部求助中心的移动电话,以综合性和多层性方法防止事故发生.
若要科学、有效地开展高速公路施工区交通仿真分析,需要对仿真模型的参数进行标定,标定工作必须符合实际交通规律,且具有可复用性.文章采用无人机视频录制法进行交通流数据采集,基于遗传算法进行了仿真模型的自动化标定程序设计,完成了封闭超车道施工区仿真模型参数的标定工作,并证明了参数标定的有效性,最终运用标定好的仿真模型,进行了施工区交通运行状态建模仿真及交通影响分析.
针对大量阅读者的阅读能力制约着其阅读效果的难题提出了一种基于机器学习的馆内行为模式分析方法.首先,研究了一种“宏-微”复合视觉成像方法及工作原理;其次,研究了基于图像特征的阅读行为模式识别算法;最后,将基于馆内目标图像获取的阅读行为模式与实际的阅读行为模式进行对比分析.并由实验验证该文提出的方法能够精准、稳定地识别馆内阅读者的阅读行为模式.
舰船在海浪中航行受到海浪、海风等环境因素干扰,不可避免地产生摇摆,给舰船的海上航行造成很大的安全隐患.舰船航行过程中,运动姿态会受到耦合作用、不定周期等诸多因素的干扰,因此很难精确地预测舰船的短期运动姿态.文章提出一种新的预测方法,将机器学习DBN网络与PID网络相互结合,建立DBN-PID模型对舰船的姿态变化进行短期预测.模型有效地解决了舰船运动姿态预测时间短、误差大的问题,具有良好的工程应用价值.
目前在针对自闭症的分类研究中,构建阈值连接网络时,大多因不合理的阈值设置而影响最终分类结果.为了避免传统方法阈值选择的问题,文章对自闭症患者的最小生成树脑功能网络进行了研究,报告了正常被试与自闭症患者脑功能连接网络的差异,并设计了基于支持向量机的分类模型,实现对自闭症的分类工作.文中获得的分类准确率达到81.76％,相比于传统方法具有更高的敏感度和特异性.
当前越来越多的场景需要将手写体的文字转换为电子格式,手写体识别成为人机交互最便捷的手段之一,拥有广泛的应用前景.文章提出了一种基于TensorFlow框架的深度学习手写识别方法,包含手写数字识别和手写汉字识别.以TensorFlow为框架,采用CNN神经网络模型建立训练集以降低识别错误率.实验结果最终表明,对手写数字的识别率达到95％,对手写汉字的识别率达到90％.