公共文化服务平台

秦永彬: 作品数：202 被引量：352H指数：9; 供职机构：贵州大学更多>>; 发文基金：国家自然科学基金贵州省科学技术基金贵州省科技厅重大专项更多>>; 相关领域：自动化与计算机技术文化科学理学政治法律更多>>

合作作者

有限随机系统的极限概率分解: 2013年; 有限随机系统状态迁移过程中对系统状态集的压缩,将系统分为两类随机子系统,由此建立了该随机系统的商系统并降低了概率矩阵的计算复杂度。在图论的基础上,通过研究有限随机系统及其商系统的极限性质,考察了有限随机系统的极限概率分解问题。在保留原有随机系统的极限性质的前提下方便了对随机系统平稳分布的预测。; 王芳秦永彬许道云; 关键词：概率矩阵

融合深度强化学习的卷积神经网络联合压缩方法: 2025年; 随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。; 马祖鑫崔允贺秦永彬申国伟郭春陈意钱清; 关键词：卷积神经网络

一种求解置换Flow Shop调度问题的DRPFSP算法: ow Shop调度问题(Flow-shop Scheduling Problem,FSP)是许多实际流水线生产调度问题的简化模型，亦是研究最为广泛的生产调度问题之一，具有很强的工程应用背景。置换Flow Shop调度问题...; 魏嘉银秦永彬许道云; 关键词：FLOW 数学模型

一种基于多维度文本特征的新闻网页信息提取方法、系统、设备及介质: 本发明提出一种基于多维度文本特征的新闻网页信息提取方法、系统、设备及介质，该方法可以有效获取新闻信息。在新闻信息提取任务中，传统的模型依赖于HTML标签，难以扩展至不同来源的新闻网页中使用。且只能将新闻内容整体提取，不能...; 黄瑞章翁彬月秦永彬陈艳平; 文献传递

一种交互式法律问答的历史案例检索方法: 本发明提供一种交互式法律问答的历史案例检索方法，包括：基于法律问答文本，利用文本意图识别模型，识别是否需要进行历史案例检索；采用文本相似度函数计算所述法律问答文本与所述历史案例的相似度，并输出文本相似度最高的前N个历史案...; 黄瑞章周裕林陈艳平秦永彬林川

学习《概率论与数理统计》应该注意的若干问题(3)——随机变量的数字特征和作用被引量：1: 2011年; 随机变量形式上是定义在样本空间上的一个实值函数,与普通函数相类似,利用某些参数足以刻画函数的内在本质特征。随机变量数字特征的引入,其目的是想用某些特征参数刻画随机变量。数学期望是随机变量数字特征参数的一个基础的核心概念,常见的随机变量数字特征形式上是随机变量函数的数学期望。数学期望本质上是加权平均计算,这为随机变量数字特征的统计(近似)计算提供了计算模型。; 许道云秦永彬刘长云

一种结合神经网络和特征演算的关系抽取方法: 本发明公开了一种结合神经网络和特征演算的关系抽取方法，所述方法包括如下步骤：步骤一：基于随机字向量对文本进行向量映射；步骤二：提取句子中的原子特征并对这些原子特征进行特征演算得到复合特征，将这些复合特征进行向量映射；步骤...; 黄瑞章王国蓉陈艳平秦永彬唐瑞雪; 文献传递

一种基于最大熵原理的插用式中文拼写纠错方法: 本发明公开了一种基于最大熵原理的插用式中文拼写纠错方法，涉及自然语言处理技术领域；S1、给定输入文本序列<IMG wi='"59"/' orientation='"portrait"' inline='"yes"' im...; 黄瑞章唐劲松秦永彬陈艳平林川

跨度语义增强的命名实体识别方法被引量：3: 2022年; 针对命名实体识别方法存在字与字之间语义信息丢失、模型召回率不佳等问题,提出了一种跨度语义信息增强的命名实体识别方法。首先,使用ALBERT预训练语言模型提取文本中包含上下文信息的字符向量,并使用GloVe模型生成字符向量;其次,将两种向量进行拼接作为模型输入向量,对输入向量进行枚举拼接形成跨度信息矩阵;然后,使用多维循环神经网络和注意力网络对跨度信息矩阵进行运算,增强跨度之间的语义联系;最后,将跨度信息增强后的矩阵进行跨度分类以识别命名实体。实验表明:与传统的跨度方法相比该方法能够有效增强跨度之间的语义依赖特征,从而提升命名实体识别的召回率;该方法在ACE2005英文数据集上比传统的方法召回率提高了0.42%,并且取得了最高的F1值。; 耿汝山陈艳平唐瑞雪黄瑞章黄瑞章董博; 关键词：命名实体识别

分离多路卷积神经网络研究被引量：6: 2017年; 针对卷积神经网络主要使用图像的局部特征而忽略图像通道特征的不足,提出一种分离多路卷积神经网络。提取通道特征与卷积特征,并在全连接层进行融合,以此提升该网络的图像识别与分类效果。在cifar10和SVHN数据集上进行的实验结果表明,与ResNet,Network in Network,Maxout等8种卷积神经网络相比,该网络的平均识别率较高。; 宋超许道云秦永彬; 关键词：卷积神经网络特征提取图像分类图像识别