一种前向网络的多准则学习方法

学习问题是人工神经网络研究的核心问题。本文提出一种基于模糊熵准则和误差平方和准则的多准则学习方法，可在一定程度上克服单准则学习的局限性。计算机模拟结果证明了新算法的优越性和有效性。

自组织神经网的多准则学习方法研究

本文提出了一种基于模糊熵准则和误差平方和准则的多准则自适应学习算法，可在一定程度上克服单准则无教师学习的局限性。

多准则融合的中文命名实体识别方法

为提高中文命名实体识别任务的识别率,提出了一种多准则融合模型.采用基于字的BERT语言模型作为语言信息特征提取层,将其接入多准则共享连接层和条件随机场(CRF)层,得到融合模型.建立大规模中文混合语料库,优化模型参数,使用单GPU设备完成BERT语言模型的预训练.将融合模型在MSRA-NER和RMRB-98-1实体标注集上进行独立训练和混合训练,得到各语料库独立的单准则中文命名实体识别模型和多准则融合中文命名实体识别模型.结果表明,多准则融合中文命名实体识别模型能够挖掘语料库间的共有信息,提高中文命名实体的识别率,MSRA-NER和RMRB-98-1实体标注集上的F1值分别为94.46%和94.32%,优于其他现有模型.

燃煤型城市环境大气质量综合评价的模糊神经网络模型

研究了基于多准则学习的模糊神经网络评价环境大气质量的模型。将环境质量评价标准作为模糊集 ,采用多输出神经网络 ,得到一个实际输出向量 ,把它作为评价样本对该模糊集的隶属度 ,较好地克服了常用的单输出网络人为规定评价指数的主观因素 ;把隶属度向量作为权值 ,对评价样本进行综合评分 ,以此对环境质量进行评价 ,避免了当隶属度向量各分量分布不集中时 ,最大隶属度原则所遇到的困难。采用基于多准则学习神经网络 ,较好地克服了基于单准则学习神经网络收敛速度慢 。

中文分词技术研究综述

【目的】梳理中文分词领域的关键问题、算法和模型,为研究人员提供理论基础和实践指导。【文献范围】使用知网数据库、万方数据知识服务平台和计算机科学文献库DBLP检索中文分词相关文献,共选择109篇代表性文献进行综述。【方法】归纳中文分词的发展历程及关键问题,分类总结中文分词的算法和模型,并详述近期的热点研究问题。【结果】使用多个标注数据集的多准则分词模型是中文分词的研究难点,解决中文分词和自然语言处理其他子任务的多任务联合模型是当前研究的热点。【局限】没有深入对比分析中文分词的无监督学习方法。【结论】虽然现有的中文分词方法能在一定程度上满足诸多应用的需求,但是在大数据环境下多视角、多任务和多准则的联合模型研究仍存在挑战。