题名 面向自然语言推理的基于截断高斯距离的自注意力机制
被引量:1
1
作者
张鹏飞
李冠宇
贾彩燕
机构
北京交通大学计算机与信息技术学院
北京交通大学交通数据分析与挖掘北京市重点实验室
出处
《计算机科学》
CSCD
北大核心
2020年第4期178-183,共6页
基金
国家自然科学基金(61876016)
中央高校基础科研业务费专项资金(2019JBZ110)
文摘
在自然语言理解任务中,注意力机制由于可以有效捕获词在上下文语境中的重要程度并提高自然语言理解任务的有效性而受到了人们的普遍关注。基于注意力机制的非递归深度网络Transformer,不仅以非常少的参数和训练时间取得了机器翻译学习任务的最优性能,还在自然语言推理(Gaussian-Transformer)、词表示学习(Bert)等任务中取得了令人瞩目的成绩。目前Gaussian-Transformer已成为自然语言推理任务性能最好的方法之一。然而,在Transformer中引入Gaussian先验分布对词的位置信息进行编码,虽然可以大大提升邻近词的重要程度,但由于Gaussian分布中非邻近词的重要性会快速趋向于0,对当前词的表示有重要作用的非邻近词的影响会随着距离的加深消失殆尽。因此,文中面向自然语言推理任务,提出了一种基于截断高斯距离分布的自注意力机制,该方法不仅可以凸显邻近词的重要性,还可以保留对当前词表示具有重要作用的非邻近词的信息。在自然语言推理基准数据集SNLI和MultiNLI上的实验结果证实,截断高斯距离分布自注意力机制能够更有效地提取句子中词语的相对位置信息。
关键词
自然语言推理
自注意力机制
距离掩码
截断高斯掩码
Keywords
Natural language inference
Self-attention mechanism
Distance mask
Clipped Gaussian distance mask
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 相关滤波的运动目标抗遮挡再跟踪技术
被引量:4
2
作者
戴煜彤
陈志国
傅毅
机构
江南大学人工智能与计算机学院
无锡环境科学与工程研究中心
出处
《智能系统学报》
CSCD
北大核心
2021年第4期630-640,共11页
基金
江苏省高等学校自然科学研究面上项目(17KJB520039)
江苏省“333高层次人才培养工程科研项目”(BRA2018147)
江苏省高校“青蓝工程”项目(2020年).
文摘
针对相关滤波在抗遮挡方面效果不佳的问题,本文在ECO_HC(efficient convolution operators handcraft)的基础上提出了一种多特征融合的抗遮挡相关滤波算法。在相关滤波算法的框架下,将目标ULBP(uniform local binary pattern)纹理特征和目标HOG(histogram of oriented gridients)特征进行线性加权融合;在模型建立与更新阶段通过高斯掩码函数缓解循环移位造成的边界效应;通过计算目标最大响应值的峰值均值比来判断目标状态,并将卡尔曼算法作为目标被遮挡后重定位策略。实验结果显示,在16个视频序列上,该文算法的平均精确度达到87.3%,成功率达到76.5%,相比基线算法,分别提升了27.7%和23.7%。
关键词
目标跟踪
相关滤波
特征融合
ULBP
高斯掩码
参数峰值均值比
卡尔曼预测
抗遮挡
Keywords
object tracking
correlation filter
multi-feature fusion
ULBP
Gaussian mask
peak-to-average ratio
Kalman prediction
anti-occlusion
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]