一、混合维空间遮蔽关系的表示与推理（论文文献综述）
朱小龙[1]（2021）在《地质文本中油气藏特征提取及成藏知识图谱构建研究》文中提出随着我国油气勘探理论及技术的日益发展,描述油气藏地质环境、成藏因素、含油层位等特征的各类地质资料迅速积累,且体量不断增大,给资料管理和信息化服务带来挑战。油气领域的资料种类繁多,其中多数为是非结构化数据如调查报告、生产记录和研究文献等,多以文档形式管理,可供查询的文档特征不多且缺少知识描述与关联。仅通过关键词匹配和粗粒度主题相似查找,无法快速精准地从繁杂的资料中获取信息,很难满足海量地质文本的知识查询需要,导致资料利用率较低,大量蕴含于非结构化文本中的知识不能得到全面有效的展现。从信息技术发展和我国数字油田建设趋势来看,油气地质资料服务正由数据服务向知识服务转变。知识图谱技术的出现给油气地质资料知识化服务带来了契机。通过自动抽取文档资料中蕴含信息,形成结构化的知识,使得为用户提供高效的知识化服务成为可能。本文围绕地质文本中的油气藏特征,结合油气地质资料的特点,对资料中的知识片段进行重新组织并形成知识元。通过提取文本知识元中油气藏特征实体、属性及关系等特征信息,丰富了当前的资料检索模式。采用由底向上的方法逐步构建油气成藏知识图谱,并将其应用于油气地质资料的知识检索服务。通过文献主题筛选和知识关联查询等应用功能,提高了使用者对资料信息的获取效率,并辅助其发现资料蕴含的隐式关联,从而有助于提高石油地质学研究的准确度和油气勘探决策的可信度。本文的主要研究内容如下:（1）基于层次主题的油气地质文本知识元提取在分析油气地质资料结构及主题层次的基础上,研究地质文本中知识元的提取。研究利用文本主题分析技术进行文本段落的主题特征获取。顾及油气领域文本主题较强的层次性和聚集性,研究利用领域内的专业词汇对层次主题模型进行约束,以改善主题提取效果。同时,结合油气地质资料结构与实际应用需求,研究油气藏特征知识元的描述。论文提出了基于局部特征算法联合策略和动态规划策略的主题知识元提取方法;提出了基于图表标题-段落主题相似度和图表指示词匹配的图表知识元提取方法,实现地质文本知识元的提取。（2）基于领域知识和机器学习的油气藏特征提取顾及油气地质资料主题知识的对应性和相关性,论文以油气领域本体、专业词汇表、关系数据库元数据等先验知识为辅助,研究地质文本中的油气藏特征信息提取。针对油气藏特征中重叠实体及重叠关系的提取问题,研究利用领域本体在概念及关系语义描述上的优势,提出基于词表特征加强的实体识别模型与基于改进标签策略的关系提取模型,实现文本知识元中的油气藏特征实体、属性及关系等特征信息的提取。（3）基于多特征关联的油气成藏知识图谱构建针对已有模型在知识表示和关联上的不足,研究建立基于多特征的油气藏知识元间的关联。论文提出了基于主题扩展的三元组知识表示和向量化方法,用于解决油气藏知识表示问题。接着,论文研究了高维空间中的知识元多特征关联方法,用于解决油气藏知识元的抽象表达和关联问题。最后,论文将所构建的油气成藏知识图谱应用于知识服务系统,提供油气藏知识检索及关联服务,验证了论文所提方法的适应性和实用性。
郭腾州[2]（2021）在《基于深度学习的短文本分类技术研究》文中研究表明短文本分类就是在给定的分类体系下,让计算机根据给定文本的内容,将其判别为事先确定的若干个文本类别中的某一类或者几类的过程。短文本分类在冗余过滤、智能检索、构建索引、文本过滤等方面有重要的作用。可以方便用户快速、高效的解决问题。正因为人们对短文本分类越来越大的需求,所以如何更高效的提高短文本分类精度变成为当前面临的一大挑战。最近几年随着BERT模型的出现,NLP任务中很多其他模型解决不了的问题都得以解决,这势必对NLP发展研究起到了积极作用。BERT模型的极具灵活性,可以应对各种各样的语料库,并且为语料库提供巨大结果。BERT模型非常流行,不仅仅是在NLP领域,在其他行业领域也是深受研究者欢迎。BERT模型已经成为公认的最具影响力的预训练模型。本文通过对短文本分类相关技术以及其他知识研究,综合分析了短文本分类研究目前的难点与热点问题,深层次的分析提高分类精确度的分析。BERT模型是最近几年流行起来的机器学习模型,目前属于领先行列。它可以同时进行多种操作,例如无监督的文本分类、有监督的文本分类等。将BERT模型应用在自然语言处理中自然也是可行的。本文研究内容主要包括以下方面:1)针对目前短文本特征提取困难、短文本关键信息少、模型训练时间长、训练模型泛化能力差等问题,本文提出基于BERT模型的短文本分类技术。该模型可以系统的完成短文本分类任务,将处理完成的文本信息直接输出BERT模型,不需要进行其他操作,就可以对短文本进行分类,更加方便迅捷的实现短文本分类。本文通过和其他分类模型在相同数据集上的表现进行比对,证实BERT模型对短文本分类研究有所提高。2)针对BERT模型对短文本分类存在的不足,本文分析了支持向量机在短文本分类任务中的特性,将BERT模型和支持向量机分类器进行融合,构建S-BERT模型进一步对短文本分类精度提升,从而解决BERT模型对短文本分类任务的不足。本文在公开数据集上,通过S-BERT模型和其他分类模型（包括BERT模型）在相同数据集上进行实验对比,最终得出对BERT模型的改进确实可以提高原有BERT模型的分类精度。
徐流畅[3]（2020）在《预训练深度学习架构下的语义地址匹配与语义空间融合模型研究》文中进行了进一步梳理随着我国数字城市与智慧城市建设的不断开展,地址信息作为战略性的基础地理信息及空间数据资源,在人们日常生活中的作用愈发重要,而且在国家的经济建设、文化发展和社会管理等多方面也起到相当关键的作用。在各行各业的基于位置服务的大数据应用需求驱动下,我国各相关部门采集和积累了海量异构的地址数据。然而由于我国地址规范标准不统一以及人工采集与管理秩序的混乱,导致地址信息的解析和理解成为一大难题,也极大地限制了其在各个领域内的应用。因此,有必要从认知地址文本信息和理解地址语义知识的角度出发以形成地址语义模型,让其深入挖掘地址信息的语义特征内涵并适用于计算机的高性能运算。此外,地址特有的寻址属性使得理解和融合其语义与空间信息具有重要的理论价值和实践意义,也是当前的学术热点。针对现有的地址模型研究中所存在的语义信息表达不完善、信息智能化应用不充分以及相关任务场景泛化性弱的困境,本文利用了深度神经网络中的注意力机制及“预训练-微调”模式,将地址语义理解、语义地址匹配和空间语义融合等关联度较大的任务转为可计算的深度神经网络模型的搭建和优化问题。针对地址文本语料的特性,采用自监督学习构建深度学习架构以形成地址语义模型来支持各地址相关任务。在此基础上,通过生成有监督的匹配数据集对模型进行微调,让模型针对性地识别地址间的语义相似性并实现高精度的地址匹配任务。同时考虑到地址特有的空间属性,设计了一套遵循空间相似度规则的数据集并通过对地址语义模型的微调将空间距离与地址语义进行深度关联融合。本研究系统性地构建了语义认知理解-地址高效精确匹配-空间语义深度融合-下游应用任务验证评价的中文地址理论体系和方法架构,以百万量级的位于浙江省杭州市上城区的地址语料库为实验数据对设计的方法架构进行测试、验证和应用。本文的研究内容概况如下:（1）构建了一套以广义的自回归预训练方法为核心的深度神经网络结构下的地址语义模型来实现地址语义信息的自动获取,并将“预训练-微调”模式引入地址研究中。考虑到地址中每个字符间的相互影响和双向上下文语序关系,提出了一套以排列组合式未知字符预测为目标的地址语义模型,并利用目标位置感知的双轨自注意力结构解决建模中的目标位置信息缺失问题,最终设计了具有自学习能力并且能够提供各相关应用迁移学习能力的新型深度神经网络。实验结果表明其实现了海量多源异构地址数据集的语义信息理解和表征,为基于该模型的后续应用任务研究的优秀表现夯实了基础。（2）设计并实现了基于地址语义模型微调后的语义地址匹配建模方法。受文本蕴含及文本复述理论启发,以空间位置信息为推理条件构建带标签的有监督地址对数据集,建立了一种用于有效地址匹配任务的深度神经网络架构和训练框架。以构建的语义地址匹配数据集为对象开展实验,其结果证明了该工作能有效地解决地址匹配中存在的冗余,不完整或异常表达等情况,具有“高精度轻流程”的表现。证明了所设计模型可在弱监督训练数据下维持高水准表现。论证了“先自监督预训练-后有监督微调”的两阶段范式能极大地提高任务的准确率和有效性。（3）提出了新颖的地址语义-空间深度融合理论设计,对地址的语义-空间特征研究实现了从过去的“物理结合”到本研究中的“深度融合”的转变。构建了将空间位置信息与地址语义信息相融合的训练数据集,并在地址语义模型的基础上,通过对回归任务的微调训练搭建了语义-空间融合模型。实现了可被计算机理解的包含地址特有的寻址属性的地址表征,并设置了地址空间位置预测的下游任务以评价深度融合效果。该实验数据为地址语料及其对应的空间坐标,实验结果表明本研究设计的模型在该下游任务中相比前人的模型总有最佳表现,极大地提高了空间位置预测任务的精度。证明了所设计模型能够深度融合地址的语义和空间信息,并支持地址数据空间关联的应用任务。本研究在地址信息智能化、结构化和数值化方面,实现了其理论与建模方法上的创新及突破,解决了由大数据驱动下的地址数据质量低下及数量泛滥问题,提高了地址信息解析和挖掘的操作效率以及迁移学习能力,以推动关于城市地址模型的研究,促进智慧城市空间信息建设和大众化服务体系方法的研究与发展。
于海涛[4]（2020）在《基于深度迁移学习的实体关系抽取方法》文中指出随着互联网的高速发展,人类可获取的信息量呈指数级增长,如何从海量数据中挖掘有效的信息成为亟待解决的问题。信息抽取研究正是在这种情况下产生的,其目标是将自然文本中的无结构化信息进行结构化处理,以统一的形式存储,并对获取的知识进行关联融合。实体关系抽取是其中重要组成部分之一,其通过理解文本语义,抽取文本中实体之间的现实关系,形成<实体-关系-实体>三元组作为知识图谱的最基本组件。因此,实体关系抽取技术的精度与适用性直接影响了知识图谱的准确性与体量,对构建大规模知识图谱至关重要。深度学习模型促进了实体关系抽取技术的发展,但仍面临着文本数据内容分散、实体关系类别繁杂、标注工作难度大等问题。目前,常规的实体关系抽取任务主要通过远程监督（Distant Supervision）机制自动生成大量有标注数据,并利用深度神经网络模型进行端到端的实体关系分类,但是深受噪声和误标注等问题影响,导致模型训练过程中的参数更新受到错误信息影响,抽取精度降低;在生物、医疗等专业领域存在少样本学习（Few-shot Learning）场景,通常难以自动生成数据,只能利用极少量甚至个位数的实例样本,常规的深度学习模型在少样本情况下难以学习由文本到分类的多层映射,损失函数不能收敛,导致预测结果倾向于随机,无法有效应用。为了解决上述难点,本文将深度迁移学习（Deep Transfer Learning）技术引入实体关系抽取领域,依托深度神经网络模型强大的特征提取与拟合能力,并使用迁移学习方法,将在语义信息充足的任务中得到的外部知识应用到目标任务中协助学习,提升实体关系抽取模型的性能。首先,本文针对远程监督机制下的噪声场景,提出了一种基于BERT预训练模型的实体关系抽取模型（BERT for Relation Extraction,BRE）,在外部语料中进行预训练,并将模型参数迁移到远程监督实体关系数据集中进行微调（Finetune）。本文提出的BRE模型构建了位置增强卷积层,以增强处理实体位置信息,将外部语料的绝对位置信息迁移到关于实体的相对位置信息中,使外部知识可以融入实体关系的判断,同时减弱噪声对真实关系属性的干扰。此外,本文还设计了时间衰减注意力机制用于多实例学习模式的降噪处理,在模型迭代的过程中按时间衰减而遮蔽低置信的实例,保留高置信的实例加权获取表示向量,以缓解误标注实例对模型参数更新的影响,提升模型的精度。BRE在NYT-10和GIDS等公开数据集中进行评估,验证了其优越性能。然后,针对少样本实体关系抽取任务中数据极度稀缺导致的模型无法收敛的问题,本文提出了基于度量元学习（Metric-based Meta Learning）的少样本实体关系抽取方法,该方法延伸了知识迁移的思想,将模型参数知识的迁移拓展为类别知识的迁移,即维护一个度量空间,设计元任务从具有足量数据的类别中学习文本实例与关系类别在空间中的匹配关系,并将通用的类别知识迁移到少样本的关系类别中。本文设计了以深度神经网络为基本框架,使用度量元学习方法训练的少样本实体关系抽取模型,称为多通路注意力网络（Multi-Channel Attention Network,MCAN）。MCAN 框架采用 多通路并行处理的方式保留更全面的信息,并引入了双目标辅助损失函数协助训练,使关系类别在度量空间中的划分更加清晰。MCAN框架在NYT-10和FewRel等公开数据集中验证了其优越性能及稳定性。
包文博[5]（2020）在《视频帧率上变换的递推建模与深度学习方法研究》文中研究说明近年来随着高品质显示设备的快速发展,为它们提供具有更高时间和空间分辨率的高质量视频源成为学术界和工业界迫在眉睫的研究课题。然而受制于高质量视频对视频采集、编码、传输、解码等各阶段所需要的计算能力和传输带宽的苛刻要求,将现有海量的中低质量视频通过数字信号处理的方式合成转换为高质量视频成为最可行的方案之一。在视频质量提升的研究中,从时间域上对视频的帧率进行提升是其中最具挑战的问题之一,也是最能直接给用户带来沉浸式视觉体验的关键技术。具体来讲,视频帧率上变换的目标就是在低帧率如30Hz的视频源中插入一些额外的图像帧而得到高帧率如60Hz或120Hz的高帧率视频。插入的额外的视频图像帧能够使帧间物体位移更精细,物体运动过渡的视觉效应更为平滑,从而显着改善运动视频的观赏体验。视频帧率上变换中的两个核心步骤分别是运动估计和运动补偿插帧。其中运动估计又被称为光流估计,目的是估计出原始视频帧中物体的二维运动矢量,也称光流矢量。由于光流估计是补偿插帧的前置步骤,所以由它计算出的运动矢量的优劣直接关系到最终内插帧的质量。本论文针对运动估计问题,首次对光流估计进行了基于Kalman滤波的时域递推建模,并提出了对应的递推估计算法,超越了传统光流估计局限于两帧图像之间的单个光流场的估计算法。本文以Kalman滤波系统为基础,利用视频序列中物体运动的时域相关性和空间域上下文信息,对具有连续多帧图像的视频光流场进行最优估计。在所提出的滤波系统中,每一个像素在多帧图像中的运动被定义为一个二阶时变状态向量,根据滤波器的测量噪声水平和系统噪声水平,由最大化后验估计准则最优地估计出状态向量的值。在MPI Sintel、Monkaa和Driving等多个知名视频数据集上的实验结果表明,本文所提出方法的性能超越了当时领先的算法,所生成的视频光流场在时间域上具有更好的连续性,为后续的视频内插帧生成和处理任务奠定了良好的基础。本文接着对于视频运动补偿插帧提出了基于高阶建模和动态滤波的帧率上变换算法,该模型超越了传统视频插帧模型的亮度时间不变性和物体运动线性性两个基本限制,对像素的亮度和运动分别建立高阶模型,将求解中间帧的问题转化为对高阶模型多项式系数的估计,从而使所提出的视频上变换算法能够适应复杂光照、非线性运动等更具挑战的场景。从物理意义上来讲,这些系数分别代表了物体像素亮度的变化率、物体像素的运动速度和加速度等。为了求解这些模型系数,本文提出了两个能量目标函数:第一个能量目标是根据过去的样本,最小化亮度变化率的自回归估计误差,第二个能量目标是在沿着像素运动的轨迹上,最小化图像帧的重构误差。为了高效地求解这两个能量函数,本文从视频的时域相关性出发提出了一种高效的动态滤波方案。大量实验表明,在自然视频数据和合成视频数据上,无论是做主观还是客观视觉质量对比,该算法都取得了当时最好的性能。随着近年来基于深度学习的人工神经网络在自动抽取特征方面的卓越表现,本文通过将深度学习网络整合到经典的运动估计和运动补偿插帧框架中,首次构建了基于运动估计和运动补偿的模型驱动神经网络框架（称为MEMC-Net）,提出了一种全新的自适应卷积核补偿采样网络层,用于同时整合光流场和插值卷积核以及合成目标图像的像素。该网络层是完全可微分的,因此用于估计光流和插值核的神经网络能够被联合地训练优化。该框架具有广泛的适应性,不仅可以应用于视频帧率上变换,而且还可以拓展到其它视频增强任务,如视频超分辨、视频去噪以及视频去块效应等等。在大范围的数据集上进行的广泛实验表明,本文所提出的算法的性能超越了目前业界最领先的视频插帧算法和视频增强算法。在MEMC-Net的基础之上,本文进一步提出了基于物体景深感知的视频帧率上变换算法。这是本领域多年来首次探索场景深度信息对视频内插帧合成有效性的研究工作,为相关领域开辟出了一个全新的研究方向。本文通过探索视频场景中物体的深度信息,导出了插帧过程中闭塞信息检测的显式表达式,创新性地提出了一种场景深度感知的光流映射网络层并将它用于合成中间待插视频帧的光流场。该网络层有选择性地对近距离的物体进行采样,而不是远距离的物体进行采样,还通过学习多层次的特征从邻域像素中收集上下文信息。基于前述的自适应卷积核补偿采样网络层,本文提出的模型从输入参考帧像素、场景深度图以及上下文特征中合成出最终的内插帧。在大范围的数据集上的实验表明,本文所提出的算法具有比业界最领先的视频插帧算法和视频增强算法更好的性能。综上所述,本文专注于视频帧率上变换中这个视频质量增强的关键问题,对其运动估计和运动插帧两个核心问题,分别提出了基于Kalman滤波递推新模型的视频运动估计算法和超越传统简单模型的高阶模型和高效动态滤波的插帧方法。基于近年来发展起来的深度学习方法,本文首次对视频帧率转换建立了MEMC模型驱动的深度学习框架,并首次将场景深度感知信息应用于帧频上转换。以上新算法经大范围的数据集验证,取得了超越以往方法的优异性能。
张健[6]（2020）在《基于RBM的深度神经网络算法研究》文中指出受限制的玻尔兹曼机（Restricted Boltzmann Machine,RBM）是一种概率无向图模型,其原理可以追溯到统计力学的Boltzmann分布。目前,RBM的研究及其应用已广泛覆盖人工智能、机器学习、信号处理等热点领域,但模型也存在着表达能力有限、难以扩展等不足,针对这些不足,本文以RBM模型的改进、融合、拓展为思路,研究能够缓解过拟合问题的实值RBM模型、推广RBM的目标函数、构建基于RBM的深度判别模型和深度生成模型。具体研究内容如下:（1）研究RBM的特征表达问题在传统的RBM中,二值的隐藏层单元虽然能带来计算的便利,但也造成了特征表达过程中的信息损失。为了解决这个问题,本文将二值单元拓展为实值单元,提出基于附加单元的高斯RBM模型,用于判别任务和生成任务;针对生成任务,本文将RBM的损失函数从KL散度拓展到对抗损失,提出了基于隐式梯度的对抗RBM模型,使用Gibbs采样,该拓展模型可以在目标函数梯度为隐式形式的情况下直接使用BP算法训练,因此可以灵活选择目标函数的形式,从而改善RBM在图像生成中的过度光滑问题,并且采样过程无需维持额外的马尔科夫链。（2）研究缓解RBM过拟合问题的有效方法尽管基于Dropout方法的RBM和神经网络在判别任务中是有效的,但是在图像重构任务中,Dropout RBM在某些数据集表现不佳。为了提供一种更适合RBM的缓解过拟合问题的方法,使RBM在生成任务和判别任务中都有稳定、有效的表现,本文根据随机变量的思想,将RBM中可训练参数视为服从高斯分布的随机变量,训练过程中确定高斯分布的期望和协方差,而每一次前向计算中使用的权值都是对该随机变量的采样,由此,即保证了权值在每一次传播过程中略有不同,又保证了权值具有统一的分布特性。（3）研究基于深度特征嵌入的深度判别模型在基于RBM的深度判别模型中,训练过程分为逐层迭代的预训练阶段和全局参数微调的训练阶段。然而全局微调的效果取决于预训练结果,为了避免复杂的反复训练,本文首先使用核极限学习机作为DBN模型的分类器,完成分类任务、避免全局的参数微调过程;然而在无监督预训练阶段得到的特征可能与判别任务相关、也可能与任务无关。因此,为了充分利用预训练阶段提取的深度特征,本文将该深度特征用作极限学习机（Extreme Learning Machine,ELM）的隐式特征,替换ELM的随机特征映射部分,提出了基于深度特征嵌入的增量极限学习机;基于ELM快速分类的特点,通过逐步调整深度嵌入特征,并将其用作ELM的分类特征,完成分类任务。（4）研究RBM在深度生成模型中的应用与拓展深度玻尔兹曼机（Deep Boltzmann Machine,DBM）模型的训练过程相对复杂,为了有效的生成图像并简化DBM的训练过程,本文利用Gibbs采样,提出了基于对抗损失的隐式深度玻尔兹曼机;为了有效的处理二维彩色图像的生成问题,本文引入卷积结构,提出了基于对抗损失的卷积混合生成模型;为了拓展RBM模型的深度,本文引入Flow模型,使用Boltzmann先验替代简单的非参数化先验,并最小化对抗损失替代极大似然估计,提出了具有Boltzmann先验的对抗非体积保持流模型,并验证了模型在图像生成任务中的有效性。该论文有图33幅,表24个,参考文献172篇。
许春红[7]（2020）在《哲学异质性视域下的《逻辑哲学论》研究》文中研究表明从哲学异质性的视角对维特根斯坦《逻辑哲学论》进行异质性研究,旨在通过这样的研究过程挖掘《逻辑哲学论》中的异质性要素和思想,对其进行高阶符号指谓的解读,力图在这个解读过程中理清《逻辑哲学论》的思想脉络、逻辑结构、可说与不可说的关系,为接近维特根斯坦的哲学本意提供一种文本意义的参考。这个解读的过程也是在为它的符号指谓划界的过程。在这个划界分析中,既能为更加清晰地了解维特根斯坦的思想做力所能及的贡献,同时也在探寻维特根斯坦哲学的异质性精神何以可能,为哲学研究敞开更多的自由空间。从哲学异质性的视角来看,通过否定直观经验来进行哲学论证大有问题。直观经验固然有其自身的局限,但超直观范围的问题才是哲学真正在乎的领域。当人们以自然直观的方式与世界打交道时,并没有问题的产生,一切都是自然而然,问题的产生源于概念的使用。而异质性哲学认为,人的实践逃脱不了符号指谓,它必然是以符号指谓为中介的行为,符号指谓的真实与否对于实践的成败起着至关重要的作用。因此,异质性哲学力图通过分析语言中的不恰当概括和逻辑推定来拯救实践,拯救实践的过程也是充分彰显哲学异质性精神的过程。尽管异质性哲学和维特根斯坦哲学的目的迥异,一者意在拯救实践,另一者意在拯救哲学,但由于它们都针对同样的问题,即语言符号是否能及怎样能适当地传达真实的意义,故二者在方法上可以共享。由此,我们便获得了从异质性哲学所提供的哲学异质性的视角对《逻辑哲学论》进行异质性研究的理论和方法论的基础。文章的大致脉络是在展示西方形而上学同质性追求道路上的异质性遭遇基础上,给出异质性哲学中关于哲学异质性的主要概念和论证方式,从哲学异质性的视角,运用异质性的思维方法和评判原则对维特根斯坦《逻辑哲学论》的异质性因素进行分析。主要内容包括以下几部分:文章第一部分是绪论。主要内容是关于《逻辑哲学论》的异质性研究的国内外研究现状的梳理和评析,为后续的研究奠定文献研究和学术研究的基础。文章第二部分的内容是关于哲学异质性内涵及其机理的分析。主要内容是对哲学异质性的概念进行界定,界定的方式是以西方哲学的同质性追求历程当中所面临的异质性遭遇的个例为基础,包括:希腊哲学本体论追求与异质性遭遇、近代哲学的知识论追求与异质性遭遇、海德格尔的存在论追求与异质性遭遇。在对哲学异质性遭遇的个案分析基础上,给出异质性哲学中关于哲学异质性机理的关键概念和主要内容,具体包括:自然直观和符号指谓、指谓异质性的基础和内容、述谓异质性的基础和内容。此部分为作为文章主题研究的理论基础。文章的第三部分对《逻辑哲学论》异质性的直接思想来源进行了阐述,认为弗雷格和罗素思想中的异质性因素是维特根斯坦《逻辑哲学论》异质性的直接思想来源,并对弗雷格和罗素哲学思想当中的异质性因素进行了分析。文章的第四部分是重点部分,对《逻辑哲学论》异质性进行了具体分析。主要包括:关于划界问题的异质性分析、关于世界的异质性分析、关于命题的异质性分析、关于沉默之域的异质性显现。文章的第五部分着重讨论了《逻辑哲学论》异质性的启示,主要是从《逻辑哲学论》所蕴含的异质性精神对于维特根斯坦哲学发展的影响来讨论的。从这样的讨论中,既能够理解维特根斯坦哲学思想的变化,又能够深刻体会维特根斯坦哲学思想变化中的不变的精髓,主要的内容包括:说明性与描述性相统一的言说之路、真善美相统一的信仰之路、问题与解答相统一的实践之路。文章的结论:从哲学异质性的视角看,逻辑推定的思想效益因直观认定的无法比拟而呈现不断扩大之势,从而不断侵蚀直观认定的地盘,西方哲学的发展就是其真实的写照。然而,哲学发展的本身不断地证明不管逻辑推定对直观认定的侵蚀达到何种地步,都不可能完全代替直观认定,包揽所有意义单元的结合事宜。维特根斯坦在《逻辑哲学论》中,虽然有逻辑侵蚀直观之势,但其哲学所蕴含的异质性精神不可避免的开启了哲学研究的自由空间。如何能够把言说之理运用到具体的生活和实践的整体设计和谋划中,需要进行更多的研究和思考,而且在这样的努力中异质性精神必然不可或缺。
宋业臻[8]（2020）在《腐败犯罪思维研究》文中提出新时代反腐败斗争的“长期性、复杂性、艰巨性”,主要体现在我国腐败现象发展的复杂性以及形成腐败现象成因的复杂性上。采用腐败的主观测量方法、客观测量方法并引入传染病学的传播动力学模型,计算、估计十八大之后,我国腐败与反腐败发展趋势的“三高悖论”现象,对腐败现象的查处力度高、查处绩效高以及个别地区和行业系统性腐败发生风险高。在“牛顿——实证主义”范式指导下的“方法论中心主义”心理学研究,由于缺失“本体论问题”,个体层面解释腐败现象时,难以形成与政治社会环境层面的呼应,故在解释系统性腐败成因方面面临宏观政治社会层面解释与微观个人层面解释的“两层隔离”困局。为了破解“三高悖论”之谜,突破“两层隔离”困境,本研究在吸纳心理学前沿理论的基础上,重塑了犯罪思维概念,采用“整体关联主义”范式指导下的质性量化混合研究方法的“探索式”、“解释式”与“嵌入式”设计,分别得出了以“权力”为核心概念进行推理与决策的“权力型”、以“风险”为核心概念进行推理与决策的“风险型”、以“利益是否合理”为核心概念进行推理与决策的“利益合理性”型腐败犯罪思维三类型模型。从政治社会背景与个体差异性两层结合的角度分析,“功能性分权”背景下的“结构赋权”与“关系赋权”生成了“权力的心理效应”,进而塑造了“权力型”腐败犯罪思维,“心理补偿”机制与“时代性焦虑”构成了“权力型”腐败犯罪思维的生成动力。“政治资源经营化”的多重运作机制与“重监督、轻制约”权力安排、“运动式廉政治理”塑造了“环境风险信息线索”加工机制,进而塑造了“风险型”腐败犯罪思维,“公平交易”、“上级庇护”的风险信息线索加工机制,与“相对随机”结构、体制结构组织化的腐败网络形态与政治资源经营化交易机制互相对应。社会转型造成的多元价值混合、“道德价值一元论”、“常识理性”推理机制与社会关系网络的耦合系统塑造了“利益合理性型”腐败犯罪思维,“合理”的腐败犯罪思维与腐败网络共同组成了利益交换的信任机制。在揭示出腐败犯罪思维的三类型理论及其多层面影响因素的基础上,进一步结合其特征、成因与前沿科技成果,提出构建“不敢腐”、“不能腐”、“不想腐”机制的技术支撑建议。在“不敢腐”层次上,应当加强“执法威慑”与“技术威慑”,改变腐败分子的腐败决策衡量标准;在“不能腐”层次上,应当借助信息公开平台与协同办公系统断绝腐败分子的腐败机会;在“不想腐”层次上,应当从源头上通过先进技术辅助杜绝“带病提拔”,在日常生活中加强党员干部心理健康、心理平衡的辅助配套措施。
王奋平[9]（2020）在《认知效率视角的数学教科书质量评价指标建构与应用研究 ——以中、美、英高中数学教科书比较为例》文中提出在教育全球化趋势下的数学教育改革越来越国际化,包括数学教科书比较在内的数学教育国际比较研究逐渐成为热点。鉴于国内外数学教科书比较大多集中于文本内容分析及学科知识的深度、难度探索,本研究主要解决两个目标:第一、探索形成一个适合认知效率视野下的高中数学教科书评价指标体系;第二、依据第一步评价指标比较中、美、英三国高中数学教科书在认知效率视野中的质量。其中包含将质性研究和量化研究相结合进行教科书质量评价实证研究方法的探索。研究过程:第一步,通过学习建构主义教育理论、进步教育思想等教育教学理论,并梳理中、英文献,参考国际、国内有代表性的、比较权威的教科书评价理论模型,依据该理论模型形成评价指标模型,依据该理论模型并参考了各国教科书评价指标体,初步构建了一个教科书评价指标结构,通过调研数学教育研究专家获取各初始指标权重的意见,并应用层次分析法软件处理专家数据后获取各指标权重,并据此分解指标形成问卷,在基层一线中学数学教师、数学教育研究专家等群体开展问卷调查,获取对问卷指标的调研数据,通过因子分析最终形成一个简洁而易于在教科书评价实践中操作的高学习效率视野下的教科书质量评价指标体系,研制的教科书评价指标体系包含7个一级指标,35个二级指标。7个一级指标为:学习目标、学生基础、学习动机、知识结构、探究反思、学习评价、学习环境。第二步,依托建构的评价标准,邀请五位数学教学专家和数学教育研究专家对中、美、英三国高中数学样本教科书进行评价打分,再通过模糊综合评价模型工具处理评价数据,获得三国教科书评价比较结果。第三步,通过一个教学实验验证评价结论。评价指标建构遵循以下原则:评价指标的建构应依托多元化的教育理论;认知效率视野中考量跨国教科书评价标准建构更加公允;将非智力因素作为教科书评价指标中的重要因素;兼收并蓄地建构更加包容的教科书质量评价标准;质性分析和量化研究相结合建构教科书评价标准;数学文化和数学史融入教科书质量评价因素;努力体现出创新精神培养、教育公平等观点。依据本研究制定的教科书评价指标体系,受邀数学教育专家群对中、美、英三国高中数学教科书评价结论:美国教科书质量较好,中国教科书次之,英国教科书质量较差,中、美、英教科书在七项指标以及二级指标中各有较好的表现。中国教科书书面知识覆盖广度不比美国教科书大;数学知识融入宽视野且多层次问题链是美国教科书特点之一;美国教科书更明显趋于培养学生服务于未来生活目的;不同文化背景下的数学教科书差异对数学认知效率影响较小;英国分类编写高中数学教科书对数学认知效率可能存在影响;中国教科书传统设计模式中的优秀元素值得保留。评价结论表明:认知效率视角的问题解决是高质量教科书对高效率学习的核心牵引力,而且重视开放性问题解决;高质量教科书重视合作学习、情境教学、数学应用、数学交流、重视非智力因素;学习者对数学的理解是高质量教科书主要目标;高质量教科书重视数学课程内容的综合化;结构化知识图谱构建是高质量教科书共同特点;数学课程内容的综合化是高质量教科书发展的大趋势。英国教科书分模块编写,此研究中英国教科书样本采用纯数学（核心数学）教科书,因此在其中应用性指标方面的表现必然影响其质量。应完整理解和辩证运用相关教育理论构建评价指标;选择性吸收西方教科书设计的元素。影响教科书质量因素复杂。教科书使用效率的评价很难做到涵盖所有影响因素的教科书质量因素,本研究只探索能在一定程度上反映认知视野中的高中数学教科书质量的评价指标建构及教科书比较。
张墨华[10]（2019）在《基于先验学习的图像复原技术研究》文中指出图像复原是从退化或损坏图像中复原原始图像的过程,图像复原技术在医学成像、卫星成像、监控系统、遥感影像等多个领域有着广泛的应用。图像复原方法通常基于滤波器理论、频谱分析、小波、偏微分方程或随机建模,本文工作中专注于随机建模,将图像建模为符合某些先验分布的随机变量,学习自然图像的统计特征,然后使用先验利用最大后验估计来重构退化图像。图像先验是求解不适定图像复原问题的关键,早期的图像先验设计,主要是考虑图像的物理特征或是局部特性进行手工设计。近年来研究人员研究重点转向从学习的角度去学习图像先验,根据学习的图像统计特征以提升图像复原性能。本文依托国家自然科学基金项目“基于稀疏变量统计分布积分的低剂量CT重建研究”,研究基于先验学习的图像复原技术,围绕着基于高斯混合模型的块先验学习模型、基于深度生成式模型的全局图像先验模型、面向水下图像复原的深度判别式学习模型开展工作,主要的研究成果如下:1.为了对高斯混合块先验模型施加多尺度及全局统计约束,进一步改善图像复原质量,提出一种Wasserstein距离梯度直方图约束的多尺度块先验建模方法。将梯度直方图全局统计先验引入多尺度块先验模型,使用Wasserstein距离度量复原图像梯度直方图和参考梯度直方图之间的统计距离,将差异约束项集成到多尺度块先验的图像复原框架中,以进一步提升图像复原视觉质量;通过对目标图像滤波及下采样后得到不同尺度的图像,提取的相同大小的尺度块并施加局部低维先验;为了保持尺度不变性,对原尺度图像下采样之前应用高斯滤波,通过对滤波器进行参数调整,从而使各尺度块的局部模型可以保持不变;利用半二次分裂和最优传输理论优化目标函数,算法具有有效的解析解和良好的收敛性。在图像去噪及去模糊应用所提出的模型,相比传统方法取得了更好视觉质量。2.针对全局高斯混合块先验模型未能充分利用图像中邻近块的相干性,以及目前局部块模型在图像修复求解不太稳定的问题,提出一种基于分层贝叶斯的局部高斯混合块先验模型。利用分层贝叶斯模型对模型参数引入先验知识,利用Normal-Wishart分布对均值和协方差矩阵的概率分布建模,使得块估计过程更加稳定;基于邻近块的相干性,局部窗口相似块利用特定均值和协方差的多元高斯分布建模,利用2范数度量实现相似块的聚类,通过累加平方图及快速傅立叶变换等数值优化方法,加快相似性度量的计算时间;使用基于马式距离的高斯分布相似度聚合权重,结合图像上的空间域高斯相似度,更好地拟合自然图像的统计特性。将提出的模型应用于图像去噪、图像修复等问题,从去噪平均结果来看比基于稀疏的方法更为优秀,图像修复实验中,无论对于随机填充还是均匀采样图像的插值问题,模型都能够很好地复原图像中潜在纹理。3.针对传统全局高斯混合块先验模型分量固定及主要依赖外部学习的缺点,提出一种新的基于狄利克雷过程混合模型的块先验模型。从清晰图像数据库中学习外部通用先验,从退化图像中学习内部先验,借助模型中统计量的可累加性自然实现内外部先验融合;通过模型分量的新增及归并机制,模型复杂度随数据自适应地变化,可以学习到高质量紧凑的模型;为了求解所有隐变量的变分后验分布,提出一种结合新增及归并机制的批次更新方式的可扩展变分算法,解决了传统坐标上升算法在大数据集下效率较低、容易陷入局部最优解的问题。在图像去噪实验中,相比传统方法无论在客观质量评价还是视觉观感上更有优势。4.训练良好的深度生成式网络可以学习图像低维流形,针对深度生成式图像先验模型相关理论研究还不完备,研究深度生成式模型的可逆求解问题,证明了对于浅层反卷积生成式网络,采用梯度下降可以有效地实现隐编码求解;证明投影梯度算法在目标函数满足受限强凸/受限强平滑条件下是收敛的;针对当前深度生成式网络尚不能完全学习到丰富且复杂的自然图像分布的问题,提出新的扩展生成式网络表示范围的图像复原算法,同时考虑生成器范围内和范围外图像还原损失项,通过最小化额外的范围误差惩罚项关联范围内和范围外图像,通过调整最终目标项中每个损失项附加的权重来控制误差松弛量,以扩展生成式网络表示能力。将所提出的算法应用于压缩感知、图像修复等非盲图像复原,以及盲图像去模糊应用,相比于传统方法,复原图像无论在生动程度,还是保真还原度都更为出色;所提出的算法可以进一步应用到信号处理和计算机视觉其他逆问题求解。5.针对传统基于模型的水下图像方法,单一先验模型在图像某些区域对介质透射率常常产生不准确估计的问题,提出显着性引导多尺度先验融合的水下图像复原方法,联合强度衰减差异先验和水下暗通道先验估计场景的介质透射率,使得介质透射率估计比传统方法更为准确,在有效地去除水下图像偏色的同时,也改善画质的对比度和亮度;针对现有基于模型水下图像复原方法存在鲁棒性不足的问题,考虑海水类型的多样性,提出一种基于对抗编码解码网络的水下图像复原模型,实现端到端的水下图像复原;利用编码器学习与海水类型无关的图像特征,解码器根据这一特征生成清晰水下复原图像,海水类型判别器对编码器输出的隐编码进行分类,编码解码器与判别器通过对抗式方式学习,完成整个网络的训练;将1范数损失、多尺度结构相似性度量损失及对抗损失相结合,在复原图像时能保留更多细节。在多种场景的水下图像集合进行实验,相比传统方法,无论主观视觉感观还是客观度量评估,所提出模型更有优势。
二、混合维空间遮蔽关系的表示与推理（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、混合维空间遮蔽关系的表示与推理（论文提纲范文）
（1）地质文本中油气藏特征提取及成藏知识图谱构建研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状与分析 |
| 1.2.1 油气地质知识服务 |
| 1.2.2 地质资料信息抽取研究进展 |
| 1.2.3 知识图谱构建研究进展 |
| 1.2.4 存在问题与分析 |
| 1.3 研究目标与内容 |
| 1.4 论文创新点 |
| 1.5 论文技术路线及组织结构 |
| 第二章 油气藏特征与知识图谱相关理论技术 |
| 2.1 油气藏的特征 |
| 2.2 知识元及知识组织方式 |
| 2.2.1 知识元概念 |
| 2.2.2 知识组织方式 |
| 2.3 知识图谱理论概述 |
| 2.3.1 知识图谱定义与逻辑框架 |
| 2.3.2 知识图谱构建流程 |
| 2.4 关键技术 |
| 2.4.1 文本表示技术 |
| 2.4.2 主题提取与主题域划分 |
| 2.4.3 实体及关系抽取技术 |
| 2.4.4 注意力机制与Transformer |
| 2.4.5 预训练语言模型BERT |
| 2.5 本章小结 |
| 第三章 基于层次主题的地质文本知识元提取研究 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 数据准备 |
| 3.3.1 油气地质资料及预处理 |
| 3.3.2 油气领域本体构建 |
| 3.4 基于词约束h LDA的油气地质文本主题提取 |
| 3.4.1 概述 |
| 3.4.2 词约束h LDA模型设计 |
| 3.4.3 油气地质文本主题提取方法 |
| 3.4.4 实验 |
| 3.5 顾及地质文本特点的油气藏知识元提取 |
| 3.5.1 概述 |
| 3.5.2 主题特征知识元提取方法 |
| 3.5.3 图表关联知识元提取方法 |
| 3.5.4 实验 |
| 3.6 本章小结 |
| 第四章 融合领域知识的地质文本油气藏特征提取研究 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 基于词表特征加强的油气藏特征实体提取 |
| 4.3.1 概述 |
| 4.3.2 油气藏特征实体类型分析 |
| 4.3.3 油气藏特征实体语料标注 |
| 4.3.4 一种基于词汇特征增强的实体抽取模型 |
| 4.3.5 实验 |
| 4.4 基于改进标签策略的油气藏特征关系提取 |
| 4.4.1 概述 |
| 4.4.2 油气藏特征关系类型分析 |
| 4.4.3 语义重叠的关系标签策略 |
| 4.4.4 一种优化标签策略的关系抽取模型 |
| 4.4.5 实验 |
| 4.5 本章小结 |
| 第五章 基于主题的油气成藏知识图谱构建及应用 |
| 5.1 引言 |
| 5.2 基于主题的油气藏知识的表示 |
| 5.2.1 扩展的三元组知识表示方法 |
| 5.2.2 融合异质辅助信息的三元组向量化模型 |
| 5.3 基于多特征的油气藏知识元关联方法 |
| 5.3.1 知识元的抽象表达 |
| 5.3.2 多特征距离度量 |
| 5.4 油气成藏知识图谱构建与服务系统设计 |
| 5.4.1 油气成藏知识图谱构建 |
| 5.4.2 油气成藏知识服务系统设计 |
| 5.5 油气成藏知识图谱的服务应用 |
| 5.5.1 文献知识主题筛选 |
| 5.5.2 知识信息检索服务 |
| 5.5.3 知识信息关联服务 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
（2）基于深度学习的短文本分类技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织及结构 |
| 第二章 短文本分类相关算法及分析 |
| 2.1 卷积神经网络 |
| 2.2 CBOW模型 |
| 2.3 Skip-gram模型 |
| 2.4 支持向量机 |
| 2.5 BERT模型 |
| 2.6 特征工程 |
| 2.7 本章小结 |
| 第三章 基于BERT模型的短文本分类研究 |
| 3.1 短文本向量化 |
| 3.2 短文本表示 |
| 3.3 Transformer模型 |
| 3.3.1 Transformer内部结构 |
| 3.3.2 Transformer文本表示 |
| 3.3.3 Transformer编码模块 |
| 3.4 BERT模型 |
| 3.4.1 BERT模型内部结构 |
| 3.4.2 BERT的预训练任务 |
| 3.5 实验数据及分析 |
| 3.5.1 实验数据集 |
| 3.5.2 数据预处理及参数设置 |
| 3.5.3 基本模型及评价指标 |
| 3.5.4 实验对比与分析 |
| 3.6 本章小结 |
| 第四章 基于改进BERT模型的短文本分类研究 |
| 4.1 支持向量机 |
| 4.1.1 支持向量机算法 |
| 4.1.2 核函数 |
| 4.2 一种改进的BERT模型 |
| 4.3 实验数据及分析 |
| 4.3.1 实验工具及实验数据集 |
| 4.3.2 数据预处理及参数设置 |
| 4.3.3 实验对比与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（3）预训练深度学习架构下的语义地址匹配与语义空间融合模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 术语缩写表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地名地址匹配方法研究 |
| 1.2.2 自然语言建模方法研究 |
| 1.2.3 自然语言模型方法下的位置语义融合研究 |
| 1.2.4 存在问题与不足 |
| 1.3 研究目的 |
| 1.4 研究内容 |
| 1.5 章节安排 |
| 2 自监督预训练式的地址语义建模研究 |
| 2.1 中文地址数据结构及预处理 |
| 2.1.1 中文地址数据现状及特点 |
| 2.1.2 自监督语义表征学习的优势 |
| 2.1.3 实验数据及地址清洗预处理 |
| 2.2 深度学习架构下的语义表征方法 |
| 2.2.1 深度学习架构相关理论 |
| 2.2.2 自然语言自注意力机制理论 |
| 2.2.3 神经网络语言模型通用结构 |
| 2.2.4 自监督预训练语言模型理论 |
| 2.3 地址语义模型设计 |
| 2.3.1 基于多头自注意力的语义特征提取 |
| 2.3.2 克服地址长距离依赖的循环机制 |
| 2.3.3 排列组合式未知字符预测的目标 |
| 2.3.4 目标位置感知的双轨自注意力结构 |
| 2.3.5 局部预测优化设计 |
| 2.3.6 整体模型结构 |
| 2.4 地址语义模型训练框架 |
| 2.4.1 模型输入与超参数 |
| 2.4.2 目标函数 |
| 2.4.3 神经网络优化器设计 |
| 2.5 实验设计与模型验证 |
| 2.5.1 实验设计 |
| 2.5.2 实验结果分析 |
| 2.6 本章小结 |
| 3 基于地址语义模型微调的地址匹配研究 |
| 3.1 地址匹配相关理论 |
| 3.1.1 地址匹配相关概念 |
| 3.1.2 地址匹配原理 |
| 3.1.3 语义地址匹配定义 |
| 3.2 基于空间推理的等价地址语义数据集构建 |
| 3.2.1 文本蕴含及文本复述理论 |
| 3.2.2 带标签的地址匹配数据集重构设计 |
| 3.2.3 语义地址匹配数据集增强 |
| 3.3 语义地址匹配任务建模 |
| 3.3.1 深度神经网络模型微调理论 |
| 3.3.2 基于地址匹配分类任务的模型微调与训练 |
| 3.4 实验设计与分析 |
| 3.4.1 实验设计 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 4 地址语义-空间信息融合研究 |
| 4.1 地址语义-空间信息融合设计 |
| 4.1.1 文本语义相似度理论 |
| 4.1.2 地址间空间相似度设计 |
| 4.1.3 地址文本空间相似融合数据集构建 |
| 4.2 地址语义-空间信息融合任务建模 |
| 4.2.1 基于地址语义空间相似融合回归任务的模型微调与训练 |
| 4.3 空间坐标预测的下游验证评价任务 |
| 4.4 实验设计与分析 |
| 4.4.1 实验设计 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究特色与创新 |
| 5.3 研究展望 |
| 参考文献 |
| 作者简历 |
（4）基于深度迁移学习的实体关系抽取方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 论文内容和创新点 |
| 1.3 研究生期间主要工作 |
| 1.4 论文结构 |
| 第二章 实体关系抽取与迁移学习的相关理论与研究现状 |
| 2.1 实体关系抽取相关技术与发展现状 |
| 2.1.1 传统实体关系抽取方法 |
| 2.1.2 基于深度学习的实体关系抽取方法 |
| 2.1.3 远程监督与多实例学习 |
| 2.1.4 少样本实体关系抽取方法 |
| 2.1.5 实体关系抽取技术在各领域的应用 |
| 2.2 迁移学习相关技术与发展现状 |
| 2.2.1 迁移学习算法概述 |
| 2.2.2 深度迁移学习与预训练模型 |
| 2.2.3 深度迁移学习与度量元学习方法 |
| 2.2.4 迁移学习技术在实体关系抽取任务中的应用 |
| 2.3 本章小结 |
| 第三章 基于BERT预训练模型的降噪实体关系抽取方法 |
| 3.1 引言 |
| 3.2 问题分析 |
| 3.2.1 远程监督机制下实体关系抽取技术面临的难题 |
| 3.2.2 多实例学习模式下的实体关系抽取基线模型 |
| 3.2.3 实体关系抽取任务中的BERT预训练模型 |
| 3.2.4 现有方法的不足与改进思路 |
| 3.3 基于BERT预训练模型的降噪实体关系抽取方法 |
| 3.3.1 模型整体架构 |
| 3.3.2 基于BERT的预训练模块 |
| 3.3.3 基于卷积神经网络的位置信息增强模块 |
| 3.3.4 基于时间衰减注意力机制的降噪模块 |
| 3.3.5 模型的训练方法 |
| 3.4 仿真实验与分析 |
| 3.4.1 数据集与对比算法 |
| 3.4.2 实验设置 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于度量元学习的少样本实体关系抽取方法 |
| 4.1 引言 |
| 4.2 问题分析 |
| 4.2.1 少样本实体关系抽取任务定义 |
| 4.2.2 基于度量元学习的少样本实体关系抽取方法 |
| 4.2.3 现有方法的不足与改进思路 |
| 4.3 基于多通路注意力网络的少样本实体关系抽取方法 |
| 4.3.1 模型整体架构 |
| 4.3.2 基于卷积神经网络的文本编码器模块 |
| 4.3.3 基于多通路注意力机制的实体关系表示模块 |
| 4.3.4 基于注意力机制的匹配模块 |
| 4.3.5 基于双目标辅助损失函数的训练方法 |
| 4.4 仿真实验与分析 |
| 4.4.1 数据集与对比算法 |
| 4.4.2 实验设置 |
| 4.4.3 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结和展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）视频帧率上变换的递推建模与深度学习方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于运动估计与运动补偿的插帧 |
| 1.2.2 基于深度学习的插帧 |
| 1.3 论文主要工作 |
| 1.3.1 上下文感知的Kalman滤波视频光流估计 |
| 1.3.2 基于高阶模型与动态滤波的视频帧率上变换 |
| 1.3.3 MEMC模型驱动的深度学习视频帧率上变换 |
| 1.3.4 融合场景深度的视频帧率上变换 |
| 1.4 章节安排 |
| 第二章 上下文感知的Kalman滤波视频光流估计 |
| 2.1 引言 |
| 2.2 相关研究工作 |
| 2.2.1 基于变分优化框架的光流估计 |
| 2.2.2 基于损失空间搜索的光流估计 |
| 2.2.3 基于卷积神经网络的光流估计 |
| 2.3 Kalman滤波视频光流估计 |
| 2.3.1 视频光流场的Kalman滤波算法 |
| 2.3.2 视频帧间Kalman滤波器的递推 |
| 2.4 上下文感知的Kalman滤波器系统噪声估计 |
| 2.4.1 上下文信息提取 |
| 2.4.2 系统噪声估计 |
| 2.5 时域相关性增强的Kalman滤波器的测量噪声估计 |
| 2.6 实验结果与分析 |
| 2.6.1 客观指标分析 |
| 2.6.2 主观质量分析 |
| 2.6.3 上下文感知模块性能分析 |
| 2.6.4 参数敏感性分析 |
| 2.7 本章小结 |
| 第三章 基于高阶建模与动态滤波的帧率上变换 |
| 3.1 引言 |
| 3.2 相关研究工作 |
| 3.2.1 高阶建模 |
| 3.2.2 动态滤波 |
| 3.3 基于高阶模型的帧率上变换模型 |
| 3.3.1 亮度与运动的高阶建模 |
| 3.3.2 亮度与运动估计的联合能量函数 |
| 3.3.3 基于高阶模型的视频帧率上变换 |
| 3.4 高阶模型的最优估计求解算法 |
| 3.4.1 先验估计 |
| 3.4.2 最大似然验估计 |
| 3.4.3 Kalman滤波器 |
| 3.4.4 噪声协方差估计 |
| 3.4.5 能量最小化优化算法 |
| 3.5 实验结果与分析 |
| 3.5.1 与现有帧率上变换算法对比 |
| 3.5.2 高阶运动模型性能评估 |
| 3.5.3 高阶亮度模型性能评估 |
| 3.6 本章小结 |
| 第四章 MEMC模型驱动的深度学习视频帧率上变换 |
| 4.1 引言 |
| 4.2 相关研究工作 |
| 4.2.1 基于运动估计与补偿的经典算法 |
| 4.2.2 基于神经网络学习的现代算法 |
| 4.3 MEMC模型驱动的深度学习帧率上变换方法 |
| 4.3.1 MEMC-Net模型框架 |
| 4.3.2 基于光流偏移的自适应卷积核采样网络层 |
| 4.3.3 光流映射网络层 |
| 4.4 基于MEMC-Net的视频帧率上变换 |
| 4.4.1 网络模块 |
| 4.4.2 算法实现细节 |
| 4.5 MEMC-Net模型在视频增强上的可扩展性 |
| 4.6 实验结果与分析 |
| 4.6.1 神经网络模块性能评估 |
| 4.6.2 视频帧率上变换性能评估 |
| 4.6.3 MEMC-Net可扩展性分析 |
| 4.7 本章小结 |
| 第五章 融合场景深度的视频帧率上变换 |
| 5.1 引言 |
| 5.2 相关研究工作 |
| 5.2.1 视频帧率上变换 |
| 5.2.2 场景深度估计 |
| 5.3 融合场景深度的视频帧率上变换方法 |
| 5.3.1 融合场景深度信息的光流估计 |
| 5.3.2 融合场景深度的插帧模型 |
| 5.4 实验结果与分析 |
| 5.4.1 实验条件与评估指标 |
| 5.4.2 景深感知的光流映射性能分析 |
| 5.4.3 多层次上下文提取模块性能分析 |
| 5.4.4 与当时领先算法的比较 |
| 5.4.5 场景深度估计性能分析 |
| 5.4.6 模型参数与运行时间性能分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的科研成果及参与的项目 |
| 简历 |
（6）基于RBM的深度神经网络算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 背景与意义 |
| 1.3 国内外研究现状 |
| 1.4 本文的主要研究内容和组织结构 |
| 2 基础理论 |
| 2.1 RBM基础理论 |
| 2.2 RBM与神经网络 |
| 2.3 其他相关理论 |
| 2.4 小结 |
| 3 关于RBM特征表达的研究 |
| 3.1 引言 |
| 3.2 基于附加单元的高斯RBM模型 |
| 3.3 基于隐式梯度的对抗RBM模型 |
| 3.4 小结 |
| 4 基于不确定性权值的RBM模型 |
| 4.1 引言 |
| 4.2 基于权值不确定性方法的RBM及其深度拓展模型 |
| 4.3 实验 |
| 4.4 小结 |
| 5 基于深度特征嵌入的深度判别模型 |
| 5.1 引言 |
| 5.2 小波核极限学习机 |
| 5.3 基于深度特征嵌入的增量型极限学习机 |
| 5.4 小结 |
| 6 RBM在生成模型中的应用与拓展 |
| 6.1 引言 |
| 6.2 基于对抗损失的DBM模型 |
| 6.3 基于对抗损失的卷积混合生成模型 |
| 6.4 具有Boltzmann先验的对抗的非体积保持流模型 |
| 6.5 小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）哲学异质性视域下的《逻辑哲学论》研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文选题的理论和现实意义 |
| 1.1.1 理论意义 |
| 1.1.2 现实意义 |
| 1.2 论文选题的国内外研究现状 |
| 1.2.1 国外关于《逻辑哲学论》的研究概况 |
| 1.2.2 国内关于《逻辑哲学论》的研究概况 |
| 1.3 论文的研究特色和创新之处 |
| 1.3.1 论文的研究特色 |
| 1.3.2 论文的理论创新 |
| 第2章 何谓哲学异质性 |
| 2.1 异质性是哲学的题中应有之义 |
| 2.1.1 希腊哲学的本体论追求与异质性遭遇 |
| 2.1.2 近代哲学的知识论追求与异质性遭遇 |
| 2.1.3 海德格尔的存在论追求与异质性遭遇 |
| 2.2 哲学异质性的内涵 |
| 2.2.1 自然直观和符号指谓 |
| 2.2.2 指谓异质性 |
| 2.2.3 述谓异质性 |
| 2.3 哲学异质性的表现形式 |
| 2.3.1 作为哲学要素的哲学异质性 |
| 2.3.2 作为思维方式的哲学异质性 |
| 2.3.3 作为研究主题的哲学异质性 |
| 第3章 《逻辑哲学论》的异质性思想来源 |
| 3.1 《逻辑哲学论》的理论结构和核心内容 |
| 3.1.1 《逻辑哲学论》的理论结构 |
| 3.1.2 《逻辑哲学论》的核心内容 |
| 3.2 弗雷格与罗素哲学思想中的异质性要素 |
| 3.2.1 弗雷格概念文字的异质性奠基 |
| 3.2.2 罗素逻辑原子主义的异质性发展 |
| 第4章 《逻辑哲学论》的异质性分析 |
| 4.1 关于划界问题的异质性分析 |
| 4.1.1 可说与不可说的划界异质性 |
| 4.1.2 言说的显示与显示的言说——与康德哲学进行比较 |
| 4.2 关于世界的异质性分析 |
| 4.2.1 逻辑成为世界主词的范畴谓词 |
| 4.2.2 世界是所有如此的情况——语言符号对自然直观的异质性自觉 |
| 4.2.3 世界是事实而非物的总和——语言符号开启世界的异质性空间 |
| 4.3 关于命题的异质性分析 |
| 4.3.1 关于命题结构的异质性分析 |
| 4.3.2 关于命题意义的异质性分析 |
| 4.3.3 关于命题类型的异质性分析 |
| 4.4 关于沉默之域的异质性显现 |
| 4.4.1 沉默之域的异质性存在方式——背景 |
| 4.4.2 沉默之域的异质性主体——界限 |
| 4.4.3 沉默之域的异质性指向——生活(实践) |
| 第5章 维特根斯坦《逻辑哲学论》的异质性启示 |
| 5.1 说明性与描述性相统一的言说之路 |
| 5.1.1 《逻辑哲学论》中的说明澄清描述 |
| 5.1.2 《哲学研究》中的描述显现说明 |
| 5.2 真善美相统一的信仰之路 |
| 5.2.1 语言批判对“真”的诠释 |
| 5.2.2 沉默之域对“善”的践行 |
| 5.2.3 完满人生对“美”的实现 |
| 5.3 问题与解答相统一的实践之路 |
| 5.3.1 通过描述世界来解答人生问题——问题的消失 |
| 5.3.2 通过生活的显示来解答人生问题——改变生活 |
| 结语 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表论文以及参加科研情况 |
（8）腐败犯罪思维研究（论文提纲范文）
| 摘要 |
| abstract |
| 前言 |
| 第一章 研究背景 |
| 第一节 腐败现象发展的复杂性:“三高悖论” |
| 第二节 腐败成因解释的复杂性:“两层隔离” |
| 小结 |
| 第二章 文献综述 |
| 第一节 腐败概念分析 |
| 第二节 犯罪思维概念分析 |
| 一、传统犯罪思维概念分析 |
| 二、系统梳理并重新界定犯罪思维概念 |
| 三、犯罪思维的影响因素 |
| 小结 |
| 第三章 研究方法 |
| 第一节 混合研究方法的科学哲学讨论 |
| 一、“第三波方法论”运动与从“牛顿-实证主义”到“整体关联主义”范式变迁 |
| 二、“三高悖论”、“两层隔离”、话语多元性与心理学“本体论问题”丢失 |
| 第二节 采用怎样的混合设计模式 |
| 一、总体混合设计模式 |
| 二、具体混合设计方法1:“探索式”部分的混合设计 |
| 三、具体混合设计方法2:“解释式”部分的混合设计 |
| 第四章 腐败认知表征研究 |
| 第一节 研究参与者 |
| 第二节 腐败认知表征“概念-特征”网络类型的“探索式”混合设计研究 |
| 一、研究工具 |
| 二、腐败认知表征“概念-特征”网“均衡性”分析 |
| 三、腐败认知表征“概念-特征”网“中心性”分析 |
| 四、腐败认知表征“概念-特征”网“凝聚子群”分析 |
| 第三节 腐败认知表征“概念-特征”网络类型的“解释式”混合设计研究 |
| 一、研究工具 |
| 二、研究结果 |
| 小结 |
| 第五章 腐败决策表征研究 |
| 第一节 研究工具 |
| 一、腐败决策表征维度探索 |
| 二、腐败决策表征工具设计 |
| 第二节 研究假设 |
| 第三节 研究结果 |
| 小结 |
| 第六章 腐败犯罪思维影响因素研究 |
| 第一节 腐败犯罪思维影响因素量化研究 |
| 一、研究工具 |
| 二、研究结果 |
| 第二节 腐败犯罪思维影响因素质化研究 |
| 一、“权力型”不等于“一把手”:“功能型分权”下“结构赋权”与“关系赋权” |
| 二、““风险线索加工”与“政治资源经营化”的多重运作逻辑 |
| 三、“合理”与“常识理性-关系社会”耦合系统的“圈子”运行机制 |
| 小结 |
| 第七章 构建“不敢腐”、“不能腐”、“不想腐”体系的技术支撑 |
| 第一节 反腐败技术建议的制度基础 |
| 第二节 构建“不敢腐”、“不能腐”、“不想腐”技术体系的建议 |
| 第八章 总讨论 |
| 第一节 研究总结 |
| 一、扩展“经济-社会结构”与“国家-社会”解释路径 |
| 二、扩展“个体差异性”解释路径 |
| 三、扩展反腐败技术支撑建议 |
| 第二节 研究意义 |
| 第三节 研究展望 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）认知效率视角的数学教科书质量评价指标建构与应用研究 ——以中、美、英高中数学教科书比较为例（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和目的 |
| 1.2 研究的问题 |
| 1.3 概念界定 |
| 1.4 研究的范围 |
| 第2章 研究综述 |
| 2.1 数学教科书研究状况 |
| 2.2 教科书比较相关研究 |
| 2.2.1 国外数学教科书比较研究状况 |
| 2.2.2 国内数学教科书比较研究状况 |
| 2.3 教科书质量评价比较相关研究 |
| 2.3.1 国内对教科书质量评价及评价标准的研究 |
| 2.3.2 国外对教科书质量评价及评价标准的研究 |
| 2.3.3 国际上主要教科书评价指标体系和工具简介 |
| 第3章 研究设计 |
| 3.1 研究的思路 |
| 3.2 研究方法与工具 |
| 3.2.1 研究方法的选择 |
| 3.2.2 研究工具的选择及使用 |
| 3.3 评价专家的选择 |
| 3.4 教学实验设计 |
| 第4章 认知效率视角数学教科书质量评价指标建构的理论分析 |
| 4.1 认知效率视角下数学教科书评价框架的理论基础 |
| 4.1.1 建构主义教学理论主要观点 |
| 4.1.2 进步主义教育思想及其教学观 |
| 4.2 对教科书评价体系的一级指标建构的启示 |
| 第5章 认知效率视角的数学教科书质量评价指标建构 |
| 5.1 教科书评价模型设计 |
| 5.2 调查问卷的设计 |
| 5.3 问卷调查的实施 |
| 5.4 教科书评价初始模型指标权重确定 |
| 5.5 教科书评价指标的修订 |
| 5.5.1 “学习目标”评价标准确定 |
| 5.5.2 “学生基础”评价标准确定 |
| 5.5.3 “学习动机”评价标准确定 |
| 5.5.4 “知识结构”评价标准确定 |
| 5.5.5 “探究反思”评价标准确定 |
| 5.5.6 “学习评价”评价标准确定 |
| 5.5.7 “学习环境”评价标准确定 |
| 第6章 认知效率视角的教科书质量评价比较 |
| 6.1 “学习目标”指标的比较 |
| 6.2 “学生基础”指标的比较 |
| 6.3 “学习动机”指标的比较 |
| 6.4 “知识结构”指标的比较 |
| 6.5 “探究反思”指标的比较 |
| 6.6 “学习评价”指标的比较 |
| 6.7 “学习环境”指标的比较 |
| 6.8 中、美、英高中数学教科书整体质量评价结果比较 |
| 第7章 教科书质量教学验证实验 |
| 7.1 教学实验过程及结果 |
| 7.2 教学实验结果分析 |
| 第8章 中美英数学教科书比较结果分析讨论 |
| 8.1 中、美、英教科书“学习目标”指标比较结果分析 |
| 8.2 中、美、英教科书“学生基础”指标比较结果分析 |
| 8.3 中、美、英教科书“学习动机”指标比较结果分析 |
| 8.4 中、美、英教科书“知识结构”指标比较结果分析 |
| 8.5 中、美、英教科书“探究反思”指标比较结果分析 |
| 8.6 中、美、英教科书“学习评价”内容比较结果分析 |
| 8.7 中、美、英教科书“学习环境”指标比较结果分析 |
| 第9章 研究结论 |
| 9.1 数学教科书质量评价指标体系建构分析 |
| 9.1.1 评价指标的建构应依托多元化的教育理论 |
| 9.1.2 认知效率视野中考量跨国教科书评价标准的建构更加公允 |
| 9.1.3 兼收并蓄地建构更加包容和广阔的教科书质量评价标准 |
| 9.1.4 基于技术的量化质性研究相结合建构和使用教科书评价指标 |
| 9.1.5 将数学文化和数学史作为评价指标的因素 |
| 9.1.6 将非智力因素作为教科书评价指标中的重要因素 |
| 9.1.7 努力体现出创新精神培养及因材施教的教育观 |
| 9.2 高质量高中数学教科书质量主要特征 |
| 9.2.1 高质量教科书重视学习者全方位素质的发展 |
| 9.2.2 问题解决是高质量教科书对高效率学习的核心牵引力 |
| 9.2.3 高质量教科书重视合作学习、情境教学、数学应用、数学交流 |
| 9.2.4 重视非智力因素对学习的作用是高质量教科书的重要特点之一 |
| 9.2.5 数学课程内容的综合化是高质量教科书发展的大趋势 |
| 9.2.6 促进理解性数学学习是高质量教科书共同的目标 |
| 9.2.7 结构化知识图谱构建是高质量教科书共同特点 |
| 9.3 中美英高中数学教科书的总体差异分析 |
| 9.3.1 中国教科书书面知识覆盖广度不比美国教科书大 |
| 9.3.2 将数学知识融入宽视野且多层次问题链中是美国教科书特点之一 |
| 9.3.3 美国教科书更明显趋于培养学生服务于未来生活目的 |
| 9.3.4 英国分类编写高中数学教科书可能影响认知效率 |
| 9.3.5 不同文化背景下的数学教科书差异对数学学习效率影响较小 |
| 9.3.6 中国数学教科书在继承基础上兼容并蓄模式值得保留 |
| 第10章 对本研究的反思 |
| 10.1 本研究的创新点和不足 |
| 10.1.1 本研究的创新点 |
| 10.1.2 本研究的不足之处 |
| 10.2 反思和建议 |
| 10.2.1 辩证看待量化研究结论的可靠性和有限性 |
| 10.2.2 完整理解和辩证运用相关教育理论构建评价指标 |
| 10.2.3 选择性吸收美国教育改革结论和实践经验 |
| 10.2.4 教科书改革应是充分论证和一定阶段教学实验基础上的改革 |
| 附录1 爱德思(Edexcel)考试委员会各数学模块及主要内容 |
| 附录2 教科书评价标准指标权重问卷 |
| 附录3 教科书评价标准指标问卷 |
| 附录4 数学教科书评价指标及其内涵 |
| 附录5 问卷指标共同度 |
| 附录6 英国教育部A水平大纲对学生(16-18)的学习要求 |
| 附录7 内华达州教材评价标准指标(2015年前) |
| 附录8 贝尔的教科书评价标准 |
| 附录9 英国SMP14-16岁CSE(或GCSE)数学教科书内容 |
| 外文文献 |
| 中文文献 |
| 在读期间发表的学术论文及研究成果 |
| 发表的学术论文 |
| 参编着作 |
| 主持、参与的科研项目 |
| 获奖 |
| 致谢 |
（10）基于先验学习的图像复原技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号定义 |
| 英文缩略语表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 图像复原技术概述 |
| 1.2.1 图像退化模型 |
| 1.2.2 基于正则的图像复原方法 |
| 1.2.3 约束图像复原方法 |
| 1.2.4 贝叶斯图像复原方法 |
| 1.2.5 求解图像复原问题的优化方法 |
| 1.3 图像复原学习模型研究现状 |
| 1.3.1 图像先验学习的生成式模型及判别式模型 |
| 1.3.2 面向图像块先验建模的高斯混合模型 |
| 1.3.3 面向图像复原的深度神经网络判别式学习 |
| 1.3.4 面向全局图像先验建模的深度生成式模型 |
| 1.4 论文的主要研究内容和章节安排 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文章节安排 |
| 第二章 Wasserstein距离梯度直方图约束的多尺度块先验模型 |
| 2.1 引言 |
| 2.2 块对数似然期望模型 |
| 2.3 高期混合块先验模型训练 |
| 2.4 多尺度块模型 |
| 2.5 梯度直方图先验及Wasserstein距离 |
| 2.5.1 梯度直方图先验 |
| 2.5.2 Wasserstein距离 |
| 2.6 梯度直方图先验约束的多尺度块模型 |
| 2.7 尺度不变性和参考直方图估计 |
| 2.7.1 尺度不变性 |
| 2.7.2 参考直方图估计 |
| 2.8 实验结果及分析 |
| 2.8.1 实验环境及相关设置 |
| 2.8.2 实验结果 |
| 2.8.3 收敛性分析 |
| 2.9 本章小结 |
| 第三章 基于分层贝叶斯的局部高斯混合块先验模型 |
| 3.1 引言 |
| 3.2 全局高斯混合块先验模型 |
| 3.3 分层贝叶斯的局部高斯混合块先验模型 |
| 3.3.1 块退化模型 |
| 3.3.2 联合变量优化求解过程 |
| 3.3.3 相似块搜索 |
| 3.3.4 块聚合过程 |
| 3.3.5 HBLGMM图像复原算法 |
| 3.3.6 计算复杂度分析 |
| 3.4 实验结果及分析 |
| 3.4.1 参数设置 |
| 3.4.2 实验结果 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第四章 基于狄利克雷过程混合模型的图像复原 |
| 4.1 引言 |
| 4.2 狄利克雷过程及狄利克雷过程混合模型 |
| 4.2.1 狄利克雷过程 |
| 4.2.2 后验分布 |
| 4.2.3 狄利克雷过程混合模型 |
| 4.3 狄利克雷过程混合模型的图像生成过程 |
| 4.4 图像通用块先验学习 |
| 4.4.1 变分后验分布 |
| 4.4.2 变分参数的更新 |
| 4.4.3 通用先验学习算法 |
| 4.4.4 模型分量的新增和归并机制 |
| 4.5 DPMM图像复原算法 |
| 4.6 实验结果及分析 |
| 4.6.1 实验设定及参数设置 |
| 4.6.2 实验结果 |
| 4.7 本文三种块先验模型对比分析 |
| 4.8 本章小结 |
| 第五章 基于深度生成式先验模型的图像复原 |
| 5.1 引言 |
| 5.2 生成式网络隐向量求解分析 |
| 5.2.1 隐向量逆向求解问题定义 |
| 5.2.2 隐向量梯度下降求解有效性理论 |
| 5.3 生成式网络范围内图像逆问题求解方法 |
| 5.3.1 图像逆问题求解的梯度下降算法 |
| 5.3.2 图像逆问题求解的投影梯度算法 |
| 5.4 扩展生成式网络范围的图像复原方法 |
| 5.5 实验结果及分析 |
| 5.5.1 隐向量求解实验 |
| 5.5.2 非盲图像复原实验 |
| 5.5.3 盲图像去模糊实验 |
| 5.6 本章小结 |
| 第六章 基于判别式学习的水下图像复原 |
| 6.1 引言 |
| 6.2 显着性引导多尺度先验融合的水下图像复原方法 |
| 6.2.1 水下图像形成模型 |
| 6.2.2 光源颜色的估算 |
| 6.2.3 显着性引导的多尺度先验融合 |
| 6.2.4 RGB颜色通道介质透射率估计 |
| 6.2.5 水下图像复原方法 |
| 6.3 对抗编码解码网络的水下图像复原模型 |
| 6.3.1 对抗编码解码网络模型 |
| 6.3.2 网络训练损失函数 |
| 6.3.3 网络训练过程 |
| 6.3.4 训练数据集生成方法 |
| 6.4 实验及结果分析 |
| 6.4.1 数据集及相关参数设定 |
| 6.4.2 主观和客观度量结果及分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文成果和创新点 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
四、混合维空间遮蔽关系的表示与推理（论文参考文献）
- [1]地质文本中油气藏特征提取及成藏知识图谱构建研究[D]. 朱小龙. 中国地质大学, 2021(02)
- [2]基于深度学习的短文本分类技术研究[D]. 郭腾州. 天津工业大学, 2021(01)
- [3]预训练深度学习架构下的语义地址匹配与语义空间融合模型研究[D]. 徐流畅. 浙江大学, 2020(01)
- [4]基于深度迁移学习的实体关系抽取方法[D]. 于海涛. 北京邮电大学, 2020(05)
- [5]视频帧率上变换的递推建模与深度学习方法研究[D]. 包文博. 上海交通大学, 2020(01)
- [6]基于RBM的深度神经网络算法研究[D]. 张健. 中国矿业大学, 2020
- [7]哲学异质性视域下的《逻辑哲学论》研究[D]. 许春红. 辽宁大学, 2020(01)
- [8]腐败犯罪思维研究[D]. 宋业臻. 中国政法大学, 2020(08)
- [9]认知效率视角的数学教科书质量评价指标建构与应用研究 ——以中、美、英高中数学教科书比较为例[D]. 王奋平. 南京师范大学, 2020(02)
- [10]基于先验学习的图像复原技术研究[D]. 张墨华. 战略支援部队信息工程大学, 2019(02)