导读:本文包含了语义异构论文开题报告文献综述及选题提纲参考文献，主要关键词:长短时记忆网络,分布式神经元,异构分布式,时长敏感
语义异构论文文献综述
刘亚文[1]（2019）在《支持视频语义分析的异构分布式LSTM研究》一文中研究指出循环神经网络(Recurrent Neural Networks,RNNs)通过隐藏层神经元间的反馈连接使得网络具有记忆数据历史信息的能力,适合于序列数据的分析与建模,已经成为自然语言处理、语音识别、机器翻译、视频分析等领域研究的热点。视频作为一种特殊序列数据,可以使用RNN学习、挖掘视频内容间复杂的关联关系,进行视频语义信息的分析和理解。但现有的RNN对视频序列建模时,忽略了视频段动作语义的时间属性,导致在各时间步神经元均需进行大量复杂、耗时的矩阵计算。此外,随着模型规模和深度的扩大,以及视频数据量的指数级增加,训练时间开销急剧增长。RNN的训练涉及大量矩阵计算,具有复杂度高、时间开销大、对硬件要求高等特点,现有神经网络加速方法难以有效提高RNN的训练效率。本文在一种特殊的RNN模型—长短时记忆网络(Long Short-term Memory,LSTM)的基础上,针对应用到视频语义分析时存在的问题,研究了支持视频语义分析的异构分布式LSTM。本文主要研究内容如下:(1)首先分析用于视频语义分析RNN/LSTM的相关研究,针对目前RNN/LSTM模型无法有效利用视频序列自身特点及模型训练效率低、时间开销大等问题,提出异构分布式LSTM系统的结构,为高效训练支持视频语义分析的LSTM提供支撑。(2)针对现有LSTM对视频序列数据建模时存在的局限性,提出支持视频语义分析的分布式LSTM模型。首先改进现有的LSTM单元结构,设计时长敏感LSTM(Duration-aware LSTM,D-LSTM),使LSTM单元能够感知并记忆视频段动作语义的持续时间,自适应地更新神经元记忆信息,避免神经元状态更新时的冗余计算。在此基础上,提出了基于分布式神经元的D-LSTM模型,模拟生物神经系统中神经元并行运作机理,以D-LSTM单元为核心,将训练中复杂的矩阵运算分解到多个分布式神经元节点,利用其并行计算能力提高D-LSTM模型的训练效率。在Spark集群上实现了原型系统,使用Charades与COIN两个数据集进行了测试与分析,相比于分布式LSTM模型,分布式D-LSTM模型训练效率最高提升了22.7%、收敛速度最高提升了8.7%,相比GPU加速方式,训练效率最高提升了79.3%,而准确率仅与传统的LSTM模型相差1%左右。(3)在分布式D-LSTM的基础上,提出基于异构C/S的分布式训练方法。在分析神经元交互节点与分布式神经元节点中各计算任务特点的基础上,首先设计基于C/S的GPU与CPU协作策略,合理分解和分配计算任务,将分布计算通信代价大的复杂矩阵运算集中起来由GPU服务器集中完成,其他的计算任务由CPU集群完成,发挥CPU与GPU各自的计算优势。在此基础上给提出基于GPU/CPU的异构分布式D-LSTM训练方法,在神经元交互节点中增加GPU完成复杂的矩阵运算,复杂度较低的神经元交互节点中其他计算任务和分布式神经元节点中计算任务仍然使用CPU完成。实现了原型系统,使用Charades数据集与COIN数据集进行了测试与分析,实验结果表明相比分布式D-LSTM,在准确率不变的情况下,训练速度最高可以提升17.6%,收敛速度最高可以提升13%。(本文来源于《江苏大学》期刊2019-04-01）
赵晓非,史忠植,冯志勇[2]（2018）在《面向异构语义映射的D3L转换算法及其性质研究》一文中研究指出桥规则为分布式动态描述逻辑(distributed dynamic description logics,D3L)提供了描述语义映射和知识传播的重要机制.现有的研究仅针对包含原子元素的同构桥规则.将研究扩展到了被包含端存在复合元素的异构桥规则的D3L推理问题.定义了分布式知识库的正则性.通过对桥规则进行形式变换并针对不同情形转换为已有的语言机制,提出了将动态描述逻辑DSROIQ作为局部本体语言的D3L知识库转换为单一DSROIQ知识库的算法,接着研究了该转换的性质,证明了该算法可以在多项式时间内终止、算法的目标知识库与原始知识库在可满足性上是等价的,进而证明了在上述桥规则存在的情况下正则D3L知识库的集中式推理具有与单一DSROIQ知识库推理相同的最坏时间复杂度.该算法使得D3L推理可以获得与现有的分布式推理方法相同的最坏时间复杂度并且解决了后者难以处理异构复合桥规则的问题.(本文来源于《计算机研究与发展》期刊2018年12期）
韩黎晶,袁凌云[3]（2018）在《物联网多源异构数据的自动语义标注方法研究》一文中研究指出针对各类物联网设备因原始感知数据缺乏明确含义,以及表现形式异构而导致的物联网信息资源之间难以实现交互协同和数据融合共享等问题,提出一种面向物联网多源异构数据的自动语义标注方法.首先建立物联网领域应用本体模型,然后在此基础上给出测量对象的语义描述框架及自动语义标注架构,同时研究实现标注的核心技术,以此增强异构数据资源之间的互操作性,并为上层的语义服务及物联网多设备联动提供支持.(本文来源于《昆明学院学报》期刊2018年03期）
桑海翎,郭文忠[4]（2018）在《基于海量异构数据索引语义查询的关键模型研究》一文中研究指出基于非结构化数据海量、异构、多元、内容丰富、不容易描述的特点,从海量异构数据特征模型角度,对非结构化数据的混合查询问题进行分析.重点论述非结构化数据特征建模的关键技术,可以有效地解决网络大数据背景下的数据检索效率,从整体上提高数据检索的速度和效率.(本文来源于《福州大学学报(自然科学版)》期刊2018年03期）
李贺,李晓琳[5]（2018）在《基于语义匹配的海量异构数据自动化集成方法研究》一文中研究指出随着互联网与信息化的普及,数据数量、数据来源与数据格式的复杂性愈加突出。互联网、传感器、人工收集等多种来源产生了海量异构数据,为解决多源异构数据处理问题,设计一种将海量异构数据自动化集成到同一数据仓库的方法。通过建立元数据模型(以数据集为单位)将来源数据按数据集分类,映射整合到数据仓库中,通过CRF序列标注模型、Skip-Gram神经网络、TF*IDF等机器学习技术,解决了数据仓库集成中语义映射的难题,实现了海量多源异构数据的自动化入库,为之后的数据分析挖掘提供了良好基础。(本文来源于《软件导刊》期刊2018年04期）
王少峰,郭俊霞,卢罡[6]（2018）在《基于用户导向的异构网络语义预测算法研究》一文中研究指出随着异构网络的信息量与日俱增,如何准确地帮助用户获取所需要的信息已成为一个热门问题。相似性搜索在网络搜索中得到了广泛的应用。基于元路径的相似性搜索能更好地表达异构网络所包含的语义。但是现有的大多数该类方法存在路径选择数多导致计算量大的问题。根据用户导向去预测元路径以缓解上述问题成为一个重要的研究方向。这类方法需要用户在搜索的同时提供结果样例作为导向,据此预测与用户搜索相关的元路径。目前,相关研究主要是针对异构网络中的同类型结点。利用图的结构信息建立语义预测算法,计算各候选路径与用户搜索的匹配概率,然后选择概率最大的路径。实验表明,提出的算法能够实现对同类型和不同类型结点间语义的预测,具有较好的性能和有效性。并为如何在多语义环境下获得相似性结果提供了具体的实现方法。(本文来源于《计算机工程与应用》期刊2018年15期）
王少峰[7]（2017）在《面向异构网络搜索和聚类的语义预测算法研究》一文中研究指出随着异构网络的规模与日俱增,如何有效地对异构网络进行数据挖掘已成为一个热门的研究课题。元路径作为异构网络的基本构成要素,包含有丰富的语义。将它应用于相似性搜索、聚类等数据挖掘操作时,能够有效地利用这些语义信息,对异构网络进行分析,因而受到了研究人员的普遍重视,并提出了许多基于元路径的算法。但是这些算法在性能方面还有待改进。比如,基于元路径的相似性搜索算法涉及到大量的矩阵计算;基于元路径的聚类算法没有对元路径进行筛选,不相关路径会对聚类效果产生干扰等。针对这些问题,本文基于用户导向,提出了面向异构网络搜索和聚类的语义预测算法,以缓解上述问题。即用户在搜索或聚类的同时提供结果样例作为导向,然后以用户导向为基础预测与用户搜索或聚类相关的元路径。这样能够在算法开始阶段将不相关元路径排除,从而减少不相关路径对结果的影响。面向异构网络搜索的语义预测算法根据用户导向在图中进行路径回溯,得到与搜索相关的元路径以及对应路径上的路径实例数,并根据正则路径数对路径长度进行约束,通过机器学习方法得到对应路径上的概率,从而进行相似性计算;面向异构网络聚类的语义预测算法考虑用户导向、聚类结点和聚类类别叁者之间在不同元路径上的关系,使用元路径比值来计算用户导向和聚类结点之间的关系权重,进而计算用户导向和聚类结点间的生成概率以进行聚类。实验表明,本文提出的语义预测算法不仅能够对异构网络中结点间的语义进行预测,并且在与异构网络搜索和聚类算法结合后应用于实际问题时,具有比较好的性能。(本文来源于《北京化工大学》期刊2017-06-01）
吴佑波,陶熠[8]（2017）在《基于本体的异构系统语义互操作研究》一文中研究指出企业信息系统的互操作是企业动态联盟中企业协作的基础,为了解决企业间异构系统互操作这一基本问题,引入本体的思想,利用网络本体语言(OWL)建立汽摩配产品本体模型,运用网络服务本体语言(OWL-S)建立了一个Web服务本体模型,设计了基于本体的异构系统互操作集成平台,建立了基于本体的异构系统互操作过程中的语义映射规则,描述了异构系统互操作的实现过程;通过原型系统验证了方法的可行性,结果表明:运用本体技术可以改进订单处理方式,增强平台互操作性,为实现异构系统互操作提供了有效的途径。(本文来源于《重庆工商大学学报(自然科学版)》期刊2017年02期）
吴林寰,陆震鸣,龚劲松,史劲松,许正宏[9]（2017）在《利用语义网技术实现的分布式异构食品微生物数据整合》一文中研究指出随着高通量测序技术的迅速发展和食品微生物研究的逐步深入,产生了大量的数据和知识,且以不同的数据格式分布在各种数据库中。为了更好地支持食品微生物的相关研究,从各种分布式、异构的数据和知识中,进行数据提取与转换,并形成一个整合的数据平台显得尤为重要。FoodMicrobes数据库利用语义网技术,建立了一个食品微生物的整合型数据平台。该平台从各种开放的公共数据库,提取了与食品微生物相关的基因、基因组、基因功能、蛋白质序列与结构、代谢途径、文献、专利等信息,利用RDF的方法,对数据进行转换,并建立了数据之间的关联,实现了数据整合,是目前在食品微生物领域以语义网方式建立的第一个数据库。在该平台中,实现了将食品微生物的物种、菌株层面的宏观信息与基因组、蛋白质、代谢与功能等微观层面信息的贯通,并通过友好的数据检索界面,为用户进行食品微生物研究提供了重要的工具。(本文来源于《中国生物工程杂志》期刊2017年03期）
谢文军,陆劲挺,刘晓平[10]（2016）在《语义中间骨架驱动的自动异构运动重定向》一文中研究指出针对现有方法不能实现全自动异构重定向的问题,结合语义中间骨架与多参数优化,提出一种面向两足和四足角色的分层骨架匹配方法.首先选取业内公认的人类和四足骨架为原形创建语义中间骨架;然后分析多种几何、拓扑参数,评估骨架节点的重要性和可区分度,从而将节点分为3个层次,并对每个层次的节点选取合适的参数组合,结合中间骨架所提供的语义信息匹配各层节点;最后进行满足末端轨迹和步态约束的运动数据转移.通过一组多样化异构角色进行自动重定向实验,证明了文中方法对身体比例多样、局部结构复杂的骨架均能正确地进行批量自动的异构重定向.(本文来源于《计算机辅助设计与图形学学报》期刊2016年05期）
语义异构论文开题报告
（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：
桥规则为分布式动态描述逻辑(distributed dynamic description logics,D3L)提供了描述语义映射和知识传播的重要机制.现有的研究仅针对包含原子元素的同构桥规则.将研究扩展到了被包含端存在复合元素的异构桥规则的D3L推理问题.定义了分布式知识库的正则性.通过对桥规则进行形式变换并针对不同情形转换为已有的语言机制,提出了将动态描述逻辑DSROIQ作为局部本体语言的D3L知识库转换为单一DSROIQ知识库的算法,接着研究了该转换的性质,证明了该算法可以在多项式时间内终止、算法的目标知识库与原始知识库在可满足性上是等价的,进而证明了在上述桥规则存在的情况下正则D3L知识库的集中式推理具有与单一DSROIQ知识库推理相同的最坏时间复杂度.该算法使得D3L推理可以获得与现有的分布式推理方法相同的最坏时间复杂度并且解决了后者难以处理异构复合桥规则的问题.
（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。
语义异构论文参考文献
[1].刘亚文.支持视频语义分析的异构分布式LSTM研究[D].江苏大学.2019
[2].赵晓非,史忠植,冯志勇.面向异构语义映射的D3L转换算法及其性质研究[J].计算机研究与发展.2018
[3].韩黎晶,袁凌云.物联网多源异构数据的自动语义标注方法研究[J].昆明学院学报.2018
[4].桑海翎,郭文忠.基于海量异构数据索引语义查询的关键模型研究[J].福州大学学报(自然科学版).2018
[5].李贺,李晓琳.基于语义匹配的海量异构数据自动化集成方法研究[J].软件导刊.2018
[6].王少峰,郭俊霞,卢罡.基于用户导向的异构网络语义预测算法研究[J].计算机工程与应用.2018
[7].王少峰.面向异构网络搜索和聚类的语义预测算法研究[D].北京化工大学.2017
[8].吴佑波,陶熠.基于本体的异构系统语义互操作研究[J].重庆工商大学学报(自然科学版).2017
[9].吴林寰,陆震鸣,龚劲松,史劲松,许正宏.利用语义网技术实现的分布式异构食品微生物数据整合[J].中国生物工程杂志.2017
[10].谢文军,陆劲挺,刘晓平.语义中间骨架驱动的自动异构运动重定向[J].计算机辅助设计与图形学学报.2016