导读:本文包含了网络生成模型论文开题报告文献综述及选题提纲参考文献，主要关键词:异质信息网络,语义信息挖掘,生成对抗网络,语义关系预测
网络生成模型论文文献综述
赵瑜,谭海宁,刘志方,武超[1]（2019）在《基于生成对抗模型的异质信息网络语义表征方法研究》一文中研究指出近些年,网络表示学习问题吸引了大量研究者的关注,而异构信息网络由于其丰富的结构语义信息及其广阔的应用领域,更是成为了网络表示学习领域的重中之重。目前面向异构信息网络的表示学习模型主要可以分为基于生成式模型的表示学习方法和基于判别式模型的表示学习方法,但是很少有工作同时结合两种模型进行表示学习的优化。该文提出了结合生成式模型和判别式模型的异构信息网络表示学习模型HINGAN,主要是将对抗生成思想融入异构信息网络表示学习过程中,达到优化网络表示结果的目的。该模型首先在元路径的引导下构建带权信息网络图,然后在带权图上计算更新构造的生成器和判别器参数,通过生成对抗的博弈思想来获取最大收益。在AMiner和DBLP两个真实学术图谱数据集上的实验结果表明,HINGAN在多标签分类、链路预测以及可视化方面都能比现在主流的网络表示方法取得更优的效果,并且HINGAN可以应用于大规模的异构网络数据的表示和计算。除此之外,该文还总结了已有研究成果并对未来研究可能面临的挑战进行了展望。(本文来源于《中文信息学报》期刊2019年11期）
刘业政,李玲菲,孙春华[2]（2019）在《考虑社会选择作用的社交网络生成模型》一文中研究指出针对现有社交网络生成模型在解释网络中观结构和微观特性上的不足,提出了考虑社会选择作用的BA模型(SSBA).该模型基于社交网络用户的特征分布和同质性形成的内在机理,在建模过程中考虑了社会影响和社会选择的共同作用.在仿真数据与真实数据集上的实验表明, SSBA模型能很好地刻画不同类型社交网络在宏观特性和中观结构上的特点.发现不同作用机制下网络表现出相异的统计特性,社会选择作用较强时,网络度分布逐渐偏离幂律分布,且网络逐渐向同配网络转变.(本文来源于《系统工程学报》期刊2019年05期）
宋珂慧,张莹,张江伟,袁晓洁[3]（2019）在《基于生成式对抗网络的结构化数据表生成模型》一文中研究指出在机器学习和数据库等领域,高质量数据集的合成一直以来是一个非常重要且充满挑战性的问题.其中,合成的高质量数据集可用来改善模型,尤其是深度学习模型的训练过程.一个健壮的模型训练过程需要大量已标注的数据集,获取这些数据集的一种方法是通过领域专家的手动标注,这种方法不仅代价大还容易出错,因此由模型自动合成高质量数据集的方法更为合理.近年来,由于计算机视觉领域的飞速发展,已经有不少致力于图像数据集合成的研究,但是这些模型不能直接应用在结构化数据表上,并且据调研,对这类数据的相关研究几乎没有.因此,提出了一个针对结构化数据表的生成模型TableGAN,该模型是生成式对抗网络(generative adversarial network, GAN)家族的一种变体,通过对抗训练的方式提高生成模型的性能.针对结构化数据的特征改变了传统GAN模型的内部结构,包括优化函数等,使其能够生成高质量的结构化数据用于改善模型的训练过程.通过在真实数据集上的大量实验表明了此模型的有效性,即在扩大后的数据集上训练模型的效果有明显提升.(本文来源于《计算机研究与发展》期刊2019年09期）
姜玉宁,李劲华,赵俊莉[4]（2019）在《生成式对抗网络模型研究》一文中研究指出在系统的总结GAN原始模型的提出背景、基本原理与基本框架的基础上,归纳总结了基于距离度量与能量模型角度而提出的衍进模型f-GAN、WGAN、WGAN-GP、EBGAN;针对解决原始GAN模型的不稳定性而提出的衍进模型DCGAN、Improved GAN、PGGAN;基于模型结合角度而提出的GAN+LAP、GAN+LSTM、GAN+CVAE、GAN+AE以及针对增强模型实用性而提出的衍进模型SGAN、CGAN、InfoGAN。对GAN的一些具体应用领域和场景进行了梳理和介绍。(本文来源于《青岛大学学报(自然科学版)》期刊2019年03期）
张嘉祺,赵晓丽,董晓亚,张翔[5]（2019）在《面向图像语义分割的生成对抗网络模型》一文中研究指出图像语义分割一直是计算机视觉中具有挑战性的任务之一。目前多数基于卷积神经网络的语义分割算法存在分割结果不精确,不连续等问题。为了提高图像分割效果,提出了基于生成对抗学习的图像语义分割网络模型。该模型由生成网络和判别网络两部分组成。生成网络含有五个模块,主要作用是生成语义分割图,判别网络与生成网络进行对抗训练,优化生成网络以使生成图像更加接近于Ground Truth。通过在Pascal VOC 2012数据集上对图像进行语义分割的分析,验证了该算法可以有效提高图像语义分割的精度。(本文来源于《传感器与微系统》期刊2019年08期）
陈鑫晶,陈锻生[6]（2019）在《分类重构堆栈生成对抗网络的文本生成图像模型》一文中研究指出利用堆栈生成对抗网络,提出分类重构堆栈生成对抗网络.第一阶段生成64 px×64 px的图像,第二阶段生成256 px×256 px的图像.在每个阶段的文本生成图像中,加入图像类别信息、特征和像素重构信息辅助训练,生成质量更好的图像.将图像模型分别在Oxford-102、加利福尼亚理工学院鸟类数据库(CUB)和微软COCO(MS COCO)数据集上进行验证,使用Inception Score评估生成图像的质量和多样性.结果表明:提出的模型具有一定的效果,在3个数据集上的Inception Score值分别是3.54,4.16和11.45,相应比堆栈生成对抗网络提高10.6%,12.4%和35.5%.(本文来源于《华侨大学学报(自然科学版)》期刊2019年04期）
白蔚蔚[7]（2019）在《基于STEP的叁维模型邻接面复杂网络生成分析系统》一文中研究指出伴随着计算机信息化、机械制造业以及辅助设计行业的发展,产品设计经历了早期的手工制图、二维CAD制图,到现阶段的叁维建模等技术,随着叁维CAD技术逐渐深化应用并日趋成熟,在这个过程中出现了较多的叁维模型表达方式如属性邻接图表达以及叁维模型数据存储格式如STEP文件格式。同时,复杂网络科学逐渐被深入研究,其具有自组织、自相似、吸引子、小世界、无标度等特性。由于其帮助人们以网络的观念去理解周围的世界,复杂网络被广泛应用在各个领域,对网络数据进行深入剖析有助于人们理解埋藏于网络结构之下的许多信息。基于以上,论文提出了将叁维模型使用复杂网络的方式表达出来,使用叁维模型的面邻接关系生成复杂网络,即将叁维模型属性邻接图作为邻接面复杂网络的思想,并设计了一个基于B/S架构,以Java Web技术为系统实现技术的系统。系统将以STEP中性文件为输入格式,通过对STEP文件进行分解提取,然后使用经典布局将叁维模型邻接面复杂网络进行可视化操作并分析复杂网络特征,再通过对生成的复杂网络融入改进的力引导布局算法从而实现社团划分和节点间聚类等功能。本文的主要工作是为满足用户对叁维模型的复杂网络形态进行可视化研究以及网络属性的获取而进行设计实现的,系统主要功能如下:(1)将叁维模型STEP实例文件内的数据分类提取和存储;(2)叁维模型面邻接关系复杂网络生成及布局可视化研究;(3)叁维模型面邻接关系复杂网络属性计算、社团特性提取以及面检索功能实现。本文首先分析了叁维模型表达方式以及复杂网络学科的研究背景和研究现状,根据研究方向简单介绍了相关理论知识,并进行了力引导布局算法的可实现社团划分功能的改进。然后根据软件工程开发模式对系统的开发过程进行了阐述,过程如下:(1)进行需求分析,对系统使用者的角色进行了明确划分并设计不同模块用例图;(2)进行系统设计,根据需求分析对系统进行功能模块的划分并进行数据库的设计,确定数据库实体关系图;对不同模块进行了流程设计;(3)进行系统实现,分别进行了数据库实现(数据库所有表格的详细设计与数据填充),服务器后台实现(服务端口与数据库端口的对应与实现),以及将界面根据功能模块的划分而具体实现。系统运行结果表明,用户通过此系统可以很好地将叁维模型STEP实例文件进行数据提取并查看,也可以得到多种美观度较高的叁维模型邻接面复杂网络图。根据得到的复杂网络用户得出网络相关属性,面检索结果也较为准确,各模块运行结果可以满足用户的基本需求。(本文来源于《山东师范大学》期刊2019-06-10）
周晓欢[8]（2019）在《神经网络序列生成模型的研究》一文中研究指出随着深度学习的发展以及各项自然语言处理技术的提高,神经网络序列生成模型已经成为了研究热点并得到了广泛的应用,比如机器翻译,自动文本摘要,自动生成字幕等。近几年,序列生成模型已不局限于自然语言处理任务,也逐渐被引入推荐领域。本文对现有的神经网络序列生成模型进行了调研和分析,并分别对文本序列生成和行为序列生成中存在的几个问题展开研究和改进。本文的工作可以总结为以下两个部分:1、设计并实现了序列生成模型训练的曝光偏差正则训练框架。本文分析了主流神经网络序列生成模型存在的训练和测试阶段输入分布不一致的问题,提出引入曝光偏差正则项使模型在测试阶段具备更强的泛化能力。同时,为了加快模型的收敛,又提出寄生学习和课程学习两种辅助训练方式辅助模型在曝光偏差正则训练框架下更好地完成训练。2、设计并实现了基于时间窗的批处理训练方式和时间敏感循环神经网络用于提高行为序列生成模型的训练效率和效果。行为序列不同于文本序列,具有序列长度方差大和时间间隔不等距的特点。本文为了适应行为序列的特点对序列生成模型提出相应的改进。改进主要有两点:一是针对行为序列长度方差大的问题,提出基于时间窗的批处理训练方式提高模型的训练效率;二是针对行为序列时间间隔不均匀的问题,提出时间敏感循环神经网络,利用时间间隔信息对用户的长短期兴趣进行更好地平衡。最终将序列生成模型应用于推荐系统中的用户行为序列建模,作为召回模型。(本文来源于《北京邮电大学》期刊2019-06-03）
海滢,陈光华[9]（2019）在《利用人工神经网络模型预测西北太平洋热带气旋生成频数》一文中研究指出通过对60年(1950～2009年)北半球夏、秋季(6～10月)热带气旋(TC)频数与春季(3～5月)大尺度环境变量的相关分析,挑选出8个相关性较高的前期预报因子建立人工神经网络(ANN)模型,对2010～2017年8年夏、秋季TC频数进行回报,并将回报结果与传统多元线性回归(MLR)方法所得结果进行对比分析。结果表明,ANN模型对60年历史数据的拟合精度高,相关系数高达0.99,平均绝对误差低至0.77。在8年回报中,ANN模型相关系数为0.80,平均绝对误差为1.97;而MLR模型相关系数仅为0.46,平均绝对误差为3.30。ANN模型在历史数据拟合和回报中的表现都明显优于MLR模型,未来可考虑应用于实际的业务预测中。(本文来源于《气候与环境研究》期刊2019年03期）
康云云,彭敦陆,陈章,刘丛[10]（2019）在《ED-GAN:基于改进生成对抗网络的法律文本生成模型》一文中研究指出法律文本的自动生成能缓解我国法律服务行业中的人力资源不足的问题,对抗生成网络模型的出现为法律文本的自动生成提供了新思路.本文提出一种基于对抗生成网络的文本自动生成模型——ED-GAN(Generative Adversarial Networks based on Encoder-Decoder).在该模型的生成器中,首先将案情要素的关键词序列输入至编码器Encoder阶段的LSTM中编码成一隐含层向量,再将这个隐含层向量输入到解码器Decoder的LSTM中,并结合其各时间步的输出生成下一时间步的隐含层向量,进而得到各时间步的输出,生成文本序列.模型最后采用CNN网络来鉴别生成文本和真实文本之间的差距.实验验证表明,采用所提模型能够生成较理想的法律文本.(本文来源于《小型微型计算机系统》期刊2019年05期）
网络生成模型论文开题报告
（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：
针对现有社交网络生成模型在解释网络中观结构和微观特性上的不足,提出了考虑社会选择作用的BA模型(SSBA).该模型基于社交网络用户的特征分布和同质性形成的内在机理,在建模过程中考虑了社会影响和社会选择的共同作用.在仿真数据与真实数据集上的实验表明, SSBA模型能很好地刻画不同类型社交网络在宏观特性和中观结构上的特点.发现不同作用机制下网络表现出相异的统计特性,社会选择作用较强时,网络度分布逐渐偏离幂律分布,且网络逐渐向同配网络转变.
（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。
网络生成模型论文参考文献
[1].赵瑜,谭海宁,刘志方,武超.基于生成对抗模型的异质信息网络语义表征方法研究[J].中文信息学报.2019
[2].刘业政,李玲菲,孙春华.考虑社会选择作用的社交网络生成模型[J].系统工程学报.2019
[3].宋珂慧,张莹,张江伟,袁晓洁.基于生成式对抗网络的结构化数据表生成模型[J].计算机研究与发展.2019
[4].姜玉宁,李劲华,赵俊莉.生成式对抗网络模型研究[J].青岛大学学报(自然科学版).2019
[5].张嘉祺,赵晓丽,董晓亚,张翔.面向图像语义分割的生成对抗网络模型[J].传感器与微系统.2019
[6].陈鑫晶,陈锻生.分类重构堆栈生成对抗网络的文本生成图像模型[J].华侨大学学报(自然科学版).2019
[7].白蔚蔚.基于STEP的叁维模型邻接面复杂网络生成分析系统[D].山东师范大学.2019
[8].周晓欢.神经网络序列生成模型的研究[D].北京邮电大学.2019
[9].海滢,陈光华.利用人工神经网络模型预测西北太平洋热带气旋生成频数[J].气候与环境研究.2019
[10].康云云,彭敦陆,陈章,刘丛.ED-GAN:基于改进生成对抗网络的法律文本生成模型[J].小型微型计算机系统.2019