吴迪
- 作品数：23 被引量：63H指数：4
- 供职机构：河北工程大学信息与电气工程学院更多>>
- 发文基金：河北省自然科学基金河北省高等学校科学技术研究指导项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学金属学及工艺更多>>
- 高校计算机类专业“导学思政”育人创新模式构建
- 2024年
- 在高校将“立德树人”作为根本任务的背景下,充分发挥高校教师的三全育人功能,以“导师引领、朋辈共进”为导向,实现导师与研究生群体素质双向提升。将思政教育像“撒盐”一样融入研究生多元化培养过程中,构建“导学思政”指导下的平等、交互、共生的良性交互场景,探索高校计算机类专业的“导学思政”育人创新模式。
- 吴迪杜小巍池静赵超
- 关键词：师德师风育人模式
- 同步三并联内啮合齿轮泵结构的优化设计
- 2014年
- 笔者提出了一种新型的同步三并联内啮合齿轮泵,描述了其结构及工作原理,以齿轮泵的体积最小为目标函数,建立该齿轮泵结构优化设计的数学模型。通过满足给定的函数约束条件,利用MATLAB优化工具箱对参数进行运算,得到对目标函数求解的最优值。
- 吴炳胜张进吴迪
- 关键词：体积数学模型优化设计
- 情感极性和影响函数的OBTM弹幕主题演化
- 2021年
- 针对主题模型不能充分考虑情感极性信息和衰减因子设定单一的问题,提出情感极性和影响函数的OBTM弹幕主题演化方法。提出基于改进负采样的word2vec词向量模型,对弹幕词语的情感极性进行标注;设计影响函数,反映离散时间中文本主题的历史影响程度;利用情感极性特征和影响函数改进OBTM模型,用于弹幕主题演化的分析。实验结果表明,改进的OBTM可以有效优化主题演化效果,能够扩展弹幕在主题情感极性演化方面的应用。
- 吴迪吴迪生龙生龙贾耀清
- 融合BTM和BERT的短文本分类方法被引量：2
- 2022年
- 为充分提取短文本语义信息,提高短文本分类精度,提出一种融合BTM和BERT的短文本分类方法BTM&BERT。综合考虑文本主题特征信息和全局语义信息,利用BTM(biterm topic model)和BERT(bidirectional encoder representations from transformers)完成短文本特征向量构建,实现语义增强,将融合主题特征信息和上下文语义信息的特征向量经全连接和Softmax分类器,获得短文本分类结果。实验结果表明,在真实电力工单短文本数据集上,BTM&BERT较BTM、BTM&Word2Vec、BTM&Doc2Vec和BERT方法具有较好的分类精度和语义表示能力。
- 付文杰杨迪马红明吴迪
- BiGRU-Att-KF话题热度预测
- 2023年
- 为提高话题热度预测精度,提出一种面向话题热度趋势变化的BiGRU-Att-KF预测方法。选取微博文本总数作为话题热度的量化指标,构建话题热度时间序列;采用RMSE确定BiGRU的超参数神经元个数和批处理大小;利用BiGRU挖掘话题热度时间序列的全局特征信息,引入注意力机制自适应提取特征信息;采用卡尔曼滤波对注意力层输出结果进行动态调整。实验结果表明,BiGRU-Att-KF相较BiGRU-Att等方法,具有更优的鲁棒性和预测精度,能够更好模拟话题热度的变化趋势。
- 吴迪赵伟超王梓宇
- 关键词：时间序列卡尔曼滤波
- 光振耦合对蝗虫趋光响应驱动增效效应的影响及测定被引量：7
- 2012年
- 依据蝗虫趋光机理和振动惊吓蝗虫反应特性,利用LED光源、振动激发设备和蝗虫行为试验装置,进行了蝗虫对光振耦合和光谱光照趋光响应的对比测定。结果显示:光谱光照和振动的耦合效应对蝗虫趋光产生了推拉驱动激发效果,振动刺激驱动增效了蝗虫趋光响应的程度,并增益了蝗虫趋光响应的实现,而光谱光照决定了蝗虫的趋光诱导效果;光谱光照和振动刺激蝗虫不同感受器引发蝗虫神经生理敏感反应的差别,导致振动频率50Hz、振动400ms而间歇停止1s、较高激振力的循环振动模式与紫光耦合激发蝗虫趋光响应强度和增效程度较佳;光振耦合效应激发蝗虫,会导致蝗虫产生有利于趋光的生理效应,且光振能量越强,对蝗虫趋光生理反应的初始激发效应也越强;蝗虫对光振刺激敏感反应点的差异性、光振传播的衰减性、蝗虫对光振刺激的敏感选择调谐性等,影响光振耦合对蝗虫趋光激发的增效程度。因此,在蝗虫趋光有效的光照范围内,通过利用振动惊吓蝗虫反应的强度门限值与振动激发蝗虫趋光最佳的调控模式的组合,来实施逐步移动逼近式的调控性振动激发,可满足振动激发蝗虫趋光增效的技术需求,进而为蝗虫光电诱导物理捕集设备的研制和实施提供了技术支撑。
- 刘启航吴迪周强
- 关键词：振动生理蝗虫
- 基于跳跃基因的GA-BP算法研究被引量：1
- 2020年
- GA-BP学习算法往往会出现收敛速度慢,可能陷入局部极值的现象。针对以上问题,选取了自适应GA-BP(AGA-BP)算法,并在GA-BP算法和AGA-BP算法的基础上添加跳跃基因,称之为JG-GA-BP算法和JG-AGA-BP算法,用于解决分类问题。算法在遗传算法的基础上增加了跳跃基因算子,用于优化BP神经网络的结构参数,从而建立相应的神经网络拓扑模型。为验证添加跳跃基因后的学习算法的分类效果,将JG-AGA-BP算法、JG-GA-BP算法、AGA-BP算法和GA-BP算法的性能进行比较。以随机数、iris、wine、鲍鱼数据集的分类实验为例,研究结果显示出添加了跳跃基因的GA-BP算法的准确率和收敛速度都有一定程度的提高。
- 生龙许林林马晓雨马晓雨
- 关键词：自适应算法神经网络
- BERT-TECNN模型的文本分类方法研究被引量：18
- 2021年
- 由于Bert-base,Chinese预训练模型参数巨大,在做分类任务微调时内部参数变化较小,易产生过拟合现象,泛化能力弱,且该模型是以字为单位进行的预训练,包含词信息量较少。针对这些问题,提出了BERT-TECNN模型,模型使用Bert-base,Chinese模型作为动态字向量模型,输出包含深度特征信息的字向量,Transformerencoder层再次对数据进行多头自注意力计算,提取特征信息,以提高模型的泛化能力,CNN层利用不同大小卷积核,捕捉每条数据中不同长度词的信息,最后应用softmax进行分类。该模型与Word2Vec+CNN、Word2Vec+BiLSTM、Elmo+CNN、BERT+CNN、BERT+BiLSTM、BERT+Transformer等深度学习文本分类模型在三种数据集上进行对比实验,得到的准确率、精确率、召回率、F1测度值均为最高。实验表明该模型有效地提取了文本中字词的特征信息,优化了过拟合问题,提高了泛化能力。
- 李铁飞生龙吴迪
- 关键词：ENCODER文本分类过拟合
- ELMo-CNN-BiGRU双通道文本情感分类模型被引量：6
- 2022年
- 文本情感分类通过对带有情感色彩的主观性文本进行分析和推理,帮助用户更好地做出判断与决策。针对传统情感分类模型难以根据上下文信息调整词向量的问题,提出一种双通道文本情感分类模型。利用ELMo和Glove预训练模型分别生成动态和静态词向量,通过堆叠嵌入2种词向量生成输入向量。采用自注意力机制处理输入向量,计算内部的词依赖关系。构建融合卷积神经网络(CNN)和双向门控递归单元(BiGRU)的双通道神经网络结构,同时获取文本局部特征和全局特征。最终将双通道处理结果进行拼接,经过全连接层处理后输入分类器获得文本情感分类结果。实验结果表明,与同类情感分类模型中性能较优的H-BiGRU模型相比,ELMo-CNN-BiGRU模型在IMDB、yelp和sentiment140数据集上的准确率和F1值分别提升了2.42、1.98、2.52和2.40、1.94、2.43个百分点,具有更好的短文本情感分类效果和稳定性。
- 吴迪王梓宇赵伟超
- 关键词：文本情感分类双通道
- 时间感知的用户长短期兴趣特征分离推荐算法
- 2024年
- 针对传统推荐算法未充分考虑行为序列间的动态时间间隔、语义不规则以及用户长短期兴趣相互纠缠的问题,提出一种时间感知的用户长短期兴趣特征分离推荐算法。利用用户个性化时间聚合间隔感知和时间位置多头注意力捕获长期兴趣特征,采用动态时间间隔感知和潜在意图注意力的Time-LSTM捕获短期兴趣特征,提出长短期兴趣特征分离获取方法,分别独立捕获两种时间尺度的用户兴趣,通过注意力机制自适应融合长短期兴趣特征,提高用户兴趣特征捕获准确率。实验结果表明,该算法在预测精度指标AUC和GAUC上较对比算法均有提升,消融实验也进一步验证了该算法的必要性。
- 吴迪杨利君马文莉
