×
基于深度学习的悦读眼动模型构建与应用

基于深度学习的悦读眼动模型构建与应用

1星价 ¥37.4 (5.5折)
2星价¥37.4 定价¥68.0
暂无评论
图文详情
  • ISBN:9787536986992
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:157
  • 出版时间:2023-09-01
  • 条形码:9787536986992 ; 978-7-5369-8699-2

内容简介

《基于深度学习的阅读眼动模型构建与应用》适合于从事阅读心理学和认知语言学研究的人。 通过《基于深度学习的阅读眼动模型构建与应用》所构建的新型阅读眼动可计算模型,可以定量分析阅读行为和评价已有模型,对影响读者的眼跳模式和眼跳策略的语言学特征进行定量研究,为验证、修正和反驳现有理论假设提供有力的证据。 《基于深度学习的阅读眼动模型构建与应用》适合于从事计算机科学和机器视觉研究的人。 《基于深度学习的阅读眼动模型构建与应用》是机器学习的应用研究,是深度学习融合领域知识的一次有益实践,使用较少的手工提取特征,就能使模型获得较好的性能,这在机器视觉、自然语言处理、虚拟现实、身份识别、智能化测评等领域都有重要的应用价值。

目录

第1章 绪论 1.1 研究目的与意义 1.2 国内外研究概况 1.3 相关研究述评及发展趋势 1.4 研究内容 第2章 阅读眼动注视序列标注方法 2.1 自然语言处理序列标注任务 2.2 阅读眼动注视序列标注方法 2.3 数据集 2.4 评价指标 2.5 实验平台 2.6 方法在机器学习模型上的实现 2.7 本章小结 第3章 基于深度学习的阅读眼动模型 3.1 基于深度学习的阅读眼动模型基本架构 3.2 基于预训练词向量和语言数据一维卷积的阅读词富语义表示 3.3 融入注意力机制的阅读眼动模型架构 3.4 改进阅读眼动序列标注分类器 3.5 小样本阅读眼动数据下的堆叠式LSTM层数优化 3.6 基于多输入深度学习架构的阅读眼动领域知识融合 3.7 与其他模型的对比 3.8 本章小结 第4章 基于深度学习的阅读注视词预测 4.1 网络架构 4.2 基于Provo语料库的阅读注视词预测 4.3 基于GECO语料库的阅读注视词预测 4.4 基于Dundee语料库的阅读注视词预测 4.5 阅读眼动数据增强技术 4.6 与现有方法的对比 4.7 本章小结 第5章 基于阅读眼动的生物特征识别 5.1 基于眼动轨迹的生物特征识别 5.2 问题设置 5.3 基于阅读眼动的生物特征识别模型架构 5.4 注视序列相似性度量方法 5.5 实验过程与方法 5.6 实验结果与讨论 5.7 本章小结 第6章 总结与展望 6.1 结论和创新点 6.2 未来工作方向 参考文献 附录
展开全部

作者简介

王晓明,工学博士,现为西安外国语大学副教授,研究生导师。硕士毕业于西南大学计算机与信息科学学院(软件学院),博士毕业于西北工业大学计算机学院,长期从事智能语言测评、语言认知计算、计算话语分析、计算语言学、人工智能和大数据应用等领域的研究,主持并完成教育部社科项目、陕西省社科基金等多项省部级课题,发表SCI、SSCI、EI、CSCD检索论文十余篇。主讲多门本科生和研究生课程,如计算语言学、计算话语分析前沿、人工智能与自然语言处理等。 有多年的软件开发和项目管理经验,精通C 和Java编程语言,曾在知名软件公司担任软件设计师工作,负责协调团队进行商业智能、图像处理、数据库与信息管理系统软件的研发和维护,对人工智能、语言大数据分析、机器学习等前沿技术有深入的了解和实践经验。 目前致力于个体阅读眼动预测和眼动身份识别研究,代表性论文《基于深度神经网络的个体阅读眼动预测》刊载于《清华大学学报(自然科学版)》、《Deep-learning-based readingeye-movement analysis for aiding biometric recognition》刊载于Neurocomputing. 担任多个国际学术期刊和国际学术会议审稿人,并多次受邀参加国内外学术会议做特邀报告,在学术界和工业界都有广泛的合作和交流。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航