English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 40893729      線上人數 : 656
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/94244


    題名: 基於深度學習模型之社群網路演化預測、神經網路架構最佳化、與社群增量學習之研究;A Study on Social Network Evolution Prediction, Neural Architecture Search, and Social Incremental Learning Based on Deep Learning Models
    作者: 陳以錚
    貢獻者: 國立中央大學資訊管理學系
    關鍵詞: 社群網路;動態社群網路;社群網路預測;神經架構搜尋;深度學習;生成對抗網路;長短期記憶模型;自動編碼器;基因演算法;增量學習;Social Network;Dynamic Social Network;Social Network Prediction;Neural Architecture Search;Deep Learning;Generative Adversarial Network;Long Short-Term Network;Autoencoder;Genetic Algorithm;Incremental Learning
    日期: 2024-09-27
    上傳時間: 2024-09-30 17:21:07 (UTC+8)
    出版者: 國家科學及技術委員會(本會)
    摘要: 隨著網路2.0概念的普及,社群網路已經是現代人生活中的一部分,但目前的社群網路的分析大都以靜態網路為主,無法表達出現實網路演化的關係。本計畫以多種深度學習為基礎,包含遞迴神經網路(RNN)、自動編碼器(AE)、生成對抗網路(GAN)、基因演算法(GA)等,我們提出了五種全新架構的深度學習模型:1) 結合長短期記憶模型與矩陣分解之動態網路預測模型、2) 結合分群架構與自動編碼器之社群網路壓縮模型、3)生成對抗網路為基礎之社群網路演化預測、4)基因演算法為基礎之神經網路架構最佳化、與5)社群資料動態維護之增量學習模型,用以壓縮與學習網路的演化特徵,進而達到準確預測社群網路的目地。
    關聯: 財團法人國家實驗研究院科技政策研究與資訊中心
    顯示於類別:[資訊管理學系] 研究計畫

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML26檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明