检索结果-内蒙古大学图书馆

南京大学学报（自然科学版） 2022年第3期58卷 420-429页

作者：王扬陈智斌杨笑笑吴兆蕊昆明理工大学理学院昆明650000

旅行商问题(Traveling Salesman Problem,TSP)是组合最优化问题(Combinatorial Optimization Problem,COP)中的经典问题,多年以来一直被反复研究.近年来深度强化学习(Deep Reinforcement Learning,DRL)在无人驾驶、工业自动化、游戏等领域的广泛应用,显示了强大的决策力和学习能力.结合DRL和图注意力模型,通过最小化路径长度求解TSP问题.改进REINFORCE算法,训练行为网络参数,可以有效地减小方差,防止局部最优;在编码结构中采用位置编码(Positional Encoding,PE),使多重的初始节点在嵌入的过程中满足平移不变性,可以增强模型的稳定性;进一步结合图神经网络(Graph Neural Network,GNN)和Transformer架构,首次将GNN聚合操作处理应用到Transformer的解码阶段,有效捕捉图上的拓扑结构及点与点之间的潜在关系.实验结果显示,模型在100-TSP问题上的优化效果超越了目前基于DRL的方法和部分传统算法.

关键词：深度强化学习旅行商问题图注意力模型图神经网络组合最优化

来源：评论

学校读者我要写书评

暂无评论

基于图注意力模型的社交网络虚假用户预测研究

基于图注意力模型的社交网络虚假用户预测研究

引用

作者：汪奋奋武汉大学

学位级别：硕士

随着Web2.0理论和移动网络的蓬勃发展,人们交互的方式发生了巨大改变,社会交互逐渐趋于网络化。越来越多的用户逐渐依赖于社交网络平台获取并分享各自的观点,并有选择的采用这些观点应用于生活和工作的方方面面。然而,由于发表信息的成... 详细信息

随着Web2.0理论和移动网络的蓬勃发展,人们交互的方式发生了巨大改变,社会交互逐渐趋于网络化。越来越多的用户逐渐依赖于社交网络平台获取并分享各自的观点,并有选择的采用这些观点应用于生活和工作的方方面面。然而,由于发表信息的成本和技术门槛很低,越来越多的虚假信息层出不穷。这些富含用户观点的虚假信息极大的干扰了人们的生活,扰乱了网络秩序,尤其是在当前全球疫情的环境下,可能会导致更为恶劣的后果。因此,如何识别出这些发布虚假信息的用户以保障网络信息的真实性、促进社交网络的持续发展是服务提供商必须思考的一个重大问题。尽管虚假用户已经引起了学者的关注,但多数研究从虚假信息角度出发,关注虚假用户的研究较少,且很少考虑用户间的关系对虚假用户预测的影响。因此本文提出了一种基于关系网络的图注意力网络方法以实现虚假用户的预测。本文主要完成了以下工作:(1)在总结前人研究的基础上,本文构建了社交网络环境下的虚假用户特征体系,将用户的静态、行为、关系特征有机结合的同时,进一步对文本特征进行深挖,得到了用户的需求特征和细粒度情感特征,最终形成了一个五维度的虚假用户特征体系。(2)设计了基于图注意力的虚假用户预测模型。基于提出的社交网络虚假用户特征体系分别构建了包含用户静态、行为、需求和细粒度情感特征的特征矩阵和包含用户间关系的邻接矩阵,并基于图注意力网络构建了虚假用户的分类预测模型。(3)对模型进行了实证分析。分别对虚假用户特征体系的五个维度的特征进行可视化分析实验,筛选出关键特征24个。然后基于关键特征集训练并验证了图注意力网络模型与其他基准模型的性能优劣。最终通过实验验证了特征体系的合理性和图注意力网络模型的有效性,模型准确率达92.8%。

关键词：社交网络虚假用户图注意力模型特征体系预测

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的在线三维装箱问题研究

基于强化学习的在线三维装箱问题研究

引用

作者：亓明凯山东理工大学

学位级别：硕士

运输和物流业是支撑经济迅猛发展的关键力量,亦是农业、制造业、服务业等各行各业背后的推动力。在过去的十几年里,随着数字技术创新的浪潮,智能仓储迅猛发展,通过运用先进的信息技术和智能算法,实现了整个物流过程的高效管理和智能化... 详细信息

运输和物流业是支撑经济迅猛发展的关键力量,亦是农业、制造业、服务业等各行各业背后的推动力。在过去的十几年里,随着数字技术创新的浪潮,智能仓储迅猛发展,通过运用先进的信息技术和智能算法,实现了整个物流过程的高效管理和智能化操作。其核心目标之一是实现降本增效,即在降低成本的同时提高运营效率。在这个背景下,在线三维装箱成为一项备受关注的技术创新。通过应用强化学习等智能算法,在线三维装箱能够实现对物品的智能排布,最大程度地利用货物运输空间,降低运输成本并提高装卸效率。本文关注于智慧仓储中典型的装箱环节,针对在线装箱问题中动态性、实时性和不确定性等问题,探索一种更智能、高效且具有泛化适用性的在线码垛解决方案。通过这种方案,降低人力成本投入,提升企业的经济效益。本文全面研究了三维装箱问题的相关技术,将分层强化学习的思想引入到了在线三维装箱问题之中。从强化学习中价值优化以及问题分层的方面着手,围绕其中存在的关键技术问题进行了以下研究。 (1)通过理论分析以及数据实验,验证了基于内在奖励引导的双奖励机制对于价值预测存在不确定性问题所导致的价值估计高方差问题的修正性。设计了逐步奖励与终步奖励引导的双奖励机制,由不同的价值网络进行预测在价值层面进行加权平均,通过每步的前知与终步的后知来影响智能体对价值的预测,帮助智能体在放置早期就能够受到放置晚期的经验影响,形成眼光更深远的判断。所提出的模型能够有效的提升装箱策略的放置性能,减少价值估计的方差,为高效智能的码垛方案奠定了基础。实现了基于蒙特卡洛树搜索的前瞻性预放置,当前瞻数量接近整个序列时,树搜索策略可以达到91%的装箱利用率。 (2)进一步研究了在线三维装箱问题的不同变体,研究了在不同问题设置情况下的解决方案包括不同旋转角度、引入额外的密度信息以及在连续动作空间下等多项实用设置。引入分层强化学习,通过将问题分层抽象为低维空间,使用图注意力分类模型来判断在当前情况下最优的空间点拓展方案,由此来为拆解箱体内部空间点与探寻可行性位置提供更多的组合排列可能。实验表明,分层问题的启发式融合策略在多个数据集上表现优于原有模型,在包含额外密度信息的数据集中平均装箱利用率达到77.2%,并能够在合理的时间内给出解决方案。

关键词：在线三维装箱价值优化分层强化学习深度强化学习图注意力模型

来源：评论

学校读者我要写书评

暂无评论

面向助行外骨骼脑机接口的下肢运动想象分类算法研究

面向助行外骨骼脑机接口的下肢运动想象分类算法研究

引用

作者：秦翊哲电子科技大学

学位级别：硕士

脑机接口是一种建立在大脑和外部设备之间的直接连接通路,其对脑部信号进行解码生成指令以控制外设。运动想象脑机接口因其无需外部刺激和促进神经康复的特性,可以用于控制助行外骨骼完成康复训练。运动想象脑机接口的核心是运动想象分... 详细信息

脑机接口是一种建立在大脑和外部设备之间的直接连接通路,其对脑部信号进行解码生成指令以控制外设。运动想象脑机接口因其无需外部刺激和促进神经康复的特性,可以用于控制助行外骨骼完成康复训练。运动想象脑机接口的核心是运动想象分类算法,近些年来的运动想象分类算法开始关注保留脑电拓扑结构的图神经网络,但当前该领域的算法存在以下瓶颈:(1)受脑电信号特征的个体差异影响较大;(2)现有的脑电拓扑结构构建方式易导致其发生失真现象。针对上述问题,本文对基于图神经网络的运动想象分类算法进行了研究。具体工作如下:(1)针对脑电信号特征个体差异较大的问题,提出了基于频段调谐图卷积的运动想象分类算法。该模型借助频段调谐机制,从数据中获取个体的最优频段权重以降低个体差异性影响。按照单受试内分类结果比较:在公用数据集上的准确率较其它模型提升了5%以上,在自建数据集上提升超过10%。随后对最优频段调谐权重的可视化结果展示了不同个体频段权重的差异性,与分类结果一同证明了提出的频段调谐机制对个体间差异具有适应性。(2)现有的图神经网络运动想象分类算法中构建图结构的方法通常是基于原始脑电数据或是单纯地基于先验知识,基于先验知识的构建方法忽视了神经连接的个体差异而基于原始脑电数据的方法易引入噪声导致的虚假连接。针对这一问题,本文提出了一种迭代更新图机制,该迭代更新机制从欧式距离和图嵌入生成连接概率,在训练的过程中更新图结构。在单受试内分类结果显示该方法在公用数据集上准确率提升2.8%。对相同骨干模型消融实验和图更新过程中脑电拓扑结构的可视化结果证明了图更新模块和拓扑特征提取模块的有效性。(3)为了验证提出的运动想象分类算法的有效性,本文采集了10位受试者执行想象起立、坐下、行走运动想象任务时的脑电数据,构建了下肢运动想象脑电数据集。并在自己的数据集上对提出的运动想象脑电分类算法进行了离线验证证明提出的运动想象分类算法有效性,随后进行了与助行外骨骼结合的在线验证。本文针对运动想象脑电信号的个体差异性问题和图结构失真的问题提出了频段调谐机制和迭代更新图机制,采集了下肢运动想象脑电数据,并对基于两种机制的运动想象分类算法进行了系统验证。本研究为脑机接口在助行外骨骼系统上的实际应用,为促进神经、运动康复的发展做出了贡献。

关键词：脑机接口运动想象图卷积模型图注意力模型

来源：评论

学校读者我要写书评

暂无评论

基于场景显著性的智能图像图表布局技术研究

基于场景显著性的智能图像图表布局技术研究

引用

作者：孙雨晶华东师范大学

学位级别：硕士

图形设计旨在组合丰富的视觉元素以高效传达信息。之前的相关研究主要集中在图像文本布局、建筑平面图生成等领域,然而,随着可视化的普及,一个明显的趋势是,可视化图表被广泛应用于场景图像中,因为可视化图表通过几何形状和调色板的组... 详细信息

图形设计旨在组合丰富的视觉元素以高效传达信息。之前的相关研究主要集中在图像文本布局、建筑平面图生成等领域,然而,随着可视化的普及,一个明显的趋势是,可视化图表被广泛应用于场景图像中,因为可视化图表通过几何形状和调色板的组合设计提供了丰富的信息以及具有吸引力的视觉表现,有利于增强场景图像的视觉表达。为了满足这种流行趋势产生的大量设计需求,本文聚焦于场景图像中可视化智能布局技术的研究。由于图像和图表都具有复杂的视觉表现,对图像和图表进行融合布局并不容易。本文基于可视化设计专家总结的三个美学原则:可读性、视觉平衡、一致性,开展了图像图表智能化布局的研究。首先,本文提出了基于深度编解码架构的卷积神经网络,以感知输入场景的视觉显著性。可读性要求图表与场景中的主体内容互不遮盖,为此,本文使用卷积神经网络捕获输入场景的视觉显著性深度特征,并输出显著性图。显著性图显示了像素级别的视觉显著性,而本文的目标是定位非显著性区域,因此提出了基于视觉显著性的图像划分算法,即首先对深度网络预测的显著性图进行蓝噪声采样,以选取具有代表性的像素点集合,接下来对点集执行Delaunay三角剖分操作将像素点连接成多个连续的三角形区域,其面积大小与视觉显著性高度一致,从而方便定位非显著性区域。其次,本文提出了基于图注意力机制的图卷积网络,以在图域中建构图像主体和图表之间的空间关系。视觉平衡要求图表与场景中的主体内容保持均匀的视觉距离,同时,一致性要求图表的配色方案与图像色彩保持和谐统一。为了达到这两个目标,本文将图像建模为图结构,将图表中心视为图节点,然后提出基于图注意力模型的深度网络以在图空间中学习图像和图表的相对位置关系,从而生成均匀分布的图像图表布局。接下来,基于聚类算法、颜色对比度等颜色计算方法,从图像中提取调色板并映射到对应的图表色彩空间,再依据数据特征为图表着色,从而形成具有美学吸引力的图像图表布局。为了表明本文方法的有效性,本文还设计了多个对比实验和消融实验,并通过多个指标从不同角度评估各种方法。最后,本文基于上述核心算法实现了智能图像图表设计系统,允许用户自定义场景、数据以及图表类型,并实时生成精致的图像图表布局,同时允许用户与生成的图表进行有意义的交互,以探索更多的数据内容。基于该系统提供的功能,本文还报告了三个有趣的应用场景:场景数据可视化,增强现实可视化以及360度全景可视化,在每个场景中都呈现了具体的图像图表布局实例,以充分表现基于场景显著性的智能图像图表布局技术具有广阔的应用前景。

关键词：信息可视化图形设计布局图注意力模型视觉显著性

来源：评论

学校读者我要写书评

暂无评论

基于原型学习改进的伪标签半监督学习算法

引用

中国科学院大学学报（中英文） 2021年第6期38卷 841-851页

作者：杨雨龙郭田德韩丛英中国科学院大学数学科学学院北京100049 中国科学院大数据挖掘与知识管理重点实验室北京100190

近年来,基于图像增广和一致性正则化的半监督学习(semi-supervised learning,SSL)方法被广泛应用并取得了很大的成功。然而,由于伪标签算法存在“认知偏误”问题,即模型的错误通过伪标签累积从而难以改正,因此很少有人关注基于伪标签(ps... 详细信息

近年来,基于图像增广和一致性正则化的半监督学习(semi-supervised learning,SSL)方法被广泛应用并取得了很大的成功。然而,由于伪标签算法存在“认知偏误”问题,即模型的错误通过伪标签累积从而难以改正,因此很少有人关注基于伪标签(pseudo-labeling,PL)的半监督学习方法。提出一种特征图的原型图注意力特征修正模型(prototype attention layer,PAL):即在神经网络映射的特征空间上学习一个图注意力模型,将此模型应用于特征空间中,可以充分利用原型的信息来修正特征,将修正后的特征所产生的伪标签与原型分配产生的伪标签随机线性组合,从而得到新的伪标签。将这一模型应用到2种伪标签半监督学习框架上所得到的算法(prototype attention improved pseudo-labeling,PAIPL),在CIFAR-10和CIFAR-100的多个半监督分类问题上进行测试,分类准确率都得到了显著提升。特别地,将提出的修正模型应用于伪标签半监督学习PLCB框架时,又提出相互混合的监督技术,从而取得了更好的效果。还将提出的模型应用到其他多个伪标签半监督学习框架上,并在多个数据集上进行实验,验证了所提出的模型作为一个附加模块是普适且有效的。

关键词：半监督学习伪标签 MixUp 图注意力模型原型学习

来源：评论

学校读者我要写书评

暂无评论

基于最大池化的图双注意力网络研究及应用

基于最大池化的图双注意力网络研究及应用

引用

作者：王静河北师范大学

学位级别：硕士

电信运营商拥有海量的呼叫详细记录数据,其中由于通话产生的网络反映出人与人之间的社会网络。在此网络中既包含用户的个人属性信息,又包含个人的网络特征信息。如何对如此复杂的网络数据进行处理和分析成为数据挖掘领域的重要研究内容... 详细信息

电信运营商拥有海量的呼叫详细记录数据,其中由于通话产生的网络反映出人与人之间的社会网络。在此网络中既包含用户的个人属性信息,又包含个人的网络特征信息。如何对如此复杂的网络数据进行处理和分析成为数据挖掘领域的重要研究内容。图(graph)是一种数据结构,是对一组实体和实体之间的关系进行建模。近年来由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视。网络表示学习是处理网络或者图结构数据的方法。基于网络表示学习的图卷积神经网络(Graph Convolutional Network,GCN)的思想是聚合节点的本地邻域以及属性信息来生成节点嵌入。图卷积神经网络作为一种处理图结构数据的方法具有较好的性能,因此GCN成为广泛研究和应用的图分析方法。图注意力网络(Graph Attention Network,GAT)是在GCN的基础上增加注意力机制,使邻域节点对中心节点进行有效的信息贡献,在预测时将注意力放在周围最相关的节点上,忽略不必要的信息。本文围绕基于注意力机制的图卷积神经网络模型和通话数据中客户流失问题展开研究,主要研究内容有以下几个方面:(1)对通话详细记录数据进行相关分析和数据预处理工作,并利用通话详情数据构建通话社交网络。分析了客户流失前后网络特性的变化,并构建了属性网络模型,为开展图卷积神经网络在图节点分类问题上的研究奠定了基础。(2)针对图注意力网络不能很好的增强注意力信息导致训练过程中收敛速度慢并且精确度不高的问题,提出一种基于双注意力的图神经网络模型。即在原来图注意力网络(GAT)的基础上增加纵向注意力的方法,来“增强”注意力,强制节点学到不同节点对中间节点的特征贡献,使学到的模型精度更高,收敛速度更快。(3)针对已有的图神经网络泛化能力不足,本文基于图结构的特殊性提出图池化操作,该操作可以嵌入到任意图神经网络模型中,实验结果表明池化操作增强了模型的泛化能力,并从一定程度上改善了图卷积神经网络的过平滑问题,提高了模型的准确性。(4)将图神经网络模型应用到真实的社交网络中,用于电信客户流失预测。本文提出的模型与传统的随机森林、XGBoost以及GCN等深度学习方法比较在准确率和召回率等评价指标上都有显著提高。

关键词：通话数据网络表示学习图注意力模型最大池化

来源：评论

学校读者我要写书评

暂无评论

基于异构信息网络的互联网新闻事件发现算法研究

基于异构信息网络的互联网新闻事件发现算法研究

引用

作者：李欢欢燕山大学

学位级别：硕士

随着5G时代的到来,网络成为了人们获取外来资讯的重要途径。人们在享受快捷信息服务的同时也面临着繁杂的网络信息带来的“选择难”问题。事件发现与跟踪技术能够帮助我们在海量的新闻信息中快速精准的识别最新事件、寻找感兴趣的话题... 详细信息

随着5G时代的到来,网络成为了人们获取外来资讯的重要途径。人们在享受快捷信息服务的同时也面临着繁杂的网络信息带来的“选择难”问题。事件发现与跟踪技术能够帮助我们在海量的新闻信息中快速精准的识别最新事件、寻找感兴趣的话题与跟踪事件发展动态。该技术有利于企业和政府把握舆情走向,对社会和谐发展有重要作用。本课题从实际应用角度出发,以人民网和新华网上的新闻报道文本为主要研究对象,深入研究了基于Scrapy的数据获取技术、文本数据的向量化表示算法、以及异构信息网络(HIN)和Transformer机制相结合的新闻事件发现方法。能够快速预测最新报道的话题类别并发现相关事件,方便用户快速获取目标信息。首先,针对全网抓取中存在的耗时长、重复率高问题,本文设计了一款增量式的网络爬虫器,用于获取人民网和新华网数据,能够定时抓取这两个网站上的相关新闻信息,并根据地址链接进行自动去重,大大降低了采集过程中的重复性工作。其次,针对传统词频-逆文档概率算法(TF-IDF)中存在的不同关键词出现次数相同所对应的TFIDF值也可能相同问题,本文提出了一种改进后的算法A-TFIDF,通过给相同的TFIDF值加上不同的极小值,使其能够保证在不损失关键词重要性的同时保证值的唯一性。再次,针对新闻文本篇幅长短不同造成的文本向量表示难和传统的基于词频的事件发现准确率低问题,本文提出一种将Transformer机制和异构信息网络相结合的事件发现框架TRHIN＿Framework。将针对语言翻译的Transformer应用在话题预测方面。该框架首先确定新报道的话题类别,接下来利用话题词得到相关事件群并建立异构信息网络,然后通过图注意力网络(GAT)抽取高维特征,最后采用DBSCAN聚类的方式得到最终事件簇。最后,在人民网和新华网数据集上开展实验。通过进行对比实验,展示了该框架在话题预测的正确性和事件发现与追踪方面的有效性。

关键词：新闻事件发现改进的TFIDF算法 TRHIN＿Framework框架异构信息网络图注意力模型 DBSCAN聚类

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的图分类模型的研究与实现

基于深度学习的图分类模型的研究与实现

引用

作者：黄若谷西安电子科技大学

学位级别：硕士

图是用来表示真实世界数据复杂关系的自然数据结构,近年来,人们对建立基于图的预测模型的兴趣激增,在化学、计算生物学、社交网络等应用领域都有很突出的例子。图空间的极大复杂性,使得为分类任务提取可解释的、有区别的结构特征变得非... 详细信息

图是用来表示真实世界数据复杂关系的自然数据结构,近年来,人们对建立基于图的预测模型的兴趣激增,在化学、计算生物学、社交网络等应用领域都有很突出的例子。图空间的极大复杂性,使得为分类任务提取可解释的、有区别的结构特征变得非常困难,并且由于图的连接性和大小在不同的实例之间可能存在很大的差异,因此如何从图结构对象中捕获关键的结构信息仍然是机器学习社区中的一大挑战。传统图核方法在提取图特征时计算量大,而且可扩展性差,同时相似矩阵的计算和之后分类学习是两个独立的步骤,导致图的特征提取是在分类学习之前就要完成的任务,不能通过后续的分类任务来指导特征的选择。近年来,深度学习方法在处理图结构数据上取得了卓越的成就,但是很多深度学习方法只能学习全局图的特征,难以学习局部子图的特征,从而限制了其在分类任务中的性能。针对上述问题与不足,本文提出了一种新的神经网络结构——图注意力模型来提取图的特征,提高了图分类的泛化能力。图注意力模型采用并行的、概率的决策过程来组装子图结构,根据中心节点与其邻域的节点的注意力系数的大小来决定是否选择邻域的节点,使得注意力层能够探索高度复杂的图空间,因此图注意力模型可以以更细的粒度调整子图特征;此外,图注意力模型以图的类标签为指导,通过反向传播进行监督学习,不断改进模型中的参数,从而优化子图结构的组装过程。本文工作的关键创新是采用了注意力机制的注意力层,通过分层地组装贡献值高的子图结构,从而最终制造出有区别力的子图,后续的池化层和全连接层根据有区别力的子图对输入图进行分类。将图注意力模型与流行的几种图核方法与深度学习方法在数据集上进行比较,实验结果表明图注意力模型在整体的性能表现排在第一位。总体而言,图注意力机制在所有边上的计算以及输出的特征向量的计算在所有节点上都是并行的,因此图注意力模型的计算很高效,并且图注意力模型既具有组合模式搜索的灵活性,又具有较强的深度学习优化能力,并且在使用最先进的技术进行图分类任务时,可以提供有区别力和可解释的结构特征。

关键词：图分类深度学习神经网络图注意力模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：