检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

62 篇 学位论文
29 篇 期刊文献
1 篇 会议

馆藏范围

92 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

74 篇 工学
- 54 篇 计算机科学与技术...
- 51 篇 软件工程
- 44 篇 控制科学与工程
- 8 篇 机械工程
- 7 篇 生物医学工程（可授...
- 5 篇 交通运输工程
- 4 篇 仪器科学与技术
- 4 篇 农业工程
- 3 篇 材料科学与工程（可...
- 3 篇 水利工程
- 2 篇 动力工程及工程热...
- 2 篇 生物工程
- 2 篇 网络空间安全
- 1 篇 力学（可授工学、理...
- 1 篇 冶金工程
- 1 篇 电气工程
- 1 篇 电子科学与技术（可...
- 1 篇 信息与通信工程
53 篇 管理学
- 51 篇 管理科学与工程(可...
- 2 篇 工商管理
- 2 篇 公共管理
20 篇 医学
- 13 篇 临床医学
- 3 篇 公共卫生与预防医...
- 2 篇 医学技术（可授医学...
12 篇 理学
- 8 篇 系统科学
- 3 篇 数学
- 1 篇 大气科学
11 篇 经济学
- 11 篇 应用经济学
3 篇 农学
- 2 篇 农业资源与环境
1 篇 文学
- 1 篇 新闻传播学

主题

92 篇 模型可解释性
25 篇 机器学习
11 篇 注意力机制
8 篇 深度学习
6 篇 图神经网络
5 篇 集成学习
5 篇 卷积神经网络
4 篇 特征选择
3 篇 预测模型
3 篇 xgboost
3 篇 神经网络
2 篇 集成学习模型
2 篇 医疗大数据
2 篇 深度学习模型
2 篇 漏洞检测
2 篇 脓毒症
2 篇 lime
2 篇 shap
2 篇 可视化
2 篇 特征工程

机构

6 篇 电子科技大学
4 篇 中国科学院大学
4 篇 华南理工大学
3 篇 华中科技大学
3 篇 安徽大学
3 篇 浙江大学
2 篇 中国人民公安大学
2 篇 大连理工大学
2 篇 牡丹江医学院
2 篇 南京大学
2 篇 清华大学
2 篇 北京邮电大学
2 篇 四川大学
2 篇 牡丹江医学院附属...
2 篇 武汉大学
2 篇 山东师范大学
2 篇 北京工业大学
2 篇 上海应用技术大学
1 篇 长安大学
1 篇 湖南大学

作者

2 篇 陈祺
2 篇 秦小林
2 篇 裴炳森
2 篇 王璨
2 篇 陈广新
2 篇 qin xiaolin
2 篇 chen guang-xin
2 篇 黄艺龙
2 篇 李欣
2 篇 郭金兴
2 篇 胡凯茜
2 篇 zhou wei
1 篇 qian yangge
1 篇 cao yuan
1 篇 陈晓
1 篇 陈芋文
1 篇 zhou peng
1 篇 peng hao
1 篇 cai ying
1 篇 何航帜

语言

91 篇 中文
1 篇 英文

检索条件"主题词=模型可解释性"

共 92 条记录，以下是61-70 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于脑龄的阿尔茨海默病早期识别研究

基于脑龄的阿尔茨海默病早期识别研究

引用

作者：郭晓亮山东师范大学

学位级别：硕士

大脑年龄是一种生物标志物,能够衡量大脑的衰老程度。“大脑年龄差异”(Brain Age Gap,BAG)是由大脑年龄减去人的真实年龄所得,该值反映了神经影像解剖异常,并且可能是大脑健康的标志。阿尔茨海默病(Alzheimer's Disease,AD)是一种... 详细信息

大脑年龄是一种生物标志物,能够衡量大脑的衰老程度。“大脑年龄差异”(Brain Age Gap,BAG)是由大脑年龄减去人的真实年龄所得,该值反映了神经影像解剖异常,并且可能是大脑健康的标志。阿尔茨海默病(Alzheimer's Disease,AD)是一种不可逆、无法治愈的神经退行性疾病,主要损害病人脑部认知、记忆和情绪等功能,从而直接导致患者不能正常独立生活,间接导致死亡。AD也会导致患者大脑形态结构的异常变化,使患者大脑年龄可能与其实际年龄存在差异。BAG支持疾病的诊断、预后和治疗,开展大脑年龄预测相关研究,对于AD的早期发现、早期干预具有至关重要的意义。国内外开展的脑龄预测研究取得了一系列研究成果,由于脑龄识别神经退行性疾病具有简单快捷、支持预后且客观量化等特点,使得刻画准确的大脑年龄衰老轨迹成为当前研究的热点。然而仍然存在以下问题有待于进一步解决:1)脑龄研究数据分布宽泛、特征单一以及模型可解释性匮乏;2)目前脑龄预测往往从低阶形态测量出发,却忽略了大脑各区域之间的高阶复杂关联,从大脑结构网络预测脑龄有待进一步探索。针对以上问题,本文以被试结构磁共振图像为研究对象,以通过BAG实现AD组间分类作为研究目标开展研究,贡献和创新点主要包括以下方面: (1)针对脑龄研究可解释性不足等问题,本文提出一种可解释的影像组学脑龄预测模型(Interpretable Radiomics Brain age prediction Model,IRBM),在探究模型决策原因同时实现较好的脑龄预测效果。本文所提出的IRBM方法首先通过影像组学技术在经预处理的70岁至95岁这一阿尔茨海默病高发年龄段的结构核磁共振图像提取影像组学特征,结合自动机器学习技术简化调整实验参数的过程,并对实验结果进行偏差矫正,建立脑龄预测模型;然后,本文使用获取的BAG进行疾病鉴别分析,评估脑龄预测模型在临床数据集中分类正常人、轻度认知障碍患者和AD患者的能力,并和神经心理学量表分数进行相关性分析,评估BAG可靠性;最后,本文结合博弈论的模型解释方法探究模型决策原因,使IRBM在具有较好的预测性能的同时具有可解释性能力。实验结果表明,在AD组间BAG存在显著性差异,并和神经心理学量表分数存在相关性,这表明病理性脑老化与认知功能的下降之间存在密切关系;在影像组学脑龄预测模型基础上,IRBM从全局探究影像组学特征如何影响模型预测的结果,发现海马和海马旁回区域对于大脑年龄回归模型决策起着关键作用。 (2)针对模型建立往往忽略不同大脑区域之间协同联系的问题,本文探究了连接组学在脑龄回归任务上的应用,并提出基于区域之间大脑年龄之间差异建立脑龄网络。为验证连接组学在脑龄回归任务中和AD组间差异分析的可行性,本文首先基于影像组学,将复杂网络和机器学习策略结合起来,提出了一种基于连接组学的大脑年龄预测模型(Connectomics-based Brain age prediction Model,CBM);然后,对于建立的脑龄预测模型进行可解释性分析,探究决策原因;最后探究AD组间BAG是否存在显著差异性。其次,本文提出基于脑龄预测模型预测区域脑龄,建立脑龄网络,其建立过程是首先建立区域脑龄预测模型获得区域脑龄,然后利用大脑区域之间脑龄差值作为边建立脑龄网络,最后计算网络中心性来验证AD组间是否存在显著差异性。实验证明本文所提出的CBM验证网络中心性是表征衰老模式的合适指标,特别是节点强度最能捕捉大脑随年龄的变化,并经过可解释性分析,再次验证了海马区域在人脑衰老过程中呈现最显著变化,建立模型所获得BAG在AD间存在显著差异性;此外,本文提出脑龄网络,通过利用不同区域之间衰老差异程度作为边的权重,计算平均节点强度特征,成功进一步区分出AD患者组间差异。

关键词：阿尔茨海默病影像组学模型可解释性复杂网络

来源：评论

学校读者我要写书评

暂无评论

地质灾害面域～单体风险评估方法研究与应用

地质灾害面域～单体风险评估方法研究与应用

引用

作者：廖明勇重庆大学

学位级别：硕士

我国陆域山地面积占比近2/3,山地区域地形地质条件复杂,加上西部大开发人类工程活动较频繁,导致区内地质灾害频发,严重威胁人民的生命财产安全和区域生态环境安全。地质灾害风险评估是重要的灾害防控与安全保障的手段,对山区防灾减灾和... 详细信息

我国陆域山地面积占比近2/3,山地区域地形地质条件复杂,加上西部大开发人类工程活动较频繁,导致区内地质灾害频发,严重威胁人民的生命财产安全和区域生态环境安全。地质灾害风险评估是重要的灾害防控与安全保障的手段,对山区防灾减灾和社会经济发展具有重要指导意义。本文以典型山地县域纳雍县为研究区,通过厘清地质灾害风险评估流程与目标,在多源数据收集分析的基础上,构建风险评估指标体系,采用机器学习、数值模拟等核心技术方法,对研究区采取面～点结合的方式进行地质灾害风险评估。研究的主要内容及成果如下:(1)综合前人的文献、研究区地质灾害发育特征和所收集到的资料,初选了地形地貌、地质构造、水文条件和环境条件4大类下24个易发性因子构建易发性因子库。考虑研究区内人类工程活动及降雨条件等诱发因素,选定了距道路距离、矿区分布和多年平均降雨因子构建危险性因子库。考虑研究区内承灾体社会经济易损性与人员易损性两方面,选定POI核密度、人口密度、GDP和道路造价因子构建易损性因子库。采用Lasso算法、递归消除算法和遗传算法对易发性因子库进行因子优化,筛选出的重要因子用作构建机器学习易发性模型。(2)对比了经过Lasso算法、递归消除算法和遗传算法进行因子优化及NSGAII算法进行超参数优化的XGBoost模型与Light GBM模型。采用ROC曲线(AUC值)和混淆矩阵作为评价指标。经过了因子优化及超参数优化的XGBoost模型和Light GBM模型精度都有明显提升,其中经过遗传算法与NSGAII算法混合优化的Light GBM模型精度最高(AUC=0.8747)。在因子优化算法中,遗传算法表现最好,因子优化能消除冗余因子的影响,提升模型预测精度。超参数优化在机器学习模型对比中是十分必要的,并且也能提升模型的预测精度。(3)采用预测精度最高的Light GBM-NSGAII-DS4模型作为易发性评估模型,对研究区面域进行易发性评估,结合降雨、人类工程活动等诱发因素进行危险性评估,最后叠加易损性因子图层进行了面域风险性评估。采用自然断点法对研究区易发性、危险性、易损性及风险性划分为极高、高、中、低和极低五个等级。(4)采用了SHAP模型对面域进行了全局解释,明确了土地利用类型和距河流距离因子对地质灾害贡献最大,其次是距道路距离,地形起伏度,微地貌,NDVI等。通过对因子交互和依赖作用的分析,总结出土地为建设用地或距离河流、道路较近(大约200m内)的区域地质灾害发生的可能性较大。通过SHAP模型对单体地质灾害(田坝组不稳定斜坡)进行局部解释的结果发现该单体斜坡危险指数较高主要是因为距河流和人类工程建设场所较近,受河流冲蚀作用和人类工程活动的影响较大,分析结果与现场勘察报告基本一致。(5)采用数值模拟与理论模型相结合的方法对田坝组不稳定斜坡分别在天然状态和以降雨强度63.5mm/d两种工况下进行人员与财产两方面的风险评估。首先,采用Geo-studio软件对进行两种工况下稳定性及失效概率分析,然后,使用***软件对单体灾害运动过程模拟,生成影响范围。结合影响范围内承灾体的人员与财产的易损性,分别在两种工况下对该单体斜坡进行风险评估。结果表明,该单体斜坡的风险等级在这两种工况下都属于不可接受范围。

关键词：地质灾害风险评估机器学习模型可解释性运动过程模拟

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法的潜在客户识别

基于机器学习算法的潜在客户识别

引用

作者：魏文婷上海财经大学

学位级别：硕士

当前保险行业市场逐渐趋于饱和及竞争加剧,中国人口红利正逐渐消失,客户资源争夺战已逐渐发展为保险业的竞争焦点。传统保险行业运行模式的缺陷日趋明显。面对庞大且冗余的客户信息及业务数据,传统营销经验很难找到大量的精准目标用户... 详细信息

当前保险行业市场逐渐趋于饱和及竞争加剧,中国人口红利正逐渐消失,客户资源争夺战已逐渐发展为保险业的竞争焦点。传统保险行业运行模式的缺陷日趋明显。面对庞大且冗余的客户信息及业务数据,传统营销经验很难找到大量的精准目标用户。交叉销售在保险企业的发展中起到了积极作用,它不仅能满足客户的多样化需求,还能提高客户的忠诚度,减少顾客的流失,同时也可以通过重新发展现有顾客的需求来扩大企业的经营效益,从而达到降低企业边际销售费用和利润的目的。本论文采用机器学习方法以保险公司的真实顾客资料为基础,运用机器学习算法对客户的购买兴趣进行预测,为交叉销售提供有效地辅助作用。本文选取了Kaggle的Health Insurance Cross Sell Prediction数据集,该数据集由一家保险公司提供,数据集为已购买该公司健康险的客户信息,该公司需要预测这些客户是否对公司提供的车辆保险同样感兴趣。在研究过程中,共建立四个机器学习模型,分别是K-Means算法模型、决策树算法模型、随机森林算法模型及XGBoost算法模型,并通过随机搜索与贝叶斯优化进行超参数调优。最终,预测结果较好的是基于SMOTE过采样的XGBoost算法模型。在测试集上,XGBoost算法模型表现最好,AUC值为0.849,F1值为0.43,能较好地满足客户对该公司车险产品是否感兴趣的预测需求。在模型特征上,是否购买过车险、客户年龄及是否出险这三个特征在模型中占据着较高的重要性。在此之后,本文将XGBoost算法模型与SHAP解释性框架结合,进行SHAP可视化展示。在高维数据环境中,建立了数据模型,确保了模型的准确性和可解释性。经分析确定对该公司车险产品感兴趣的客户大部分未购买车险,且客户年龄在中年,曾经出过险,所在地区极有可能在28、29及41,销售渠道极有可能是27、28、123、157及163。随后,本文对模型在实际交叉销售营销场景应用中进行分析,对客户群体对该公司车险产品是否感兴趣的程度进行分类。对于高倾向、中倾向及低倾向客户群体进行用户画像,并针对其特征制定个性化营销策略。本文以数据集为基础,拓展了机器学习技术在保险行业交叉销售的理论研究,同时深化了模型可视化在该领域的应用。在保险行业交叉销售领域,针对黑箱模型的可视化操作,实现对于公司用户画像的绘制,为销售人员的实际营销工作提供一定的参考价值,也为后续保险行业业务拓展提供一个新的思路和方向。

关键词：保险机器学习交叉销售精准营销模型可解释性

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的糖尿病医疗费用预测方法研究

基于机器学习的糖尿病医疗费用预测方法研究

引用

作者：罗敏中南大学

学位级别：硕士

医疗数据中包含很多种数据类型,其中包括序列数据。医疗领域最典型的序列数据就是电子病历数据。电子病历中详细记载着患者的疾病诊断信息,这对患者的疾病特征的挖掘以及患者医疗费用的预测研究至关重要。本文基于传统机器学习以及卷积... 详细信息

医疗数据中包含很多种数据类型,其中包括序列数据。医疗领域最典型的序列数据就是电子病历数据。电子病历中详细记载着患者的疾病诊断信息,这对患者的疾病特征的挖掘以及患者医疗费用的预测研究至关重要。本文基于传统机器学习以及卷积神经网络、词向量模型等深度学习方法对糖尿病医疗数据展开深入研究。本文的主要研究内容如下:第一,针对机器学习模型的参数较多且麻雀搜索算法很容易陷入局部最优解的问题,本文提出一种基于改进的麻雀搜索算法的糖尿病医疗费用预测方法。该方法首先使用随机森林特征选择算法来获取关键影响因素;其次,采用萤火虫随机扰动改进的麻雀搜索算法来选择随机森林模型的最佳参数;最后,运用改进的随机森林(RF-SSA-RF)模型进行糖尿病医疗费用预测。基于平江县医疗数据进行案例研究,通过三类对比实验验证RF-SSA-RF模型的优越性。第二,为了提高深度学习模型的医学概念表示质量以及其在时态数据表示方面的挑战,本文提出了一种基于医学概念嵌入表示的糖尿病医疗费用预测方法。该方法首先通过构建医疗概念的多粒度嵌入模型来提高医疗概念的表示质量;其次,结合时间间隔向量来准确衡量患者的就诊频率,形成医疗事件的准确表示;最后,在改进的卷积神经网络(MST-CNN)模型中添加通道关注机制,以自适应地调整通道权重来关注重要的医疗特征,实现了糖尿病医疗费用的准确预测。第三,为了在医疗费用预测模型中融入患者的住院天数信息,本文提出了一种基于多尺度混合深度学习的糖尿病医疗费用预测方法。该方法首先基于ICD-10系统的先验医学本体信息进行医学概念的多粒度向量表示;然后,基于改进的深度学习模型(MA-CNN)对患者的住院天数进行准确预测;接着,提取患者的住院天数信息,结合患者的统计学特征,运用多尺度随机森林模型(MG-RF)进行医疗费用预测研究。总而言之,本文在医疗大数据信息领域中,运用非深度学习方法和深度学习方法,挖掘医疗数据中的重要特征,融合医疗领域专业知识,建立医疗费用预测模型,为糖尿病医疗费用的准确预测提供了解决方案。图37幅,表27个,参考文献131篇

关键词：医疗大数据机器学习词向量模型卷积神经网络模型可解释性注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的中国典型区域城市土壤中多环芳烃和人类行为关系研究

基于机器学习的中国典型区域城市土壤中多环芳烃和人类行为关系研...

引用

作者：徐笑天东北师范大学

学位级别：硕士

多环芳烃（PAHs）作为一种持久性有机污染物,同时由于其公认的致癌性、致畸性和致突变性,而受到广泛关注。快速的城市化进程导致城市土地利用和土地覆被受到严重的影响,已逐渐成为推动全球土壤生态环境发生改变的重要因素,而土壤已成为P... 详细信息

多环芳烃（PAHs）作为一种持久性有机污染物,同时由于其公认的致癌性、致畸性和致突变性,而受到广泛关注。快速的城市化进程导致城市土地利用和土地覆被受到严重的影响,已逐渐成为推动全球土壤生态环境发生改变的重要因素,而土壤已成为PAHs最重要的汇。因此为明确人类行为如何以及多大程度影响土壤中PAHs的分布,同时为了减少PAHs污染、制定土壤PAHs污染管控措施提供科学依据,本研究收集了2000年至2020年中国城市地区的1055个土壤样本中PAHs的浓度数据,总结了典型城市群的规律性污染特征变化趋势,以长三角地区作为典型区域,选择了18个主要城市,采集了土壤样本并分析了其中PAHs含量,评估了PAH的潜在来源,同时收集文献数据,并与本研究测得的实验数据组成数据集,使用机器学习和模型的可解释性分析方法,探究了人类行为对中国典型区域城市地区土壤中PAHs污染分布的影响。得到了以下主要结果:（1）2000年至2020年,中国城市地区土壤中PAHs的浓度范围为2.75至38865 ng/g,其中20%的城市地区处于未污染的情况,而31%的地区处于轻度污染、15%的地区处于中度污染以及34%的地区处于严重污染。我国近一半的城市地区受到相当高的PAHs污染。（2）通过探究典型城市群PAHs污染的规律性变化可以发现,2005年至2020年,长三角地区和珠三角地区城市土壤中PAHs均随时间呈倒U型曲线变化;2005年至2010年,北京市城市土壤中PAHs显著下降。对这些现象的原因进行了分析,发现长三角地区、珠三角地区和京津冀地区等我国主要城市群能源消耗的相似性,北京地区对重工业企业开展的搬迁措施是主要原因;经济发达地区率先开展大气污染防治行动计划、超低排放等协同效益政策和工业中协同控制政策的综合作用也有重要影响。（3）以浙江省和江苏省作为典型区域的城市土壤中PAHs浓度范围分别为38.5～2154 ng/g和72.2～1189 ng/g。对比国内外近期的研究结果表明,目前中国长三角地区城市土壤PAHs处于中度污染程度。正定因子矩阵法（PMF）和主成分分析法（PCA）的来源解析结果表明,长三角地区城市土壤中PAHs分为工业和运输、煤炭燃烧和生物质燃烧三种来源,PMF模型中三种来源的比例为40.5%、36.3%和23.2%,而PCA中则为56.9%、21.6%和6.7%,两种模型源分配的比例虽然略有不同,但均以工业和运输源为主。（4）建立了随机森林（RF）、K-近邻（KNN）和极端梯度提升（XGB）三种机器学习模型,并应用这些模型成功解析了人类行为对PAHs浓度的影响。三种模型的交叉验证的平均决定系数R2值的顺序为XGB（0.55）>RF（0.46）>KNN（0.32）,平均均方根误差（RMSE）值为XGB（1905）模型进行网格优化,并使用Shapley Additive ex Planation（SHAP）模型对人类行为如何影响PAHs浓度进行机理解释。结果表明,工业废气排放(平均绝对Shapley值（MAS）=557.1)、碳排放、人口规模和经济发展（MAS=709.1）与PAHs浓度呈正相关。未来随着中国继续推进“双碳”目标,增加非化石能源份额和促进区域低碳发展将有效协同减少碳排放和PAHs。

关键词：多环芳烃机器学习模型可解释性协同效益

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的危重症术前评估关键技术研究与应用

基于机器学习的危重症术前评估关键技术研究与应用

引用

作者：黄艺龙中国科学院大学

学位级别：硕士

基于机器学习的危重症术前评估系统是指运用特征工程和机器学习算法对不同种类的危重症进行术前评估，通过重症监护室(ICU，IntensiveCareUnit)实时监控的数据评估患者在术后危重症发病的概率大小。从而方便医疗工作者通过患者的发病率... 详细信息

基于机器学习的危重症术前评估系统是指运用特征工程和机器学习算法对不同种类的危重症进行术前评估，通过重症监护室(ICU，IntensiveCareUnit)实时监控的数据评估患者在术后危重症发病的概率大小。从而方便医疗工作者通过患者的发病率更好地对患者进行照顾，并在指导医疗工作者用药，故而基于机器学习的危重症术前评估系统在重症监护领域有着非常重要的作用。本文对危重症术前ICU监护数据做了机器学习建模，并设计了可供医生操作的危重症术前评估系统，同时通过算法对模型进行了可解释性分析，提高了模型的可信度。论文的主要研究成果如下:　　(1)利用机器学习算法对八种危重症术前ICU监护数据进行了机器学习建模，并设计了危重症术前评估系统。该系统首先通过归一化、样本平、编码哑变量等方法对由西南医院提供的ICU监护数据进行特征工程处理，再利用XGBOOST、LGBM、ADBOOST等机器学习算法对处理好的数据进行建模，最后将模型嵌入到由TKINTER编写的可视化界面中。在本次实验中空腔脓毒症预测准确率达到:99.29％，认知功能障碍预测准确率达到:98.26％，死亡的预测准确率达到:75％，心衰的预测准确率达到:97.65％，肝衰的预测准确率达到:98.34％，肾衰的预测准确率达到:98.53％，呼衰的预测准确率达到:97.21％，肺内血管扩张的预测准确率达到:96.52％.　　(2)针对医学领域对模型可解释性要求较高，而使用的机器学习模型缺乏可解释性的问题，提出了一种通过LIME对机器学习模型进行可解释性分析的方法。其主要思想是利用LIME提取前十个核心指标，再通过对比去除核心指标和非核心指标分别进行危重症预测时预测准确率的差异验证其有效性。

关键词：机器学习危重症术前评估可视化界面模型可解释性

来源：评论

学校读者我要写书评

暂无评论

面向图像理解的深度神经网络建模关键技术研究

面向图像理解的深度神经网络建模关键技术研究

引用

作者：饶璐南京大学

学位级别：硕士

随着人工智能领域的高速发展,图像理解相关技术已经广泛的应用到现实场景当中,如行人识别、医疗辅助诊断,军事安防等领域。图像理解任务含有图像分类、目标检测和实例分割等。其中,深度神经网络模型的优劣将会对这些任务的最终性能起到... 详细信息

随着人工智能领域的高速发展,图像理解相关技术已经广泛的应用到现实场景当中,如行人识别、医疗辅助诊断,军事安防等领域。图像理解任务含有图像分类、目标检测和实例分割等。其中,深度神经网络模型的优劣将会对这些任务的最终性能起到重大的影响。然而,尽管大量深度神经网络模型已经以优异的性能取得了令人瞩目的成功,但在实际应用中仍然面临两大问题。其一,如何使模型在保持高性能的同时具有较低的复杂度且能够成功部署到算力和存储空间受限的移动设备或者嵌入式平台上?其二,如何对黑盒深度学习模型进行解释,以了解其内部机制和做出决策的原理?因此,面向图像理解的深度神经网络建模关键技术的研究则至关重要。本文进行探索轻量化且高性能的深度神经网络模型的结构,研究模型可解释性方法都具有很强的现实意义。本文专注于研究图像理解任务中的轻量化网络模型结构设计,致力于进一步提高模型性能的方法,尝试推动深度学习模型可解释性的发展。主要工作如下:(1)本文提出了一种有效的轻量级网络结构Tree Block,并基于此建立了一个高效的深度神经网络模型Tree Net。具体地,Tree Block继承并发展了单次聚合单元,通过细粒度的浅残差模块、瓶颈结构等设计降低了其模型复杂度。为了进一步提高模型性能,本文对Tree Block引入粗粒度的残差连接和注意力机制。相关实验表明,相较于主流的神经网络模型,本文提出的Tree Net能够在保持较低模型复杂度的同时具有更高的模型性能。(2)为了进一步压缩网络模型参数量使其易于部署,本文提出了一种简单、快捷且有效的模型蒸馏方法,基于多教师集成的知识硬蒸馏方法(TEHKD)。相较于传统的基于响应的知识蒸馏模型,TEHKD避免了相关超参数设置,具有更强的适用性。另外,TEHKD能够充分利用不同教师模型的优势,为监督学生模型训练提供更为丰富的知识信息。实验表明,该蒸馏方法可以有效的提高Tree Net的性能。(3)为了帮助人们建立对深度学习模型的信任,本文提出了一种高效且更真实反映模型决策结果的可解释性方法Group-CAM。通过简单的“分割-变换-合并”策略,Group-CAM能够在极短的时间内快速生成与目标类别高度相关的显著热图。相比于前沿的可解释性方法,本文提出的Group-CAM所需的计算量更小,且具有更加优秀的视觉显示效果。因此,人们可用其解释Tree Net做出分类决策的依据,帮助建立对模型的信任。此外,文章扩展了Group-CAM的应用,将其作为一种有效的数据增强策略对提出的Tree Net模型进行微调。实验结果表明使用Group-CAM进行微调能够有效的提高基准分类模型的性能。

关键词：图像理解神经网络轻量化知识蒸馏模型可解释性

来源：评论

学校读者我要写书评

暂无评论

临床知识驱动的Transformer在肿瘤MRI病灶分割和病理预后预测的算法研究

临床知识驱动的Transformer在肿瘤MRI病灶分割和病理预后预测的算...

引用

作者：林剑威华南理工大学

学位级别：硕士

恶性肿瘤是严重危害我国人民生命健康的公共卫生问题。核磁共振图像(MRI)和数字病理图像是两种临床中常见的医学图像,在肿瘤的诊断、治疗和研究中发挥重要作用。随着当今精准医学对医学图像自动化诊断需求的不断增加,基于深度学习的医... 详细信息

恶性肿瘤是严重危害我国人民生命健康的公共卫生问题。核磁共振图像(MRI)和数字病理图像是两种临床中常见的医学图像,在肿瘤的诊断、治疗和研究中发挥重要作用。随着当今精准医学对医学图像自动化诊断需求的不断增加,基于深度学习的医学图像处理与分析算法在肿瘤分割、分类和预后预测等领域有更广泛的应用。临床先验知识是近代医学经过几百年积累所产生的宝贵经验。根据临床先验知识进行建模可提升模型设计的合理性,从而有望提高模型的泛化性和生物医学可解释性。然而绝大多数的医学图像算法往往缺乏对临床先验知识的认识,并未将其与模型设计相结合。因此,本论文拟将临床先验知识充分融入深度学习模型设计中,并针对脑胶质瘤多序列MRI融合病灶分割和MGMT启动子甲基化状态预测以及卵巢癌病理多重免疫荧光图像(m IHC)预测患者预后两个临床预测任务,开展医学图像处理算法研究工作如下:(1)本文设计了一种基于临床先验知识的Two-Stage胶质瘤分割和MGMT启动子甲基化预测模型。在胶质瘤病灶分割任务中,本文基于胶质瘤MRI的诊断先验知识构建多模态交叉注意力Trans&CNN模型。该模型基于交叉注意力模块捕获关联序列的跨模态特征,实现多模态融合。同时,Trans&CNN特征校准模块弥补Transformer编码器与CNN解码器的语义尺度差距。在公开数据集上,模型在瘤周强化、肿瘤坏死和全肿瘤三种肿瘤区域的Dice指标是0.8850、0.9016和0.9333,HD95指标是5.93、6.54和6.20,相较其他对比模型,取得有效的分割性能提升。在胶质瘤MGMT预测中,本文基于分割阶段的结果设计了基于胶质瘤掩码的MGMT启动子甲基化状态预测模型。该工作定位病灶的最大横截面,能够在尽量保持肿瘤信息同时降低计算复杂度。在公开数据集上,模型的ACC和AUC为0.68和0.66,相较于其他对比模型取得了有效性能提升。(2)在卵巢癌的预后分析工作中,本文基于m IHC图像的细胞空间模式,构建包含细胞形态和空间分布关系的可解释特征序列集。与基于图像的预后模型不同,该工作直接在卵巢癌m IHC数据上对特征序列建模,并设计显著性特征提取模块分析与预后卵巢相关性高的特征。在私有数据集上,模型的C-index指标及标准差和置信区间分别为0.7084、0.0293和[0.7127,0.7163],展现了较好的性能同时增强了模型的可解释性。

关键词：医学图像临床先验知识模型可解释性胶质瘤分割及MGMT启动子甲基化状态预测卵巢癌预后分析

来源：评论

学校读者我要写书评

暂无评论

基于过程可解释的洗钱行为识别方法研究

基于过程可解释的洗钱行为识别方法研究

引用

作者：尹力丰内蒙古科技大学

学位级别：硕士

洗钱是近五十年来对国际金融体系完整性的主要威胁之一。互联网服务的兴起使金融机构能够通过多渠道参与提供更好的客户体验,同时也为洗钱违法行为提供了新的途径。在金融机构中,交易数据通过基于规则的反洗钱系统(AML)进行监测。而基... 详细信息

洗钱是近五十年来对国际金融体系完整性的主要威胁之一。互联网服务的兴起使金融机构能够通过多渠道参与提供更好的客户体验,同时也为洗钱违法行为提供了新的途径。在金融机构中,交易数据通过基于规则的反洗钱系统(AML)进行监测。而基于规则的系统的局限性在于很难保持订制规则的时效性和相关性,由此带来了系统误报率较高的问题。利用机器学习技术来识别可疑交易可以大幅度提高监测的准确率;同时为了证明决策模型的公正和透明,采用的机器学习方法应具有较强的可解释性。在此研究背景下,本文运用具有自身可解释性的机器学习模型和可解释人工智能(XAI)技术在可疑交易识别领域展开研究课题。主要研究内容包括以下三个方面: 首先,针对目前银行洗钱交易检测环节存在的问题,提出了在保持现有银行基于固定规则的反洗钱检测系统和业务流程不变的情况下,将机器学习模型引入到现有反洗钱检测体系的改进方案。其次,使用来自银行系统的真实数据集,给出详细的特征变量提取过程,然后使用经典的决策树算法(ID3、CART)及其集成方法(随机森林、GDBT)对数据集进行建模,并在此基础上运用剪枝、交叉验证等方法进行模型性能优化。实验从准确率、精确率、召回率和F1值在可疑交易识别的识别任务中进行性能对比。研究结果表明,将机器学习模型引入现有的反洗钱监测系统,可以有效提高可疑交易监测的准确率、降低误报率,提升了支付机构对可疑交易监测的效率。最后,详细论述了利用决策树模型的内在可解释性。通过对可疑交易数据样本的具体识别过程的可视化展示,可以清晰了解模型的决策过程并进行归因解释。同时使用通用可解释人工智能(XAI)技术—SHAP和LIME算法,对可疑样本特征进行重要性评估,并选出影响模型预测较大的特征作为辅助人工审核的重要依据。

关键词：可疑交易识别机器学习决策树集成算法模型可解释性

来源：评论

学校读者我要写书评

暂无评论

基于意图的视觉注意力建模及其应用

基于意图的视觉注意力建模及其应用

引用

作者：李净湘潭大学

学位级别：硕士

“眼睛是心灵的窗户”,人类无时无刻从周围环境中获得信息,人类从外界获取的大部分信息都是通过视觉。人类对于外界视觉信息的处理并不是同等对待的,而是表现出某种特异性,人类可以从大量视觉信息中选择与当前任务相关的信息做进一步加... 详细信息

“眼睛是心灵的窗户”,人类无时无刻从周围环境中获得信息,人类从外界获取的大部分信息都是通过视觉。人类对于外界视觉信息的处理并不是同等对待的,而是表现出某种特异性,人类可以从大量视觉信息中选择与当前任务相关的信息做进一步加工,并同时抑制其他与当前任务目标无关的干扰信息,这称为视觉系统的注意力机制。选择性注意力机制是人脑认知功能的一个重要部分,使得人脑能够以有限的时间高效提取和处理重要的信息,是神经网络技术的一个重要研究方向。本文主要研究基于意图的视觉注意建模,意图作为一种高级信息,可以引导人类关注与意图相关的区域,达到高效环境感知的目的。由于CAM(Class Activation Mapping)可以生成目标类别相关的视觉注意热图,故本文基于CAM技术进行视觉注意建模。最后,本文将视觉选择性注意模型运用在交通场景中,使其达到根据意图的变化,而随时切换关注目标的能力。在自动驾驶过程中,模型可以根据驾驶意图选择性地去关注特定区域和特定目标,从而具备高效获取环境信息的能力。论文主要包括以下两个工作:1)本文提出了快速综合局部空间多种特征的FIMF Score-CAM模型。该模型只需对图像进行一次前向卷积计算提取特征图,随后通过引入特征选择模板来整合局部空间不同通道的特征来提升模型解释的完整性。最后利用整合后的特征图来计算其相对于目标类别的权重,进而通过对特征图加权求和生成目标类别视觉显著性图。FIMF Score-CAM模型在可解释性指标方面优于现有主流模型,并且对于目标类别的解释更加完整,且具有计算速度快的优点,在一些需要较大卷积计算的网络模型中,运算时间相较于Score-CAM降低了90%以上。2)根据驾驶意图选择性的关注特定区域和特定目标对于自动驾驶车辆高效获取外部环境信息具有重要意义。为了实现高效环境感知,本文通过模拟人类对于外界环境的主动感知,提出了基于意图驱动的视觉注意选择模型,同时为了提升模型对于目标类别定位的完整性,提出了一种特征区域增强的深度网络训练方法。本文基于FIMF Score-CAM建立驾驶场景下的视觉注意选择性建模,同时,我们通过引导随机擦除策略迫使网络关注更全面的目标相关区域克服了模型在训练过程中只关注最具判别性特征区域的不足,达到了特征区域增强的目的。在KITTI数据集上的实验证明,本文模型对于目标类别的定位完整性和定位准确度相较于其他自顶向下的注意力选择模型有着显著的提升。

关键词： CAM 模型可解释性意图驱动选择性注意特征区域增强

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共10页 << < 1 2 3 4 5 6 7 8 9 10 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：