检索结果-内蒙古大学图书馆

计算机技术与发展 2025年第4期35卷 86-92页

作者：王梅于源泽尹传龙东北石油大学计算机科学与信息技术学院黑龙江大庆163318

多视图聚类作为一种无监督的多视图学习方法,无需对大多视图数据进行标记,通过聚类即可从多个视图中挖掘出通用语义。针对传统多视图聚类方法在特征融合和视图信息一致性处理上的不足,该文提出了一种基于多级特征融合的深度多视图对比... 详细信息

多视图聚类作为一种无监督的多视图学习方法,无需对大多视图数据进行标记,通过聚类即可从多个视图中挖掘出通用语义。针对传统多视图聚类方法在特征融合和视图信息一致性处理上的不足,该文提出了一种基于多级特征融合的深度多视图对比学习聚类方法,以优化聚类性能并增强模型对多视图数据中共同语义的捕获及其在特征空间中的区分度。该方法通过初级与次级编码器独立提取各视图的特征,并采用基于门控机制的多级特征融合模块动态调整特征的融合权重。同时,引入对比学习机制,设计了特征对比损失和语义标签对比损失,以及加权互信息损失函数,进一步平衡视图间的一致性与特征重建目标。在公开的多视图数据集上进行的实验验证了该方法的有效性,相较于对比方法显著提高了聚类的准确性和鲁棒性。

关键词：深度多视图聚类多级特征融合对比学习语义一致性学习鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于改进时序卷积网络的采油速度预测模型

引用

计算机与数字工程 2025年第3期53卷 734-740页

作者：张强邓彬李志溢袁和平东北石油大学计算机与信息技术学院大庆163318 大庆油田有限责任公司第五采油厂大庆163513

采油速度是表征油田开发速度与能效的重要指标,是油田注采优化必不可少的研究内容。基于多种不确定性因素的干扰,论文提出一种改进时序卷积网络的采油速度预测模型。应用注意力机制(Attention)关注全局特征与局部特征的关系并为每个部... 详细信息

采油速度是表征油田开发速度与能效的重要指标,是油田注采优化必不可少的研究内容。基于多种不确定性因素的干扰,论文提出一种改进时序卷积网络的采油速度预测模型。应用注意力机制(Attention)关注全局特征与局部特征的关系并为每个部分赋予不同权重,改善网络的学习能力。引入AR自回归组件为预测加入线性成分,提升模型对输入尺度变化的敏感度。为验证改进模型的有效性,选取传统时序卷积网络与长短期记忆网络(LSTM)、门控循环单元(GRU)及融入注意力机制的LSTM、GRU作为对比模型。实验结果表明,论文提出的模型具有更高的预测精度和更稳定的效果。

关键词：时序卷积网络注意力机制 AR自回归组件采油速度预测

来源：评论

学校读者我要写书评

暂无评论

基于多尺度注意力UNet++的地震层位识别方法

引用

石油物探 2025年第2期64卷 315-327页

作者：杨润湉马强王志宝李菲吴钧王如意东北石油大学计算机与信息技术学院黑龙江大庆163318 黑龙江八一农垦大学信息与电气工程学院黑龙江大庆163319 中国石油大庆油田有限责任公司勘探开发研究院黑龙江大庆163712 中国石油集团工程技术研究院有限公司北京102206

现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分... 详细信息

现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。

关键词：地震层位解释 UNet++ CBAM注意力模块 MultiResBlock多尺度残差模块联合损失函数

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的伪造人脸检测技术综述

引用

计算机系统应用 2025年第4期34卷 1-17页

作者：赵娅郜明超姚文达徐锋东北石油大学计算机与信息技术学院大庆163318 黑龙江省石油大数据与智能分析重点实验室大庆163318 山东省滕州市公安局网络警察大队枣庄277500

近年来,随着伪造人脸技术的快速发展,通过伪造人脸技术合成的人脸已经非常逼真,人眼很难鉴别,部分不法分子对伪造人脸技术的非法应用已经对社会稳定、个人隐私造成了恶劣影响,因此伪造人脸检测技术的重要性日益凸显.本文系统地探讨了伪... 详细信息

近年来,随着伪造人脸技术的快速发展,通过伪造人脸技术合成的人脸已经非常逼真,人眼很难鉴别,部分不法分子对伪造人脸技术的非法应用已经对社会稳定、个人隐私造成了恶劣影响,因此伪造人脸检测技术的重要性日益凸显.本文系统地探讨了伪造人脸检测技术的现状,主要从伪造人脸图像和伪造人脸视频的检测两个方面进行分析.在伪造人脸图像检测方面,重点讨论了基于图像空间域和频率域的方法、身份一致性检测以及人脸区域定位技术的应用.在伪造人脸视频检测方面,研究聚焦于时空特征融合、生理特征利用及视听信息的结合.此外,本文介绍了常用的评估指标,系统分析了多种重要数据集,包括其特点和适用场景.同时还指出当前文献中的局限性,例如对抗样本的鲁棒性不足、检测方法对新型伪造技术的适应性差等问题.基于这些分析,我们提出了未来可能的研究方向,包括跨域检测技术的优化、新算法的探索及模型的可解释性研究.本文不仅为研究者提供了对伪造人脸检测技术的全面了解,也为后续研究指明了发展方向,具有重要的理论价值和实际应用意义.

关键词：伪造人脸检测深度学习频率域时空融合身份一致性

来源：评论

学校读者我要写书评

暂无评论

基于数值积分的离散过程神经网络算法及应用

引用

系统工程理论与实践 2013年第12期33卷 3216-3222页

作者：李盼池施光尧东北石油大学计算机与信息技术学院大庆163318

为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理离散样本和权值的时域聚合运算,采用梯度下降法实现网络参数的调整.以漫湾水电站的月径流数据预报为... 详细信息

为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理离散样本和权值的时域聚合运算,采用梯度下降法实现网络参数的调整.以漫湾水电站的月径流数据预报为例,实验结果表明,两种算法性能接近,均优于基于正交基展开的过程神经网络.

关键词：离散过程神经网络数值积分三次样条积分抛物插值积分算法设计

来源：评论

学校读者我要写书评

暂无评论

自适应分组量子衍生蛙跳算法

引用

系统工程理论与实践 2016年第5期36卷 1306-1317页

作者：李盼池卢爱平东北石油大学计算机与信息技术学院大庆163318

为提高传统蛙跳算法的优化能力,基于组内平均目标函数值实施动态分组,采用多量子比特概率幅实施个体编码,基于组内最优蛙和组间最优蛙确定旋转角度,采用基于张量积构造的多比特量子旋转门实施组内最差蛙的更新.标准函数极值优化的实验... 详细信息

为提高传统蛙跳算法的优化能力,基于组内平均目标函数值实施动态分组,采用多量子比特概率幅实施个体编码,基于组内最优蛙和组间最优蛙确定旋转角度,采用基于张量积构造的多比特量子旋转门实施组内最差蛙的更新.标准函数极值优化的实验结果表明,该算法的单步迭代时间较长但优化能力较传统蛙跳算法约有两个数量级的提高,从而表明提出的分组策略和编码方法切实能够提高传统蛙跳算法的优化能力.

关键词：量子计算群智能优化蛙跳算法自适应分组

来源：评论

学校读者我要写书评

暂无评论

基于自适应进化策略的人工蜂群优化算法

引用

电子科技大学学报 2019年第4期48卷 560-566页

作者：张强李盼池王梅东北石油大学计算机与信息技术学院

提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率... 详细信息

提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率变异方式来提升个体寻优速度或避免陷入局部最优解。典型高维复杂函数测试表明,该算法具有很好的收敛精度和计算速度。

关键词：人工蜂群算法进化策略极限学习机优化上限置信区间

来源：评论

学校读者我要写书评

暂无评论

量子索引图像的描述方法与隐写算法

引用

计算机辅助设计与图形学学报 2019年第11期31卷 1995-2006页

作者：王兵郝梦奇李盼池肖红东北石油大学计算机与信息技术学院

为解决量子计算机上索引图像的描述问题,提出一种量子索引图像描述方法.该方法中量子索引图像包含量子数据矩阵和量子调色板矩阵2种数据结构,每种数据结构均基于量子比特序列的基态进行信息表示;在此基础上,提出一种基于EzStego的量子... 详细信息

为解决量子计算机上索引图像的描述问题,提出一种量子索引图像描述方法.该方法中量子索引图像包含量子数据矩阵和量子调色板矩阵2种数据结构,每种数据结构均基于量子比特序列的基态进行信息表示;在此基础上,提出一种基于EzStego的量子索引图像信息隐写算法,首先计算量子调色板矩阵中每个颜色的相对亮度值,然后根据相对亮度值对颜色排序并分配亮度序号,最后根据每个颜色的亮度序号及其位置索引,结合嵌入的秘密信息对量子数据矩阵中的像素索引值进行更新,得到嵌入秘密信息后的量子数据矩阵.利用Matlab在经典计算机上采用USC-SIPI图像数据库数据进行仿真实验,从视觉质量、嵌入容量和鲁棒性三方面验证了该方法的可行性和有效性.实验结果表明,文中方法可在将来的量子计算机上执行.

关键词：索引图像量子图像描述量子图像隐写 EzStego

来源：评论

学校读者我要写书评

暂无评论

知识图谱在油气勘探开发中的应用现状与发展趋势

引用

天然气工业 2024年第9期44卷 55-67页

作者：和婷婷张强东北石油大学计算机与信息技术学院 163319

在油气能源产业中,知识图谱对油气资源的高效勘探开发有利于推动石油天然气工业的高质量发展。知识图谱作为一种基于人工智能和知识表示的新兴技术,逐渐成为油气勘探开发领域的研究热点和重点。为此,按照物探、钻完井、测井和油藏工程4... 详细信息

在油气能源产业中,知识图谱对油气资源的高效勘探开发有利于推动石油天然气工业的高质量发展。知识图谱作为一种基于人工智能和知识表示的新兴技术,逐渐成为油气勘探开发领域的研究热点和重点。为此,按照物探、钻完井、测井和油藏工程4大领域系统总结了知识图谱在石油勘探开发中的应用现状,在此基础上,结合大语言模型,剖析了知识图谱在石油勘探开发中所面临的挑战,并展望其未来发展方向。研究结果表明:(1)在油气勘探开发领域,知识图谱结合深度学习模型和专家经验,广泛应用于地质数据管理、信息解释、异常检测与分析、智能决策支持、故障诊断、测井数据综合分析、测井资料解释、测井曲线自动匹配、油藏描述、油藏数值模拟、油藏管理及设备故障维护,实现了数据质量提升、资料利用率提高和油藏动态实时监控等功能,有效提高了勘探开发效率;(2)知识图谱在油气勘探开发中面临数据多源异构、专业知识获取与表示、知识更新和维护、算力资源需求、跨学科协作与应用等挑战,需要在技术、标准、协作机制等方面进行持续探索和创新,以充分发挥知识图谱在石油勘探开发中的潜力。结论认为:(1)知识图谱技术具有广阔的应用前景,可开展油气勘探开发中的知识搜索、知识推荐、知识共享、智能问答以及知识推理、知识计算、知识图谱与大语言模型融合;(2)聚焦油气勘探开发大模型、基于机理模型和智能模型结合的仿真模型、多模态技术探索等方面的技术攻关,将推动行业向更加智能化、智慧化、高效化和精准化的方向发展。

关键词：油气勘探开发知识图谱物探领域钻完井领域测井领域油藏工程领域大语言模型

来源：评论

学校读者我要写书评

暂无评论

量子过程神经网络模型算法及应用

引用

物理学报 2012年第16期61卷 24-32页

作者：李盼池王海英戴庆肖红东北石油大学计算机与信息技术学院大庆163318

为提高过程神经网络的逼近和泛化能力,从研究过程神经元信息处理的量子计算实现机理入手,提出基于量子旋转门及多位受控非门的物理意义构造量子过程神经元的新思想.将离散化后的过程式输入信息作为受控非门的控制位,经过量子旋转门作用... 详细信息

为提高过程神经网络的逼近和泛化能力,从研究过程神经元信息处理的量子计算实现机理入手,提出基于量子旋转门及多位受控非门的物理意义构造量子过程神经元的新思想.将离散化后的过程式输入信息作为受控非门的控制位,经过量子旋转门作用后控制目标量子位的状态,以目标量子位处于状态|1〉的概率幅作为量子过程神经元的输出.以量子过程神经元为隐层,普通神经元为输出层,可构成量子过程神经网络.基于量子计算机理推导了该模型的学习算法.将该模型用于太阳黑子数年均值预测,应用结果表明,所提方法与普通过程神经网络相比,预测精度有所提高,对于复杂预测问题具有一定理论意义和实用价值.

关键词：量子计算量子过程神经元量子过程神经网络算法设计

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：