检索结果-内蒙古大学图书馆

计算机科学 2024年第2期51卷 238-244页

作者：廖兴滨钱杨舸王乾垒秦小林中国科学院成都计算机应用研究所自动推理实验室成都610213 中国科学院大学计算机科学与技术学院北京100080

文档分类的一项基本工作是研究如何高效地表示输入特征,句子和文档向量表示也可以辅助自然语言处理的下游任务,如文本情感分析和数据泄露预防等。特征表示也逐渐成为文档分类问题的性能瓶颈和模型可解释性的关键之一。针对现有分层模型... 详细信息

文档分类的一项基本工作是研究如何高效地表示输入特征,句子和文档向量表示也可以辅助自然语言处理的下游任务,如文本情感分析和数据泄露预防等。特征表示也逐渐成为文档分类问题的性能瓶颈和模型可解释性的关键之一。针对现有分层模型面临的大量重复计算以及可解释性缺乏的问题,提出了一种分层文档分类模型,并研究了句子和文档表示方法对文档分类问题的性能影响。所提模型集成了使用改进自注意力机制融合输入特征向量的句子编码器和文档编码器,形成了一个层次结构,以实现对文档级数据的分层处理,在简化计算的同时增强了模型的可解释性。与仅使用预训练语言模型的特殊标记向量作为句子表示的模型相比,所提模型在5个公开文档分类数据集上实现了平均4%的性能提升,比使用词向量矩阵的注意力输出均值的模型提高了2%。

关键词：句子表示文档表示注意力机制文档分类模型可解释性

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的脓毒症预测与干预决策研究综述

引用

计算机应用 2024年第S2期44卷 357-363页

作者：钟坤华陈芋文秦小林孙启龙易斌中国科学院重庆绿色智能技术研究院重庆400714 中国科学院成都计算机应用研究所自动推理实验室成都610213 陆军军医大学第一附属医院麻醉科重庆400038

脓毒症是一种由细菌等病原微生物引发的医疗紧急状况,严重时可危及生命,因此早期诊断和及时治疗至关重要。近年来,机器学习技术在脓毒症的早期预测和治疗策略方面展现出巨大的潜力。通过综合多源数据,机器学习模型能精确评估患者的风险... 详细信息

脓毒症是一种由细菌等病原微生物引发的医疗紧急状况,严重时可危及生命,因此早期诊断和及时治疗至关重要。近年来,机器学习技术在脓毒症的早期预测和治疗策略方面展现出巨大的潜力。通过综合多源数据,机器学习模型能精确评估患者的风险并自动识别高风险的个体,从而实现对脓毒症的早期诊断。此外,机器学习还能辅助医生制定个性化治疗方案。然而,基于机器学习方法的临床应用目前仍面临一系列挑战,如数据标准化、模型可解释性以及医疗人员的接受度等。因此,针对基于机器学习的脓毒症预测与干预决策方法进行了系统综述。首先,介绍了脓毒症预测与干预决策的基础流程和框架;接着,系统性地概括了基于机器学习的脓毒症预测与干预决策的方法、相关数据及评价指标;然后,详细总结了机器学习方法在脓毒症相关临床方面的具体应用;最后,总结了目前该领域面临的主要挑战,并展望了未来的发展趋势。

关键词：脓毒症机器学习早期预测治疗策略

来源：评论

学校读者我要写书评

暂无评论

面向时间序列有序分类的Shapelet抽取算法

引用

电子科技大学学报 2023年第6期52卷 887-896页

作者：杨骏敬思远钟勇中国科学院成都计算机应用研究所成都610041 乐山师范学院电子信息与人工智能学院四川乐山614000 中国科学院大学计算机科学与技术学院北京石景山区100049 厅市共建智能终端四川省重点实验室四川宜宾644000

当前面向时间序列有序分类的Shapelet抽取算法,首先计算Shapelet与时间序列之间的欧式距离及其类别标签之间的距离,然后根据两种距离的皮尔逊相关系数或斯皮尔曼相关系数来对Shapelet进行评价,效率较低。针对该问题,提出一种基于SAX表... 详细信息

当前面向时间序列有序分类的Shapelet抽取算法,首先计算Shapelet与时间序列之间的欧式距离及其类别标签之间的距离,然后根据两种距离的皮尔逊相关系数或斯皮尔曼相关系数来对Shapelet进行评价,效率较低。针对该问题,提出一种基于SAX表示时间序列的Shapelet评价指标CD-Cover,该指标同时考虑Shapelet对时间序列数据集的覆盖集中度和覆盖优势度。其次,提出一种基于随机采样的Shapelet抽取算法,该算法采用布隆过滤器对候选Shapelet进行预剪枝,采用移除自相似策略对抽取结果进行后剪枝。在11个时间序列公开数据集上的实验结果表明,相比现有方法,该算法抽取的Shapelet具有更好的有序分类能力,且算法的计算效率也更高。

关键词：特征评价有序分类 Shapelet 时间序列

来源：评论

学校读者我要写书评

暂无评论

基于深度高斯过程回归的术中失血量和血红蛋白损失量估计

引用

计算机应用 2023年第S02期43卷 306-311页

作者：钟坤华陈芋文秦小林张力戈李雨捷胡小艳易斌中国科学院重庆绿色智能技术研究院重庆400714 中国科学院成都计算机应用研究所自动推理实验室成都610299 陆军军医大学第一附属医院麻醉科重庆400038

动态、准确地估计失血量对围手术期管理非常重要,但测量术中失血量是一项困难的任务,特别是当血液被医用纱布吸收时。针对上述情况,以浸血医用纱布图像为研究对象,提出一种基于密集连接卷积网络(DenseNet)的深度多任务高斯过程回归(DMG... 详细信息

动态、准确地估计失血量对围手术期管理非常重要,但测量术中失血量是一项困难的任务,特别是当血液被医用纱布吸收时。针对上述情况,以浸血医用纱布图像为研究对象,提出一种基于密集连接卷积网络(DenseNet)的深度多任务高斯过程回归(DMGPR)方法,以估计术中失血量和血红蛋白(Hb)损失量。DMGPR方法包括两部分:用于自动特征提取的密集连接卷积网络(DenseNet)和用于失血量及Hb损失量估计的多任务高斯回归过程(MGPR)。在手术室正常光照条件下,采集了569张浸血纱布图像,并对这些图像进行在线扩充,构建实验数据集。以决定系数(R2)、均方误差(MSE)和平均绝对误差(MAE)为性能指标,对DMGPR方法进行评估和对比。在失血量估计方面,DMGPR方法的R2、MSE和MAE分别为0.971、0.080和0.151;而在Hb损失量估计方面,DMGPR方法的相应结果分别为0.950、0.217和0.292。实验结果表明,DMGPR可以动态、准确地估计术中失血量和Hb损失量,并且比其他对比方法具有更好的性能,更适合于主要使用医用纱布和小到中度失血的手术。

关键词：术中失血量密集连接卷积网络深度高斯过程回归特征提取血红蛋白

来源：评论

学校读者我要写书评

暂无评论

差分隐私增强的大米区块链品控模型

引用

智慧农业（中英文） 2024年第4期6卷 149-159页

作者：吴国栋胡全兴刘旭秦辉高博文安徽农业大学信息与人工智能学院安徽合肥230036 智慧农业技术与装备安徽省重点实验室安徽合肥230036 中国科学院成都计算机应用研究所四川成都610041 中国科学院大学北京100049

[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型。[方法]首先,结合大米全产业链,设计数据传输流程... 详细信息

[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型。[方法]首先,结合大米全产业链,设计数据传输流程,涵盖种植、收购、加工、仓储和销售等各环节,有效保证品控数据链的连续性;其次,为解决上链数据量大、上链效率低问题,将大米全产业链各环节关键品控数据存储于星际文件系统(InterPlanetary File System, IPFS),然后将存储完成后返回的哈希值上链;最后,为提高品控模型信息可追溯程度,将种植环节关键品控数据中涉及隐私的部分信息通过差分隐私(Differential Privacy)处理后展示给用户,模糊化个体数据,以提高品控信息可信度,同时也保护了农户种植隐私。基于该品控模型,设计了差分隐私增强的大米区块链品控系统,并在相关大米企业实际运行。[结果与讨论]经测试,差分隐私增强的大米区块链品控系统全产业链单环节数据完成存储平均耗时1.125 s,信息追溯查询平均耗时0.691 s。与传统大米品质监管追溯系统相比,单环节数据存储时间缩短6.64%,信息追溯查询时间缩短16.44%。[结论]研究提出的模型不仅提高了品控数据连续性和信息可追溯程度,同时保护了农户的隐私,还在一定程度上提升了品控数据存储及信息追溯查询的效率,可为大米品质监管与信息追溯系统的设计和改进提供参考。

关键词：星际文件系统区块链品控高效上链差分隐私增强信息追溯

来源：评论

学校读者我要写书评

暂无评论

成渝经济圈铁路客运网络结构特征演变及网络效应研究

引用

铁道标准设计 2024年第6期68卷 12-19,30页

作者：徐进陈虎曹炜威西南交通大学经济管理学院成都610031 综合交通大数据应用技术国家工程实验室成都610031 服务科学与创新四川省重点实验室成都610031 中国民用航空飞行学院民航飞行技术与飞行安全重点实验室四川广汉618307 中国科学院成都计算机应用研究所成都610029

分析成渝经济圈铁路客运网络的空间联系和结构特征演变对未来铁路网络建设和布局优化有着重要意义。基于46863617条铁路客运数据构建2015—2017年成渝经济圈铁路客运网络,采用GIS空间分析方法和网络分析方法对连续时序下铁路客运联系时... 详细信息

分析成渝经济圈铁路客运网络的空间联系和结构特征演变对未来铁路网络建设和布局优化有着重要意义。基于46863617条铁路客运数据构建2015—2017年成渝经济圈铁路客运网络,采用GIS空间分析方法和网络分析方法对连续时序下铁路客运联系时空演变、网络结构特征演变以及网络结构对经济和人口的影响效应展开分析。结果表明,成渝经济圈铁路客运联系极化现象明显,客运流量主要集中在成都,其次是绵阳、重庆主城区和德阳,其余城市占据不到20%的客运流量;成渝经济圈铁路客运网络密度逐年上升,但仍处在较低水平;铁路客运网络具有较低的平均路径长度和较高的平均聚类系数,客运网路呈现小世界特性;成都和重庆主城区的度数中心性和中间中心性远超其余城市;成渝经济圈铁路客运的通达性很大程度上是由于成都和重庆主城区的中介作用,大多数城市之间不存在铁路客运联系;度数中心性、接近中心性和中间中心性对GDP的影响为正,且通过了1%的显著性水平检验;度数中心性和中间中心性对人口的影响为负,分别通过了5%、10%的显著性水平检验,处于中心地位的城市不利于人口常住。

关键词：铁路客运网络结构特征演变网络效应 GIS空间分析社会网络分析

来源：评论

学校读者我要写书评

暂无评论

基于上下文通道注意力机制的人脸属性估计与表情识别

引用

计算机应用 2025年第1期45卷 253-260页

作者：徐杰钟勇王阳张昌福杨观赐现代制造技术教育部重点实验室(贵州大学) 贵阳550025 中国科学院成都计算机应用研究所成都610213 省部共建公共大数据国家重点实验室(贵州大学) 贵阳550025 贵州大学机械工程学院贵阳550025

人脸特征蕴含诸多信息,在面部属性和情感分析任务中具有重要价值,而面部特征的多样性和复杂性使人脸分析任务变得困难。针对上述难题,从面部细粒度特征角度出发,提出基于上下文通道注意力机制的人脸属性估计和表情识别(FAER)模型。首先... 详细信息

人脸特征蕴含诸多信息,在面部属性和情感分析任务中具有重要价值,而面部特征的多样性和复杂性使人脸分析任务变得困难。针对上述难题,从面部细粒度特征角度出发,提出基于上下文通道注意力机制的人脸属性估计和表情识别(FAER)模型。首先,构建基于ConvNext的局部特征编码骨干网络,并运用骨干网络编码局部特征的有效性来充分表征人脸局部特征之间的差异性;其次,提出上下文通道注意力(CC Attention)机制,通过动态自适应调整特征通道上的权重信息,表征深度特征的全局和局部特征,从而弥补骨干网络编码全局特征能力的不足;最后,设计不同分类策略,针对人脸属性估计(FAE)和面部表情识别(FER)任务,分别采用不同损失函数组合,以促使模型学习更多的面部细粒度特征。实验结果表明,所提FAER模型在人脸属性数据集CelebA(CelebFaces Attributes)上取得了91.87%的平均准确率,相较于次优模型SwinFace(Swin transformer for Face)高出0.55个百分点;在面部表情数据集RAF-DB和AffectNet上分别取得了91.75%和66.66%的准确率,相较于次优模型TransFER(Transformers for Facial Expression Recognition)分别高出0.84和0.43个百分点。

关键词：人脸属性估计面部表情识别注意力机制细粒度特征特征差异

来源：评论

学校读者我要写书评

暂无评论

动态环境下视觉定位与建图的运动分割研究进展

引用

计算机应用 2023年第8期43卷 2537-2545页

作者：朱东莹钟勇杨观赐李杨贵州大学机械工程学院贵阳550025 中国科学院成都计算机应用研究所成都610213 现代制造技术教育部重点实验室(贵州大学) 贵阳550025 省部共建公共大数据国家重点实验室(贵州大学) 贵阳550025

动态环境中视觉定位与建图系统受环境中动态物体的影响,定位与建图误差增加同时鲁棒性下降。而对输入图像的运动分割可显著提高动态环境下视觉定位与建图系统的性能。动态环境中的动态物体可分为运动物体与潜在运动物体。当前动态物体... 详细信息

动态环境中视觉定位与建图系统受环境中动态物体的影响,定位与建图误差增加同时鲁棒性下降。而对输入图像的运动分割可显著提高动态环境下视觉定位与建图系统的性能。动态环境中的动态物体可分为运动物体与潜在运动物体。当前动态物体识别方法存在运动主体混乱、实时性差的问题。因此,综述了视觉定位与建图系统在动态环境下的运动分割策略。首先,从场景的预设条件出发,将运动分割策略分为基于图像主体静止假设方法、基于先验语义知识的方法和不引入假设的多传感融合方法;然后,对这三类方法进行总结,并分析各方法的准确性和实时性;最后,针对视觉定位与建图系统在动态环境下运动分割策略的准确性、实时性难以平衡的问题,讨论并展望了动态环境下运动分割方法的发展趋势。

关键词：视觉定位与建图动态环境运动分割实时性移动机器人

来源：评论

学校读者我要写书评

暂无评论

基于因子分解机用于安全探索的Q表初始化方法

引用

计算机应用 2022年第1期42卷 209-214页

作者：曾柏森钟勇牛宪华中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 成都工业学院网络与通信工程学院成都611730 通信抗干扰技术国家级重点实验室(电子科技大学) 成都611731 西华大学计算机与软件工程学院成都610039

针对强化学习的大多数探索/利用策略在探索过程中忽略智能体随机选择动作带来的风险的问题,提出一种基于因子分解机(FM)用于安全探索的Q表初始化方法。首先,引入Q表中已探索的Q值作为先验知识;然后,利用FM建立先验知识中状态和行动间潜... 详细信息

针对强化学习的大多数探索/利用策略在探索过程中忽略智能体随机选择动作带来的风险的问题,提出一种基于因子分解机(FM)用于安全探索的Q表初始化方法。首先,引入Q表中已探索的Q值作为先验知识;然后,利用FM建立先验知识中状态和行动间潜在的交互作用的模型;最后,基于该模型预测Q表中的未知Q值,从而进一步引导智能体探索。在OpenAIGym的网格强化学习环境Cliffwalk中进行的A/B测试里,基于所提方法的Boltzmann和置信区间上界(UCB)探索/利用策略的不良探索幕数分别下降了68.12%和89.98%。实验结果表明,所提方法提高了传统策略的探索安全性,同时加快了收敛。

关键词：强化学习 Q-learning 因子分解机 Q表初始化安全探索

来源：评论

学校读者我要写书评

暂无评论

基于逐层扩张卷积的3D牙颌实例分割

引用

计算机应用 2024年第S01期44卷 235-241页

作者：唐瑞成成苗何莲石向文郭静赵铱民王胜朝余快中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机科学与技术学院北京100049 深圳市中钞科信金融科技有限公司广东深圳518206 口颌系统重建与再生全国重点实验室西安710032 国家口腔疾病临床医学研究中心西安710032 陕西省口腔医学重点实验室西安710032 第四军医大学口腔医院西安710032 第四军医大学基础医学院西安710032

在计算机辅助的正畸手术规划和牙齿识别中,准确地从3D牙颌模型中分割出每颗牙齿至关重要。无需候选区域的分割方法虽然高效且易用,但存在诸多限制:在局部特征聚合时,现有方法依赖欧氏距离寻找特征空间内最近的多个网格单元,只能实现较... 详细信息

在计算机辅助的正畸手术规划和牙齿识别中,准确地从3D牙颌模型中分割出每颗牙齿至关重要。无需候选区域的分割方法虽然高效且易用,但存在诸多限制:在局部特征聚合时,现有方法依赖欧氏距离寻找特征空间内最近的多个网格单元,只能实现较小的感受野,这可能导致对牙齿网格的错误预测;此外,现有方法未充分考虑3D牙颌模型的方向性和同一牙齿实例的网格单元间的潜在信息。针对上述问题,提出一种名为“逐层扩张卷积”的卷积方法,它能在有效提取特征的同时,不增加任何计算成本;同时,提出方向特征对齐模块和潜在信息挖掘模块,以进一步优化牙颌分割结果。在真实采集的3D牙颌内口扫描数据集上的实验结果表明,所提方法在总体准确率(OA)和平均交并比(mIoU)方面分别达到了98.46%和94.47%,相较于TSGCNet(Two-Stream Graph Convolutional Network),分别提升了3.27个百分点和10.45个百分点。

关键词： 3D牙颌实例分割计算机辅助规划感受野局部特征聚合牙颌方向性

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：