检索结果-内蒙古大学图书馆

自动化学报 2009年第7期35卷 888-895页

作者：李宏伟刘扬卢汉清方亦凯中国科学院自动化研究所模式识别国家重点实验室北京100190 诺基业中国研究中心北京100176

提出了一种半监督算法用于学习高斯过程分类器,其通过结合非参数的半监督核向分类器提供未标记数据信息.该算法主要包括以下几个方面:1)通过图拉普拉斯的谱分解获得核矩阵,其联合了标记数据和未标记数据信息;2)采用凸最优化方法学习核... 详细信息

提出了一种半监督算法用于学习高斯过程分类器,其通过结合非参数的半监督核向分类器提供未标记数据信息.该算法主要包括以下几个方面:1)通过图拉普拉斯的谱分解获得核矩阵,其联合了标记数据和未标记数据信息;2)采用凸最优化方法学习核矩阵特征向量的最优权值,构建非参数的半监督核;3)把半监督核整合到高斯过程模型中,构建所提出的半监督学习算法.该算法的主要特点是:把基于整个数据集的非参数半监督核应用于高斯过程模型,该模型有着明确的概率描述,可以方便地对数据之间的不确定性进行建模,并能够解决复杂的推论问题.通过实验结果表明,该算法与其他方法相比具有更高的可靠性.

关键词：高斯过程半监督学习核方法凸最优化

来源：评论

学校读者我要写书评

暂无评论

基于Rough集约简算法的中文文本自动分类系统

引用

电子与信息学报 2005年第7期27卷 1047-1052页

作者：盛晓炜江铭虎清华大学中文系计算语言学实验室北京100084 中国科学院自动化研究所模式识别国家重点实验室北京100080

现有的文本自动分类离不开文档向量的构造,向量的分量与文档中的特征项相对应。这种向量通常高达几千维甚至数万维,计算量相当大,因此需要对向量进行约简。而传统的基于频率的阈值过滤法往往会导致有效信息的丢失,影响分类的准确度。该... 详细信息

现有的文本自动分类离不开文档向量的构造,向量的分量与文档中的特征项相对应。这种向量通常高达几千维甚至数万维,计算量相当大,因此需要对向量进行约简。而传统的基于频率的阈值过滤法往往会导致有效信息的丢失,影响分类的准确度。该文将Rough集理论引入自动分类,并提出了一种新的文档向量约简算法。实验证明该算法不仅能有效缩减文档向量的规模,而且相比传统的阈值法信息损失小、准确率更高。

关键词：自动分类 Rough集决策表约简算法

来源：评论

学校读者我要写书评

暂无评论

虹膜分割算法评价基准

引用

计算机研究与发展 2020年第2期57卷 395-412页

作者：王财勇孙哲南中国科学院大学人工智能学院北京100049 模式识别国家重点实验室(中国科学院自动化研究所) 北京100190

虹膜识别是生物特征识别中最稳定和最可靠的身份识别方法之一.在虹膜识别的整个流程中,虹膜分割处于预处理阶段,因此虹膜分割结果的好坏将直接影响虹膜识别的精度.自从1993年Daugman第1次提出高性能的虹膜识别系统以来,各种各样的虹膜... 详细信息

虹膜识别是生物特征识别中最稳定和最可靠的身份识别方法之一.在虹膜识别的整个流程中,虹膜分割处于预处理阶段,因此虹膜分割结果的好坏将直接影响虹膜识别的精度.自从1993年Daugman第1次提出高性能的虹膜识别系统以来,各种各样的虹膜分割算法陆续提出,尤其是近年来基于深度学习的虹膜分割算法极大地提升了虹膜分割的精度.然而,由于缺乏统一的数据库和评价指标,各种算法的性能比较杂乱而不公平,因此提出了一个公开的虹膜分割评价基准.首先,介绍了虹膜分割的定义和面临的挑战;其次全面梳理了3个有代表性的公开虹膜分割数据库,总结了其特点和挑战性;紧接着定义了虹膜分割的评价指标;然后对传统的和基于深度学习的虹膜分割算法进行了总结,并通过详细的实验对各类算法进行了比较和分析.实验结果表明:当前基于深度学习的虹膜分割算法在准确性上超越了传统的方法.最后,对基于深度学习的虹膜分割算法存在的问题进行了思考和讨论.

关键词：生物特征识别虹膜识别虹膜分割深度学习语义分割

来源：评论

学校读者我要写书评

暂无评论

摄像机和惯性测量单元的相对位姿标定方法

引用

机器人 2011年第4期33卷 419-426页

作者：杨浩张峰叶军涛中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院自动化研究所高技术创新中心北京100190

提出了一种鲁棒的基于无迹卡尔曼滤波器的摄像机(视觉传感器)-惯性测量单元相对位姿标定方法.为了减小重力加速度对标定精度的影响,该方法采用迭代卡尔曼滤波器对惯性传感器坐标系下的重力加速度进行实时估计.仿真实验和真实数据实验表... 详细信息

提出了一种鲁棒的基于无迹卡尔曼滤波器的摄像机(视觉传感器)-惯性测量单元相对位姿标定方法.为了减小重力加速度对标定精度的影响,该方法采用迭代卡尔曼滤波器对惯性传感器坐标系下的重力加速度进行实时估计.仿真实验和真实数据实验表明,在系统初始误差较大或系统受到严重非线性因素干扰时,该方法仍能够对视觉传感器和惯性测量单元之间的6自由度相对位姿进行精确标定.

关键词：视觉传感器惯性测量单元相对位姿标定无迹卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于篇章结构多任务学习的神经机器翻译

引用

软件学报 2022年第10期33卷 3806-3818页

作者：亢晓勉宗成庆模式识别国家重点实验室(中国科学院自动化研究所) 北京100190 中国科学院大学人工智能学院北京100049

篇章翻译方法借助跨句的上下文信息以提升篇章的翻译质量.篇章具有结构化的语义信息,可以形式化地表示为基本篇章单元之间的依存关系.但是目前的神经机器翻译方法很少利用篇章的结构信息.为此,提出了一种篇章翻译模型,能够在神经机器翻... 详细信息

篇章翻译方法借助跨句的上下文信息以提升篇章的翻译质量.篇章具有结构化的语义信息,可以形式化地表示为基本篇章单元之间的依存关系.但是目前的神经机器翻译方法很少利用篇章的结构信息.为此,提出了一种篇章翻译模型,能够在神经机器翻译的编码器-解码器框架中显式地建模基本篇章单元切分、篇章依存结构预测和篇章关系分类任务,从而得到结构信息增强的篇章单元表示.该表示分别通过门控加权和层次注意力的方式,与编码和解码的状态向量进行融合.此外,为了缓解模型在测试阶段对篇章分析器的依赖,在训练时采用多任务学习的策略,引导模型对翻译任务和篇章分析任务进行联合优化.在公开数据集上的实验结果表明,所提出的方法能够有效地建模和利用篇章单元间的依存结构信息,从而达到提升译文质量的目的.

关键词：神经机器翻译篇章结构多任务学习篇章分析

来源：评论

学校读者我要写书评

暂无评论

视频转码技术研究现状与最新进展

引用

自动化学报 2007年第12期33卷 1233-1241页

作者：尚书林杜清秀卢汉清唐小军中国科学院自动化研究所高技术创新中心北京100080 中国科学院自动化研究所模式识别国家重点实验室北京100080

简要回顾了视频转码技术的研究发展状况,系统地归纳了各种转码方法,分析了相关的转码算法的特点.针对最新压缩标准H.264的出现,文中特别介绍总结了最新出现的转码方面的研究成果.最后,分析了转码研究未来的发展和可能存在的难点和问题.

关键词：转码 H.264 码率误差扩散剧质转码

来源：评论

学校读者我要写书评

暂无评论

跨模态多视角自监督的个性化食谱推荐异构图网络

引用

计算机辅助设计与图形学学报 2023年第3期35卷 413-422页

作者：宋亚光杨小汕徐常胜中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

为了更好地建模食物不同内容信息之间的关系,提出一种基于跨模态多视角自监督异构图网络的个性化食物推荐模型.首先,基于用户､食物以及食材,构建异构图;其次,基于信息传递,学习建模信息之间的复杂层级关系;再次,利用食物节点特征､食物... 详细信息

为了更好地建模食物不同内容信息之间的关系,提出一种基于跨模态多视角自监督异构图网络的个性化食物推荐模型.首先,基于用户､食物以及食材,构建异构图;其次,基于信息传递,学习建模信息之间的复杂层级关系;再次,利用食物节点特征､食物食材特征以及食物图像特征,构建跨模态多视角对比自监督学习任务增强食物节点的表示;最后,利用用户表示以及基于注意力模块融合得到的食物综合表示完成食物推荐.在大规模食物推荐数据集上的实验结果表明,该方法比最优的基线方法在AUC,NDCG@10和Recall@10这3个指标上分别提升6.35%,8.13%和11.7%,从而证明了该方法的有效性.

关键词：食物推荐异构图自监督学习多视角跨模态

来源：评论

学校读者我要写书评

暂无评论

基于噪声对比估计的权重自适应对抗生成式模仿学习

引用

模式识别与人工智能 2023年第4期36卷 300-312页

作者：关伟凡张希中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

传统模仿学习需满足专家样本均为质量极高的最优专家样本,这一限制条件既提高数据的采集难度也限制算法的应用场景.由此,文中提出基于噪声对比估计的权重自适应对抗生成式模仿学习算法(Weight Adaptive Generative Adversarial Imitatio... 详细信息

传统模仿学习需满足专家样本均为质量极高的最优专家样本,这一限制条件既提高数据的采集难度也限制算法的应用场景.由此,文中提出基于噪声对比估计的权重自适应对抗生成式模仿学习算法(Weight Adaptive Generative Adversarial Imitation Learning Based on Noise Contrastive Estimation,GLANCE),在专家样本质量不一致的任务场景下可保持较高性能.首先,使用噪声对比估计训练特征提取器,改善次优专家样本特征分布.然后,为专家样本设定可学习权重系数,并对基于权重系数重分布后的样本执行对抗生成式模仿学习.最后,基于已知相对排序的评估数据计算排序损失,通过梯度下降法优化权重系数,改善数据分布.在多个连续控制型任务上的实验表明,专家样本质量不一致时,GLANCE仅需要获取专家样本数据集上5%数据作为评估数据集,就可以达到较优的性能表现.

关键词：强化学习模仿学习噪声对比估计自适应权重

来源：评论

学校读者我要写书评

暂无评论

基于跨模态实体信息融合的神经机器翻译方法

引用

自动化学报 2023年第6期49卷 1170-1180页

作者：黄鑫张家俊宗成庆中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

现有多模态机器翻译(Multi-modal machine translation,MMT)方法将图片与待翻译文本进行句子级别的语义融合.这些方法存在视觉信息作用不明确和模型对视觉信息不敏感等问题,并进一步造成了视觉信息与文本信息无法在翻译模型中充分融合... 详细信息

现有多模态机器翻译(Multi-modal machine translation,MMT)方法将图片与待翻译文本进行句子级别的语义融合.这些方法存在视觉信息作用不明确和模型对视觉信息不敏感等问题,并进一步造成了视觉信息与文本信息无法在翻译模型中充分融合语义的问题.针对这些问题,提出了一种跨模态实体重构(Cross-modal entity reconstruction,CER)方法.区别于将完整的图片输入到翻译模型中,该方法显式对齐文本与图像中的实体,通过文本上下文与一种模态的实体的组合来重构另一种模态的实体,最终达到实体级的跨模态语义融合的目的,通过多任务学习方法将CER模型与翻译模型结合,达到提升翻译质量的目的.该方法在多模态翻译数据集的两个语言对上取得了最佳的翻译准确率.进一步的分析实验表明,该方法能够有效提升模型在翻译过程中对源端文本实体的忠实度.

关键词：实体重构跨模态学习多任务学习多模态机器翻译

来源：评论

学校读者我要写书评

暂无评论

属性建模与课程学习相结合的属性级情感分类方法

引用

软件学报 2024年第9期35卷 4377-4389页

作者：叶静向露宗成庆中国科学院大学人工智能学院北京100049 模式识别国家重点实验室(中国科学院自动化研究所) 北京100190

属性级情感分类任务旨在判断句子针对给定属性的情感极性,因其广泛应用而备受关注.该任务的关键在于识别给定属性相关的上下文描述,并根据上下文内容判断发文者针对相应属性的情感倾向.统计发现,大约30%的评论中并不包含关于给定属性的... 详细信息

属性级情感分类任务旨在判断句子针对给定属性的情感极性,因其广泛应用而备受关注.该任务的关键在于识别给定属性相关的上下文描述,并根据上下文内容判断发文者针对相应属性的情感倾向.统计发现,大约30%的评论中并不包含关于给定属性的明确情感描述,但仍然传达了清晰的情感倾向,这被称为隐式情感表达.近年来,基于注意力机制的神经网络方法在情感分析中得到了成功应用.但该类方法只能捕捉属性相关的显式情感描述,而缺乏对隐含情感的有效分析和挖掘,且往往将属性词与句子上下文分别建模,使得属性词的表示缺乏上下文语义.针对以上两个问题,提出一种交叉融合属性局部和句子全局上下文信息的属性级情感分类方法,并根据隐式和显式情感表达句子不同的分类难度采用课程学习提高模型的分类性能.实验表明,所提方法不仅对显式情感表达句子的属性情感倾向识别准确率高,而且能够有效学习隐式情感表达句子的情感类别.

关键词：属性级情感分析隐式情感分析注意力机制课程学习

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：