检索结果-内蒙古大学图书馆

激光与红外 2023年第6期53卷 830-837页

作者：吴嘉诚孙淑杰刘俊博田媚黄雅平交通数据分析与挖掘北京市重点实验室北京交通大学北京100044 北京交通大学计算机与信息技术学院北京100044 中国铁道科学研究院基础设施检测所北京100080

利用车载激光雷达获取铁路沿线环境信息对于保障行车安全具有重要意义。但是激光雷达采集到的点云数据受设备及环境因素影响,会产生大量的噪声干扰,这些噪声严重影响后续的感知和监测任务。为此,本文提出了一种面向铁路场景的大规模点... 详细信息

利用车载激光雷达获取铁路沿线环境信息对于保障行车安全具有重要意义。但是激光雷达采集到的点云数据受设备及环境因素影响,会产生大量的噪声干扰,这些噪声严重影响后续的感知和监测任务。为此,本文提出了一种面向铁路场景的大规模点云高效去噪方法。该方法提出了一种新颖的网格投影策略,对大规模铁路点云数据进行高效的降维降采样处理。然后,设计了基于GPU的改进聚类加速算法,快速识别离群的噪声数据。最后综合设计多策略融合方法,有效地去除噪声数据。所提方法充分利用铁路场景前向运动的特点,对点云数据进行基于网格化的时空压缩,同时利用GPU加速聚类算法的矩阵运算,实现了实时高效的铁路场景大规模点云去噪算法。实验结果表明,所提方法不仅能够提高去噪的性能,而且处理效率得到了极大提升。

关键词：激光点云去噪 GPU加速

来源：评论

学校读者我要写书评

暂无评论

基于双图神经网络信息融合的文本分类方法

引用

计算机科学 2022年第8期49卷 230-236页

作者：闫佳丹贾彩燕北京交通大学计算机与信息技术学院北京100044 交通数据分析与数据挖掘北京市重点实验室(北京交通大学) 北京100044

近年来,图神经网络在文本分类任务中得到了广泛应用。与图卷积网络相比,基于消息传递的文本级的图神经网络模型具有内存占用少和支持在线检测等优点。然而此类模型通常仅使用词共现信息为语料中的各个文本构建词汇图,导致获取到的信息... 详细信息

近年来,图神经网络在文本分类任务中得到了广泛应用。与图卷积网络相比,基于消息传递的文本级的图神经网络模型具有内存占用少和支持在线检测等优点。然而此类模型通常仅使用词共现信息为语料中的各个文本构建词汇图,导致获取到的信息缺少多样性。文中提出了一种基于双图神经网络信息融合的文本分类方法。该方法在保留原有词共现图的基础上,根据单词间的余弦相似度构建语义图,并通过阈值控制语义图的稀疏程度,更有效地利用了文本的多方位语义信息。此外,测试了直接融合和注意力机制融合两种方式对词汇图和语义图上学习到的文本表示融合的能力。实验使用R8和R52等12个文本分类领域常用的数据集来测试算法的精度,结果表明,与最新的TextLevelGNN,TextING和MPAD这3个文本级的图神经网络模型相比,双图模型能够有效提高文本分类的性能。

关键词：文本分类图神经网络语义信息信息融合注意力机制自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于知识聚合和迁移的跨领域推荐算法

引用

电子学报 2020年第10期48卷 1928-1932页

作者：刘真田靖玉苑宝鑫孙永奇北京交通大学计算机与信息技术学院北京100044

传统的推荐算法受限于单领域中用户和项目的稀疏关系,也存在用户冷启动等问题.跨领域推荐能够通过学习辅助领域的知识去丰富目标领域的稀疏数据以提高推荐准确率.本文提出了一种知识聚合和迁移相结合的跨领域推荐算法ATCF.与已有算法不... 详细信息

传统的推荐算法受限于单领域中用户和项目的稀疏关系,也存在用户冷启动等问题.跨领域推荐能够通过学习辅助领域的知识去丰富目标领域的稀疏数据以提高推荐准确率.本文提出了一种知识聚合和迁移相结合的跨领域推荐算法ATCF.与已有算法不同,在对共性知识和个性知识的表示学习中,ATCF均充分融合了辅助域和目标域的知识,通过基于矩阵分解的两级矩阵拼接和两次矩阵填充,得到在群集矩阵及评分矩阵上的共性知识表示;通过知识迁移,构建了重叠用户和非重叠用户的个性知识表示,有效避免了负迁移.在两个跨领域数据集上开展的实验表明,ATCF算法与已有单领域和跨领域推荐算法相比RMSE降低了3%~7%,准确率召回率增加了8%~15%.

关键词：跨领域推荐矩阵分解迁移学习知识聚合

来源：评论

学校读者我要写书评

暂无评论

基于子任务学习的双分支个性化视线估计网络

引用

中国科技论文在线精品论文 2022年第2期15卷 251-258页

作者：赵晓瑜黄雅平田艺田媚北京交通大学计算机与信息技术学院北京100044

针对视线估计任务中个性化信息处理难的问题,提出了一种基于子任务学习的双分支个性化视线估计网络(EbPN)。首先,该网络包含表观信息感知分支和个性化信息感知分支,以分别刻画用户丰富的表观信息以及个性化信息;然后,构造一系列子任务... 详细信息

针对视线估计任务中个性化信息处理难的问题,提出了一种基于子任务学习的双分支个性化视线估计网络(EbPN)。首先,该网络包含表观信息感知分支和个性化信息感知分支,以分别刻画用户丰富的表观信息以及个性化信息;然后,构造一系列子任务以替代独立样本对模型进行训练优化,其中各子任务均模仿了一个小样本视线估计任务。该网络充分获取了用户的表观信息及个性化信息,可有效减小个性化偏差,提高视线估计模型的精度,且在没有任何校准样本的情况下,仍然具有很好的泛化性能。在GazeCapture和MPIIGaze数据集上开展的大量实验证明了EbPN的有效性。

关键词：人工智能个性化视线估计小样本学习个性化偏差

来源：评论

学校读者我要写书评

暂无评论

施工隧道数据处理中的可靠卡尔曼滤波

引用

计算机系统应用 2022年第9期31卷 210-216页

作者：张诗琪张晋豫北京交通大学计算机与信息技术学院北京100044

针对隧道结构安全监测数据存在野值,噪声等严重影响后续分析的问题,提出了一种自适应跟踪系统噪声的可靠卡尔曼滤波算法进行数据去噪.首先结合滑动窗口使用最小二乘法对野值进行补偿;其次继承卡尔曼的“一步一推导”思想,动态估计噪声值... 详细信息

针对隧道结构安全监测数据存在野值,噪声等严重影响后续分析的问题,提出了一种自适应跟踪系统噪声的可靠卡尔曼滤波算法进行数据去噪.首先结合滑动窗口使用最小二乘法对野值进行补偿;其次继承卡尔曼的“一步一推导”思想,动态估计噪声值,有效解决了传统卡尔曼滤波器在面对野值及非线性系统时存在的无法准确建模的问题;最后使用北京某施工地铁数据进行数值验证,结果表明,与经典算法相比,该算法在精度方面有极大的提升.

关键词：隧道结构安全监测野值数据去噪卡尔曼滤波噪声动态估计

来源：评论

学校读者我要写书评

暂无评论

基于域内特征间相似性的点击率预估优化

引用

计算机工程 2023年第2期49卷 238-245页

作者：雷李想武志昊刘钰周子站北京交通大学计算机与信息技术学院北京100044 北京交通大学网络科学与智能系统研究所北京100044 中国民航信息网络股份有限公司北京101318 民航旅客服务智能化应用技术重点实验室北京101318

基于深度学习的点击率预估模型多数通过建模各个域的特征之间的交互关系提升预估准确率。特征嵌入向量对模型效果具有重要影响,而现有的CTR模型中不同特征的嵌入向量学习过程相互独立,且由于特征长尾分布导致大部分低频特征不能学习到... 详细信息

基于深度学习的点击率预估模型多数通过建模各个域的特征之间的交互关系提升预估准确率。特征嵌入向量对模型效果具有重要影响,而现有的CTR模型中不同特征的嵌入向量学习过程相互独立,且由于特征长尾分布导致大部分低频特征不能学习到较好的向量表示,严重影响模型的预测效果。基于域内特征间存在隐含的相似性,提出两种分别基于特征间共现概率和游走概率的相似度定义和对应的相似性图构建方法,并给出结合剪枝策略的广度优先遍历算法实现相似特征的高效计算。在此基础上,基于域内特征相似性图,设计一种嵌入生成器,对于低频特征,在域内特征相似性图上通过图神经网络聚合与其相似的特征信息,生成新的特征嵌入,作为预处理过程对特征嵌入向量进行数据增强,提升嵌入向量的表示学习质量。在公开数据集Criteo、Avazu上的实验结果表明,该方法明显提升点击率预估模型的预测准确率,其中对代表性点击率预估模型xDeepFM和AutoInt,AUC指标分别提升了0.007和0.008,LogLoss则下降了0.009和0.006,证明了嵌入生成模型的有效性。

关键词：点击率预估稀疏特征特征嵌入特征相似性图神经网络

来源：评论

学校读者我要写书评

暂无评论

ISLM:克服灾难性遗忘的增量深度学习模型

引用

现代计算机 2022年第14期28卷 35-41页

作者：程虎威北京交通大学计算机与信息技术学院北京100044

增量学习已成为机器学习领域的一个新的研究热点。与传统的机器学习相比,增量学习可以从新样本中不断学习新知识,并保留以前学习过的大部分知识。然而,目前增量深度学习方法不仅方法复杂而且会导致模型参数增加,因此本文提出了一个有效... 详细信息

增量学习已成为机器学习领域的一个新的研究热点。与传统的机器学习相比,增量学习可以从新样本中不断学习新知识,并保留以前学习过的大部分知识。然而,目前增量深度学习方法不仅方法复杂而且会导致模型参数增加,因此本文提出了一个有效的增量深度学习模型(incremental structure learning model,ISLM),用于处理增量深度神经网络中的灾难性问题。在拆分的CIFAR-100数据集上进行实验,结果表明,与目前流行的增量学习方法相比,该方法不仅具备很f强的缓解灾难性遗忘的能力,而且得到了最高精度。

关键词：增量学习深度学习注意力模块通道剪枝

来源：评论

学校读者我要写书评

暂无评论

面向边缘计算应用的拜占庭式容错分布式一致性算法

引用

计算机与现代化 2022年第12期 33-41页

作者：张昊路红英北京交通大学计算机与信息技术学院北京100044

为解决边缘计算中边缘节点易于被攻击或俘获产生拜占庭错误,从而破坏边缘计算应用可用性的问题,设计一种面向边缘计算应用的拜占庭容错分布式一致性算法Edge-Raft。该算法在现有的经典Raft算法基础上,针对边缘环境中潜在的拜占庭错误进... 详细信息

为解决边缘计算中边缘节点易于被攻击或俘获产生拜占庭错误,从而破坏边缘计算应用可用性的问题,设计一种面向边缘计算应用的拜占庭容错分布式一致性算法Edge-Raft。该算法在现有的经典Raft算法基础上,针对边缘环境中潜在的拜占庭错误进行重新设计,通过引入数字签名、同步日志检测、轮询选举、惰性投票、三阶段日志同步等机制,使其具有拜占庭容错特性的同时,将消息传递的复杂度限制至线性级,保证小于1/3的集群总数的边缘节点发生拜占庭错误时仍能为用户提供有效服务。基于不同节点规模的实验结果表明,与现有Raft算法相比,该算法在保留Raft算法可理解性的基础上,保证算法在边缘环境中的可用性与活性。相比于现有的实用拜占庭容错算法,所提算法将消息传递的时间复杂度限定在线性级,保证该算法在多节点边缘环境中的可拓展性。

关键词：边缘计算拜占庭容错分布式一致性算法

来源：评论

学校读者我要写书评

暂无评论

基于多分支退出的自蒸馏方法研究

引用

现代计算机 2022年第12期28卷 1-8页

作者：邹美霞北京交通大学计算机与信息技术学院北京100044

随着卷积神经网络的快速发展,研究者不断加深或加宽网络的结构以追求更高精度,但这种方式会带来延迟和计算成本的增加。在带有多分支结构的自蒸馏方法中存在浅层网络不能充分学习深层网络性能的问题。因此,提出一种基于多分支的自蒸馏方... 详细信息

随着卷积神经网络的快速发展,研究者不断加深或加宽网络的结构以追求更高精度,但这种方式会带来延迟和计算成本的增加。在带有多分支结构的自蒸馏方法中存在浅层网络不能充分学习深层网络性能的问题。因此,提出一种基于多分支的自蒸馏方法(SDA),将网络中所有分支的集成结果作为教师指导最后分支的输出,同时用最后分支输出指导其他分支,使得模型更好更早地退出网络。实验结果表明,该方法在ResNet一系列模型上取得了0.46%~1.51%的精度提升。

关键词：卷积神经网络多分支结构自蒸馏方法模型早退

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯优化的CatBoost的网络安全态势评估方法

引用

现代计算机 2022年第6期28卷 11-17页

作者：祝卫军黎琳北京交通大学计算机与信息技术学院北京100044

网络安全法的颁布和信息安全等级保护2.0标准的实施对网络安全领域提出了更高的要求,这就促使现有的防护理念需要向主动防御、动态防御进行转变,使用网络安全态势感知技术对信息系统进行防护。贝叶斯优化考虑上文寻优信息,不断更新先验... 详细信息

网络安全法的颁布和信息安全等级保护2.0标准的实施对网络安全领域提出了更高的要求,这就促使现有的防护理念需要向主动防御、动态防御进行转变,使用网络安全态势感知技术对信息系统进行防护。贝叶斯优化考虑上文寻优信息,不断更新先验,具有迭代次数少、速度快的优点,CatBoost模型具有防止过拟合和自动特征值处理等优点。因此针对CatBoost模型使用贝叶斯优化的方法进行参数优化,将优化后的模型应用于网络威胁的态势评估当中。在KDD99和CICIDS2017数据集上进行实验验证,通过与常用分类算法进行对比,各项评估指标均优于其他算法,验证基于贝叶斯优化的CatBoost模型在安全态势评估当中的可行性。

关键词：网络安全态势评估贝叶斯优化 CatBoost模型

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：