检索结果-内蒙古大学图书馆

北京交通大学计算机与信息技术学院“企业班”工作模式及活动掠影

引用

工业和信息化教育 2019年第3期 95-95页

作者：王浩业童雪北京交通大学计算机与信息技术学院

来源：评论

学校读者我要写书评

暂无评论

基于社交时序知识图谱的推特机器人检测方法

引用

北京大学学报(自然科学版) 2025年

作者：蒋致书陈炜张伟杰张诗琪陈季若万怀宇北京交通大学计算机与信息技术学院

推特机器人检测旨在识别推特社交平台上的社交机器人，在维护社会安全和稳定性方面发挥着至关重要的作用。为了解决现有推特机器人检测方法对于用户动态社交历史结构性和时序性的忽视，以及特征融合引起的噪声累积问题，本文构建了社交... 详细信息

推特机器人检测旨在识别推特社交平台上的社交机器人，在维护社会安全和稳定性方面发挥着至关重要的作用。为了解决现有推特机器人检测方法对于用户动态社交历史结构性和时序性的忽视，以及特征融合引起的噪声累积问题，本文构建了社交时序知识图谱，并提出了一种推特机器人检测方法 STKGBot(SocialTemporal Knowledge Graph for Twitter Bot Detection)。在时序知识图谱中，STKGBot使用关系增强图注意网络学习静态社交关系特征，使用时序增强图卷积网络学习动态社交历史特征，使用双线性模型进行特征融合，此外，STKGBot使用对比学习来缓解特征融合引起的噪声累积问题。实验结果表明，STKGBot在两个公开数据集的检测结果均优于当前最先进的模型。

关键词：推特机器人检测时序知识图谱图神经网络对比学习

来源：评论

学校读者我要写书评

暂无评论

无线时间敏感网络技术综述

引用

软件学报 2025年第1期36卷 184-202页

作者：乔萱李宗辉刘强艾渤万海邓仰东北京交通大学计算机与信息技术学院北京100044 北京交通大学电子信息工程学院北京100044 清华大学软件学院北京100084

由IEEE 802.1任务组开发的时间敏感网络标准可以用来构建高可靠、低延迟、低抖动的以太网,将时间敏感网络扩展到无线领域也是目前许多工作的研究重点.与传统的有线通信相比,无线的时间敏感网络不仅可以实现高可靠和低时延通信,还具有更... 详细信息

由IEEE 802.1任务组开发的时间敏感网络标准可以用来构建高可靠、低延迟、低抖动的以太网,将时间敏感网络扩展到无线领域也是目前许多工作的研究重点.与传统的有线通信相比,无线的时间敏感网络不仅可以实现高可靠和低时延通信,还具有更高的灵活性、更强的移动性以及更低的布线和维护成本等优点.因此,在面对未来无人驾驶、协作机器人、远程医疗控制等新兴应用时,无线时间敏感网络被认为是一种十分有前景的技术.无线网络一般可以分为基于基础设施的无线网络和无基础设施的无线网络,而后者基于移动性还可以分为两类:移动自组织网络和无线传感网络,因此主要从这3种网络类型出发,对其应用场景、相关技术、路由协议以及高可靠低时延传输进行了调研与综述.

关键词：时间敏感网络 5G 移动自组织网络无线传感网络

来源：评论

学校读者我要写书评

暂无评论

自监督知识增强的零样本文本分类方法

引用

中文信息学报 2025年第1期39卷 79-88页

作者：林铄浩陈炜万怀宇蒋致书赵书源廖梦祈张芷毓北京交通大学计算机与信息技术学院北京100044

为了改善零样本文本分类任务中无标签数据存在的类别不平衡问题,并充分发挥预训练语言模型在该任务中的推理能力,该文提出了一种自监督知识增强的零样本文本分类方法(Knowledge Enhanced Zero-shot Text Classification,KE0TC)。该方法... 详细信息

为了改善零样本文本分类任务中无标签数据存在的类别不平衡问题,并充分发挥预训练语言模型在该任务中的推理能力,该文提出了一种自监督知识增强的零样本文本分类方法(Knowledge Enhanced Zero-shot Text Classification,KE0TC)。该方法利用提示模板引导大规模预训练语言模型扩展类别标签并构建知识图谱,通过图结构进行去噪和自监督数据生成;然后,采用段落采样等方式将提取的带标签数据隐式映射到分类器的参数空间中,进而在不收集无标签训练数据的情况下实现对分类空间的建模。在三个文本分类数据集上与四个基线方法相比,KE0TC能基于较少的训练语料,以较低的耗时达到较高分类性能。

关键词：零样本文本分类知识图谱数据增强

来源：评论

学校读者我要写书评

暂无评论

融合不确定性建模的时空交通数据插补方法

引用

计算机研究与发展 2025年第2期62卷 346-363页

作者：刘乐郭晟楠靳希源赵苗苗陈冉林友芳万怀宇北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044

交通数据缺失是智能交通系统无法避免的问题之一,对缺失值进行补全和不确定性量化能提高智能交通系统中交通数据挖掘相关任务的精度和可靠性.然而,目前大多数交通数据插补模型都只能针对缺失值给出点估计,无法量化不确定性,难以满足交... 详细信息

交通数据缺失是智能交通系统无法避免的问题之一,对缺失值进行补全和不确定性量化能提高智能交通系统中交通数据挖掘相关任务的精度和可靠性.然而,目前大多数交通数据插补模型都只能针对缺失值给出点估计,无法量化不确定性,难以满足交通领域对数据可靠性的要求.而且,现有方法将重点放在了建模交通数据的时空相关性上,却未能在捕获时空相关性的过程中考虑缺失值的影响.此外,交通数据的不确定性同时受到时间、空间位置以及数据自身状态的影响,但是现有方法无法全面考虑这些因素的影响.为了解决这些问题,提出了一种时空不确定性指导的交通数据插补模型(spatial-temporal uncertainty guided traffic data imputation network,STUIN),以自监督训练的方式实现了时空交通数据的插补和对插补结果的不确定性量化.具体来说,创新地将神经网络的隐状态建模成服从高斯分布的随机变量,借助方差建模隐状态的不确定性,利用基于方差的注意力机制描述不确定性对时空相关性建模的影响;此外,设计了一个新颖的时空不确定性初始化模块,在初始化均值和方差时同时考虑了时间、空间和数据缺失状况多种因素的影响.在2个交通流量数据集上的实验结果表明STUIN在数据插补和不确定性量化上都达到了最先进的性能.

关键词：交通数据插补不确定性量化基于方差的注意力机制时空数据挖掘时空图数据

来源：评论

学校读者我要写书评

暂无评论

改性活性炭电极用于电厂生活污水后脱氮及减碳的研究

引用

水处理技术 2025年第1期51卷 97-101,119页

作者：杨畅畅于海琴冯瑞琦韩溪童孙贺范思辰北京交通大学环境学院北京100044 北京交通大学计算机与信息技术学院北京100044

受传统氨氮处理工艺限制,电厂生活污水常出现氨氮难达标问题,从而需要投入大量外加碳源,这一过程会造成碳排放和处理成本的增加。本研究使用NaOH改性活性炭电极,应用在传统生活污水生物处理(AAO)之后进一步去除氨氮(后脱氮),此过程中不... 详细信息

受传统氨氮处理工艺限制,电厂生活污水常出现氨氮难达标问题,从而需要投入大量外加碳源,这一过程会造成碳排放和处理成本的增加。本研究使用NaOH改性活性炭电极,应用在传统生活污水生物处理(AAO)之后进一步去除氨氮(后脱氮),此过程中不添加任何外加碳源、除磷药剂以及深度脱氮工艺。实验结果表明,在最优操作条件:电压1.2 V、进水流量37 mL/min、初始氨氮质量浓度6.138 mg/L下,改性后氨氮去除率达到64.31%;TN、TP、电导率去除率达到45.38%、62.08%和89.38%;CDI的加入使得传统生物处理过程无需外加碳源和除磷药剂即可达到出水标准,成本下降了0.4元/m^(3),出水作为电厂回用水可节省2 000元取水费用;对吸附过程进行碳排放核算,在电厂生活污水日处理量为450 m3/d的情况下,CDI装置的加入平均每天可以减少738.25 kgCO_(2)的排放,具有良好的减碳效益。此外,该技术可推广应用于居民小区等建筑做回用水,每天可节省256元污水处理费用,并且具有同样的碳减排效益。

关键词：生活污水 CDI 后脱氮电吸附碳减排

来源：评论

学校读者我要写书评

暂无评论

基于标签感知变分自编码器的多标签分类

引用

计算机科学与探索 2025年第3期19卷 714-723页

作者：孙宏健徐鹏宇刘冰景丽萍于剑北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

随着互联网的兴起,各式各样的数据急速增长,如何高效地利用这些样本数据成为数据挖掘领域的重要问题。多标签分类任务作为机器学习与数据挖掘领域的重要任务,旨在为样本标注多个标签类别。目前的方法大多仅对特征分支进行嵌入表示学习,... 详细信息

随着互联网的兴起,各式各样的数据急速增长,如何高效地利用这些样本数据成为数据挖掘领域的重要问题。多标签分类任务作为机器学习与数据挖掘领域的重要任务,旨在为样本标注多个标签类别。目前的方法大多仅对特征分支进行嵌入表示学习,并未考虑到特征和标签之间的语义关联性,缺乏对特征嵌入空间的有效约束,从而导致学习到的特征嵌入针对性不足。在标签相关性学习方面,现有的大多数方法主要关注低阶标签相关性,在面对复杂的实际标签场景时,多个标签之间的高阶相关性学习不足的问题变得更为突出。为解决上述问题,从嵌入表示学习和标签相关性学习出发,提出了一种基于标签感知变分自编码器的多标签分类方法。针对嵌入表示学习,提出使用特征和标签双流变分自编码器同时学习和对齐特征和标签的嵌入空间,对特征嵌入空间添加标签引导来增强特征嵌入。采用基于标签语义的交叉注意力机制,将特定标签信息加入到特征嵌入中,最终获得标签感知后的判别性特征嵌入。针对标签相关性学习,采用共享解码器中的多层自注意力机制,充分融合多个标签的相似性信息,通过不同标签间的共现交互,学习到标签高阶相关性表示并用于交叉感知特征嵌入。在四个不同领域的数据集上得到的实验结果表明,提出的方法能够有效增强特征和标签嵌入,并充分捕获标签之间高阶相关性信息用于多标签分类任务,通过与多个最先进算法在多个评价指标上进行比较分析,验证了提出的方法在性能上的显著优越性。

关键词：多标签分类嵌入空间学习变分自动编码器 Transformer 标签相关性

来源：评论

学校读者我要写书评

暂无评论

面向合成语音检测的弹性正交权重修正连续学习算法

引用

计算机研究与发展 2025年第2期62卷 336-345页

作者：张晓辉易江燕陶建华周俊佐中国科学院自动化研究所北京100190 北京交通大学计算机与信息技术学院北京100044 清华大学自动化系北京100084

目前,深度学习在合成语音检测领域取得了巨大的成功.然而,通常情况下,深度模型可以在与训练集分布相似的测试集上取得高准确率,但在跨数据集的情境下,其准确率却会显著下降.为了提高模型在新数据集上的泛化能力,通常需要对其进行微调,... 详细信息

目前,深度学习在合成语音检测领域取得了巨大的成功.然而,通常情况下,深度模型可以在与训练集分布相似的测试集上取得高准确率,但在跨数据集的情境下,其准确率却会显著下降.为了提高模型在新数据集上的泛化能力,通常需要对其进行微调,但这会导致模型遭受灾难性遗忘.灾难性遗忘指的是模型在新数据上的训练会损害其从旧数据中获得的知识,导致对旧数据的识别性能下降.目前,克服灾难性遗忘的主要算法之一是连续学习.面向合成语音检测提出了一种连续学习算法——弹性正交权重修正(elastic orthogonal weight modification,EOWM),用于克服灾难性遗忘.该算法通过修正模型在学习新知识时的参数更新方向和更新幅度,以减少对已学知识的损害.具体来说,该算法在模型学习新知识时要求参数的更新方向与旧任务的数据分布正交,并同时限制对旧任务中重要参数的更新幅度.在合成语音检测领域的跨数据集实验中,算法取得了良好的效果.与微调相比,该算法在旧数据集上的等错误率(equal error rate,EER)从7.334%降低至0.821%,相对下降了90%;在新数据集上的等错误率从0.513%降低至0.315%,相对下降了40%.

关键词：合成语音检测连续学习弹性正交权重修正预训练模型深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于对比学习和标签挖掘的点云分割算法

引用

计算机研究与发展 2025年第1期62卷 132-143页

作者：黄华卜一凡许宏丽王晓荣北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 轨道工程北京市重点实验室(北京交通大学) 北京100044 智慧高铁系统前沿科学中心(北京交通大学) 北京100044

基于深度学习的点云分割算法通过设计复杂的特征提取模块,可以对高维空间点云进行有效的分割.但由于缺乏对边界点集的特征挖掘,使得其对边界分割的精度欠佳.已有将对比学习思想用于点云分割以解决边界区域分割性能不足问题的研究中,忽... 详细信息

基于深度学习的点云分割算法通过设计复杂的特征提取模块,可以对高维空间点云进行有效的分割.但由于缺乏对边界点集的特征挖掘,使得其对边界分割的精度欠佳.已有将对比学习思想用于点云分割以解决边界区域分割性能不足问题的研究中,忽略了点云无序和稀疏特性,特征提取不够准确.对此,设计了基于对比学习和标签挖掘的点云分割模型CL2M(contrastive learning label mining),通过自注意力机制学习不同位置处点云更为精准的特征,并引入对比学习方法,提高了点云边界处的分割精度.在对比边界学习过程中通过深入挖掘语义空间中的标签并设计了基于标签分布的对比边界学习模块,使得高维空间点云标签分布包含更多的语义信息.CL2M充分利用标签的分布规律计算分布间的距离,可准确划分正负样本,减少了常规硬划分带来的累计错误.在2个公开数据集上进行的实验结果表明,CL2M在多个评价指标上优于既有的点云分割模型,验证了模型的有效性.

关键词：计算机视觉点云分割对比学习自注意力机制边界挖掘

来源：评论

学校读者我要写书评

暂无评论

列车通信网络时间触发调度模型的等价化简技术

引用

铁道学报 2025年第3期47卷 73-80页

作者：朱广超聂晓波李洋涛李宗辉聂晨浩马可中国铁道科学研究院集团有限公司动车组和机车牵引与控制国家重点实验室北京100081 北京交通大学电气工程学院北京100044 北京交通大学计算机与信息技术学院北京100044

时间敏感网络因其高确定性及低时延特性逐步成为列车通信网络的下一步发展方向。它通过时间触发调度精确地指定数据流在网络节点中的发送时间,从而保障数据流端到端的确定性实时传输。时间触发调度模型通常形式化为可满足性约束模型,由... 详细信息

时间敏感网络因其高确定性及低时延特性逐步成为列车通信网络的下一步发展方向。它通过时间触发调度精确地指定数据流在网络节点中的发送时间,从而保障数据流端到端的确定性实时传输。时间触发调度模型通常形式化为可满足性约束模型,由于调度模型数据流数量庞大,且参数不同,造成当前约束规模冗余而庞大,严重影响调度性能。针对该问题,挖掘时间触发传输机制的特点,提出时间触发调度模型的两个化简条件,并证明该化简是等价化简,即化简前后可行解空间不变;给出计算化简模型的算法,并基于可满足性求解器Z3实现了时间触发的增量调度工具;基于列车通信网络拓扑及流配置,对提出的时间触发调度模型等价化简技术进行性能评估。试验结果表明:相比于传统的时间触发调度模型,本文提出的等价化简技术缩小约束规模7.9%,缩小变量规模21%,提升调度性能26.1%。

关键词：列车通信网络确定性实时传输时间触发调度模型等价化简

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：