检索结果-内蒙古大学图书馆

计算机研究与发展 2020年第8期57卷 1697-1706页

作者：孙肖依刘华锋景丽萍于剑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

变分自编码器(variational autoencoder, VAE)近年来在推荐领域有着很成功的应用.这种非线性概率模型的优势在于它可以突破线性模型有限的建模能力,而线性模型目前仍然在协同过滤研究中占主导地位.尽管基于变分自编码器的推荐方法已经... 详细信息

变分自编码器(variational autoencoder, VAE)近年来在推荐领域有着很成功的应用.这种非线性概率模型的优势在于它可以突破线性模型有限的建模能力,而线性模型目前仍然在协同过滤研究中占主导地位.尽管基于变分自编码器的推荐方法已经取得了优越的表现,但仍存在一些未解决的问题,例如无法针对隐式反馈的推荐数据为用户生成个性化的推荐排序列表.因此,通过借助多项式似然对变分自编码器实施基于列表的排序策略,提出了一种深度生成推荐模型.该模型具有同时生成点级隐式反馈数据并为每个用户创建列表式偏好排序的能力.为了将排序损失与变分自编码器损失结合起来,采取归一化累计损失增益(normalized cumulative loss gain, NDCG)作为排名损失,并通过平滑函数进行近似.在3个真实世界数据集上(MovieLens-100k,XuetangX和Jester)进行了实验.实验结果表明:结合了列表级排序的变分自编码器在推荐个性化列表所有评价指标上,相比于其他基线模型拥有更出色的表现.

关键词：个性化推荐深度生成模型排序学习隐式反馈列表级排序

来源：评论

学校读者我要写书评

暂无评论

多核DNN处理器访存指令数据宽度的混合策略

引用

计算机应用文摘 2022年第18期38卷 81-83页

作者：刘元旭张方正王永昶王宝生北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

近年来,深度神经网络(Deep Neural Network,DNN)在计算机视觉等领域获得了广泛应用。DNN任务具有访存密集的特点,对于基于片上网络(Network-on-Chip,NoC)架构的多核DNN处理器,当前的内存访问指令(load-store指令)的数据宽度的访存效率... 详细信息

近年来,深度神经网络(Deep Neural Network,DNN)在计算机视觉等领域获得了广泛应用。DNN任务具有访存密集的特点,对于基于片上网络(Network-on-Chip,NoC)架构的多核DNN处理器,当前的内存访问指令(load-store指令)的数据宽度的访存效率较低。为了提高DNN处理器的访存效率,文章提出了一种基于片上网络架构的多核DNN处理器load-store指令数据宽度的混合策略。该策略混合使用一组长度不等但固定的访存指令数据宽度。基于LeNet5和AlexNet训练任务的实验表明,采用混合访存数据宽度策略比在采用传统定长访存数据宽度下的访存延时平均降低15.87%和11.90%。

关键词： DNN处理器片上网络访存指令混合访存数据宽度

来源：评论

学校读者我要写书评

暂无评论

基于软件定义网络的卫星网络路由预置方法

引用

北京交通大学学报 2021年第2期45卷 111-118,134页

作者：孙延涛刘承昕李琪宁金枝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重点实验室北京100044 航天东方红卫星有限公司北京100094

由于卫星网络所拥有的节点负载有限、拓扑变化频繁、通信距离长等特点,常见的动态路由算法在卫星网络上存在路由无法收敛、丢包严重和传输延迟较大等问题.为此,本文提出了一种基于软件定义网络(Software-Defined Network,SDN)的卫星网... 详细信息

由于卫星网络所拥有的节点负载有限、拓扑变化频繁、通信距离长等特点,常见的动态路由算法在卫星网络上存在路由无法收敛、丢包严重和传输延迟较大等问题.为此,本文提出了一种基于软件定义网络(Software-Defined Network,SDN)的卫星网络路由预置方法.利用卫星网络的运动规律性,由控制器根据网络拓扑变化情况预先计算路由路径,并在卫星链路断开前为相关卫星节点下发新的路由条目,卫星节点在拓扑发生变化后按照新的路由条目转发数据报文.实验表明:本文方法在180个节点的卫星网络中,端到端时延约为100 ms,丢包率约为0.3%,与OLSR相比,延迟和丢包率均降低了90%以上,可以较好地支持大规模星群系统的通信.

关键词：卫星网络软件定义网络路由预置方法路由算法

来源：评论

学校读者我要写书评

暂无评论

基于RFID的分布式工具监管系统设计与实现

引用

物联网技术 2022年第11期12卷 4-8页

作者：张天壮刘铭程慈航北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

随着工业化进程的不断推进,大量的基础设施、生产环境、高端装备需要越来越精细化的维护。在日常维护作业中,需要对现场中涉及的设备或工具进行实时监管,以提高工作效率、保证作业安全。利用RFID技术可以实现对一定空间范围内的电子标... 详细信息

随着工业化进程的不断推进,大量的基础设施、生产环境、高端装备需要越来越精细化的维护。在日常维护作业中,需要对现场中涉及的设备或工具进行实时监管,以提高工作效率、保证作业安全。利用RFID技术可以实现对一定空间范围内的电子标签进行自动清点。以高铁检修的实际需求为背景,设计并实现了一种基于RFID技术的作业现场工具智能监管系统。通过在移动终端上开发了一套监管程序,使得移动终端连接多个RFID阅读器,实现一个分布式的RFID电子标签清点环境,具有很高的部署自由度。利用RFID射频读写器周期性地清点与被监管设备或工具绑定的电子标签,当一定时间内查询不到电子标签时则发出警报,提示作业人员注意查找遗失的工具。使用该监管系统能够在检修作业中实时监管工具的状态,及时发现工具遗失情况,有效提升作业安全和效率。

关键词： RFID Android 智能监管遗失告警分布式部署检修工具高铁检修

来源：评论

学校读者我要写书评

暂无评论

多模态大模型在大学教学中的应用与挑战

引用

现代职业教育 2024年第36期 73-76页

作者：王博岳杜蓉亓东林李晓理北京工业大学信息科学技术学院北京交通大学计算机科学与技术学院交通数据分析与挖掘北京市重点实验室天津城建大学计算机与信息工程学院

多模态大模型作为近年来人工智能领域的一项突破性技术，以其卓越的数据处理能力和丰富的应用场景吸引了众多关注，为大学教学变革带来了机遇与挑战。通过查阅多模态大模型相关学术论文、主流媒体报道、博客、专家访谈等文献，调研了多... 详细信息

多模态大模型作为近年来人工智能领域的一项突破性技术，以其卓越的数据处理能力和丰富的应用场景吸引了众多关注，为大学教学变革带来了机遇与挑战。通过查阅多模态大模型相关学术论文、主流媒体报道、博客、专家访谈等文献，调研了多模态大模型在大学教学中的应用，分析了其对教学模式、学习体验和教育管理带来的影响，并针对多模态大模型在大学教学应用中面临的挑战与争议提出几点思考。

关键词：多模态大模型大学教学数据隐私保护技术依赖性人工智能

来源：评论

学校读者我要写书评

暂无评论

基于局部边缘特征描述子的自适应边缘检测算法

引用

中国激光 2020年第6期47卷 185-193页

作者：高佳月许宏丽邵凯亮尹辉北京交通大学计算机与信息技术学院北京100044 轨道工程北京市重点实验室北京100044 交通数据分析与挖掘北京市重点实验室北京100044

点云的边缘是将点云模型转换为高质量曲面或实体模型的重要中间特征。为了有效地提取点云边缘,针对现有点云边缘检测算法设置统一邻域值或邻域半径造成的边缘检测不准确的问题,提出一种基于局部边缘特征描述子的自适应边缘检测算法。首... 详细信息

点云的边缘是将点云模型转换为高质量曲面或实体模型的重要中间特征。为了有效地提取点云边缘,针对现有点云边缘检测算法设置统一邻域值或邻域半径造成的边缘检测不准确的问题,提出一种基于局部边缘特征描述子的自适应边缘检测算法。首先定义法向量特征模型,引入法向量变化率,基于法向量变化率提出邻域自适应方法;然后结合点云局部区域的曲率密度,定义局部边缘特征描述子;最后根据特征描述子取值符合高斯分布的特点自动调整阈值,解决了对于不同的点云模型需要人工调参的问题。通过在多种不同的点云数据集上进行实验,证明了该算法可以在保持模型原始信息的前提下,准确地提取模型的边缘信息,具有可重复性和一定的鲁棒性。

关键词：机器视觉点云边缘自适应特征描述子

来源：评论

学校读者我要写书评

暂无评论

面向铁路场景的大规模点云语义分割方法研究

引用

激光与红外 2024年第12期54卷 1841-1849页

作者：孟维傑吴嘉诚孙淑杰刘俊博郭剑勇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 联通数字科技有限公司北京100032 中国铁道科学研究院基础设施检测所北京100080 中国铁路设计集团有限公司城市轨道交通事业部天津300142 城市轨道交通数字化建设与测评技术国家工程研究中心天津300308 北京交通大学唐山研究院河北唐山063000

随着高速铁路和城市轨道交通系统的快速发展,对交通安全技术的研究日益迫切。应用激光扫描技术生成的铁路线路环境三维点云,能够对运行环境实现准确的感知。本文以铁路场景的三维点云数据为研究对象,首次构建了铁路场景下的大规模点云... 详细信息

随着高速铁路和城市轨道交通系统的快速发展,对交通安全技术的研究日益迫切。应用激光扫描技术生成的铁路线路环境三维点云,能够对运行环境实现准确的感知。本文以铁路场景的三维点云数据为研究对象,首次构建了铁路场景下的大规模点云语义分割数据集。针对现有点云语义分割模型主要适用于于小尺度场景,但是铁路线路环境的三维点云数据规模很大,为此,本文提出了一种面向铁路场景的大规模点云语义分割方法,在编码阶段提出了一种基于自注意力的自适应局部特征融合模块,可以更好地聚合不同尺度的局部特征,解决类别不均衡的问题;在解码阶段提出了一种高维语义信息引导下的上采样方法,弥补了在编码阶段较大尺度的下采样造成的信息损失。所提方法在铁路场景数据集及公共室内数据集上都取得了优异的分割性能。

关键词：激光点云点云分割深度学习铁路场景

来源：评论

学校读者我要写书评

暂无评论

基于多粒度时间注意力RNN的航班客座率预测

引用

计算机工程 2020年第1期46卷 294-301页

作者：邓玉婧武志昊林友芳北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室

准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网... 详细信息

准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网络模型MTA-RNN。通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性,同时考虑航班自身属性及节假日等其他因素,得到未来一段时间内的目标航班客座率。在真实历史航班客座率数据集上的实验结果表明,MTA-RNN模型的预测准确率高于ARIMA模型、LSTM模型和Seq2seq模型。

关键词：航班客座率预测时间序列预测循环神经网络注意力机制编解码器模型

来源：评论

学校读者我要写书评

暂无评论

自适应监督下降方法的姿态鲁棒人脸对齐算法

引用

计算机科学与探索 2020年第4期14卷 649-656页

作者：赵慧景丽萍于剑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重点实验室(北京交通大学) 北京100044

人脸对齐是人脸分析处理中的重要一步。由于现实中的人脸照片通常在姿态、光线等方面存在较大的差异,人脸对齐是一项艰巨的任务。初始关键点的位置以及特征提取对人脸对齐很重要。提出一种自适应监督下降方法(SDM)的姿态鲁棒人脸对齐算... 详细信息

人脸对齐是人脸分析处理中的重要一步。由于现实中的人脸照片通常在姿态、光线等方面存在较大的差异,人脸对齐是一项艰巨的任务。初始关键点的位置以及特征提取对人脸对齐很重要。提出一种自适应监督下降方法(SDM)的姿态鲁棒人脸对齐算法。首先,为了减小姿态差异对人脸对齐的影响,使用聚类算法将图片按照姿态分成三类(正脸,左侧脸,右侧脸),这样每个类别下的姿态更加紧致。其次,考虑到人脸对齐是由粗到细的多阶段监督学习过程,采用自适应特征提取框(由大到小)来提取判别性特征。基于上述两种策略,在每个类别下,提供一个更好的初始关键点位置,通过自适应特征提取的SDM模型来进行回归模型的训练。选用LFPW、HELEN和300W数据集进行评估,实验结果表明,该模型在复杂姿态下能准确定位关键点,并且好于现有的人脸对齐算法。

关键词：人脸对齐人脸关键点定位监督下降方法(SDM)模型姿态鲁棒自适应特征提取框

来源：评论

学校读者我要写书评

暂无评论

一种注意力增强的自然语言推理模型

引用

计算机工程 2020年第7期46卷 91-97页

作者：李冠宇张鹏飞贾彩燕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

在自然语言处理任务中使用注意力机制可准确衡量单词重要度。为此,提出一种注意力增强的自然语言推理模型aESIM。将词注意力层以及自适应方向权重层添加到ESIM模型的双向LSTM网络中,从而更有效地学习单词与句子表示,同时提高前提与假设... 详细信息

在自然语言处理任务中使用注意力机制可准确衡量单词重要度。为此,提出一种注意力增强的自然语言推理模型aESIM。将词注意力层以及自适应方向权重层添加到ESIM模型的双向LSTM网络中,从而更有效地学习单词与句子表示,同时提高前提与假设文本之间局部推理的建模效率。在SNLI、MultiNLI及Quora数据集上的实验结果表明,与ESIM、HBMP、SSE等模型相比,aESIM模型的准确率能够提升0.5%~1%。

关键词：自然语言处理自然语言推理 ESIM模型注意力机制双向LSTM网络

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：