检索结果-内蒙古大学图书馆

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

基于社交网络的民航旅客偏好建模

引用

北京交通大学学报 2014年第6期38卷 33-39页

作者：林友芳王琨琨周超万怀宇武志昊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

从社会网络的视角,提出了一种旅客个体偏好与关系偏好相结合的建模方法.首先,从旅客的历史出行记录中,构建基于共同出行关系的旅客社会网络;然后,构建旅客个体偏好模型和旅客关系偏好模型;最后,基于旅客偏好模型给旅客推荐座位.在民航... 详细信息

从社会网络的视角,提出了一种旅客个体偏好与关系偏好相结合的建模方法.首先,从旅客的历史出行记录中,构建基于共同出行关系的旅客社会网络;然后,构建旅客个体偏好模型和旅客关系偏好模型;最后,基于旅客偏好模型给旅客推荐座位.在民航领域的一个真实的数据集上进行了实验,证明本文提出的偏好模型能够有机地将旅客个体偏好与关系偏好结合起来,较好地描述旅客对航班座位的偏好.

关键词：民航旅客社会网络偏好建模

来源：评论

学校读者我要写书评

暂无评论

一种融合社交关系的矩阵分解推荐模型

引用

计算机工程 2020年第8期46卷 72-77,84页

作者：吴清春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

推荐系统可以有效解决信息过载问题,为用户提供个性化的推荐服务。然而在评分矩阵稀疏的情况下,仅通过分析用户项目评分矩阵来生成预测结果的传统模型效果较差。针对该问题,利用用户评分以及用户社会信任关系两部分信息计算用户相似度,... 详细信息

推荐系统可以有效解决信息过载问题,为用户提供个性化的推荐服务。然而在评分矩阵稀疏的情况下,仅通过分析用户项目评分矩阵来生成预测结果的传统模型效果较差。针对该问题,利用用户评分以及用户社会信任关系两部分信息计算用户相似度,提出一种融合社交关系的矩阵分解型推荐模型SoRegIM。通过挖掘社交网络中用户的拓扑关系,利用目标用户的直接邻居与间接邻居信息构建加权社会信任网络,在充分使用用户社交关系信息的同时减少冗余的社交噪声。基于公开数据集的实验结果表明,与SoReg、SocialMF等7种经典模型相比,SoRegIM能够有效提高推荐准确性,且对于稀疏数据的提升效果明显。

关键词：社交网络推荐系统拓扑关系信任网络矩阵分解

来源：评论

学校读者我要写书评

暂无评论

草图引导的选择循环推理式人脸图像修复网络

引用

图学学报 2023年第1期44卷 67-76页

作者：邵英杰尹辉谢颖黄华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

图像修复在修复老照片、消除人脸马赛克等应用中起到关键作用。针对现有深度学习人脸图像修复方法因受干扰信息影响,存在编解码器修复效果欠佳,修复结果因概率多样性出现偏离用户预期等问题。提出了一种草图引导的选择循环推理式人脸图... 详细信息

图像修复在修复老照片、消除人脸马赛克等应用中起到关键作用。针对现有深度学习人脸图像修复方法因受干扰信息影响,存在编解码器修复效果欠佳,修复结果因概率多样性出现偏离用户预期等问题。提出了一种草图引导的选择循环推理式人脸图像修复网络,通过设计一种选择循环推理策略,在循环网络中引入选择机制降低干扰信息对编解码的推理影响,并在编码器和解码器之间的跳跃连接中加入基于草图的结构信息修正模块,从而限制修复结果相对于用户期望的结构偏离。在CelebA-HQ数据集上的实验结果表明,该方法在评价指标和引导生成用户期望内容方面均优于其他经典网络。在人工手绘草图上的实验结果表明,可以通过简单的手绘方式生成用户指定的内容,具有一定的实际应用意义。

关键词：人脸图像修复深度学习草图循环推理

来源：评论

学校读者我要写书评

暂无评论

一种基于社交网络的民航新旅客成长性预测方法

引用

北京交通大学学报 2014年第6期38卷 40-46页

作者：林友芳张奥爽万怀宇武志昊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

对于一个高效的客户关系管理系统而言,预测客户成长性是必不可少的环节.本文尝试根据新旅客的短期历史出行数据对其未来价值成长性进行预测.为了克服新旅客历史出行记录稀少而导致无法准确预测的缺陷,提出了一种基于旅客社交网络的预测... 详细信息

对于一个高效的客户关系管理系统而言,预测客户成长性是必不可少的环节.本文尝试根据新旅客的短期历史出行数据对其未来价值成长性进行预测.为了克服新旅客历史出行记录稀少而导致无法准确预测的缺陷,提出了一种基于旅客社交网络的预测方法.首先根据旅客历史出行记录构建旅客同行网络;然后分别从旅客个体和旅客关系的角度构建多种分类特征,用来进行旅客成长性预测;最后提出了一种结合个体预测与关系预测的组合预测模型,以达到准确预测的目的.在某航空公司的真实数据集上进行实验,证明了本文提出的方法对民航新旅客未来价值成长性的推断是有效的.

关键词：社交网络民用航空新旅客成长性预测

来源：评论

学校读者我要写书评

暂无评论

基于双目视觉的无缝线路钢轨纵向位移测量方法研究

引用

仪器仪表学报 2019年第11期40卷 82-89页

作者：崇爱新尹辉刘艳婷刘秀波许宏丽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 北京交通大学轨道工程北京市重点实验室北京100044 中国铁道科学研究院集团有限公司北京100081

无缝线路钢轨纵向位移是由钢轨内部纵向应力引起的钢轨沿轨排或道床顶面的纵向移动,对其进行及时的高精度测量对于高铁安全运营具有重要意义。本文提出了一种基于双目视觉技术的无缝线路钢轨纵向位移测量方法。由轨旁固定设施上部署的... 详细信息

无缝线路钢轨纵向位移是由钢轨内部纵向应力引起的钢轨沿轨排或道床顶面的纵向移动,对其进行及时的高精度测量对于高铁安全运营具有重要意义。本文提出了一种基于双目视觉技术的无缝线路钢轨纵向位移测量方法。由轨旁固定设施上部署的参考标靶、轨腰上部署的待测编码标志和双目相机构成便捷、高效的非接触式测量方案;提出了基于双直线约束的编码特征点检测算法,重点解决了复杂现场采集环境中编码特征点的精确检测与匹配问题。提出了链式双目相机三维测距算法,通过精确三维重建实现了高精度的无缝线路钢轨纵向位移测量。通过室内模拟实验和室外现场实验验证了本文提出方法的有效性,在室外现场实验中钢轨纵向位移的测量精度达到0.2 mm。

关键词：双目视觉无缝线路钢轨纵向位移编码特征点高精度测量

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征提取与挤压激励模型的运动想象分类方法

引用

计算机研究与发展 2020年第12期57卷 2481-2489页

作者：贾子钰林友芳刘天航杨凯昕张鑫旺王晶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 民航旅客服务智能化应用技术重点实验室(中国民用航空局) 北京100044

基于运动想象的脑机接口技术能够建立大脑与外界之间的联系,逐渐成为人机混合增强智能的重要应用,并广泛应用于医学康复治疗等领域.由于脑电信号具有非线性、非平稳和低信噪比等特点,使得准确的分类运动想象脑电信号具有很大挑战.为此,... 详细信息

基于运动想象的脑机接口技术能够建立大脑与外界之间的联系,逐渐成为人机混合增强智能的重要应用,并广泛应用于医学康复治疗等领域.由于脑电信号具有非线性、非平稳和低信噪比等特点,使得准确的分类运动想象脑电信号具有很大挑战.为此,提出一种新颖的多尺度特征提取与挤压激励模型对运动想象脑电信号进行高精度分类.首先,基于多尺度卷积模块自动提取原始脑电信号的时域、频域和时频域特征;然后,使用残差模块和挤压激励模块分别进行特征的融合和选择;最后,利用全连接网络层进行运动想象脑电信号的分类.实验在2个公开的脑机接口竞赛数据集上进行分析,结果表明该模型与现有先进模型相比,有效地提升了运动想象脑电信号的识别效果,在2个数据集上分别取得了78.0%和82.5%的平均准确度,该模型可以在脑电通道较少的情况下有效地分类脑电信号且无需手动设计特征,具有较高的应用价值.

关键词：运动想象挤压激励模型脑电信号脑机接口多尺度卷积

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的睡眠分期模型

引用

浙江大学学报（工学版） 2020年第10期54卷 1899-1905页

作者：贾子钰林友芳张宏钧王晶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 中国民用航空局民航旅客服务智能化应用技术重点实验室北京100105

针对现阶段数据和特征决定睡眠分期模型的分类精度上限的问题,提出深度卷积神经网络模型.在模型主体构建方面,并行卷积网络可以自动学习原始信号的时域特征和频域特征,特征融合网络通过空洞卷积和残差连接进行多特征融合,分类网络基于... 详细信息

针对现阶段数据和特征决定睡眠分期模型的分类精度上限的问题,提出深度卷积神经网络模型.在模型主体构建方面,并行卷积网络可以自动学习原始信号的时域特征和频域特征,特征融合网络通过空洞卷积和残差连接进行多特征融合,分类网络基于融合后的特征进行睡眠分期.利用生成少数类过采样技术(SMOTE)减少类别不平衡对分类效果的影响,结合两步训练法对模型进行优化.实验使用Sleep-EDF数据集的原始单导脑电信号(Fpz-Cz通道)对模型进行20折交叉验证,得到总体精度和宏F1分别为86.73%和81.70%.提出的深度卷积模型在没有任何先验知识的情况下,对脑电信号进行端到端的学习,分类准确率优于传统的深度学习模型.

关键词：睡眠分期脑电信号深度学习卷积神经网络(CNN)

来源：评论

学校读者我要写书评

暂无评论

应用非负矩阵分解模型的社区发现方法综述

引用

计算机科学与探索 2016年第1期10卷 1-13页

作者：李亚芳贾彩燕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北京市重点实验室北京100044

非负矩阵分解(nonnegative matrix factorization,NMF)在提取高维数据中隐含模式和结构方面具有良好性能,已成为数据挖掘领域的热点研究之一。NMF作为无监督学习的有效工具,在模式识别、文本处理、多媒体数据分析以及生物信息学等研究... 详细信息

非负矩阵分解(nonnegative matrix factorization,NMF)在提取高维数据中隐含模式和结构方面具有良好性能,已成为数据挖掘领域的热点研究之一。NMF作为无监督学习的有效工具,在模式识别、文本处理、多媒体数据分析以及生物信息学等研究领域得到了广泛应用。目前,已有工作将NMF模型应用于网络数据挖掘,发现网络中隐含的社区结构。对基于NMF的社区发现方法进行了总结,包括无监督的社区发现方法和半监督的社区发现方法,通过在实际网络和人工网络进行实验,比较分析了不同算法的性能,进一步研究了当前基于NMF发现社区结构所面临的挑战,并对下一步研究方向进行了展望。

关键词：数据挖掘非负矩阵分解社区发现

来源：评论

学校读者我要写书评

暂无评论

基于多阶段内容选择框架的无监督抽取式多文档摘要方法

引用

中文信息学报 2024年第11期38卷 46-56页

作者：冯毅宋明阳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

多文档抽取式摘要任务(MDES)旨在从多个相关文档中提取一个简明且包含显著信息的摘要。通常,在同主题的多个文档中冗余信息不可避免,例如,因不同表达方式造成的重复描述等。现有大多数方法在抽取摘要时,仅关注显著性内容的检测或冗余信... 详细信息

多文档抽取式摘要任务(MDES)旨在从多个相关文档中提取一个简明且包含显著信息的摘要。通常,在同主题的多个文档中冗余信息不可避免,例如,因不同表达方式造成的重复描述等。现有大多数方法在抽取摘要时,仅关注显著性内容的检测或冗余信息的过滤二者之一,导致摘要信息不全面、不准确。因此,在建模抽取式多文档摘要任务时如何权衡两者间的协作是个挑战。考虑到多文档领域缺乏大规模训练数据,该文提出了一个新的多阶段的多文档无监督文本摘要抽取模型,该模型在摘要级别上进行提取,并通过以下三个步骤依次解决冗余性去除问题和显著性检测问题:引入外部知识的噪声过滤机制、冗余感知的排序策略,以及显著性感知的重排序策略。实验结果表明,该文框架可在多文档数据集Multi-News上取得无监督方法的最优结果,并在两个单文档数据集上获得有竞争力的结果。

关键词：多文档抽取式摘要无监督方法多阶段框架

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：