检索结果-内蒙古大学图书馆

北京大学学报（自然科学版） 2022年第1期58卷 45-53页

作者：马超万璋张玉洁徐金安陈钰枫北京交通大学计算机与信息技术学院北京100044

在商品描述、新闻评论等多模态场景下,已有复述生成模型只能围绕文本信息生成复述。为了解决其因无法利用图像信息而导致的语义丢失问题,提出多模态复述生成模型(multi-modalityparaphrasegeneration model,MPG)来引入图像信息,并用其... 详细信息

在商品描述、新闻评论等多模态场景下,已有复述生成模型只能围绕文本信息生成复述。为了解决其因无法利用图像信息而导致的语义丢失问题,提出多模态复述生成模型(multi-modalityparaphrasegeneration model,MPG)来引入图像信息,并用其生成复述。在MPG中,为了引入与原句对应的图像信息,首先根据原句构建抽象场景图,并将与原句相关联的图像区域特征转换为场景图的结点特征。进一步地,为了利用构建好的场景图来生成语义一致的复述句,使用关系图卷积神经网络和基于图的注意力机制对图结点特征进行编码和解码。在评测阶段,提出句对相似度计算方法,从MSCOCO数据集中筛选出描述图像中相同物体的句对,并将其作为复述测试集进行评测。实验结果显示,所提出的MPG模型生成的复述拥有更好的语义忠实度,表明在多模态场景下图像信息的引入对提高复述生成质量的有效性。

关键词：复述生成多模态抽象场景图注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种基于Shapelets的懒惰式时间序列分类算法

引用

计算机学报 2019年第1期42卷 29-43页

作者：王志海张伟原继东刘海洋北京交通大学计算机与信息技术学院北京100044

近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴... 详细信息

近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性.

关键词：时间序列懒惰式学习分类 shapelets 可解释性

来源：评论

学校读者我要写书评

暂无评论

基于用户行为反馈的云资源调度机制

引用

系统工程与电子技术 2018年第1期40卷 209-216页

作者：丁丁艾丽华罗四维徐保民北京交通大学计算机与信息技术学院北京100044

云计算中不断增长的资源种类、数量以及不断变化的用户需求给资源调度带来了极大的挑战,其中之一就是如何在复杂纷纭的云计算环境中为用户寻找真实所需的资源。针对这一问题,从用户的角度着手,基于用户行为对云资源调度问题进行深入的研... 详细信息

云计算中不断增长的资源种类、数量以及不断变化的用户需求给资源调度带来了极大的挑战,其中之一就是如何在复杂纷纭的云计算环境中为用户寻找真实所需的资源。针对这一问题,从用户的角度着手,基于用户行为对云资源调度问题进行深入的研究,提出了基于用户行为反馈的资源调度机制(user behavior-based resource scheduling mechanism with feedback control,UBRSM-FC)。UBRSM-FC利用用户交互行为,将用户行为信息融入到资源调度过程中,并结合相关反馈机制,建立用户需求的主动发现网络和反馈网络对调度过程不断微调和优化,使资源调度的结果与用户的主观感知更加接近。实验结果表明,UBRSM-FC通过反馈控制能够更好地满足不同用户不同程度的资源请求,提高了用户满意度,而且能够兼顾系统资源的利用率。

关键词：云计算资源调度用户行为反馈控制

来源：评论

学校读者我要写书评

暂无评论

基于资源-预留图的动态网格资源预留机制

引用

软件学报 2011年第10期22卷 2497-2508页

作者：高瞻罗四维北京交通大学计算机与信息技术学院北京100044

在传统的静态资源预留机制(static resource reservation mechanism,简称SRRM)下,用户的预留请求一旦通过接纳测试就立即被调度到某个资源上.因此,SRRM无法考虑在预留提前时间(book-ahead time)内作业队列的变化对调度目标产生的影响以... 详细信息

在传统的静态资源预留机制(static resource reservation mechanism,简称SRRM)下,用户的预留请求一旦通过接纳测试就立即被调度到某个资源上.因此,SRRM无法考虑在预留提前时间(book-ahead time)内作业队列的变化对调度目标产生的影响以及资源故障对预留任务的影响.提出了一种动态的网格资源预留机制(dynamic resource reservation mechanism,简称DRRM),在该机制下,通过接纳测试的预留请求在其实际使用资源时才被调度.引入了资源-预留图(resource-reservation graph,简称RRG)对DRRM进行说明,并给出了RRG的修改规则.DRRM能够感知预留提前时间内资源状态的变化,根据其运行时信息动态地调度已接纳的预留请求.模拟实验结果表明,与SRRM相比,DRRM损失了一定的预留请求接纳率,但大大减少了预留任务对非预留任务的抢占,显著提高了网格资源的有效利用率,并且对网格资源故障具有更好的容错效果.

关键词：资源预留提前预留时间资源利用率任务调度任务抢占

来源：评论

学校读者我要写书评

暂无评论

一种贝叶斯网络分类器集群式参数学习的降噪算法

引用

模式识别与人工智能 2010年第4期23卷 508-515页

作者：王中锋王志海付彬北京交通大学计算机与信息技术学院北京100044

文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源.进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法.从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止... 详细信息

文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源.进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法.从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止噪声影响,而且避免分类器的过度拟合,进一步拓展采用集群式学习算法的鉴别式贝叶斯网络分类器在多类问题上的应用.最后,实验结果及其统计假设检验分析充分验证此算法比目前的集群式贝叶斯网络参数学习方法得到的分类器在性能上有较显著提高.

关键词：机器学习贝叶斯网络集群式学习 Boosting算法分类算法

来源：评论

学校读者我要写书评

暂无评论

复述平行语料构建及其应用方法研究

引用

北京大学学报（自然科学版） 2021年第1期57卷 68-74页

作者：王雅松刘明童张玉洁徐金安陈钰枫北京交通大学计算机与信息技术学院北京100044

以汉语为研究对象,提出构建大规模高质量汉语复述平行语料的方法。基于翻译引擎进行复述数据增强,将英语复述平行语料迁移到汉语中,同时人工构建汉语复述评测数据集。基于构建的汉语复述数据,在复述识别和自然语言推理任务中验证复述数... 详细信息

以汉语为研究对象,提出构建大规模高质量汉语复述平行语料的方法。基于翻译引擎进行复述数据增强,将英语复述平行语料迁移到汉语中,同时人工构建汉语复述评测数据集。基于构建的汉语复述数据,在复述识别和自然语言推理任务中验证复述数据构建及其应用方法的有效性。首先基于复述语料生成复述识别数据集,预训练基于注意力机制的神经网络句子匹配模型,训练模型捕获复述信息,然后将预训练的模型用于自然语言推理任务,改进其性能。在自然语言推理公开数据集上的评测结果表明,所构建的复述语料可有效地应用在复述识别任务中,模型可以学习复述知识。应用在自然语言推理任务中时,复述知识能有效地提升自然语言推理模型的精度,从而验证了复述知识对下游语义理解任务的有效性。所提出的复述语料构建方法不依赖语种,可为其他语言和领域提供更多的训练数据,生成高质量的复述数据,改进其他任务的性能。

关键词：复述语料构建数据增强迁移学习复述识别自然语言推理

来源：评论

学校读者我要写书评

暂无评论

多目标同顺序流水作业的局部搜索算法

引用

计算机集成制造系统 2008年第3期14卷 535-542页

作者：董兴业黄厚宽陈萍北京交通大学计算机与信息技术学院北京100044

针对求解最小化最大完工时间和总流程时间的多目标同顺序流水作业问题,提出了一个多目标局部搜索算法。针对两个目标,用现有的构造性算法生成两个解,作为该算法的初始解,然后从这两个初始解出发,以贪婪的方式求出新的Pareto最优解集,持... 详细信息

针对求解最小化最大完工时间和总流程时间的多目标同顺序流水作业问题,提出了一个多目标局部搜索算法。针对两个目标,用现有的构造性算法生成两个解,作为该算法的初始解,然后从这两个初始解出发,以贪婪的方式求出新的Pareto最优解集,持续改进Pareto前沿。选择新的Pareto解的条件是该解既不被原解支配,也不被产生原解的解所支配,同时对某个目标改进最大。当所有解都陷入局部极小时,扰动已得到的Pareto解集,然后从扰动后的解集出发重新搜索。初始解和选择新的Pareto解的方法对算法性能有显著的影响。在基准问题上,与已有文献中的算法比较,结果表明所提算法的总体性能更优,特别是对较大规模的问题,此差异更具有显著性。

关键词：同顺序流水作业多目标优化元启发式算法多目标局部搜索

来源：评论

学校读者我要写书评

暂无评论

为注意机制提供有效输入的模拟初级视皮层的编码模型

引用

科学通报 2012年第30期57卷 2330-2340页

作者：邹琪王哲罗四维黄雅平田媚北京交通大学计算机与信息技术学院北京100044

当前的研究普遍认为初级视皮层神经元编码了自底向上的显著图,从而为选择性注意机制从复杂的场景中迅速分辨出显著目标提供了有效的输入.然而,对初级视皮层编码方式如何影响注意模型的显著性检测能力仍不清楚.为此,探讨了有利于自底向... 详细信息

当前的研究普遍认为初级视皮层神经元编码了自底向上的显著图,从而为选择性注意机制从复杂的场景中迅速分辨出显著目标提供了有效的输入.然而,对初级视皮层编码方式如何影响注意模型的显著性检测能力仍不清楚.为此,探讨了有利于自底向上的注意机制的信息处理的编码方式.构造了满足神经生物学约束的模拟初级视皮层的编码模型,通过改变编码模型的约束条件,在认知心理学的实验图像和自然图像集上进行测试,比较不同编码方式对注意模型的显著性检测的影响.几类实验的统计结果表明:对不变特征的编码和超完备基的表征更有利于自底向上的注意机制的显著性检测.

关键词：注意机制初级视皮层编码显著性检测不变特征超完备基

来源：评论

学校读者我要写书评

暂无评论

基于共享知识模型的跨领域推荐算法

引用

电子学报 2018年第8期46卷 1947-1953页

作者：李林峰刘真魏港明任爽葛梦凡北京交通大学计算机与信息技术学院北京100044

互联网的普及使得大量信息不断累积,推荐系统作为解决信息过载的有效手段,能够帮助人们迅速准确地筛选出感兴趣的内容.但是由于用户项目评分数据过于稀疏,新用户或新商品存在"冷启动"问题,使得传统的推荐算法计算复杂性过高... 详细信息

互联网的普及使得大量信息不断累积,推荐系统作为解决信息过载的有效手段,能够帮助人们迅速准确地筛选出感兴趣的内容.但是由于用户项目评分数据过于稀疏,新用户或新商品存在"冷启动"问题,使得传统的推荐算法计算复杂性过高、准确性较低.考虑到用户会在互联网不同领域使用各类应用,在不同领域积累了大量行为数据和评价信息.而从用户群体的角度来说,在不同领域间存在着用户群体的偏好相似性,因此如果通过在不同领域中共享代表偏好的知识模型,将有助于提升在新领域推荐的准确性,解决冷启动问题.本文提出了基于共享知识模型的跨领域推荐算法SKP(Sharing Knowledge Pattern),通过对各个领域中用户-项目的评分矩阵分解,得到用户的潜在特征矩阵和项目的潜在特征矩阵,对用户和项目的潜在特征分别聚类,得到了用户分组对项目分组的评分知识模型,最终利用目标领域的个性知识模型和各个领域的共性知识模型来得出推荐结果.本文对三个不同领域的数据集进行了分析和划分,并在物理集群环境下进行了实验.结果表明,通过利用数据稠密的辅助领域数据,本文提出的SKP算法与已有的单领域算法、跨领域算法相比,具有更高的准确率和更低的RMSE值.

关键词：跨领域推荐算法冷启动潜在因子知识模型

来源：评论

学校读者我要写书评

暂无评论

特征加权支持向量机

引用

电子与信息学报 2009年第3期31卷 514-518页

作者：汪廷华田盛丰黄厚宽北京交通大学计算机与信息技术学院北京100044

该文针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑特征重要性对分类结果的影响的缺陷,提出了基于特征加权的支持向量机方法,即特征加权支持向量机(FWSVM)。该方法首先利用信息增益计算各个特征对... 详细信息

该文针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑特征重要性对分类结果的影响的缺陷,提出了基于特征加权的支持向量机方法,即特征加权支持向量机(FWSVM)。该方法首先利用信息增益计算各个特征对分类任务的重要度,然后用获得的特征重要度对核函数中的内积和欧氏距离进行加权计算,从而避免了核函数的计算被一些弱相关或不相关的特征所支配。理论分析和数值实验的结果都表明,该方法比传统的SVM具有更好的鲁棒性和分类能力。

关键词：支持向量机特征加权信息增益机器学习

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：