检索结果-内蒙古大学图书馆

软件学报 2023年第1期34卷 230-254页

作者：杨朋波桑基韬张彪冯耀功于剑北京交通大学计算机与信息技术学院北京100044 北京交通大学人工智能研究院北京100044

深度学习目前在计算机视觉、自然语言处理、语音识别等领域得到了深入发展,与传统的机器学习算法相比,深度模型在许多任务上具有较高的准确率.然而,作为端到端的具有高度非线性的复杂模型,深度模型的可解释性没有传统机器学习算法好,这... 详细信息

深度学习目前在计算机视觉、自然语言处理、语音识别等领域得到了深入发展,与传统的机器学习算法相比,深度模型在许多任务上具有较高的准确率.然而,作为端到端的具有高度非线性的复杂模型,深度模型的可解释性没有传统机器学习算法好,这为深度学习在现实生活中的应用带来了一定的阻碍.深度模型的可解释性研究具有重大意义而且是非常必要的,近年来许多学者围绕这一问题提出了不同的算法.针对图像分类任务,将可解释性算法分为全局可解释性和局部可解释性算法.在解释的粒度上,进一步将全局解释性算法分为模型级和神经元级的可解释性算法,将局部可解释性算法划分为像素级特征、概念级特征以及图像级特征可解释性算法.基于上述分类框架,总结了常见的深度模型可解释性算法以及相关的评价指标,同时讨论了可解释性研究面临的挑战和未来的研究方向.认为深度模型的可解释性研究和理论基础研究是打开深度模型黑箱的必要途径,同时可解释性算法存在巨大潜力可以为解决深度模型的公平性、泛化性等其他问题提供帮助.

关键词：深度学习可解释性图像分类特征

来源：评论

学校读者我要写书评

暂无评论

基于卷积与自注意力的红外与可见光图像融合

引用

系统工程与电子技术 2024年第8期46卷 2641-2649页

作者：陈晓萱徐书文胡绍海马晓乐北京交通大学计算机与信息技术学院北京100044 中国电子科技集团公司电视电声研究所北京100015

由于卷积运算过于关注图像的局部特征,在对源图像进行融合时容易造成融合图像的全局语义信息丢失。为了解决该问题,提出一种基于卷积与自注意力的红外与可见光图像融合模型。该模型在使用卷积模块提取图像局部特征的同时,还使用自注意... 详细信息

由于卷积运算过于关注图像的局部特征,在对源图像进行融合时容易造成融合图像的全局语义信息丢失。为了解决该问题,提出一种基于卷积与自注意力的红外与可见光图像融合模型。该模型在使用卷积模块提取图像局部特征的同时,还使用自注意力来提取图像全局特征。此外,由于简单运算无法满足不同层次特征的融合,提出使用嵌入式块残差融合模块来实现多层次特征融合。实验结果表明,相比无监督深度融合算法,所提的方法在主观评价与6项客观指标上的结果具有一定优势。其中,互信息、标准差和视觉保真度分别提升了61.33%、9.96%和19.46%。

关键词：图像融合全局特征自注意力机制自编码器深度学习

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

AHP策略下CTCS网络安全风险评估方法

引用

中国铁道科学 2023年第4期44卷 241-250页

作者：姚洪磊刘国梁解辰辉杨轶杰牛温佳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集团有限公司电子计算技术研究所北京100081

工业控制系统的网络安全风险评估通常受多种不确定性因素的影响,为有效降低评估过程中专家主观因素和其他不确定性因素对评估结果造成的影响,提出一种基于攻击树和层次分析法(Analytic Hierarchy Process,AHP)策略的网络安全风险评估方... 详细信息

工业控制系统的网络安全风险评估通常受多种不确定性因素的影响,为有效降低评估过程中专家主观因素和其他不确定性因素对评估结果造成的影响,提出一种基于攻击树和层次分析法(Analytic Hierarchy Process,AHP)策略的网络安全风险评估方法,并将其应用于中国列车运行控制系统(Chinese Train Control System,CTCS)的风险评估实践。首先,分析CTCS结构及其安全威胁,并基于安全威胁构建攻击树模型;其次,研究CTCS安全事件的产生机制,基于AHP策略分析安全事件可能导致的损失,将不确定性因素纳入安全事件发生概率的计算,通过安全事件发生概率及其损失计算出CTCS的风险值,当被评估对象为新上线系统或专家评估经验不足时,为降低数据波动引起的评估偏差,计算时去掉安全事件概率的最大值和最小值;最后,基于所提方法开展风险评估试验并进行仿真。结果表明:考虑攻击不确定因子和影响因子,风险评估结果在较低风险至中风险连续区间内的分布率接近100%,相对于未考虑不确定性因素的情况,风险评估结果在连续区间的分布率提升了近15%;去掉安全事件概率的最大值和最小值时,风险评估结果变化幅度更小,收敛于稳定的风险等级。

关键词：攻击树层次分析法中国列车运行控制系统风险评估仿真分析

来源：评论

学校读者我要写书评

暂无评论

重加权的对抗变分自编码器及其在工业因果效应估计中的应用

引用

计算机应用 2024年第4期44卷 1099-1106页

作者：李宗禹强思维郭晓波朱振峰北京交通大学计算机与信息技术学院北京100044 北京交通大学信息科学研究所北京100044 蚂蚁集团网商银行北京100020

反事实预测和选择偏差是因果效应估计中的重大挑战。为对潜在协变量的复杂混杂分布进行有效表征,同时增强反事实预测泛化能力,提出一种面向工业因果效应估计应用的重加权对抗变分自编码器网络(RVAENet)模型。针对混杂分布去偏问题,借鉴... 详细信息

反事实预测和选择偏差是因果效应估计中的重大挑战。为对潜在协变量的复杂混杂分布进行有效表征,同时增强反事实预测泛化能力,提出一种面向工业因果效应估计应用的重加权对抗变分自编码器网络(RVAENet)模型。针对混杂分布去偏问题,借鉴域适应思想,采用对抗学习机制对由变分自编码器(VAE)获得的隐含变量进行表示学习的分布平衡;在此基础上,通过学习样本倾向性权重对样本进行重加权,进一步缩小实验组(Treatment)与对照组(Control)样本间的分布差异。实验结果表明,在工业真实场景数据集的两个场景下,所提模型的提升曲线下的面积(AUUC)比TEDVAE(Treatment Effect with Disentangled VAE)分别提升了15.02%、16.02%;在公开数据集上,所提模型的平均干预效果(ATE)和异构估计精度(PEHE)普遍取得最优结果。

关键词：因果效应估计重加权变分自编码器反事实预测选择偏差因果学习

来源：评论

学校读者我要写书评

暂无评论

基于病例注册登记研究平台构建针灸对卵巢低反应患者妊娠结局的临床预测模型

引用

中国针灸 2023年第12期43卷 1390-1398页

作者：苏晨晨周雪忠许焕芳杨莉李佳珊肖奇蔚黎蔚欣房繄恭中国中医科学院针灸研究所北京100700 北京交通大学计算机与信息技术学院

目的:构建针灸对卵巢低反应(POR)患者妊娠结局影响的临床预测模型,为针刺改善POR患者的妊娠结局提供预测的思路及方法。方法:收集2017年9月19日至2023年4月30日中国中医科学院针灸医院等24家中心在国际针灸病例注册登记研究平台(IPRPAM... 详细信息

目的:构建针灸对卵巢低反应(POR)患者妊娠结局影响的临床预测模型,为针刺改善POR患者的妊娠结局提供预测的思路及方法。方法:收集2017年9月19日至2023年4月30日中国中医科学院针灸医院等24家中心在国际针灸病例注册登记研究平台(IPRPAM)登记的接受以“调经促孕十三针”针刺治疗为主的268例(2例剔除)POR患者临床资料。采用LASSO、单因素Cox回归对妊娠结局的影响因素进行筛选,并根据筛选结果建立多因素Cox回归模型。利用赤池信息准则(AIC)筛选最优模型,并构建列线图临床妊娠预测模型。采用受试者工作特征曲线、校准曲线对预测模型进行评价,并使用重复抽样法对模型进行内部验证。结果:①年龄、基础抗缪勒管激素(AMH)水平、针灸总次数(P<0.05)是针刺对POR患者妊娠结局影响的独立预测因素。②最优子集-Cox多因素模型的AIC值(560.6)最小,为最优模型。③POR患者接受针灸治疗后6、12、24、36个月内,临床妊娠预测模型的曲线下面积(AUC)分别为0.627、0.719、0.770、0.766,模型验证组的AUC分别为0.620、0.704、0.759、0.765,表明该预测模型具有较佳的区分度和可重复性。④校准曲线显示临床预测模型的预测曲线较为接近理想模型的预测曲线,表明该预测模型具有较好的校准度。结论:基于IPRPAM平台构建的针灸对POR患者妊娠结局影响的临床预测模型,具有较好的临床应用价值,可为针灸对POR患者妊娠结局影响提供预测思路。

关键词：卵巢低反应针灸妊娠结局临床预测模型

来源：评论

学校读者我要写书评

暂无评论

内部威胁分析与防御综述

引用

信息安全学报 2025年第1期10卷 176-193页

作者：孙德刚刘美辰李梅梅王旭石志鑫刘鹏程李楠中国科学院大学网络空间安全学院北京100049 中国科学院信息工程研究所北京100093 北京交通大学计算机与信息技术学院北京100044

内部威胁攻击是由可信的内部人员发起的,相比较外部威胁更具有透明性、隐蔽性和高危性,是当今最具有挑战的网络安全问题之一,因此需要十分重视且关注该领域的研究成果和发展趋势。本文对内部威胁研究范畴内的成果进行了概述,并使用扎根... 详细信息

内部威胁攻击是由可信的内部人员发起的,相比较外部威胁更具有透明性、隐蔽性和高危性,是当今最具有挑战的网络安全问题之一,因此需要十分重视且关注该领域的研究成果和发展趋势。本文对内部威胁研究范畴内的成果进行了概述,并使用扎根理论的方法进行严格的文献归纳和分析,通过全景视图下的内部威胁系统性研究,帮助组织减轻和消除内部威胁事件并根据自身实际情况快速制定防御方案。本文的研究对内部威胁领域有重要意义,因为它(1)概括了内部威胁的研究范畴,包含定义与分类、数据集分析、事件分析、威慑、缓解和预防、检测、响应七个方面,旨在建立内部威胁的研究框架,该框架遵循从事件到解决方案的方向描绘了内部威胁研究的工作流;(2)从定义与分类、数据集以及事件的角度对内部威胁进行了全面的分析,提出了针对内部威胁的结构化分析与分类方法,将威胁事件的重要特征维持一个易于维护和清晰的状态,便于扩展、整合以及修改;(3)基于内部威胁分析提出一个包含威慑、预防/缓解、检测和响应的分步防御框架,该框架概括了用户行为、心理和犯罪学对于事件的影响,并对防御框架内每一步包含的方法进行归纳分析;(4)通过分析内部威胁案例和当前研究进展,讨论现有研究的不足并从数据集、事件分析、防御三个方面展望进一步的研究方向。

关键词：网络安全内部威胁分析与防御文献归纳结构化分类综述

来源：评论

学校读者我要写书评

暂无评论

对话推荐算法研究综述

引用

软件学报 2022年第12期33卷 4616-4643页

作者：赵梦媛黄晓雯桑基韬于剑北京交通大学计算机与信息技术学院北京100044 北京交通大学人工智能研究院北京100044 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

推荐系统是一种通过理解用户的兴趣和偏好帮助用户过滤大量无效信息并获取感兴趣的信息或者物品的信息过滤系统.目前主流的推荐系统主要基于离线的、历史的用户数据,不断训练和优化线下模型,继而为在线的用户推荐物品,这类训练方式主要... 详细信息

推荐系统是一种通过理解用户的兴趣和偏好帮助用户过滤大量无效信息并获取感兴趣的信息或者物品的信息过滤系统.目前主流的推荐系统主要基于离线的、历史的用户数据,不断训练和优化线下模型,继而为在线的用户推荐物品,这类训练方式主要存在3个问题:基于稀疏且具有噪声的历史数据估计用户偏好的不可靠估计、对影响用户行为的在线上下文环境因素的忽略和默认用户清楚自身偏好的不可靠假设.由于对话系统关注于用户的实时反馈数据,获取用户当前交互的意图,因此“对话推荐”通过结合对话形式与推荐任务成为解决传统推荐问题的有效手段.对话推荐将对话系统实时交互的数据获取方式应用到推荐系统中,采用了与传统推荐系统不同的推荐思路,通过利用在线交互信息,引导和捕捉用户当前的偏好兴趣,并及时进行反馈和更新.在过去的几年里,越来越多的研究者开始关注对话推荐系统,这一方面归功于自然语言处理领域中语音助手以及聊天机器人技术的广泛使用,另一方面受益于强化学习、知识图谱等技术在推荐策略中的成熟应用.将对话推荐系统的整体框架进行梳理,将对话推荐算法研究所使用的数据集进行分类,同时对评价对话推荐效果的相关指标进行讨论,重点关注于对话推荐系统中的后台对话策略与推荐逻辑,对近年来的对话推荐算法进行综述,最后对对话推荐领域的未来发展方向进行展望.

关键词：对话推荐系统用户建模人机交互推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于α-截集三角模糊数和攻击树的CTCS网络安全风险评估方法

引用

计算机应用 2024年第4期44卷 1018-1026页

作者：姚洪磊刘吉强童恩栋牛温佳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集团有限公司电子计算技术研究所北京100081

针对工业控制系统网络安全风险评估影响因素的不确定性和指标量化困难问题,提出一种基于模糊理论和攻击树的方法评估工业控制系统风险,并将它应用于中国列车控制系统(CTCS)的风险评估。首先,基于CTCS可能面临的网络安全威胁和系统自身... 详细信息

针对工业控制系统网络安全风险评估影响因素的不确定性和指标量化困难问题,提出一种基于模糊理论和攻击树的方法评估工业控制系统风险,并将它应用于中国列车控制系统(CTCS)的风险评估。首先,基于CTCS可能面临的网络安全威胁和系统自身的脆弱性建立攻击树模型,使用α-截集三角模糊数(TFN)计算攻击树叶节点和攻击路径的区间概率;其次,利用层次分析法(AHP)建立安全事件损失数学模型,最终得出风险评估值。实验结果表明,所提方法可以有效评估系统风险,预测攻击路径,降低主观因素对风险评估过程的影响,使评估结果更契合实际,为安全防护策略的选择提供参考和依据。

关键词：攻击树 α-截集三角模糊数层次分析法中国列车控制系统风险评估

来源：评论

学校读者我要写书评

暂无评论

基于伪标签正则化损失的无监督行人重识别

引用

电子学报 2024年第5期52卷 1743-1758页

作者：贾洁茹张硕蕊钱宇华阮秋琦山西大学大数据科学与产业研究院山西太原030006 山西大学计算机与信息技术学院山西太原030006 山西省机器视觉与数据挖掘工程研究中心山西太原030006 北京交通大学信息科学研究所北京100044

无监督行人重识别旨在不需要行人身份标签的情况下,将查询的行人图像与候选集中的行人图像相匹配.目前主流的无监督行人重识别方法通常先利用聚类算法生成伪标签,然后利用伪标签训练深度神经网络.然而由于模型初始表征能力不足和聚类算... 详细信息

无监督行人重识别旨在不需要行人身份标签的情况下,将查询的行人图像与候选集中的行人图像相匹配.目前主流的无监督行人重识别方法通常先利用聚类算法生成伪标签,然后利用伪标签训练深度神经网络.然而由于模型初始表征能力不足和聚类算法的局限性等,伪标签中会引入大量噪声,严重误导模型优化过程,导致模型性能退化.为了减轻伪标签噪声的影响,本文提出了一种新的伪标签正则化损失函数,用伪标签的置信度分数和样本相似度对伪标签噪声进行约束.具体来说,本文首先提出了一种聚类引导的注意力机制,根据伪标签与聚类中心的语义相关程度来估计伪标签的置信度,以此来识别噪声标签并给正确标签分配更多的权重,有效降低伪标签噪声在总体损失函数中的作用.同时,为了充分利用伪标签的判别能力,本文利用伪标签进行在线软样本挖掘,构建mini-batch中的正负样本对并为每个正负样本对计算一个连续的权重分数.通过将以上两种权重引入到对比损失中,本文提出的伪标签正则化损失函数可以有效抑制伪标签噪声的影响,减轻标签噪声对训练过程的影响,提高模型的准确性和鲁棒性.在多个公开行人数据集上的实验结果验证了本文方法的有效性,在Market1501、DukeMTMC-reID和MSMT17数据集上mAP分别达到了85.9%、75.1%和29.3%.

关键词：行人重识别无监督学习伪标签噪声对比学习聚类优化

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：