检索结果-内蒙古大学图书馆

计算机工程 2022年第4期48卷 81-88,98页

作者：梁小慧郭晟楠万怀宇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

时间序列分类即通过构建分类模型建模时间序列中的特征来实现对该时间序列的归类,是时间序列挖掘的重要研究分支。现有的时间序列分类方法多数从时域的角度对时间序列进行建模,忽视了时间序列中隐含的频域信息,而时间序列往往同时蕴含... 详细信息

时间序列分类即通过构建分类模型建模时间序列中的特征来实现对该时间序列的归类,是时间序列挖掘的重要研究分支。现有的时间序列分类方法多数从时域的角度对时间序列进行建模,忽视了时间序列中隐含的频域信息,而时间序列往往同时蕴含着多种不同变化速率的变化模式,这些变化模式在时域上相互叠加,使得时间序列的变化规律变得比较复杂,因此仅从时域的角度进行建模,难以有效地从复杂的规律中捕获其蕴含的多种相对简单的规律。提出一种基于自适应多级小波分解的神经网络方法AMWDNet,使用自适应小波分解建模时间序列中的多级时频信息,自适应小波分解模块能够同时从时域和频域的角度出发,对时间序列中蕴含的多种变化模式进行有效分解,通过使用长短期时间模式提取模块分别建模时间序列中的长期和短期时间模式。选取时间序列分类任务中8个主流的方法作为基准方法,在UCR数据集仓库中的8个数据集上进行对比实验,结果表明,AMWDNet在其中的7个数据集上取得了最高的分类准确率,相比于次优的基准方法提升了0.1~2.2个百分点,整体分类性能优于MLP和FCN等基准方法。

关键词：时间序列分类自适应小波分解多分辨率分析时频分析

来源：评论

学校读者我要写书评

暂无评论

结合事件链与事理图谱的脚本事件预测模型

引用

计算机工程 2022年第4期48卷 119-125页

作者：孙盼王琪万怀宇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

现有脚本事件预测模型在事件表示时未充分考虑各个元素之间的相关性,且不能同时利用事件链和事理图谱中的信息进行事件预测。针对事件表示不全面和信息融合不充分的问题,提出一种结合事件链和事理图谱的脚本事件预测模型ECGNet。将每个... 详细信息

现有脚本事件预测模型在事件表示时未充分考虑各个元素之间的相关性,且不能同时利用事件链和事理图谱中的信息进行事件预测。针对事件表示不全面和信息融合不充分的问题,提出一种结合事件链和事理图谱的脚本事件预测模型ECGNet。将每个事件的各个元素构造成一个短句,使用Transformer编码器捕获元素之间的序列信息,从而获得更准确的事件表示。在此基础上,构建一个长程时序模块(LRTO)学习事件链中的时序信息,同时构建一个全局事件演化模块(GEEP)捕获隐藏在事理图谱中的演化模式,通过门控注意力机制动态融合时序信息和演化模式进行脚本事件预测。基于纽约时报和新浪新闻两个数据集的实验结果表明,ECGNet能够有效融合事件链和事理图谱的信息进行脚本事件预测,与PMI、Bigram、SAM-Net、SGNN等模型相比,其准确率较最优值取得了3%以上的提升。

关键词：脚本事件预测事件表示事件链事理图谱注意力机制

来源：评论

学校读者我要写书评

暂无评论

全局关系注意力引导场景约束的高分辨率遥感影像目标检测

引用

电子与信息学报 2022年第8期44卷 2924-2931页

作者：张菁吴鑫嘉赵晓蕾卓力张洁北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124 中国地质大学(武汉)资源信息工程系武汉430074

高分辨率遥感影像中地物目标往往与所处场景类别息息相关,如能充分利用场景对地物目标的约束信息,有望进一步提升目标检测性能。考虑到场景信息和地物目标之间的关联关系,提出全局关系注意力(RGA)引导场景约束的高分辨率遥感影像目标检... 详细信息

高分辨率遥感影像中地物目标往往与所处场景类别息息相关,如能充分利用场景对地物目标的约束信息,有望进一步提升目标检测性能。考虑到场景信息和地物目标之间的关联关系,提出全局关系注意力(RGA)引导场景约束的高分辨率遥感影像目标检测方法。首先在多尺度特征融合检测器的基础网络之后,加入全局关系注意力学习全局场景特征;然后以学到的全局场景特征作为约束,结合方向响应卷积模块和多尺度特征模块进行目标预测;最后利用两个损失函数联合优化网络实现目标检测。在NWPU VHR-10数据集上进行了4组实验,在场景信息约束的条件下取得了更好的目标检测性能。

关键词：高分辨率遥感影像深度学习目标检测场景约束全局关系注意力

来源：评论

学校读者我要写书评

暂无评论

城市污水脱氮过程自适应模糊滑模控制

引用

控制工程 2022年第10期29卷 1729-1735页

作者：韩红桂王童伍小龙乔俊飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

针对城市污水脱氮过程中的非线性时变特性与强扰动问题,提出一种自适应模糊滑模控制策略。首先,结合模糊控制和滑模控制方法,建立了适用于城市污水脱氮过程的自适应鲁棒控制结构;其次,基于滑模面对系统的动态影响,设计了控制参数实时调... 详细信息

针对城市污水脱氮过程中的非线性时变特性与强扰动问题,提出一种自适应模糊滑模控制策略。首先,结合模糊控制和滑模控制方法,建立了适用于城市污水脱氮过程的自适应鲁棒控制结构;其次,基于滑模面对系统的动态影响,设计了控制参数实时调整方法;最后,依据李雅普诺夫理论,证明了控制系统的稳定性。基于国际基准仿真平台的实验结果,验证了所述方法的有效性。所述方法可以自适应调节参数以适应工作环境的变化,从而能在环境复杂变化的城市污水脱氮过程中改善控制性能,保障系统长期可靠运行。

关键词：城市污水脱氮过程自适应控制模糊控制滑模控制

来源：评论

学校读者我要写书评

暂无评论

基于帕累托效应视角下的推荐系统多角度公平性

引用

太原理工大学学报 2022年第1期53卷 89-97页

作者：杜清月黄晓雯桑基韬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

提出了一种从帕累托视角解决推荐系统多角度公平性的方法,通过对抗正则化器消除用户嵌入中的敏感属性信息,采用基于曝光的负采样策略提高推荐系统的准确率,从而达到帕累托最优。并且,基于曝光的负采样策略在一定程度上解决物品曝光偏差... 详细信息

提出了一种从帕累托视角解决推荐系统多角度公平性的方法,通过对抗正则化器消除用户嵌入中的敏感属性信息,采用基于曝光的负采样策略提高推荐系统的准确率,从而达到帕累托最优。并且,基于曝光的负采样策略在一定程度上解决物品曝光偏差的问题,保证了物品角度公平性,实现了用户、物品的多角度公平性。实验结果表明,该方法在保证推荐准确率的同时有效提高了用户和物品角度的公平性。

关键词：推荐系统公平性多角度公平性帕累托效应对抗学习负采样

来源：评论

学校读者我要写书评

暂无评论

基于动态原型增量学习的废旧家电识别方法

引用

计算机集成制造系统 2024年

作者：韩红桂刘一鸣李方昱杜永萍北京工业大学信息科学技术学院计算智能与智能系统北京市重点实验室数字社区教育部工程研究中心北京人工智能研究院

针对废旧家电回收过程中废旧家电识别模型受到不同类别干扰，引起识别结果不稳定的问题，提出了一种基于动态原型增量学习的废旧家电识别方法。首先，建立增量残差聚合结构，获取新旧类家电特征，增强了废旧家电识别模型的扩展能力。其... 详细信息

针对废旧家电回收过程中废旧家电识别模型受到不同类别干扰，引起识别结果不稳定的问题，提出了一种基于动态原型增量学习的废旧家电识别方法。首先，建立增量残差聚合结构，获取新旧类家电特征，增强了废旧家电识别模型的扩展能力。其次，设计共享权重动态原型，获取家电代表性特征和区分性特征，降低了识别过程的交叉干扰。最后，设计对比原型方法感知误分类别，结合共享权重动态原型的家电代表性特征，提升了识别精度。将提出的识别方法应用于不同场景下废旧家电分拣，实验结果表明该方法具有较好的识别精度。

关键词：废旧家电识别动态原型增量学习深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于时空多图融合的交通流量预测

引用

计算机应用 2024年第8期44卷 2618-2625页

作者：顾焰杰张英俊刘晓倩周围孙威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 北京交通大学智慧高铁系统前沿科学中心北京100044 交通大数据与人工智能教育部重点实验室(北京交通大学) 北京100044

交通预测是智能交通系统(ITS)的核心任务,准确的交通流量预测(TFF)可以大幅提高公共资源的利用效率。针对现有多图神经网络模型对上下文信息使用不足、图融合方法不平衡和只考虑静态空间关系等问题,提出基于时空多图融合(STMGF)的TFF模... 详细信息

交通预测是智能交通系统(ITS)的核心任务,准确的交通流量预测(TFF)可以大幅提高公共资源的利用效率。针对现有多图神经网络模型对上下文信息使用不足、图融合方法不平衡和只考虑静态空间关系等问题,提出基于时空多图融合(STMGF)的TFF模型。首先,通过融合空间图、语义图和空间语义图提取不同区域的不同空间相关性,并利用空间注意力机制和图注意力机制融合不同的图结构以动态学习不同邻居的重要性;然后,使用多核时间注意力机制同时捕获局部时间依赖性和全局时间依赖性;最后,使用多层感知机预测交通流量,得到最终预测值。在NYCTaxi和NYCBike数据集验证模型的有效性。实验结果表明,在NYCBike数据集的36步预测任务中,与时空图卷积神经网络(STGCN)、基于时空注意力的图神经网络(ASTGNN)、元图卷积递归网络(MegaCRN)相比,所提模型的均方根误差(RMSE)分别降低了8.46%、2.70%和2.20%。

关键词：多图融合多核注意力空间注意力图注意力深度学习

来源：评论

学校读者我要写书评

暂无评论

基于可穿戴人工智能的老年衰弱症早期预警与干预技术研究

引用

老年医学与保健 2024年第5期30卷 1212-1217页

作者：陈益强杨晓东孙嘉壕曾碧霄孙睿哲秦欣中国科学院计算技术研究所移动计算与新型终端北京市重点实验室北京100190

老年衰弱症(senile debilitating syndrome)是指老年人因生理功能减退和多系统失调,导致应激抵抗力下降、易受外界因素影响的一种临床综合征[1]。老年衰弱症的状态是动态可逆的,早期进行及时的预警评估和干预能够延缓甚至逆转病情,从而... 详细信息

老年衰弱症(senile debilitating syndrome)是指老年人因生理功能减退和多系统失调,导致应激抵抗力下降、易受外界因素影响的一种临床综合征[1]。老年衰弱症的状态是动态可逆的,早期进行及时的预警评估和干预能够延缓甚至逆转病情,从而有效降低患病风险和节省治疗费用,对于健康老龄化有着重要的临床意义。然而,虽然目前老年衰弱症的研究已取得一些进展[2-4],但其发病机制目前仍不明确,诊断和评估方法也缺乏客观量化的“金标准”。近年来,可穿戴设备和人工智能(artificial intelligence,AI)技术的发展为人体生理、运动及认知的感知评估提供了一系列解决方案,有望对老年衰弱症的早期预警和干预提供支撑。本文将从可穿戴人工智能角度出发,对老年衰弱症的早期预警与干预技术的研究进行阐述,以期助力老年医学的发展,推动老年衰弱症的规范化诊疗和全周期管理。

关键词：老年衰弱症可穿戴人工智能预警干预

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的草图分割算法综述

引用

软件学报 2022年第7期33卷 2729-2752页

作者：王佳欣朱志亮邓小明马翠霞王宏安中国科学院大学计算机科学与技术学院北京100049 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 人机交互北京市重点实验室(中国科学院软件研究所) 北京100190 华东交通大学软件学院江西南昌330013

草图一直是人类传递信息的重要工具之一.草图可以通过简单明了的形式更快地表达人类的一些复杂思想,因此,草图处理算法一直是计算机视觉领域的研究热点之一.目前,对草图的研究主要集中在识别、检索和补全等方面.随着研究者对于草图细粒... 详细信息

草图一直是人类传递信息的重要工具之一.草图可以通过简单明了的形式更快地表达人类的一些复杂思想,因此,草图处理算法一直是计算机视觉领域的研究热点之一.目前,对草图的研究主要集中在识别、检索和补全等方面.随着研究者对于草图细粒度操作的重视,对草图分割方面的研究也得到越来越多的关注.近年来,随着深度学习与计算机视觉技术的发展,出现了大量基于深度学习的草图分割方法,草图分割的精确度和效率也都得到了较大提升.但是,由于草图自身的抽象性、稀疏性和多样性,草图分割仍然是一个非常具有挑战性的课题.对基于深度学习的草图分割算法进行整理、分类、分析和总结,首先阐述了3种基本的草图表示方法与常用的草图分割数据集,再按草图分割算法的预测结果分别介绍了草图语义分割、草图感知聚类与草图解析算法,然后在主要的数据集上收集与整理草图分割算法的评测结果并对结果进行分析,最后总结了草图分割相关的应用并探讨未来可能的发展方向.

关键词：草图分割感知聚类语义分割草图解析

来源：评论

学校读者我要写书评

暂无评论

基于特征归因和泰勒展开引导重要度评价的梯度流剪枝

引用

中国科学：信息科学 2022年第3期52卷 430-442页

作者：高畅王家祺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

卷积神经网络压缩是近年来研究的热点.本文将模型存在冗余的原因归结为部分卷积核未学到任务相关特征.为去除这部分冗余,本文基于剪枝框架,从卷积核学习任务相关特征的程度和卷积核对损失函数的影响两个角度出发,提出一种新颖的重要度... 详细信息

卷积神经网络压缩是近年来研究的热点.本文将模型存在冗余的原因归结为部分卷积核未学到任务相关特征.为去除这部分冗余,本文基于剪枝框架,从卷积核学习任务相关特征的程度和卷积核对损失函数的影响两个角度出发,提出一种新颖的重要度评价标准.此评价标准能准确量化卷积核的重要度,并以此指导卷积核剪枝操作.此外,本文还将梯度流策略引入到卷积核剪枝的过程中,在每次训练迭代中根据重要性和压缩率将卷积核分成两类并对它们分别用不同的更新策略.对于冗余参数,此策略将目标函数反传的梯度进行截流,仅使其权重逐渐衰减直至为零.本文在VGGNet和ResNet两种网络框架上对此剪枝算法进行验证.结果表明:本算法不仅能够在分类精度、计算量、参数量和任务相关特征的保留程度上优于当前主流剪枝算法,而且在高压缩率情况下表现优越.

关键词：卷积神经网络压缩剪枝任务相关特征梯度流

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：