检索结果-内蒙古大学图书馆

工程科学学报 2022年第4期44卷 757-766页

作者：李潇睿班晓娟袁兆麟乔浩然北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学计算机与通信工程学院北京100083 北京科技大学材料领域知识工程北京市重点实验室北京100083 北京科技大学人工智能研究院北京100083

为了系统性地归纳工业场景下时序预测方法及应用,首先介绍了统计学习、集成学习、深度学习三类时序预测算法,并围绕工业数据分析与决策问题,重点分析了循环神经网络、卷积神经网络、编码−解码器模型三类深度学习模型的优缺点及适用的工... 详细信息

为了系统性地归纳工业场景下时序预测方法及应用,首先介绍了统计学习、集成学习、深度学习三类时序预测算法,并围绕工业数据分析与决策问题,重点分析了循环神经网络、卷积神经网络、编码−解码器模型三类深度学习模型的优缺点及适用的工业应用场景.为了清晰全面地评估模型性能,介绍了面向点预测、序列预测问题的统计指标和误差计算方法.同时,整理了经典的公开工业数据集,以便研究者快速评估算法性能.并以过程工业中的采矿、冶金为例,介绍了时序预测方法在真实工业场景下的应用和效果.最后,总结了工业领域中应用深度学习技术所面临的低稳健性和弱可解释性等问题,并探讨了工业场景下时序预测方法研究的未来发展方向.

关键词：流程工业时间序列预测深度学习可解释性评估指标

来源：评论

学校读者我要写书评

暂无评论

基于语义图表征和对比学习的隐喻识别方法研究

引用

数据分析与知识发现 2024年

作者：马月坤张佳欣华北理工大学人工智能学院华北理工大学河北省工业智能感知重点实验室北京科技大学计算机与通信工程学院北京科技大学材料领域知识工程北京市重点实验室

[目的]为充分挖掘隐喻中隐含的语义信息，并准确捕捉隐喻与字面意义间的语义差异，提升隐喻识别效果，本文提出了一种基于语义图表征和对比学习的隐喻识别方法。[方法]首先，利用图卷积神经网络（GCN）提取与依存词对相关的上下文语义... 详细信息

[目的]为充分挖掘隐喻中隐含的语义信息，并准确捕捉隐喻与字面意义间的语义差异，提升隐喻识别效果，本文提出了一种基于语义图表征和对比学习的隐喻识别方法。[方法]首先，利用图卷积神经网络（GCN）提取与依存词对相关的上下文语义信息，实现上下文语义图表征。其次，构建基于隐喻认知的语义网络，采用GraphSage和元路径技术，学习网络中潜在的概念语义关联，实现隐喻认知语义网络的图表征。最后，通过双向交叉注意力机制和多视图融合模块来融合不同方面的特征，并采用监督对比学习从样本相似性和域的不一致性两个角度捕捉隐喻与字面意义之间的相似性和差异性，提高分类器对隐喻的判别性能。[结果]在标记级任务中，MOH和TroFi数据集上的F1值分别提升了0.6%和1.9%。在关系级任务中，MOH、TSV、TroFi三个数据集上的F1值分别提升了0.6%、1.0%、2.7%，达到了目前最优水平。[局限]在生成隐喻认知语义网络的过程中，会受到词语歧义的影响。[结论]该模型能够有效捕捉与隐喻相关的潜在语义特征，并且充分建模隐喻与字面意义之间的语义差异。

关键词：隐喻识别语义网络对比学习

来源：评论

学校读者我要写书评

暂无评论

基于特征增强的中医本草命名实体识别方法

引用

河北大学学报（自然科学版） 2024年第2期44卷 199-207页

作者：马月坤吴国仲华北理工大学人工智能学院河北省工业智能感知重点实验室河北唐山063210 北京科技大学计算机与通信工程学院材料领域知识工程北京市重点实验室北京100083

传统中医本草文献含有丰富的中医知识,是中医理论研究的重要载体.为了更好地挖掘中医本草知识,精准地实现中医本草文献命名实体识别任务,提出了一种基于特征增强的Bert-BiGRU-CRF中医本草命名实体识别模型,使用特征融合器拼接Bert生成... 详细信息

传统中医本草文献含有丰富的中医知识,是中医理论研究的重要载体.为了更好地挖掘中医本草知识,精准地实现中医本草文献命名实体识别任务,提出了一种基于特征增强的Bert-BiGRU-CRF中医本草命名实体识别模型,使用特征融合器拼接Bert生成的词向量与实体特征作为输入,以双向门控循环单元(bi-directional gated recurrent unit, BiGRU)为特征提取器,以条件随机场(conditional random fields, CRF)进行标签预测,通过特征增强的方法更好地识别中医本草的药名、药性、药味、归经等实体及其边界信息,完成中医本草命名实体任务.在中医本草数据集上的实验结果表明,融入特征的模型F1值达到了90.54%,证明了所提出的方法可以更好地提高中医本草命名实体识别精度.

关键词：命名实体识别中草药特征增强词典信息

来源：评论

学校读者我要写书评

暂无评论

基于数据融合的智能医疗辅助诊断方法

引用

工程科学学报 2021年第9期43卷 1197-1205页

作者：张桃红范素丽郭徐徐李倩倩北京科技大学计算机通信与工程学院北京100083 材料领域知识工程北京市重点实验室北京100083

医生诊断需要结合临床症状、影像检查等各种数据,基于此,提出了一种可以进行数据融合的医疗辅助诊断方法.将患者的影像信息(如CT图像)和数值数据(如临床诊断信息)相结合,利用结合的信息自动预测患者的病情,进而提出了基于深度学习的医... 详细信息

医生诊断需要结合临床症状、影像检查等各种数据,基于此,提出了一种可以进行数据融合的医疗辅助诊断方法.将患者的影像信息(如CT图像)和数值数据(如临床诊断信息)相结合,利用结合的信息自动预测患者的病情,进而提出了基于深度学习的医疗辅助诊断模型.模型以卷积神经网络为基础进行搭建,图像和数值数据作为输入,输出病人的患病情况.该医疗辅助诊断方法能够利用更加全面的信息,有助于提高自动诊断准确率、降低诊断误差;另外,仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据,能够在一定程度上节省诊断时间.在两个数据集上验证了所提出方法的有效性,实验结果表明,该方法是有效的,它可以提高辅助诊断的准确性.

关键词：图像分类卷积神经网络特征融合医疗诊断深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多尺度双重自注意力的遥感影像变化检测

引用

计算机科学 2024年第S02期51卷 260-268页

作者：史经业左一平支瑞聪刘吉强张梦鸽北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室北京100044 北京科技大学计算机与通信工程学院北京100083 材料领域知识工程北京市重点实验室(北京科技大学) 北京100083 郑州大学计算机与人工智能学院郑州450001

针对遥感影像地物目标尺度不一、上下文信息不足和边缘细节信息难以恢复等问题,提出一种基于多尺度双重自注意力的像素级变化检测网络(Pixel-based change detection Network,PixelNet)实现遥感影像变化检测任务。一方面,使用基于混合... 详细信息

针对遥感影像地物目标尺度不一、上下文信息不足和边缘细节信息难以恢复等问题,提出一种基于多尺度双重自注意力的像素级变化检测网络(Pixel-based change detection Network,PixelNet)实现遥感影像变化检测任务。一方面,使用基于混合空洞卷积的多尺度特征金字塔提取卷积特征,并加入双重自注意力模块获取通道和空间注意力,兼顾细节和语义信息的同时增加特征感受野,进一步增加了全局上下文信息。另一方面,为了优化地物目标的边界圆滑模糊问题,通过边缘感知损失与加权对比损失的自动化联合训练,实现新的边缘修复模块。针对样本不均衡问题提出了带阈值的加权均衡采样的数据处理策略,以减轻变化像素数目远远小于未变化像素数目造成的网络训练倾斜问题。在遥感影像数据集CDD和LEVIR-CD上通过实验证明,所提像素级变化检测网络PixelNet在遥感变化检测任务上的主观视觉效果及客观评价指标优于SOTA的检测结果。在CDD数据集上检测精度达到98.0%,F1分数达到96.7%;在LEVIR-CD数据集上检测精度达到95.8%,F1分数为87.2%。该网络有效解决了遥感变化检测中样本不平衡、双时相特征上下文信息不足、边缘难例分类错误等问题。

关键词：变化检测遥感影像混合空洞卷积双重自注意力边缘修复

来源：评论

学校读者我要写书评

暂无评论

基于全局与局部特征加权融合的隐喻识别模型

引用

计算机工程 2025年第5期51卷 143-153页

作者：马月坤马铭佑华北理工大学人工智能学院河北唐山063210 华北理工大学河北省工业智能感知重点实验室河北唐山063210 北京科技大学计算机与通信工程学院北京100083 北京科技大学材料领域知识工程北京市重点实验室北京100083

部分文本中隐喻本体与喻体位置相距较远,导致模型学习文本语境信息的难度增大,以及所提取的特征中重要信息不明显。为此,提出一种基于全局与局部特征加权融合的隐喻识别模型。首先,设计了局部特征提取模块(LFEM),通过对不同范围以及更... 详细信息

部分文本中隐喻本体与喻体位置相距较远,导致模型学习文本语境信息的难度增大,以及所提取的特征中重要信息不明显。为此,提出一种基于全局与局部特征加权融合的隐喻识别模型。首先,设计了局部特征提取模块(LFEM),通过对不同范围以及更大感受野下文本局部特征的关注来达到学习词语周围不同距离语境信息的目的;其次,使用双向长短时记忆(BiLSTM)与多头注意力构成全局特征提取模块(GFEM),学习宏观句子级语义信息;最后,设计了特征加权融合模块(FWFM),对提取得到的2种特征进行自适应动态融合,以较少的噪声获得鲁棒性更强且重要信息更为集中的特征。实验结果表明,相比RoBERTa+Transformer+GCN模型,所提模型在VUA ALLPOS、TOEFL ALLPOS以及CCL 3个数据集上的F1值分别提升了1.1、1.2和3.2百分点,所提模型具有更高的隐喻识别精度。

关键词：隐喻识别全局特征局部特征特征加权注意力机制双向长短时记忆

来源：评论

学校读者我要写书评

暂无评论

一种硅油填充术眼内硅油乳化过程模拟可视化方法

引用

电子与信息学报 2022年第1期44卷 18-26页

作者：班晓娟王佳敏王笑琨张雅斓徐衍睿宋重明黄厚斌朱志鸿北京材料基因工程高精尖创新中心(北京科技大学) 北京100083 计算机与通信工程学院、人工智能研究院(北京科技大学) 北京100083 材料领域知识工程北京市重点实验室(北京科技大学) 北京100083 中国人民解放军总医院海南医院三亚572013

眼科中治疗孔源性视网膜脱离(RRD)的玻璃体切割联合硅油填充术中,预测术后硅油乳化情况,并根据其确定术中适宜硅油填充量和最终取出时间是手术成功的关键。然而手术流程中医生无法直接观察眼球内部结构,很难对填充物质进行定量分析,手... 详细信息

眼科中治疗孔源性视网膜脱离(RRD)的玻璃体切割联合硅油填充术中,预测术后硅油乳化情况,并根据其确定术中适宜硅油填充量和最终取出时间是手术成功的关键。然而手术流程中医生无法直接观察眼球内部结构,很难对填充物质进行定量分析,手术完成后亦对硅油乳化状态缺乏可视化认知。该文提出一种基于光滑粒子流体动力学的体积不可压缩多相流体计算框架,结合表面张力模型对眼内环境中硅油和水的耦合进行数值计算;构建以力平衡散体动力学模型为基础的多相流体互溶扩散模拟方法,对硅油乳化过程进行可视量化分析。实验表明,该方法可以稳定模拟强表面张力作用下多相流体耦合以及可混溶多相流体相间交互效果,从而有效辅助医生判定所需硅油填充量,并预测评估硅油乳化状态对手术预后的影响。

关键词：医学可视化计算机辅助诊断孔源性视网膜脱离多相流模拟

来源：评论

学校读者我要写书评

暂无评论

体现辨证论治差异的不孕症知识图谱构建方法研究

引用

计算机工程 2023年第3期49卷 280-287,295页

作者：马月坤张可心高唱华北理工大学人工智能学院河北唐山063210 华北理工大学河北省工业智能感知重点实验室河北唐山063210 北京科技大学计算机与通信工程学院北京100083 材料领域知识工程北京市重点实验室北京100083

不同医家在辨证论治、辨证结果及用药习惯上存在差异,目前已有的知识图谱只对辨证论治知识进行关联与表达,不能直观地体现辨证论治差异。以6位医家的不孕症知识图谱为基础,通过引入“医家”与“关联强度”两种关系属性,构建一个整合多... 详细信息

不同医家在辨证论治、辨证结果及用药习惯上存在差异,目前已有的知识图谱只对辨证论治知识进行关联与表达,不能直观地体现辨证论治差异。以6位医家的不孕症知识图谱为基础,通过引入“医家”与“关联强度”两种关系属性,构建一个整合多位医家辨证论治知识并直观体现差异性的知识图谱。在PageRank算法对不孕症数据进行预处理的基础上,通过对辨证论治过程自定义逻辑规则,利用概率软逻辑推理关联强度。建立基于关系图注意力网络的知识融合模型,考虑关系对实体含义表达的影响,通过关系图注意力网络层加权传播与聚合邻居实体信息,得到更丰富的实体向量表示从而实现不孕症知识融合。实验结果表明,该模型具有较好的融合能力,在朱南孙-钱伯煊数据集上Hit@1、Hit@10、Hit@30、MeanRank均取得较好结果,分别达到45.63%、60.85%、91.55%、0.564。通过构建体现辨证论治差异的不孕症知识图谱,可以系统地建立多位医家辨证论治知识之间的关联,对中医个性化知识的传承与发展具有重要意义。

关键词：知识图谱辨证论治不孕症概率软逻辑图神经网络

来源：评论

学校读者我要写书评

暂无评论

新冠疫情下的SEIRD时滞性谣言传播模型及辟谣策略

引用

工程科学学报 2022年第6期44卷 1080-1089页

作者：唐梁鸿绪王卫苹王昊员曼曼罗熊李建武北京科技大学计算机与通信工程学院北京100083 北京科技大学顺德研究生院佛山528399 材料领域知识工程北京市重点实验室北京100083 中国信息通信研究院信息化与工业化融合研究所北京100191 北京理工大学前沿技术研究院济南250300 黄河科技学院工学部郑州450000

随着互联网的发展与新冠疫情的蔓延,疫情相关谣言的流量与受关注度大大提高,使其能够迅速发酵并造成极其不良的社会影响.由此可见,研究网络谣言的传播过程并给出遏制网络谣言传播的策略有着重大意义.在传统网络谣言传播SIR(Susceptible,... 详细信息

随着互联网的发展与新冠疫情的蔓延,疫情相关谣言的流量与受关注度大大提高,使其能够迅速发酵并造成极其不良的社会影响.由此可见,研究网络谣言的传播过程并给出遏制网络谣言传播的策略有着重大意义.在传统网络谣言传播SIR(Susceptible,infected,recovered)模型的基础上加入潜在信谣者与铁杆信谣者群体,引入政府辟谣机制,同时考虑辟谣者与政府辟谣的滞后性以及高等教育普及率对谣言传播及辟谣过程的影响,建立了SEIRD(Susceptible,exposed,infected,recovered,die-hard-infected)谣言传播模型,以研究一个网络谣言自诞生起,不知情者、潜在信谣者、信谣者、铁杆信谣者以及醒悟者这五类网民比例在有无政府辟谣、辟谣是否具有滞后性、以及网民不同比例高等教育率下的变化规律,并通过实验仿真验证了模型的有效性,为控制网络舆情传播提供参考.此外,还提出了用于衡量辟谣者群体及政府权威机构辟谣能力的辟谣系数.研究结果表明,提高高等教育普及率对于减缓谣言传播、降低谣言传播峰值有着显著效果;政府权威机构辟谣对于最终彻底消灭谣言起决定性作用;消灭辟谣的滞后性对于减缓网络谣言传播同样有极大帮助.为此,还提出了一种未来可能的消灭辟谣滞后性的网络谣言抑制策略.

关键词：网络谣言谣言传播模型铁杆信谣者时滞性权威辟谣高等教育普及率辟谣系数辟谣策略

来源：评论

学校读者我要写书评

暂无评论

Spark作业性能建模及参数优化

引用

实验技术与管理 2021年第3期38卷 146-152页

作者：崔晓龙张敏刘祥郭茜北京科技大学计算机与通信工程学院材料领域知识工程北京市重点实验室北京100083

Apache Spark分布式大数据计算框架应用广泛,但是其配置参数繁多导致使用难度较大,且不合理的配置将严重影响作业执行性能,研究Spark参数对性能的影响并进一步对参数进行自动优化具有重要意义。该文分析了Spark作业中影响系统行为的关... 详细信息

Apache Spark分布式大数据计算框架应用广泛,但是其配置参数繁多导致使用难度较大,且不合理的配置将严重影响作业执行性能,研究Spark参数对性能的影响并进一步对参数进行自动优化具有重要意义。该文分析了Spark作业中影响系统行为的关键参数,建立了性能模型,并进一步探索了Spark参数自动优化的方法和策略。通过提取作业执行过程中对性能有影响的参数,对主流的19种回归模型进行了对比测试,获得通用性和拟合效果都比较好的6种回归模型,并针对不同类型的Spark任务在特定集群上建立性能模型,最后依据建立的性能模型在参数空间中利用改进的多起点爬山搜索算法寻找最优的参数组合。实验证明经参数优化后Spark作业性能有较大提升。

关键词： Apache Spark 性能建模机器学习参数调优搜索算法

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：