检索结果-内蒙古大学图书馆

自动化学报 2025年第1期51卷 210-220页

作者：赵中原高旺蒋璐瑶葛泉波南京信息工程大学自动化学院南京210044 江苏大数据分析与智能系统省高校重点实验室南京210044 上海交通大学机械与动力工程学院上海200240

研究一类考虑节点隐私保护的分布式优化问题,目标为保护各智能体的隐私信息不被泄露,并最小化所有智能体局部成本函数之和.首先,针对无向连通图,提出一种基于椭圆曲线密码机制的分布式凸优化算法.通过设计底层权重矩阵,将基于椭圆曲线的... 详细信息

研究一类考虑节点隐私保护的分布式优化问题,目标为保护各智能体的隐私信息不被泄露,并最小化所有智能体局部成本函数之和.首先,针对无向连通图,提出一种基于椭圆曲线密码机制的分布式凸优化算法.通过设计底层权重矩阵,将基于椭圆曲线的ELGamal同态加密和数字签名与分布式次梯度算法相结合,克服了椭圆曲线密码机制与分布式一致性策略无法结合的难点.在无第三方或聚合器的场景下,该算法实现了系统的隐私保护.理论分析表明,该算法能够渐近收敛至全局最优解,并适用于时变通信拓扑的动态环境.此外,算法能有效保护智能体的状态和成本函数不受来自诚实但好奇攻击者、外部窃听者和篡改攻击者的威胁.最后,通过数值仿真验证了算法的有效性.

关键词：分布式优化隐私保护同态加密椭圆曲线

来源：评论

学校读者我要写书评

暂无评论

基于语义引导特征聚合的显著性目标检测网络

引用

自动化学报 2023年第11期49卷 2386-2395页

作者：王正文宋慧慧樊佳庆刘青山南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏省大数据分析技术重点实验室南京210044

在显著性目标检测网络的设计中,U型结构使用广泛.但是在U型结构显著性检测方法中,普遍存在空间位置细节丢失和边缘难以细化的问题,针对这些问题,提出一种基于语义信息引导特征聚合的显著性目标检测网络,通过高效的特征聚合来获得精细的... 详细信息

在显著性目标检测网络的设计中,U型结构使用广泛.但是在U型结构显著性检测方法中,普遍存在空间位置细节丢失和边缘难以细化的问题,针对这些问题,提出一种基于语义信息引导特征聚合的显著性目标检测网络,通过高效的特征聚合来获得精细的显著性图.该网络由混合注意力模块(Mixing attention module,MAM)、增大感受野模块(Enlarged receptive field module,ERFM)和多层次聚合模块(Multi-level aggregation module,MLAM)三个部分组成.首先,利用增大感受野模块处理特征提取网络提取出的低层特征,使其在保留原有边缘细节的同时增大感受野,以获得更加丰富的空间上/下文信息;然后,利用混合注意力模块处理特征提取网络的最后一层特征,以增强其表征力,并作为解码过程中的语义指导,不断指导特征聚合;最后,多层次聚合模块对来自不同层次的特征进行有效聚合,得到最终精细的显著性图.在6个基准数据集上进行了实验,结果验证了该方法能够有效地定位显著特征,并且对边缘细节的细化也很有效.

关键词：显著性目标检测混合注意力多层次融合深度学习

来源：评论

学校读者我要写书评

暂无评论

基于一致性功能神经过程的多视图时序预测

引用

计算机工程 2024年

作者：杨春霞蒋耀翟雪彤周媛媛南京信息工程大学自动化学院江苏省大数据分析与技术重点实验室

在多视图时间序列预测领域，如何有效融合来自不同视图的信息，是一个重要且具有挑战性的问题。现有的多视图时序预测方法在捕获历史数据趋势方面存在局限，同时也常受到多视图信息分布不一致的影响。针对这两个问题，本研究基于功能性... 详细信息

在多视图时间序列预测领域，如何有效融合来自不同视图的信息，是一个重要且具有挑战性的问题。现有的多视图时序预测方法在捕获历史数据趋势方面存在局限，同时也常受到多视图信息分布不一致的影响。针对这两个问题，本研究基于功能性神经过程（Functional Neural Processes， FNP）框架，提出了一种的一致性功能性神经过程（Consistent Functional Neural Process， CFNP）框架。CFNP框架设计了两个核心模块：视图随机相关图模块和视图分布对齐模块。视图随机相关图模块通过分析历史数据的分布，辅助对当前数据的理解和预测；而视图分布对齐模块致力于缩减不同视图间的概率分布差异，通过在潜在空间中施加约束，提高了模型对时间序列内在关联性的捕捉能力。在两个公开数据集上的实验表明，相比于现有方法，CFNP在RMSE上效果提升分别为14%和5%，证明此框架能够更准确地预测多视图时间序列。

关键词：多视图学习时序预测概率预测功能神经过程一致性正则化

来源：评论

学校读者我要写书评

暂无评论

融合属性特征的行人重识别方法

引用

自动化学报 2022年第2期48卷 564-571页

作者：邵晓雯帅惠刘青山南京信息工程大学自动化学院江苏省大数据分析技术重点实验室南京210044

行人重识别旨在跨监控设备下检索出特定的行人目标.由于不同的行人可能具有相似的外观,因此要求行人重识别模型能够捕捉到充足的细粒度特征.本文提出一种融合属性特征的行人重识别的深度网络方法,将行人重识别和属性识别集成在分类网络... 详细信息

行人重识别旨在跨监控设备下检索出特定的行人目标.由于不同的行人可能具有相似的外观,因此要求行人重识别模型能够捕捉到充足的细粒度特征.本文提出一种融合属性特征的行人重识别的深度网络方法,将行人重识别和属性识别集成在分类网络中,进行端到端的多任务学习.此外,对于每张输入图片,网络自适应地生成对应于每个属性的权重,并将所有属性的特征以加权求和的方式结合起来,与全局特征一起用于行人重识别任务.全局特征关注行人的整体外观,而属性特征关注细节区域,两者相互补充可以对行人进行更全面的描述.在行人重识别的主流数据集DukeMTMC-reID和Market-1501上的实验结果表明了本文方法的有效性,平均精度均值(Mean average precision,mAP)分别达到了74.2%和83.5%,Rank-1值分别达到了87.1%和93.6%.此外,在这两个数据集上的属性识别也得到了比较好的结果.

关键词：行人重识别属性识别深度学习自适应权重

来源：评论

学校读者我要写书评

暂无评论

基于PCA和ICA模式融合的非高斯特征检测识别

引用

自动化学报 2024年第1期50卷 169-180页

作者：葛泉波程惠茹张明川郑瑞娟朱军龙吴庆涛南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 江苏省大数据分析技术重点实验室南京210044 河南科技大学信息工程学院洛阳471023

针对无人船(Unmanned surface vehicle,USV)航行位姿观测数据的非高斯性/高斯性判别问题,提出一种基于主成分分析(Principal component analysis,PCA)和独立成分分析(Independent component analysis,ICA)模式融合的非高斯特征检测识别方法.首先,采用基于标准化加权平均和信息熵的数据预处理方法.其次,引入混合加权核函数并使用灰狼优化(Grey wolf optimization,GWO)算法进行参数优化,以提高PCA方法的准确性.同时,该算法采用一种新的非线性控制因子策略,提高全局和局部搜索能力.最后,建立了一种基于ICA和PCA联合的相关性分析方法来实现多维数据的降维,在降维数据的基础上综合T型多维偏度峰度检验法和KS(Kolmogorov-Smirnov)检验法进行非高斯性/高斯性特征检测识别.该方法考虑了非线性非高斯的噪声对降维结果精确度的影响,有效降低了多维数据非高斯检测的复杂度,同时也为后续在实际USV位姿估计等应用中提供了保障.实验表明,该方法具有较高的准确性和稳定性,可为USV航行位姿观测数据处理提供支持.

关键词：主成分分析混合核函数灰狼优化算法高维降维非高斯

来源：评论

学校读者我要写书评

暂无评论

随机初始化神经网络剪枝的稀疏二值规划方法

引用

计算机工程与应用 2023年第8期59卷 138-147页

作者：陆林季繁繁袁晓彤南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 南京信息工程大学计算机学院南京210044

传统深度神经网络剪枝方法往往以预训练模型为初始网络并需要在剪枝后进行微调。受到近年来edgepopup等基于随机初始化网络的剪枝算法优异性能的启发,提出了一种基于稀疏二值规划的随机初始化网络剪枝算法。该算法将剪枝训练过程建模为... 详细信息

传统深度神经网络剪枝方法往往以预训练模型为初始网络并需要在剪枝后进行微调。受到近年来edgepopup等基于随机初始化网络的剪枝算法优异性能的启发,提出了一种基于稀疏二值规划的随机初始化网络剪枝算法。该算法将剪枝训练过程建模为一个稀疏二值约束优化问题。其核心思想是利用稀疏二值规划来学习一个二值掩膜,利用该掩膜可以从随机初始化的神经网络上裁剪出一个未经训练却性能良好的稀疏网络。与之前基于随机初始化网络的剪枝算法相比,该算法找到的稀疏网络在多个稀疏度下都具有更好的分类泛化性能。与edge-popup算法相比,在ImageNet数据集分类任务中,模型在稀疏度为70%时精度提升7.98个百分点。在CIFAR-10数据集分类任务中,模型在稀疏度为50%时精度提升2.48个百分点。

关键词：神经网络剪枝随机初始化二值掩膜二值规划稀疏优化

来源：评论

学校读者我要写书评

暂无评论

YOLOv11-MAS:一种高效的PCB缺陷检测算法

引用

计算机工程与应用 2025年

作者：殷旭鹏赵兴强南京信息工程大学自动化学院南京信息工程大学江苏省大数据分析技术和智能系统省高校重点实验室

随着电子设备对印刷电路板(Printed Circuit Board， PCB)的要求越来越高，在PCB加工过程中的缺陷检测工作也愈发重要，但由于缺陷特征目标小、类别复杂且难以区分，传统检测方法在精度和鲁棒性方面存在局限。为此，对最新的YOLOv11版... 详细信息

随着电子设备对印刷电路板(Printed Circuit Board， PCB)的要求越来越高，在PCB加工过程中的缺陷检测工作也愈发重要，但由于缺陷特征目标小、类别复杂且难以区分，传统检测方法在精度和鲁棒性方面存在局限。为此，对最新的YOLOv11版本改进，形成了PCB缺陷检测模型——YOLOv11-MAS。在骨干网络部分设计并嵌入中值增强空间通道注意力模块(Median-enhanced Channel and Spatial Attention Block， MECS)，以中值增强与深度卷积的方式扩大感受野，提高对PCB电路板特殊缺陷的识别能力。在颈部网络部分，采用自适应分层特征融合网络(Adaptive Hierarchical Feature Integration Network， AHFIN)，通过自适应加权融合多尺度特征，以增强对主干网络信息的利用，使模型能够精准关注关键缺陷区域。此外，将YOLOv11的损失函数替换为滑动对齐损失函数(Slide Alignment Loss， SAL)，通过优化边界框的界定，提高对复杂缺陷类型的检测能力。实验结果表明，YOLOv11-MAS模型在PCB缺陷数据集中的多个指标均表现优异，mAP值达到93.1%，较YOLOv11提升了7.8个百分点，同时在NVIDIA Jetson Xavier嵌入式设备上的检测帧率达49.6帧/秒，满足工业实时检测需求。

关键词：缺陷检测小目标检测 YOLOv11 注意力机制损失函数

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和CNN的多标签文本分类模型

引用

计算机应用与软件 2024年第3期41卷 156-162页

作者：杨春霞吴佳君瞿涛姚思诚南京信息工程大学江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044

针对目前多标签文本分类模型存在无法充分提取文本语义与标签的相互关系,提出一种基于注意力机制和卷积神经网络(CNN)的多标签文本分类模型。通过多头注意力机制和CNN对文本进行建模表示,充分挖掘文本全局和局部的语义特征;结合标签与... 详细信息

针对目前多标签文本分类模型存在无法充分提取文本语义与标签的相互关系,提出一种基于注意力机制和卷积神经网络(CNN)的多标签文本分类模型。通过多头注意力机制和CNN对文本进行建模表示,充分挖掘文本全局和局部的语义特征;结合标签与文本信息进行交互注意力计算,捕捉结合文本内容后标签间的相互关系;使用一种自适应融合策略进一步提取两者语义信息。实验结果表明,该模型相比于其他主流模型能有效提升多标签文本分类效果。

关键词：多标签文本分类注意力机制卷积神经网络文本表示

来源：评论

学校读者我要写书评

暂无评论

用于方面级情感分析的多信息增强图卷积网络

引用

计算机工程与应用 2024年第14期60卷 144-151页

作者：杨春霞闫晗吴亚雷黄昱锟南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 江苏省大气环境与装备技术协同创新中心南京210044

方面级情感分析旨在预测句子中特定方面的情感极性。然而,现阶段的研究依然存在语义信息不充分利用的问题,一方面大多数现有工作侧重于学习上下文词到方面词之间的依存信息,没有充分利用句子的语义信息;另一方面现有研究没有专注于依存... 详细信息

方面级情感分析旨在预测句子中特定方面的情感极性。然而,现阶段的研究依然存在语义信息不充分利用的问题,一方面大多数现有工作侧重于学习上下文词到方面词之间的依存信息,没有充分利用句子的语义信息;另一方面现有研究没有专注于依存树的语法构建,从而没有充分利用语法结构信息去补充语义信息。针对以上问题,提出多信息增强图卷积神经网络(MIE-GCN)模型。主要包括两部分:一是通过方面感知注意力、自注意力和外部常识形成多信息融合层充分利用语义信息;二是根据单词间不同的语法距离构造句子的语法掩码矩阵,通过获得全面语法结构信息来补充语义信息。利用图卷积神经网络增强节点表示。在基准数据集上的实验结果表明,提出的模型均比对比模型有一定的提升。

关键词：方面级情感分析外部常识方面感知注意力语法掩码矩阵

来源：评论

学校读者我要写书评

暂无评论

融合GAT与头尾标签的多标签文本分类模型

引用

计算机工程与应用 2024年第15期60卷 150-160页

作者：杨春霞黄昱锟闫晗吴亚雷南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 江苏省大气环境与装备技术协同创新中心南京210044

现有基于神经网络的多标签文本分类主要存在两方面的不足,一是现有的数据中标签-文本频率存在长尾分布,二是很少从图结构中获取全局标签之间的关联性,针对以上问题,提出了一种融合GAT与头尾标签分类器的多标签文本分类模型(GATTN),该模... 详细信息

现有基于神经网络的多标签文本分类主要存在两方面的不足,一是现有的数据中标签-文本频率存在长尾分布,二是很少从图结构中获取全局标签之间的关联性,针对以上问题,提出了一种融合GAT与头尾标签分类器的多标签文本分类模型(GATTN),该模型利用带有注意力机制的Bi-LSTM得到文本的特征向量表示;同时把不同标签之间的关联性转换为包含了全局信息的边加权图,利用多层的图注意力网络来学习头标签之间的关联性。然后将其与文本上下文语义信息进行点积交互,得到具有文本语义和头标签信息的特征表示提高模型的泛化能力。在AAPD、RCV1-V2和EUR-Lex三个公开英文数据集上的实验结果证明,该模型针对数据长尾分布的多标签文本分类效果优于其他基线模型。

关键词：多标签文本分类图注意力网络头尾标签多样本学习

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：