检索结果-内蒙古大学图书馆

智能系统学报 2022年第3期17卷 488-495页

作者：窦勇敢袁晓彤南京信息工程大学自动化学院江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044

联邦学习是一种分布式机器学习范式,中央服务器通过协作大量远程设备训练一个最优的全局模型。目前联邦学习主要存在系统异构性和数据异构性这两个关键挑战。本文主要针对异构性导致的全局模型收敛慢甚至无法收敛的问题,提出基于隐式随... 详细信息

联邦学习是一种分布式机器学习范式,中央服务器通过协作大量远程设备训练一个最优的全局模型。目前联邦学习主要存在系统异构性和数据异构性这两个关键挑战。本文主要针对异构性导致的全局模型收敛慢甚至无法收敛的问题,提出基于隐式随机梯度下降优化的联邦学习算法。与传统联邦学习更新方式不同,本文利用本地上传的模型参数近似求出平均全局梯度,同时避免求解一阶导数,通过梯度下降来更新全局模型参数,使全局模型能够在较少的通信轮数下达到更快更稳定的收敛结果。在实验中,模拟了不同等级的异构环境,本文提出的算法比FedProx和FedAvg均表现出更快更稳定的收敛结果。在相同收敛结果的前提下,本文的方法在高度异构的合成数据集上比FedProx通信轮数减少近50%,显著提升了联邦学习的稳定性和鲁棒性。

关键词：联邦学习分布式机器学习中央服务器全局模型隐式随机梯度下降数据异构系统异构优化算法快速收敛

来源：评论

学校读者我要写书评

暂无评论

基于伪孪生网络双层优化的对比学习

引用

模式识别与人工智能 2022年第10期35卷 928-938页

作者：陈庆宇季繁繁袁晓彤南京信息工程大学自动化学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学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

目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络。双层优化策略包括基于近邻... 详细信息

目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络。双层优化策略包括基于近邻优化的学生网络优化策略和基于随机梯度下降的教师网络优化策略。基于近邻优化的学生网络优化策略让教师网络成为约束项,帮助学生网络更好地向教师网络学习。基于随机梯度下降的教师网络优化策略求解近似教师网络,梯度更新教师网络。在5个数据集上的实验表明,文中算法取得较高的k-NN(k=1)分类精度和线性分类精度,特别在批次大小较小时,优势较大。

关键词：对比学习双层优化学生网络近邻优化教师网络随机梯度下降

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的建筑综合能源系统主从博弈优化调度

引用

南方电网技术 2024年

作者：申晓宁陈星晖陈文言许新苏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气环境与装备技术协同创新中心南京信息工程大学江苏省大数据分析技术重点实验室江苏省气象能源利用与控制工程技术研究中心

随着全球社会日益关注可持续能源的实践过渡，建筑综合能源系统优化对提高能源低碳性及经济性具有重要意义。为研究建筑能源运营商的调度策略和定价策略，首先，该模型同时考虑供给侧和需求侧的信息交互特性，以供给侧为领导者、需求侧... 详细信息

随着全球社会日益关注可持续能源的实践过渡，建筑综合能源系统优化对提高能源低碳性及经济性具有重要意义。为研究建筑能源运营商的调度策略和定价策略，首先，该模型同时考虑供给侧和需求侧的信息交互特性，以供给侧为领导者、需求侧为追随者建立一种基于主从博弈框架的建筑综合能源系统双侧优化模型。其次，针对主从博弈框架双侧的多次信息交互，提出了一种基于自适应动作探索机制的深度确定性策略梯度算法以有效求解所建模型。自适应动作探索机制根据累计奖励的方差与critic网络平均损失值构建自适应探索系数改进算法的动作选择策略，保证算法的精度和稳定性。最后，通过实例验证了所提算法的有效性。实验结果表明，与其它深度强化学习算法相比，所提算法可以提高算法的收敛精度、稳定性和能源运营商的总收益，从而辅助能源供应商做出更好的决策。

关键词：深度强化学习建筑综合能源系统智能调度主从博弈能源定价

来源：评论

学校读者我要写书评

暂无评论

多尺度时频融合与稀疏网络的长时预测方法

引用

计算机工程 2024年

作者：杨春霞翟雪彤蒋耀周媛媛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江苏省大气环境与装备技术协同创新中心

长期时序预测旨在辅助决策者进行长期规划与战略制定，然而现有预测模型在进行长时预测任务时忽视了经独立变量通道进行特征提取的重要性，且未能有效融合多尺度时频信息进行深层特征提取。针对上述问题，该文提出一种多尺度时频融合与... 详细信息

长期时序预测旨在辅助决策者进行长期规划与战略制定，然而现有预测模型在进行长时预测任务时忽视了经独立变量通道进行特征提取的重要性，且未能有效融合多尺度时频信息进行深层特征提取。针对上述问题，该文提出一种多尺度时频融合与稀疏网络的长期时序预测模型(WDNet)。该模型通过重塑嵌入模块将一维时序数据分块后转换为二维时序图，并经过连续小波变换得到时频信息图，对时频信息图进行不规则稀疏卷积以获取融合的时频特征；与时序数据的原有模式融合后，在集成了多层特定卷积的模块中，经独立变量通道分别从块内和块间提取深层特征；后经全局线性和局部非线性预测头合并输出最终结果。在六个真实公开数据集上的实验结果显示，相较于先进的TimesNet模型在不同预测长度下的平均MSE下降了4.8-5.6个百分点，与表现次优的DLinear和FEDformer模型相比，WDNet在不同预测长度下的平均MSE分别下降了10.7-11.9和12.9-14.3个百分点；与其他代表性模型相比，WDNet模型的预测误差均有明显下降。实验结果表明，WDNet能有效捕捉时序数据中的复杂依赖关系，并在长期时序预测任务上有较好的预测效果。

关键词：长期时序预测时频融合稀疏网络双预测头策略深度学习

来源：评论

学校读者我要写书评

暂无评论

低光照环境下基于定制椭圆的无人船姿态视觉测量

引用

智能系统学报 2025年第2期20卷 486-494页

作者：邓冬进葛泉波戴跃伟南京信息工程大学电子与信息工程学院江苏南京210044 南京信息工程大学自动化学院江苏南京210044 江苏大数据分析与智能系统省高校重点实验室江苏南京210044 大气环境与装备技术协同创新中心江苏南京210044 南京应用数学中心江苏南京210044

针对低光照条件下图像对比度低和噪声增多导致单目视觉姿态测量不准确的问题,提出基于快速椭圆检测的无人船姿态估计方法。首先,通过自适应颜色阈值分割技术与颜色和对比度增强技术相结合来提升边缘信息的获取精确度。其次,设计八邻域... 详细信息

针对低光照条件下图像对比度低和噪声增多导致单目视觉姿态测量不准确的问题,提出基于快速椭圆检测的无人船姿态估计方法。首先,通过自适应颜色阈值分割技术与颜色和对比度增强技术相结合来提升边缘信息的获取精确度。其次,设计八邻域跟踪与弧弦比方法去除低光照图像噪声引起的伪弧,并结合改进的圆弧特征映射技术进一步区分伪弧段,以减少参数拟合的计算负担。最后,利用椭圆平面法向量和矩形法向量的平行性消除椭圆姿态角计算的二义性,以提高算法在低光照环境下的鲁棒性。实验表明,提出的无人船姿态估计算法具有更快的检测速度,同时保持更高的估计精度。

关键词：阈值分割弧弦比特征映射二义性八邻域跟踪姿态视觉椭圆平面法快速椭圆检测

来源：评论

学校读者我要写书评

暂无评论

多层次融合注意力网络的双目图像超分辨率重建

引用

中国图象图形学报 2023年第4期28卷 1079-1090页

作者：徐磊宋慧慧刘青山南京信息工程大学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

目的随着深度卷积神经网络广泛应用于双目立体图像超分辨率重建任务,双目图像之间的信息融合成为近年来的研究热点。针对目前的双目图像超分辨重建算法对单幅图像的内部信息学习较少的问题,提出多层次融合注意力网络的双目图像超分辨率... 详细信息

目的随着深度卷积神经网络广泛应用于双目立体图像超分辨率重建任务,双目图像之间的信息融合成为近年来的研究热点。针对目前的双目图像超分辨重建算法对单幅图像的内部信息学习较少的问题,提出多层次融合注意力网络的双目图像超分辨率重建算法,在立体匹配的基础上学习图像内部的丰富信息。方法首先,利用特征提取模块从不同尺度和深度来获取左图和右图的低频特征。然后,将低频特征作为混合注意力模块的输入,此注意力模块先利用二阶通道非局部注意力模块学习每个图像内部的通道和空间特征,再采用视差注意力模块对左右特征图进行立体匹配。接着采用多层融合模块获取不同深度特征之间的相关信息,进一步指导产生高质量图像重建效果。再利用亚像素卷积对特征图进行上采样,并和低分辨率左图的放大特征相加得到重建特征。最后使用1层卷积得到重建后的高分辨率图像。结果本文算法采用Flickr1024数据集的800幅图像和60幅经过2倍下采样的Middlebury图像作为训练集,以峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)作为指标。实验在3个基准测试集Middlebury、KITTI2012和KITTI2015上进行定量和定性评估。实验结果显示,本文算法获得了最清晰的图像效果。当放大因子为2时,在3个数据集上的指标与PASSRnet(learning parallax attention for stereo image super-resolution)相比,本文算法的峰值信噪比提升了0.56 dB、0.31 dB和0.26 dB,结构相似性均提升了0.005。结论本文提出的网络模型充分学习图像内部的丰富信息,有效指导左右特征图的立体匹配。同时,能够不断进行高低频信息融合,取得了较好的重建效果。

关键词：卷积神经网络(CNN) 双目图像超分辨率注意力机制立体匹配信息融合

来源：评论

学校读者我要写书评

暂无评论

融合双图卷积与门控线性单元的方面级情感分析模型

引用

计算机工程 2024年第4期50卷 141-149页

作者：杨春霞吴亚雷闫晗黄昱锟南京信息工程大学自动化学院江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044

方面级情感分析旨在确定句子中给定方面的情感极性。现有的基于图神经网络的方面级情感分析存在以下2个方面的不足:忽略了不同类型的句法依存关系和语料库中的词共现信息,以及不能准确地控制情感信息流向给定方面。针对以上问题,提出融... 详细信息

方面级情感分析旨在确定句子中给定方面的情感极性。现有的基于图神经网络的方面级情感分析存在以下2个方面的不足:忽略了不同类型的句法依存关系和语料库中的词共现信息,以及不能准确地控制情感信息流向给定方面。针对以上问题,提出融合双图卷积与门控线性单元(GLU)的方面级情感分析模型。该模型首先采用全局词汇图来编码语料库中的词共现信息,在词汇图和句法图上利用分类概括结构来区分各种词共现频率和不同类型的句法依存关系。然后分别在2个图上进行双层卷积,继而使用Bi Affine变换模块作为桥梁,在2个图卷积网络模块之间有效地交换相关特征,从而有效地融合句法信息和词汇信息。最后利用GLU控制情感信息流向给定方面,使模型可以更专注地分析与该方面相关的情感信息,避免不相关的情感信息影响对给定方面的情感分析结果,从而提高分析的准确性。实验结果表明,在Twitter、Laptop14、Restaurant15和Restaurant16数据集上,该模型的准确率分别达到74.82%、77.61%、82.29%和89.81%,F1值分别达到72.97%、73.52%、67.72%和73.37%,方面级情感分类效果明显优于其他基线模型。

关键词：方面级情感分析词共现信息双图卷积信息交互门控线性单元

来源：评论

学校读者我要写书评

暂无评论

图像情感分析的层次图卷积网络模型

引用

计算机科学 2023年第12期50卷 203-211页

作者：谈钱辉温佳璇唐继辉孙玉宝南京信息工程大学数字取证教育部工程研究中心南京210044 江苏省大数据分析技术重点实验室南京210044

图像情感分析任务旨在运用机器学习模型自动预测观测者对图像的情感反应。当前基于深度网络的情感分析方法广受关注,主要通过卷积神经网络自动学习图像的深度特征。然而,图像情感是图像全局上下文特征的综合反映,由于卷积核感受野的尺... 详细信息

图像情感分析任务旨在运用机器学习模型自动预测观测者对图像的情感反应。当前基于深度网络的情感分析方法广受关注,主要通过卷积神经网络自动学习图像的深度特征。然而,图像情感是图像全局上下文特征的综合反映,由于卷积核感受野的尺寸限制,无法有效捕捉远距离情感特征间的依赖关系,同时网络中不同层次的情感特征间未能得到有效的融合利用,影响了图像情感分析的准确性。为解决上述问题,文中提出了层次图卷积网络模型,分别在空间和通道维度上构建空间上下文图卷积(SCGCN)模块和动态融合图卷积(DFGCN)模块,有效学习不同层次情感特征内部的全局上下文关联与不同层级特征间的关系依赖,能够有效提升情感分类的准确度。网络结构由4个层级预测分支和1个融合预测分支组成,层级预测分支利用SCGCN学习单层次特征的情感上下文表达,融合预测分支利用DFGCN自适应聚合不同语义层次的上下文情感特征,实现融合推理与分类。在4个情感数据集上进行实验,结果表明,所提方法在情感极性分类和细粒度情感分类上的效果均优于现有的图像情感分类模型。

关键词：图像情感分析图卷积全局上下文关联层次特征关联融合分类

来源：评论

学校读者我要写书评

暂无评论

基于离散混合蛙跳算法的地震应急物资调度

引用

系统仿真学报 2024年第1期36卷 97-109页

作者：申晓宁葛忠佩姚铖滨宋丽妍王玉芳南京信息工程大学自动化学院江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044 广东省类脑智能计算重点实验室(南方科技大学) 广东深圳518055

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的... 详细信息

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的搜索方向,降低种群的同化速度。同时,让子组最差个体学习种群中的有效信息,提高算法的收敛精度。实验结果表明,所提算法能够搜索到精度更优的调度方案,对问题规模具有良好的可扩展性。

关键词：应急物资调度混合蛙跳算法灾区紧急程度需求拆分供应车辆路径问题

来源：评论

学校读者我要写书评

暂无评论

基于张量补全的降雨预测

引用

计算机应用与软件 2022年第4期39卷 218-222,280页

作者：朱浩华丁雪琴刘光灿南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044

西南地区降雨频繁且无规律的特性,导致传统降雨预测方法在此处难以实行。对此提出采用序列张量补全(STC)的数据优化方式。以四川自贡市地区逐日实测的降雨数据为数据集进行模型建立,得出了在一定条件下未来值确实可以从历史观测数据中... 详细信息

西南地区降雨频繁且无规律的特性,导致传统降雨预测方法在此处难以实行。对此提出采用序列张量补全(STC)的数据优化方式。以四川自贡市地区逐日实测的降雨数据为数据集进行模型建立,得出了在一定条件下未来值确实可以从历史观测数据中恢复的结论。与中央气象台的预报指导产品(SCMOC)和各省的订正预报产品(SPCC)两种方法进行比较,结果表明该方法得到了较好的预测效果。

关键词：图像序列预测数据优化矩阵补全凸优化

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：