检索结果-内蒙古大学图书馆

在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系,因此融合不同用户偏好行为嵌入,使用户对群组依赖关系的表现更直观,同时为了在对比中增强视图效果,以获得更准确的推荐结果的目的,提出了一个面向超图的可解释性对比元路径群组推荐框架。通过聚合用户项目群组之间的依赖关系,构建元路径表现实体之间的不同类型交互,以促进实体的相似性,更准确地从数据中获取用户的组内、组外交互;通过将可解释性模型与对比学习相结合的技术,以提高模型的可解释性和性能;通过解释引导增强操作在模型框架上生成的正负视图上结合自监督对比学习,来解决上述问题。在真实数据集上进行实验,验证了所提出方法的有效性。

关键词：群组推荐超图学习元路径推荐系统对比学习

来源：评论

学校读者我要写书评

暂无评论

持续学习的研究进展与趋势

引用

计算机研究与发展 2024年第6期61卷 1476-1496页

作者：李文斌熊亚锟范祉辰邓波曹付元高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 中国科学院空天信息创新研究院北京100094 山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据学院太原030006

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过... 详细信息

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过程中容易遭受灾难性遗忘的问题.因此,如何在动态、非平稳的序列任务及流式数据中不断学习新知识、同时保留旧知识是持续学习研究的核心.首先,通过对近年来持续学习国内外相关工作的调研与总结,将持续学习方法分为基于回放、基于约束、基于结构三大类,并对这3类方法做进一步的细分.具体而言,根据所使用的样本来源将基于回放的方法细分为采样回放、生成回放、伪样本回放3类;根据训练约束的来源将基于约束的方法细分为参数约束、梯度约束、数据约束3类;根据对于模型结构的使用方式将基于结构的方法细分为参数隔离、模型拓展2类.通过对比相关工作的创新点,对各类方法的优缺点进行总结.其次,对国内外研究现状进行分析.最后,针对持续学习与其他领域相结合的未来发展方向进行展望.

关键词：深度学习知识迁移持续学习灾难性遗忘序列任务

来源：评论

学校读者我要写书评

暂无评论

基于异构并行环境的大型稀疏线性方程组求解的任务映射算法

引用

电子学报 1999年第8期27卷 102-104页

作者：舒继武赵金熙张德富周维四南京大学计算机软件新技术国家重点实验室南京大学计算机科学与技术系胜利油田地质科学研究院

本文基于异构并行环境，针对大型稀疏形线性方程组的并行求解，给出了求解方程组的静态任务映射，提出了合理的任务映射费用函数，并运用模拟退火算法寻找最佳任务映射，从而将一类不均匀任务合理地映射到异构并行环境中高效地并行求解。

关键词：大型任务映射稀疏线性方程组算法解

来源：评论

学校读者我要写书评

暂无评论

主观试题的计算机自动批改技术研究

引用

计算机应用研究 2004年第2期21卷 181-185页

作者：高思丹袁春风南京大学计算机软件新技术国家重点实验室江苏南京210093 南京大学多媒体技术研究所江苏南京210093

作为网络教学系统的关键技术之一,主观题的自动化批改技术日益受到关注。介绍了近年来国内外开发的具有代表性、性能突出的主观题自动批改系统,包括PEG,LSA,ATM,AutoMark等。

关键词：网络教学自动批改自然语言理解

来源：评论

学校读者我要写书评

暂无评论

角色建模语言及其工具的实现

引用

计算机科学 2001年第11期28卷 115-119页

作者：沈剑波潘金贵南京大学软件新技术国家重点实验室南京210093 南京大学多媒体计算机研究所南京210093

1.引言角色建模(Role Modeling,简作RM)是一种基于角色抽象的面向对象建模方法,角色抽象不同于通常建模机制(如OMT、Booch方法等)所支持的类抽象,它用一个角色刻画一个特定的对象,角色具有可标识性和封装性;角色模型包含了一系列角色的... 详细信息

1.引言角色建模(Role Modeling,简作RM)是一种基于角色抽象的面向对象建模方法,角色抽象不同于通常建模机制(如OMT、Booch方法等)所支持的类抽象,它用一个角色刻画一个特定的对象,角色具有可标识性和封装性;角色模型包含了一系列角色的集合,角色模型刻画对象交互作用的主题、对象间的关系、对象协作时向协作者传送的消息以及模型信息的处理过程.

关键词：角色建模语言面向对象软件开发 UML工具

来源：评论

学校读者我要写书评

暂无评论

分形图像编码中的特征差值分类法

引用

计算机研究与发展 2001年第7期38卷 870-875页

作者：陈毅松金翔宇孙正兴张福炎南京大学多媒体计算机技术研究所南京210093 南京大学软件新技术国家重点实验室南京210093

基于分形的图像编码方法具有高压缩比、分辨率无关性、快速解码等优越性质 .编码时间过长是分形图像压缩的主要缺点之一 ,对定义域和值域的分类匹配搜索能够有效地加速编码过程 ,是解决上述问题的重要手段之一 .在简单介绍当前常用的分... 详细信息

基于分形的图像编码方法具有高压缩比、分辨率无关性、快速解码等优越性质 .编码时间过长是分形图像压缩的主要缺点之一 ,对定义域和值域的分类匹配搜索能够有效地加速编码过程 ,是解决上述问题的重要手段之一 .在简单介绍当前常用的分类算法的基础上 ,基于分形编码的收缩特性提出一种特征差值分类算法 ,该方法原理简单 ,实现方便 ,灵活性强 ,能够和多种其它算法相结合 ,有效地排除不符合收缩特性的“伪匹配”,快速找到最优的匹配 ,节约编码时间。

关键词：分形图像编码分类算法特征差值迭代函数

来源：评论

学校读者我要写书评

暂无评论

基于混沌蜂群算法的高耸结构振动信号小波阈值去噪方法研究

引用

建筑结构学报 2016年第S1期37卷 467-474页

作者：张迅李决龙邢建春王平杨启亮解放军理工大学国防工程学院江苏南京210007 海军海防工程研究中心北京100841 南京大学计算机软件新技术国家重点实验室江苏南京210093

为了有效去除实测振动信号中的噪声,改进了一种基于Kent混沌人工蜂群(KCABC)算法的振动信号小波阈值去噪方法。该算法采用Kent混沌映射初始化蜂群,引入锦标赛选择机制选择食物源,并结合混沌策略搜索最优解。基于广义交叉验证(GCV)阈值... 详细信息

为了有效去除实测振动信号中的噪声,改进了一种基于Kent混沌人工蜂群(KCABC)算法的振动信号小波阈值去噪方法。该算法采用Kent混沌映射初始化蜂群,引入锦标赛选择机制选择食物源,并结合混沌策略搜索最优解。基于广义交叉验证(GCV)阈值构造了目标函数,采用改进的KCABC算法搜索最优阈值,实现了不基于噪声先验知识的振动信号阈值去噪。通过对广州新电视塔4组实测振动信号的处理,比较了改进的KCABC算法与粒子群优化(PSO)算法、标准蜂群(SABC)算法以及Logistic混沌蜂群(LCABC)算法的去噪性能。结果表明:提出的KCABC算法具有较快的收敛速度和较高的搜索精度,能够有效去除高耸结构振动信号中的噪声部分。

关键词：高耸结构振动信号小波阈值去噪人工蜂群算法 Kent混沌

来源：评论

学校读者我要写书评

暂无评论

基于Internet的DOL教材信息发现和收集Agent

引用

南京大学学报（自然科学版） 1999年第1期35卷 74-81页

作者：周文辉张灵玲李俊韩耀伟潘金贵三枝武男坂上修二奥山明南京大学计算机软件新技术国家重点实验室南京大学多媒体计算机研究所日本北海道信息大学日本电子开发学院

介绍一个基于多Ａｇｅｎｔ（ｍｕｌｔｉ－ａｇｅｎｔ）体系结构的信息检索系统：ＤＯＬＴＲＩ－Ａｇｅｎｔ．ＤＯＬＴＲＩ－Ａｇｅｎｔ用于从Ｉｎｔｅｒｎｅｔ上发现和收集用于远程开放教学（ＤｉｓｔａｎｃｅａｎｄＯｐｅｎＬｅａｒｎ... 详细信息

介绍一个基于多Ａｇｅｎｔ（ｍｕｌｔｉ－ａｇｅｎｔ）体系结构的信息检索系统：ＤＯＬＴＲＩ－Ａｇｅｎｔ．ＤＯＬＴＲＩ－Ａｇｅｎｔ用于从Ｉｎｔｅｒｎｅｔ上发现和收集用于远程开放教学（ＤｉｓｔａｎｃｅａｎｄＯｐｅｎＬｅａｒｎｉｎｇ，简称ＤＯＬ）中进行教材设计的教材信息．ＤＯＬＴＲＩ－Ａｇｅｎｔ根据用户需要和任务模型主动、智能和协作地搜索Ｉｎｔｅｒｎｅｔ上的各种信息资源（如数据库，ＷＷＷ服务器等），对搜集到的教材信息归类存储，实时地更新本地教材信息库以与外部信息源保持动态一致．它还接收Ｉｎｔｅｒｎｅｔ信息空间中其他教材信息搜集Ａｇｅｎｔ和其他类型Ａｇｅｎｔ的服务请求，开放地与其他Ａｇｅｎｔ进行互操作。

关键词：远程开放教学搜集 Agent Internet 教材信息

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：