检索结果-内蒙古大学图书馆

计算机工程与设计 2024年第7期45卷 2195-2202页

作者：王园淋欧阳勇高榕刘锦行叶志伟湖北工业大学计算机学院湖北武汉430068 南京大学计算机软件新技术国家重点实验室江苏南京210023

针对大多数学业预警方法忽略了学生社交行为对于学业的影响,且存在数据不平衡问题和长尾分布问题,提出一种基于虚拟节点策略的自监督对比学业预警模型(SCEW)。通过图神经网络对学生成绩、学生社交行为进行融合得到联合图嵌入;利用虚拟... 详细信息

针对大多数学业预警方法忽略了学生社交行为对于学业的影响,且存在数据不平衡问题和长尾分布问题,提出一种基于虚拟节点策略的自监督对比学业预警模型(SCEW)。通过图神经网络对学生成绩、学生社交行为进行融合得到联合图嵌入;利用虚拟节点策略缓解数据不平衡问题的影响;基于自更新策略,采用节点级对比学习将自监督学习集成到网络的训练中,缓解长尾分布问题的影响。在真实数据集上的实验结果表明,SCEW模型的性能优于现有的主流方法。

关键词：学业预警学生行为虚拟节点数据不平衡长尾分布对比学习自监督学习

来源：评论

学校读者我要写书评

暂无评论

TCS:一种用于跨语言文本标签预测的“老师-课程-学生”学习框架

引用

计算机学报 2022年第9期45卷 1983-1996页

作者：浦通黄书剑张洋铭周祥生屠要峰戴新宇陈家骏计算机软件新技术国家重点实验室(南京大学) 南京210023 鹏城实验室广东深圳518054 中兴通讯股份有限公司南京210012

跨语言迁移旨在借助源语言的标注样本学习目标语言上的相应任务,是解决目标语言标记数据不足的重要途径.近期表现出色的方法多基于自训练,通过逐步自动标记无标注样本实现知识的迁移.然而自训练存在不准确监督的问题,即当前模型(称为老... 详细信息

跨语言迁移旨在借助源语言的标注样本学习目标语言上的相应任务,是解决目标语言标记数据不足的重要途径.近期表现出色的方法多基于自训练,通过逐步自动标记无标注样本实现知识的迁移.然而自训练存在不准确监督的问题,即当前模型(称为老师模型)对目标语言无标注样本的错误预测会误导后续模型(称为学生模型)的学习.跨语言迁移中,源语言和目标语言样本之间存在的分布差异加重了这个问题.本文提出一种名为“老师-课程-学生”(TCS)的学习框架,综合使用三项技术解决自训练中的不准确监督的问题,包括软目标训练技术、渐进式样本选择技术、“从可信到可疑”的课程学习技术等.在跨语言文本分类和跨语言命名实体识别基准数据集上的实验表明,TCS取得的平均结果在自训练的基础上分别提高了2.51%和3.25%,并分别比现有最佳结果高1.51%和4.45%.消融实验表明,TCS使用的三项技术都能有效提升最终模型的性能,其中课程学习技术和“从可信到可疑”的课程顺序是取得出色结果的关键.相关代码和实验配置可以在https://***/ericput/TCS获取.

关键词：跨语言迁移自训练课程学习文本分类命名实体识别

来源：评论

学校读者我要写书评

暂无评论

使用多分类器的分布式模型重用技术

引用

计算机科学与探索 2022年第10期16卷 2310-2319页

作者：李新春詹德川南京大学计算机科学与技术系南京210023 南京大学人工智能学院南京210023 南京大学计算机软件新技术国家重点实验室南京210023

传统的机器学习经常采用数据中心化的方式进行训练,然而由于实际应用中的传输开销或者隐私保护限制,数据越来越呈现分散化、隔离化的趋势。分布式训练学习技术为分散在信息孤岛上的数据融合提供了一种解决方案。然而,由于分散化数据本... 详细信息

传统的机器学习经常采用数据中心化的方式进行训练,然而由于实际应用中的传输开销或者隐私保护限制,数据越来越呈现分散化、隔离化的趋势。分布式训练学习技术为分散在信息孤岛上的数据融合提供了一种解决方案。然而,由于分散化数据本身具有天然异质性,本地数据分布经常是非独立同分布的(Non-IID),这给分布式训练带来了挑战。首先,为了应对单一模型难以适配所有异质客户端的难题,在分布式训练的基础上引入了模型重用技术,提出了分布式模型重用框架(DMR)。然后,通过理论分析指出集成学习可以为异构数据提供有效的解决方案,并在此基础之上提出了使用多分类器的分布式模型重用技术(McDMR)。最后,为了减少实际应用过程中的存储、计算和传输开销,继而提出了两种具体的优化方案:使用多头分类器的分布式模型重用(McDMR-MH)和使用随机分类器采样的分布式模型重用(McDMR-SC)。在多个公开数据集上进行实验,实验结果验证了所提方法的有效性。

关键词：学件模型重用多分类器分布式学习集成效率隐私保护

来源：评论

学校读者我要写书评

暂无评论

匿名通信与暗网综合治理

引用

计算机科学与探索 2022年第11期16卷 2430-2455页

作者：兰浩良李馥娟王群印杰徐杰洪磊薛益时夏明辉江苏警官学院计算机信息与网络安全系南京210031 计算机软件新技术国家重点实验室(南京大学) 南京210031

匿名通信所具有的节点发现难、服务定位难、通信关系确认难以及用户监控难等特点使得架构在其之上的暗网中充斥着各种匿名滥用的违法犯罪活动。为此,学术界围绕匿名通信与暗网开展了系列有针对性的研究。相应地,在系统介绍匿名通信发展... 详细信息

匿名通信所具有的节点发现难、服务定位难、通信关系确认难以及用户监控难等特点使得架构在其之上的暗网中充斥着各种匿名滥用的违法犯罪活动。为此,学术界围绕匿名通信与暗网开展了系列有针对性的研究。相应地,在系统介绍匿名通信发展史、匿名机制和典型系统的基础上,重点结合匿名通信关键技术、匿名度量、匿名攻击、匿名增强、匿名通信性能评估与改善以及暗网空间综合治理等对该领域的相关研究进行梳理、总结和归纳。与此同时,聚焦并分析未来匿名通信研究的发展趋势以及暗网空间综合治理所面临的挑战与对策。

关键词：匿名通信暗网匿名性匿名攻击与增强暗网空间综合治理

来源：评论

学校读者我要写书评

暂无评论

包含非数值型属性的交互式遗憾最小化查询

引用

小型微型计算机系统 2024年第3期45卷 513-520页

作者：王美静郑吉平南京航空航天大学计算机科学与技术学院南京211106 南京大学计算机软件新技术国家重点实验室南京210093

近年来,遗憾最小化查询作为多准则决策的重要工具之一,逐渐成为数据查询的研究热点.遗憾最小化查询中,通过与用户进行交互,不断地学习用户的偏好,可以有效帮助降低查询的遗憾率.然而,已有的研究仅针对具有数值型属性的数据定义遗憾率并... 详细信息

近年来,遗憾最小化查询作为多准则决策的重要工具之一,逐渐成为数据查询的研究热点.遗憾最小化查询中,通过与用户进行交互,不断地学习用户的偏好,可以有效帮助降低查询的遗憾率.然而,已有的研究仅针对具有数值型属性的数据定义遗憾率并据此进行遗憾最小化查询,当面对包含非数值型属性的数据时,这些方法不再适用.本文提出的遗憾率定义针对包含非数值型属性的数据,并给出新的交互式遗憾最小化查询问题的定义.在此基础上,采用“支配”的概念提出用于预处理的skyline删减算法,利用偏好矩阵帮助学习用户偏好,并提出用于解决交互式遗憾最小化的算法MECR_QS.最后,实验结果表明MECR_QS算法能有效处理包含非数值型属性的交互式遗憾最小化查询.

关键词：遗憾最小化查询交互非数值型属性 skyline筛选

来源：评论

学校读者我要写书评

暂无评论

一种面向机器视觉感知的暗光图像增强网络

引用

计算机应用研究 2024年第6期41卷 1910-1915页

作者：冯欣王思平张智先焦晓宁薛明龙重庆理工大学计算机科学与工程学院重庆400054 南京大学计算机软件新技术国家重点实验室南京210046

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合... 详细信息

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合,构建了端到端的增强检测框架MVP-YOLO。MVP-Net采用了逆映射网络技术,将常规RGB图像转换为伪RAW图像特征空间,并提出了伪ISP增强网络DOISP进行图像增强。MVP-Net旨在发挥RAW图像在目标检测中的潜在优势,同时克服其在直接应用时所面临的限制。模型在多个真实场景暗光数据上取得了优于先前工作效果并且能够适应多种不同架构的检测器。其端到端检测框mAP(50%)指标达到了78.3%,比YOLO检测器提高了1.85%。

关键词：低光图像增强机器视觉 RAW图像 ISP处理

来源：评论

学校读者我要写书评

暂无评论

面向参数化动作空间的多智能体中心化策略梯度分解及其应用

引用

软件学报 2025年第2期36卷 590-607页

作者：田树聪谢愈张远龙周正春高阳西南交通大学信息科学与技术学院四川成都611756 国防科技大学智能科学学院湖南长沙410073 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

近年来,多智能体强化学习方法凭借AlphaStar、AlphaDogFight、AlphaMosaic等成功案例展示出卓越的决策能力以及广泛的应用前景.在真实环境的多智能体决策系统中,其任务的决策空间往往是同时具有离散型动作变量和连续型动作变量的参数化... 详细信息

近年来,多智能体强化学习方法凭借AlphaStar、AlphaDogFight、AlphaMosaic等成功案例展示出卓越的决策能力以及广泛的应用前景.在真实环境的多智能体决策系统中,其任务的决策空间往往是同时具有离散型动作变量和连续型动作变量的参数化动作空间.这类动作空间的复杂性结构使得传统单一针对离散型或连续型的多智能体强化学习算法不在适用,因此研究能用于参数化动作空间的多智能体强化学习算法具有重要的现实意义.提出一种面向参数化动作空间的多智能体中心化策略梯度分解算法,利用中心化策略梯度分解算法保证多智能体的有效协同,结合参数化深度确定性策略梯度算法中双头策略输出实现对参数化动作空间的有效耦合.通过在Hybrid Predator-Prey场景中不同参数设置下的实验结果表明该算法在经典的多智能体参数化动作空间协作任务上具有良好的性能.此外,在多巡航导弹协同突防场景中进行算法效能验证,实验结果表明该算法在多巡航导弹突防这类具有高动态、行为复杂化的协同任务中有效性和可行性.

关键词：参数化动作空间多智能体强化学习中心化策略梯度分解多巡航导弹突防

来源：评论

学校读者我要写书评

暂无评论

无监督行人重识别研究综述

引用

计算机工程 2024年

作者：田青王斌周子枭南京信息工程大学软件学院南京信息工程大学无锡研究院南京大学计算机软件新技术国家重点实验室

从多个不同的摄像机中检索出一个特定的行人是行人重识别的主要任务。随着深度神经网络的发展和智能视频监控需求的增加，行人重识别逐渐受到研究人员的关注。现有的行人重识别方法大多利用带有标签的数据集进行有监督训练，但该方式数... 详细信息

从多个不同的摄像机中检索出一个特定的行人是行人重识别的主要任务。随着深度神经网络的发展和智能视频监控需求的增加，行人重识别逐渐受到研究人员的关注。现有的行人重识别方法大多利用带有标签的数据集进行有监督训练，但该方式数据标注成本高昂，使得有监督行人重识别难以扩展到大型的未标记数据集场景。而无监督行人重识别可以有效地改善行人重识别模型的扩展问题，更符合现实场景的应用，并逐渐成为研究热点。尽管已有行人重识别相关的综述研究工作被提出，但它们主要关注有监督场景下的分类和应用。为此，本文对现有的无监督行人重识别研究工作进行系统地归纳、分析和总结，以便为该领域研究人员提供研究参考。本文首先全面回顾无监督场景的行人重识别方法，根据模型训练是否使用源域监督信息，将无监督行人重识别研究划分为基于无监督域适应的方式和基于完全无监督的方式，并对这两类方法进行分析和总结。然后，介绍和归纳性总结行人重识别研究相关的经典数据集，并展示和讨论不同行人重识别方法在这些数据集上的性能和优劣。最后，指出当前无监督行人重识别研究所面临的问题，并提出未来发展方向。

关键词：行人重识别深度神经网络智能视频监控无监督域适应完全无监督

来源：评论

学校读者我要写书评

暂无评论

基于全局图扩散和时空感知的解缠绕会话推荐方法

引用

计算机应用研究 2023年第11期40卷 3294-3302页

作者：高榕周浩邵雄凯吴歆韵湖北工业大学计算机学院武汉430068 南京大学计算机软件新技术国家重点实验室南京210093

针对会话推荐中存在的推荐性能不足的问题,提出了一种采用全局图扩散和时空感知的解缠绕图神经网络模型(GDST-GNN)。具体来说,该模型首先基于所有会话从全局视角下构建全局协同图,然后采用图扩散作为项目的全局表示学习的消息传播范式,... 详细信息

针对会话推荐中存在的推荐性能不足的问题,提出了一种采用全局图扩散和时空感知的解缠绕图神经网络模型(GDST-GNN)。具体来说,该模型首先基于所有会话从全局视角下构建全局协同图,然后采用图扩散作为项目的全局表示学习的消息传播范式,以捕获超越当前会话外的全局信息。对于当前会话的表示学习,设计了一种解缠绕时空门控网络建模会话中项目的复杂转换模式和时序依赖模式,然后将学习到的全局表征和局部表征逐因素融合。此外,还采用了一个自监督任务实现模型的性能增强。最后,通过注意力网络生成会话表示,实现了项目的准确推荐。在四个真实世界中的数据集进行广泛的实验验证了所提出模型的有效性。

关键词：推荐系统深度学习图神经网络时序模式用户意图

来源：评论

学校读者我要写书评

暂无评论

基于Fastformer和自监督对比学习的实例分割算法

引用

计算机应用 2023年第4期43卷 1062-1070页

作者：高榕沈加伟邵雄凯吴歆韵湖北工业大学计算机学院武汉430068 计算机软件新技术国家重点实验室(南京大学) 南京210023

针对现有的实例分割算法对有遮挡以及模糊实例检测精度低、掩码较粗糙以及泛化能力弱的问题,提出一种基于Fastformer和自监督对比学习的实例分割算法。首先,在特征提取网络之后加入基于加性注意力的Fastformer模块,并对每一层特征图中... 详细信息

针对现有的实例分割算法对有遮挡以及模糊实例检测精度低、掩码较粗糙以及泛化能力弱的问题,提出一种基于Fastformer和自监督对比学习的实例分割算法。首先,在特征提取网络之后加入基于加性注意力的Fastformer模块,并对每一层特征图中的像素点之间的相互关系进行深入建模,以提高算法对特征图全局信息的提取能力;其次,受自监督学习启发,加入自监督对比学习模块对图像中的实例进行自监督对比学习,以提高算法对图像的理解能力,从而改善在噪声干扰较多的环境下的分割效果。在Cityscapes和COCO2017数据集上的实验结果表明,相较于近期经典的实例分割算法SOLOv2(Segmenting Objects by LOcations v2),所提算法的平均精度均值(mAP)分别提高了3.1和2.5个百分点,并在实时性和精度之间达到较好的平衡,在比较复杂的场景实例分割中具有较好的鲁棒性。

关键词：实例分割特征提取 Fastformer 加性注意力自监督对比学习

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：