检索结果-内蒙古大学图书馆

模式识别与人工智能 2025年第2期38卷 132-142页

作者：刘媛媛邵明文张黎旭邵浚中国石油大学(华东)计算机科学与技术学院青岛266580

语义信息可为小样本学习提供丰富的先验知识,然而,现有的小样本研究只在浅层结合图像与语义,无法充分利用语义探索类别特征,从而限制模型性能.为了缓解此问题,文中提出基于语义的小样本学习原型优化方法.首先,设计逐通道级语义提示模块... 详细信息

语义信息可为小样本学习提供丰富的先验知识,然而,现有的小样本研究只在浅层结合图像与语义,无法充分利用语义探索类别特征,从而限制模型性能.为了缓解此问题,文中提出基于语义的小样本学习原型优化方法.首先,设计逐通道级语义提示模块,引导方法提取视觉特征,逐步优化类原型.然后,设计多模态边界损失,将视觉和语义维度上的类间相关性与损失函数结合,约束方法增强类原型的区分性.最后,通过两阶段微调,充分利用语义知识优化类原型,提高分类准确率.在4个基准数据集上的实验表明文中方法性能较优.

关键词：小样本学习原型优化语义知识多模态小样本学习提示学习

来源：评论

学校读者我要写书评

暂无评论

基于因果特征学习的有权同构图分类算法

引用

吉林大学学报(工学版) 2025年第2期55卷 681-686页

作者：车翔玖武宇宁刘全乐吉林大学计算机科学与技术学院

针对现有神经网络方法对心梗患者Killip分级预测精度不足的问题，提出了一种能够学习因果特征的有权同构图分类算法。使用差异化的学习目标来分离图表示中的因果相关特征和非因果相关特征，再使用因果推理中的后门调整方法，减小了非因... 详细信息

针对现有神经网络方法对心梗患者Killip分级预测精度不足的问题，提出了一种能够学习因果特征的有权同构图分类算法。使用差异化的学习目标来分离图表示中的因果相关特征和非因果相关特征，再使用因果推理中的后门调整方法，减小了非因果特征对分类结果的混淆影响。实验结果表明：在心梗患者Killip分级预测任务中，本文方法的平均准确度达到了80.52%，相比于非图神经网络方法提高了3.72%，而相比于未学习因果特征的图神经网络方法提高了0.72%，本文方法可以更好地完成心梗患者Killip分级预测的任务。

关键词：计算机应用技术图神经网络因果分析 Killip分级

来源：评论

学校读者我要写书评

暂无评论

大规模脉冲神经网络动态加载仿真方法

引用

系统仿真学报 2025年第2期37卷 541-550页

作者：沈嘉玮才大业杨国青吕攀李红浙江大学计算机科学与技术学院浙江杭州310013

针对大规模脉冲神经网络仿真时存在GPU内存需求高的问题,提出一种针对大规模脉冲神经网络的动态加载仿真方法。通过子网络粒度的数据移动,利用主机内存作为更大的内存池,减少GPU显存对于模型仿真规模的限制,实现在单GPU的计算机进行大... 详细信息

针对大规模脉冲神经网络仿真时存在GPU内存需求高的问题,提出一种针对大规模脉冲神经网络的动态加载仿真方法。通过子网络粒度的数据移动,利用主机内存作为更大的内存池,减少GPU显存对于模型仿真规模的限制,实现在单GPU的计算机进行大规模脉冲神经网络仿真,并使用流水线加速技术减少数据移动对仿真速度的影响。最终实现了在单机GPU的实验环境下仿真百万级别神经元规模的仿真,解决了在脉冲神经网络仿真过程中内存不足的问题。

关键词：类脑计算脉冲神经网络神经元突触仿真

来源：评论

学校读者我要写书评

暂无评论

文档级神经机器翻译综述

引用

软件学报 2025年第1期36卷 152-183页

作者：吕星林李军辉陶仕敏杨浩张民苏州大学计算机科学与技术学院江苏苏州215006 华为翻译中心北京100080

机器翻译(machine translation,MT)研究旨在构建一个自动转换系统,将给定源语言序列自动地转换为具有相同语义的目标语言序列.由于机器翻译广阔的应用场景,使其成为自然语言理解领域乃至人工智能领域的一个重要的研究方向.近年来,端到... 详细信息

机器翻译(machine translation,MT)研究旨在构建一个自动转换系统,将给定源语言序列自动地转换为具有相同语义的目标语言序列.由于机器翻译广阔的应用场景,使其成为自然语言理解领域乃至人工智能领域的一个重要的研究方向.近年来,端到端的神经机器翻译(neural machine translation,NMT)方法显著超越了统计机器翻译(statistical machine translation,SMT)方法,成为目前机器翻译研究的主流方法.然而,神经机器翻译系统通常以句子为翻译单位,在面向文档的翻译场景中,将文档中每个句子独立地进行翻译,会因脱离文档的篇章语境引起一些篇章级的错误,如词语错翻、句子间不连贯等.因此将文档级的信息融入到翻译的过程中去解决跨句的篇章级错误是更加自然和合理的做法,文档级的神经机器翻译(document-level neural machine translation,DNMT)的目标正是如此,成为机器翻译研究的热门方向.调研了近年来在文档级神经机器翻译研究方向的主要工作,从篇章评测方法、使用的数据集和模型方法等方面系统地对当前研究工作进行了归纳与阐述,目的是帮助研究者们快速了解文档级神经机器翻译研究现状以及未来的发展和研究方向.同时在文中也阐述了在文档级神经机器翻译的一些展望、困难和挑战,希望能带给研究者们一些启发.

关键词：神经机器翻译 Transformer模型文档上下文篇章评测

来源：评论

学校读者我要写书评

暂无评论

基于原型增强的元学习分类模型

引用

计算机工程与应用 2025年第6期61卷 273-281页

作者：翟文茜李凡长苏州大学计算机科学与技术学院江苏苏州215006

元学习旨在利用已有的知识经验快速获取新知识、适应新任务,是解决小样本分类问题常用的方法之一。现有的元学习方法在特征提取时通常会忽略任务中支持集样本和查询集样本之间的关系,从而无法获得最具鉴别性的特征,导致类原型不可靠。因... 详细信息

元学习旨在利用已有的知识经验快速获取新知识、适应新任务,是解决小样本分类问题常用的方法之一。现有的元学习方法在特征提取时通常会忽略任务中支持集样本和查询集样本之间的关系,从而无法获得最具鉴别性的特征,导致类原型不可靠。因此,提出一种基于原型增强的元学习分类模型。该模型主要由两部分组成:特征表示模块与原型修正模块。针对现有方法特征利用不足的问题,特征表示模块利用注意力机制捕捉支持集和查询集样本间的交互信息并更新其特征表示;而针对数据稀缺问题,原型修正模块利用部分查询集的无标签样本扩充支持集,进而对原型位置进行迭代修正。在mini-ImageNet和tiered-ImageNet数据集上的实验结果表明,该模型的分类准确率与其他元学习方法相比有较为显著的提升。

关键词：原型增强元学习小样本学习图像分类

来源：评论

学校读者我要写书评

暂无评论

抢占AI话语权：DeepSeek的技术优势、战略布局与未来生态图景

引用

新疆师范大学学报(哲学社会科学版) 2025年第4期 109-125页

作者：段玉聪海南大学计算机科学与技术学院

文本以全球AI话语权争夺为背景，探讨了中国初创公司Deep Seek在大规模语言模型领域中的技术突破与战略布局。一是解析Deep Seek在算法架构上的创新优势——包括混合专家（Mo E）架构、多头潜在注意力（MLA）机制以及基于DIKWP理念的知... 详细信息

文本以全球AI话语权争夺为背景，探讨了中国初创公司Deep Seek在大规模语言模型领域中的技术突破与战略布局。一是解析Deep Seek在算法架构上的创新优势——包括混合专家（Mo E）架构、多头潜在注意力（MLA）机制以及基于DIKWP理念的知识蒸馏与模型压缩技术，这些技术使其在性能与成本控制上具有显著竞争力；二是论述Deep Seek如何通过开源模式构建开放生态，与产业伙伴和标准制定机构广泛合作，进而在全球AI竞争中打破西方闭源模型的垄断；三是讨论国际标准化组织对AI能力评测的影响以及各国监管与合规挑战，通过对比分析Open AI、Anthropic和Google DeepMind，展望未来AI生态图景及市场竞争态势。文本认为，Deep Seek凭借“技术+生态”双重优势，有望引领开源大模型发展，重塑全球AI话语权格局，推动AI技术向更加开放、透明和普惠的方向演进。

关键词： DeepSeek AI话语权开源大模型算法创新生态构建监管合规 OpenAI

来源：评论

学校读者我要写书评

暂无评论

一种线性迁移元学习算法的研究

引用

计算机工程与应用 2025年第5期61卷 177-186页

作者：王佳恬李凡长苏州大学计算机科学与技术学院江苏苏州215000

元学习被认为是一种重要的解决小样本学习任务的工作,但其使用的浅层神经网络具有局限性,最近的工作表明深度神经网络模型虽然具有强大的特征提取能力,但存在一定程度的过度拟合问题,无法快速适应样本稀缺的新任务。为了更好地适应新任... 详细信息

元学习被认为是一种重要的解决小样本学习任务的工作,但其使用的浅层神经网络具有局限性,最近的工作表明深度神经网络模型虽然具有强大的特征提取能力,但存在一定程度的过度拟合问题,无法快速适应样本稀缺的新任务。为了更好地适应新任务,提出了一种线性迁移的元学习方法,通过对深度神经网络进行大量任务的训练,将其线性迁移到小样本场景中,来缓解过度拟合的问题,并且获得快速适应新任务的能力;随后再通过引入课程学习的分段批操作来进一步提高模型的鲁棒性。实验结果证明该方法在四种小样本数据集Mini-ImageNet、Fewshot-CIFAR100、TieredImageNet和Omniglot上取得了良好的分类效果。

关键词：小样本学习元学习迁移学习深度神经网络课程学习

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8n的表格线检测改进模型

引用

计算机工程与应用 2025年第2期61卷 112-123页

作者：韦超钱春雨黄启鹏杜林轩杨哲苏州大学计算机科学与技术学院江苏苏州215006

在表格识别重构任务中,分割和合并的重构方法需要通过检测表格线进而重构出电子表格,因此表格线检测结果的质量直接决定了表格重构的效果。针对已有方法存在误检漏检的问题,提出一种YOLOv8n改进模型,用于表格线检测。在主干网络中,利用S... 详细信息

在表格识别重构任务中,分割和合并的重构方法需要通过检测表格线进而重构出电子表格,因此表格线检测结果的质量直接决定了表格重构的效果。针对已有方法存在误检漏检的问题,提出一种YOLOv8n改进模型,用于表格线检测。在主干网络中,利用Swin Transformer的思想改进BottleneckCSP模块,可以捕捉到更长距离的上下文信息,提升对于大尺度表格线的识别能力;针对表格线细长密集的特点,引入蛇形动态卷积的思想改进C2f(CSPLayer_2Conv)模块,根据特征之间的空间关系自适应地调整卷积核的形状和位置,从而更好地捕获特征之间的相关性和局部细节,进而提高特征建模能力;通过CBAM(convolutional block attention module)注意力机制改造空间金字塔池化层,动态地调整特征图中每个通道和空间位置的重要性,从而增强特征图的区分能力;优化颈部结构,引入混洗卷积来改造颈部结构。实验结果表明,改进后的YOLOv8n模型在ICDAR_2013和PubTabNet数据集上,m AP@0.5:0.95、准确率、召回率分别提升了0.079、0.301、0.088,性能超过YOLO同系列模型。这些改进使得YOLOv8n模型在表格线检测任务中展现出了优异的性能,通过与合并方法结合,可以进一步提升表格重构的效果。

关键词：表格线 YOLOv8n 注意力机制动态蛇形卷积 Transformer 轻量化

来源：评论

学校读者我要写书评

暂无评论

体型感知的音乐驱动舞蹈动作风格化生成

引用

计算机辅助设计与图形学学报 2025年

作者：李晨光温玉辉景宇宸汪意张亚宇周正忠刘永进景丽萍北京交通大学计算机科学与技术学院清华大学计算机科学与技术系

高质量舞蹈动作自动生成在电影和动画制作等产业需求广泛. 然而已有方法生成的动作往往难以适应不同虚拟角色的骨骼比例和几何外形，且无法对舞蹈动作风格进行灵活控制. 为解决上述问题，提出体型感知的音乐驱动舞蹈动作风格化生成方... 详细信息

高质量舞蹈动作自动生成在电影和动画制作等产业需求广泛. 然而已有方法生成的动作往往难以适应不同虚拟角色的骨骼比例和几何外形，且无法对舞蹈动作风格进行灵活控制. 为解决上述问题，提出体型感知的音乐驱动舞蹈动作风格化生成方法. 首先基于体型感知的运动重定向方法建立包含不同骨骼比例和几何外形的虚拟角色舞蹈动作数据集DanceDB++; 此外，提出体型感知的音乐驱动舞蹈动作生成扩散模型，利用交叉注意力机制将音乐特征与虚拟角色体型参数融合作为扩散模型的控制条件，并引入考虑骨骼比例的辅助损失项; 同时，引入语义风格引导模块，从文本或示例动作中提取风格表示并通过自适应实例归一化层将其注入扩散模型，以实现对生成动作风格的控制. 在DanceDB++上的定量实验结果表明，所提方法在足部物理接触得分等评估指标上的表现优于对比的舞蹈动作生成方法; 在定性实验中，展示了一系列文本描述或示例动作控制舞蹈动作风格的生成结果，表明所提方法在生成舞蹈动作时能够实现有效的风格化引导. 文中提出的数据集和基于计图框架的模型代码将会开源.

关键词：舞蹈生成扩散模型体型感知

来源：评论

学校读者我要写书评

暂无评论

基于跨模态级联扩散模型的图像描述方法

引用

浙江大学学报(工学版) 2025年第4期59卷 787-794页

作者：陈巧红郭孟浩方贤孙麒浙江理工大学计算机科学与技术学院

现有文本扩散模型方法无法有效根据语义条件控制扩散过程，扩散模型训练过程的收敛较为困难，为此提出基于跨模态级联扩散模型的非自回归图像描述方法.引入跨模态语义对齐模块用于对齐视觉模态和文本模态之间的语义关系，将对齐后的语... 详细信息

现有文本扩散模型方法无法有效根据语义条件控制扩散过程，扩散模型训练过程的收敛较为困难，为此提出基于跨模态级联扩散模型的非自回归图像描述方法.引入跨模态语义对齐模块用于对齐视觉模态和文本模态之间的语义关系，将对齐后的语义特征向量作为后续扩散模型的语义条件.通过设计级联式的扩散模型逐步引入丰富的语义信息，确保生成的图像描述贴近整体语境.增强文本扩散过程中的噪声计划以提升模型对文本信息的敏感性，充分训练模型以增强模型的整体性能.实验结果表明，所提方法能够生成比传统图像描述生成方法更准确和丰富的文本描述.所提方法在各项评价指标上均明显优于其他非自回归文本生成方法，展现了在图像描述任务中使用扩散模型的有效性和潜力.

关键词：深度学习图像描述扩散模型多模态编码器级联结构

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：