检索结果-内蒙古大学图书馆

吉林大学学报（信息科学版） 2024年第1期42卷 51-58页

作者：欧阳继红曹竞月王腾吉林大学计算机科学与技术学院长春130012 吉林大学教育部符号计算与知识工程重点实验室长春130012

为提高Copula变分推理(CVI:Copula Variational Inference)的近似性能,提出了一种Copula层次化变分推理方法(CHVI:Copula Hierarchical Variational Inference)。该方法的主要思想是将CVI方法中的Copula函数与层次化变分模型(HVM:Hierarchical Variational Model)特殊的层次变分结构相结合,使HVM的变分先验服从CVI方法中的Copula函数。CHVI不但继承了CVI中的Copula函数较强的捕获变量相关性的能力,而且还继承了HVM的变分先验结构能获取模型隐变量依赖关系的优势,使CHVI可以更好地捕获隐变量之间的相关性,提高近似精度。利用基于经典的高斯混合模型验证CHVI方法,在合成数据集和实际应用数据集上的实验结果表明,CHVI方法的近似精度相较于CVI有较大提升。

关键词：变分推理 Copula函数层次化相关性

来源：评论

学校读者我要写书评

暂无评论

融合引力搜索的双延迟深度确定策略梯度方法

引用

软件学报 2023年第11期34卷 5191-5204页

作者：徐平安刘全郝少璞张立华苏州大学计算机科学与技术学院江苏苏州215006 软件新技术与产业化协同创新中心(南京) 江苏南京210093 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

近年来,深度强化学习在复杂控制任务中取得了令人瞩目的效果,然而由于超参数的高敏感性和收敛性难以保证等原因,严重影响了其对现实问题的适用性.元启发式算法作为一类模拟自然界客观规律的黑盒优化方法,虽然能够有效避免超参数的敏感性... 详细信息

近年来,深度强化学习在复杂控制任务中取得了令人瞩目的效果,然而由于超参数的高敏感性和收敛性难以保证等原因,严重影响了其对现实问题的适用性.元启发式算法作为一类模拟自然界客观规律的黑盒优化方法,虽然能够有效避免超参数的敏感性,但仍存在无法适应待优化参数量规模巨大和样本使用效率低等问题.针对以上问题,提出融合引力搜索的双延迟深度确定策略梯度方法(twin delayed deep deterministic policy gradient based on gravitational search algorithm,GSA-TD3).该方法融合两类算法的优势:一是凭借梯度优化的方式更新策略,获得更高的样本效率和更快的学习速度;二是将基于万有引力定律的种群更新方法引入到策略搜索过程中,使其具有更强的探索性和更好的稳定性.将GSA-TD3应用于一系列复杂控制任务中,实验表明,与前沿的同类深度强化学习方法相比,GSA-TD3在性能上具有显著的优势.

关键词：深度强化学习元启发式算法引力搜索确定策略梯度策略搜索

来源：评论

学校读者我要写书评

暂无评论

深度神经架构搜索综述

引用

计算机研究与发展 2021年第1期58卷 22-33页

作者：孟子尧谷雪梁艳春许东吴春国符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 符号计算与知识工程教育部重点实验室珠海分实验室(吉林大学珠海学院) 广东珠海519041 密苏里大学哥伦比亚分校电子工程与计算机科学系美国密苏里州哥伦比亚MO65211

深度学习在图像、语音、文本等多种模态的数据任务上取得了优异的效果.然而,针对特定任务,人工设计网络需要花费大量的时间,并且需要设计者具有一定水平的专业知识和设计经验.面对如今日趋复杂的网络架构,仅依靠人工进行设计变得越来越... 详细信息

深度学习在图像、语音、文本等多种模态的数据任务上取得了优异的效果.然而,针对特定任务,人工设计网络需要花费大量的时间,并且需要设计者具有一定水平的专业知识和设计经验.面对如今日趋复杂的网络架构,仅依靠人工进行设计变得越来越复杂.基于此,借助算法自动地对神经网络进行架构的搜索成为了研究热点.神经架构搜索的方法涉及3个方面:搜索空间、搜索策略、性能评估策略.通过搜索策略在搜索空间中选择一个网络架构,借助性能评估策略对该网络架构进行评估,并将结果反馈给搜索策略指导搜索策略选择更好的网络架构,通过不断迭代得到最优的网络架构.为了更好地为读者提供一个快速了解神经网络架构搜索方法的导航地图,从搜索空间、搜索策略和性能评估策略3个方面对现有典型的神经架构搜索方法进行了梳理,总结讨论了近年来常见的架构搜索方法,并分析了各种方法的优势和不足.

关键词：深度学习神经架构搜索搜索空间搜索策略性能评估

来源：评论

学校读者我要写书评

暂无评论

逆向强化学习研究综述

引用

软件学报 2023年第10期34卷 4772-4803页

作者：张立华刘全黄志刚朱斐苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 软件新技术与产业化协同创新中心江苏南京210023

逆向强化学习(inverse reinforcement learning,IRL)也称为逆向最优控制(inverse optimal control,IOC),是强化学习和模仿学习领域的一种重要研究方法,该方法通过专家样本求解奖赏函数,并根据所得奖赏函数求解最优策略,以达到模仿专家... 详细信息

逆向强化学习(inverse reinforcement learning,IRL)也称为逆向最优控制(inverse optimal control,IOC),是强化学习和模仿学习领域的一种重要研究方法,该方法通过专家样本求解奖赏函数,并根据所得奖赏函数求解最优策略,以达到模仿专家策略的目的.近年来,逆向强化学习在模仿学习领域取得了丰富的研究成果,已广泛应用于汽车导航、路径推荐和机器人最优控制等问题中.首先介绍逆向强化学习理论基础,然后从奖赏函数构建方式出发,讨论分析基于线性奖赏函数和非线性奖赏函数的逆向强化学习算法,包括最大边际逆向强化学习算法、最大熵逆向强化学习算法、最大熵深度逆向强化学习算法和生成对抗模仿学习等.随后从逆向强化学习领域的前沿研究方向进行综述,比较和分析该领域代表性算法,包括状态动作信息不完全逆向强化学习、多智能体逆向强化学习、示范样本非最优逆向强化学习和指导逆向强化学习等.最后总结分析当前存在的关键问题,并从理论和应用方面探讨未来的发展方向.

关键词：逆向强化学习模仿学习生成对抗模仿学习逆向最优控制强化学习

来源：评论

学校读者我要写书评

暂无评论

多目标离散灰狼优化算法求解作业车间节能调度问题

引用

计算机集成制造系统 2021年第8期27卷 2295-2306页

作者：顾九春姜天华朱惠琦鲁东大学交通学院山东烟台264025 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解。根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模... 详细信息

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解。根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法。对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性。

关键词：作业车间节能调度双模式并行搜索多目标离散灰狼优化算法

来源：评论

学校读者我要写书评

暂无评论

基于轻量级卷积神经网络的小样本虹膜图像分割

引用

吉林大学学报（理学版） 2023年第3期61卷 583-591页

作者：霍光林大为刘元宁朱晓冬袁梦东北电力大学计算机学院吉林吉林132012 吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对复杂分割网络在小样本虹膜数据集上无法收敛的问题,提出一个基于轻量级卷积神经网络的虹膜分割模型.首先,该模型采用基于深度可分离卷积的特征提取模块提取虹膜图像特征,可在保持分割精度的同时显著减少模型参数;其次,在编码器和解... 详细信息

针对复杂分割网络在小样本虹膜数据集上无法收敛的问题,提出一个基于轻量级卷积神经网络的虹膜分割模型.首先,该模型采用基于深度可分离卷积的特征提取模块提取虹膜图像特征,可在保持分割精度的同时显著减少模型参数;其次,在编码器和解码器之间引入一个高效的注意力机制模块,可有效获取丰富的上下文信息,并提高虹膜区域像素的可辨别性;最后,在虹膜数据库UBIRIS.V2上的实验结果表明,该方法不仅在小样本数据库上性能优势显著,且在大样本数据库上也具有较高的分割精度.

关键词：虹膜分割深度学习虹膜识别小样本轻量级注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于正向软标签的轻量级关系抽取

引用

吉林大学学报（理学版） 2023年第2期61卷 317-324页

作者：宋函宇欧阳丹彤叶育鑫吉林大学计算机科学与技术学院长春130012 一汽-大众汽车有限公司长春130011 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题... 详细信息

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题,使用教师助手知识蒸馏模式;其次,使用标签的余弦相似度筛选出正向软标签,在每步蒸馏中都动态赋予正向软标签更高的权重,以此削弱知识传递中错误标签导致的影响.在数据集SemEval-2010 Task 8上的实验结果表明,该模型不仅能完成轻量化关系抽取任务,还能提升抽取精度.

关键词：轻量级关系抽取知识筛选正向软标签知识蒸馏余弦相似度

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱嵌入的多跳中文知识问答方法

引用

吉林大学学报（理学版） 2022年第1期60卷 119-126页

作者：张天杭李婷婷张永刚吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

基于知识图谱嵌入模型,提出一种知识图谱嵌入评分与链路评分相结合的评分方法,以解决中文领域的多跳知识图谱问答任务,与传统的单跳知识问答方法相比适用性更广.该方法在搜索最优答案的同时构建一个查询链路,通过查询给出答案集合,从而... 详细信息

基于知识图谱嵌入模型,提出一种知识图谱嵌入评分与链路评分相结合的评分方法,以解决中文领域的多跳知识图谱问答任务,与传统的单跳知识问答方法相比适用性更广.该方法在搜索最优答案的同时构建一个查询链路,通过查询给出答案集合,从而有效缓解了现有方法中遗漏答案的情况.在NLPCC-MH数据集上的实验结果表明,该方法在多跳问题上的平均F_(1)值为0.653,显著优于对比方法.真实知识图谱通常存在链路缺失的情况,实验以随机丢弃25%三元组的方式模拟了知识图谱的稀疏性,结果表明该方法在这种情况下仍然有效.

关键词：知识图谱智能问答知识图谱嵌入链路预测

来源：评论

学校读者我要写书评

暂无评论

基于多方向局部二值模式与稳定特征的虹膜识别

引用

吉林大学学报（工学版） 2021年第2期51卷 650-658页

作者：朱晓冬张齐贤刘元宁吴迪吴祖慷王超群李昕龙吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为... 详细信息

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的稳定特征图像。然后基于局部二进制模式,提出多方向局部二值模式提取特征向量,该方法不仅能描述虹膜图像的整体空间信息,而且还能降低特征图像的维度。最后用Hamming距离进行虹膜识别。对CASIA、JLU-6.0等虹膜库进行了识别和评价,实验结果表明:该方法不仅可以保证稳定特征的有效性,而且能有效提取局部纹理特征,具有更高的识别率和鲁棒性。

关键词：局部纹理虹膜识别局部二进制模式鲁棒性

来源：评论

学校读者我要写书评

暂无评论

故障响应指导下基于测试集的故障诊断方法

引用

吉林大学学报（工学版） 2021年第3期51卷 1017-1025页

作者：欧阳丹彤刘扬刘杰吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单... 详细信息

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单故障集合的概念。针对ADD方法中需对电路的所有单故障求解F_(same)的问题,给出仅对候选单故障集合求解F_(same)的方法。该方法一方面避免了对所有单故障都进行对比并求解F_(same)的问题,提高了诊断求解效率;另一方面有效删除了F_(same)中包含的冗余候选诊断解,提高了候选诊断解的分辨率;此外,还增加了候选故障集中所包含的真实诊断解的数量,提高了候选诊断解的准确率。实验结果表明,与ADD方法相比,ALFDD方法候选诊断分辨率和准确率明显提高,求解效率也有较大提高。

关键词：计算机应用模型故障故障诊断候选单故障集合诊断准确性诊断分辨率

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：