检索结果-内蒙古大学图书馆

数据分析与知识发现 2021年第3期5卷 78-87页

作者：冯勇刘洋徐红艳王嵘冰张永刚辽宁大学信息学院沈阳110036 吉林大学符号计算与知识工程教育部重点实验室长春130012

【目的】改进矩阵分解算法,融合近邻评论缓解评论稀疏,提高推荐准确性。【方法】应用多层感知机改进矩阵分解算法以得到用户和商品的深层非线性特征;处理评论集并深度融合近邻特征与用户特征,表征更符合用户偏好的特征;基于所得特征预... 详细信息

【目的】改进矩阵分解算法,融合近邻评论缓解评论稀疏,提高推荐准确性。【方法】应用多层感知机改进矩阵分解算法以得到用户和商品的深层非线性特征;处理评论集并深度融合近邻特征与用户特征,表征更符合用户偏好的特征;基于所得特征预测评分进行推荐。【结果】在亚马逊数据集上与其他深度模型进行对比实验,在准确率、召回率、归一化折损累计增益指标上最多可提升8.3%、22.8%、14.9%。【局限】未考虑用户给出评论的时间因素,并且忽略可能存在虚假评论的情况。【结论】改进的矩阵分解算法和融合近邻评论的方法可以有效提升推荐的准确性。

关键词：推荐模型评分评论稀疏性深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多核CPU的表约束并行传播模式研究

引用

软件学报 2021年第9期32卷 2769-2782页

作者：陈佳楠李哲李占山吉林大学软件学院吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012 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

并行传播是并行约束程序领域中的一个研究方向,其研究内容是如何并行执行在约束上的过滤算法.根据维持表约束网络广义弧相容(generalized arc consistency,简称GAC)的串行传播模式,提出了维持表约束网络临时广义弧相容(temporary genera... 详细信息

并行传播是并行约束程序领域中的一个研究方向,其研究内容是如何并行执行在约束上的过滤算法.根据维持表约束网络广义弧相容(generalized arc consistency,简称GAC)的串行传播模式,提出了维持表约束网络临时广义弧相容(temporary generalized arc consistency,简称TGAC)的并行传播模式,该模式基于多核CPU,由并行传播算法和并行过滤算法两部分组成;之后,给出了并行传播模式的可靠性证明,而且通过对并行传播模式的最坏时间复杂度分析,可以认为并行传播模式在平均过滤时间较长的实例上要快于串行传播模式;最终的实验结果也验证了上述结论,并行传播模式在多数实例集上取得了从1.4-3.4不等的加速比.

关键词：约束满足问题并行传播广义弧相容表约束简单表缩减

来源：评论

学校读者我要写书评

暂无评论

一种协同过滤式零次学习方法

引用

软件学报 2021年第9期32卷 2801-2815页

作者：杨博张钰雪晴彭羿达张春旭黄晶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 吉林大学计算机科学与技术学院吉林长春130012 吉林大学软件学院吉林长春130012

深度学习算法在很多有监督学习任务上达到了令人满意的结果,但其依赖于大量标注样本,并且使用特定类别训练的分类器,只能对这些类别进行分类.零次学习希望计算机像人类一样,能够结合历史经验与知识进行推理,无需使用大量新类别样本训练... 详细信息

深度学习算法在很多有监督学习任务上达到了令人满意的结果,但其依赖于大量标注样本,并且使用特定类别训练的分类器,只能对这些类别进行分类.零次学习希望计算机像人类一样,能够结合历史经验与知识进行推理,无需使用大量新类别样本训练,便可达到识别新类别的效果.发现了零次学习任务存在“冷启动”以及矩阵稀疏两个特点,这些特点在推荐任务中同样存在.受推荐任务启发,将零次图像分类任务建模为矩阵填充问题,借鉴推荐领域中协同过滤算法,将稀疏的样本标签矩阵视为非稀疏的视觉特征矩阵和类别特征矩阵的内积结果,进而实现对新类别样本的分类预测.此外,构建了基于类间语义关联的语义图结构,使用图神经网络进行已知类别和新类别之间的知识迁移,以较小代价为类别学得准确的语义特征.在3个经典零次学习数据集上分别进行传统零次学习和广义零次学习实验,实验结果表明:提出的协同过滤式零次学习方法能够有效提升分类精度,且训练代价较小.

关键词：零次学习协同过滤矩阵填充图神经网络

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

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

一种两阶段的遥感图像全色锐化方法

引用

吉林大学学报(理学版) 2025年第3期63卷 776-782页

作者：鄂樱楠樊笛李永丽董立岩吉林大学计算机科学与技术学院长春130012 中国人民解放军31693部队76分队哈尔滨150000 东北师范大学信息科学与技术学院长春130117 吉林大学符号计算与知识工程教育部重点实验室长春130012

首先,针对传统单阶段遥感图像融合任务需要大量监督样本,图像特征信息保留效果不好的问题,提出一种两阶段的遥感图像全色锐化方法.该方法通过将任务分解为特征融合和超分辨率两个任务实现遥感图像的融合,一阶段生成对抗网络特征融合,二... 详细信息

首先,针对传统单阶段遥感图像融合任务需要大量监督样本,图像特征信息保留效果不好的问题,提出一种两阶段的遥感图像全色锐化方法.该方法通过将任务分解为特征融合和超分辨率两个任务实现遥感图像的融合,一阶段生成对抗网络特征融合,二阶段超分辨率网络生成更清晰的空间特征,达到高质量遥感图像融合的目的.其次,使用卫星数据集GaoFen-2和WorldView-3进行多组实验验证该方法的有效性,分别用有参照图像质量指标和无参照图像质量指标评价融合结果.实验结果表明,该方法相较于传统方法能更好地保留光谱特征信息和空间特征细节,有效提高了融合后图像的视觉效果.

关键词：遥感图像融合全色锐化生成对抗网络超分辨率

来源：评论

学校读者我要写书评

暂无评论

基于查询树的双向分段防碰撞算法

引用

吉林大学学报（工学版） 2021年第5期51卷 1830-1837页

作者：赵宏伟张子健李蛟张媛胡黄水臧雪柏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 吉林大学图书馆长春130012 长春工业大学计算机科学与工程学院长春130012

针对射频识别系统中由多标签碰撞导致系统效率低的问题,提出了一种基于查询树算法的防碰撞算法,意在减少系统能量损耗以及提高通信效率。该方法将标签分两组并将ID分段,使两组标签分别响应查询命令中的前缀和后缀,且根据查询命令中的状... 详细信息

针对射频识别系统中由多标签碰撞导致系统效率低的问题,提出了一种基于查询树算法的防碰撞算法,意在减少系统能量损耗以及提高通信效率。该方法将标签分两组并将ID分段,使两组标签分别响应查询命令中的前缀和后缀,且根据查询命令中的状态码,只传输查询段的部分ID序列。与传统的查询树算法比较,该算法显著减少了对识别过程无用的比特信息的传输,消除了空闲时隙,同时提高了系统吞吐率。理论分析和仿真结果表明:本文算法优于现有的查询树防碰撞算法,有助于设计高效的RFID识别系统。

关键词：计算机应用技术射频识别防碰撞双向预识别

来源：评论

学校读者我要写书评

暂无评论

FFConvNeXt3D:提取中大规模目标特征的大卷积核网络

引用

郑州大学学报（理学版） 2025年第2期57卷 37-43页

作者：黄乾坤黄蔚凌兴宏苏州大学计算机科学与技术学院江苏苏州215006 苏州大学东吴学院计算机系江苏苏州215006 苏州城市学院计算科学与人工智能学院江苏苏州215104 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

目前大卷积核模型在图像领域已经证明其有效性,但是在视频领域还没有优秀的3D大卷积核模型。此外,之前的工作中忽视了时空行为检测任务主体是人的特点,其中的骨干网络只针对通用目标提取特征。针对上述原因,提出了一种含有特征融合结构... 详细信息

目前大卷积核模型在图像领域已经证明其有效性,但是在视频领域还没有优秀的3D大卷积核模型。此外,之前的工作中忽视了时空行为检测任务主体是人的特点,其中的骨干网络只针对通用目标提取特征。针对上述原因,提出了一种含有特征融合结构的3D大卷积核神经网络(FFConvNeXt3D)。首先,将成熟的ConvNeXt网络膨胀成用于视频领域的ConvNeXt3D网络,其中,预训练权重也进行处理用于膨胀后的网络。其次,研究了卷积核时间维度大小和位置对模型性能的影响。最后,提出了一个特征融合结构,着重提高骨干网络提取人物大小目标特征的能力。在UCF101-24数据集上进行了消融实验和对比实验,实验结果验证了特征融合结构的有效性,并且该模型性能优于其他方法。

关键词：大卷积核目标检测时空行为检测行为识别特征融合

来源：评论

学校读者我要写书评

暂无评论

多重语义融合的关系分类模型

引用

吉林大学学报（信息科学版） 2023年第1期41卷 50-56页

作者：贾晨晓欧阳丹彤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

在利用常识知识图谱构造出文本自身语义之外的语境语义及基于知识图谱的预训练模型获取语境语义特征的基础上,针对文本语义特征、语境语义特征和标记实体语义特征,建立多重语义融合机制,实现关系分类模型MSF-RC(Relation Classification... 详细信息

在利用常识知识图谱构造出文本自身语义之外的语境语义及基于知识图谱的预训练模型获取语境语义特征的基础上,针对文本语义特征、语境语义特征和标记实体语义特征,建立多重语义融合机制,实现关系分类模型MSF-RC(Relation Classification Model based on Multiple Semantic Fusion)。该模型在SemEval-2010 task 8和TARCED两个不同数据集上进行了测试,试验结果表明,语境信息的引入有助于加强标记实体对语义的理解,多重语义的层级融合可以进一步提升关系分类模型的性能。

关键词：关系分类 BERT模型知识图谱特征融合语义融合

来源：评论

学校读者我要写书评

暂无评论

基于改进的ResNeSt驾驶员头部状态分类算法

引用

吉林大学学报（工学版） 2021年第2期51卷 704-711页

作者：许骞艺秦贵和孙铭会孟诚训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 吉林航盛电子有限公司吉林省吉林市132013

为快速准确地在驾驶行程中获取驾驶员头部状态以识别驾驶员状态,提出了基于改进的ResNeSt分类算法,使用Yolov4作为检测驾驶员头部的算法获取头部图像;同时,针对数据集类不平衡的问题,通过使用PULSE方法将对焦失败的图像还原,将数据补充... 详细信息

为快速准确地在驾驶行程中获取驾驶员头部状态以识别驾驶员状态,提出了基于改进的ResNeSt分类算法,使用Yolov4作为检测驾驶员头部的算法获取头部图像;同时,针对数据集类不平衡的问题,通过使用PULSE方法将对焦失败的图像还原,将数据补充完整;最终,实验结果达到80.51%的分类准确率,表明本文算法具有一定有效性和准确性。

关键词：计算机应用技术驾驶员头部姿态检测图像分类 ResNeSt

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：