检索结果-内蒙古大学图书馆

计算机学报 2021年第11期44卷 2248-2260页

作者：吴越王英王鑫徐正祥李丽娜吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 吉林大学软件学院长春130012 吉林大学人工智能学院长春130012 长春工程学院计算机技术与工程学院长春130012

近几年,图神经网络(Graph Neural Network)由于能够较好地提取网络结构信息以获得网络表示,逐渐成为网络节点分类的主流算法。然而,与广泛研究的同质信息网络相比,真实世界中网络往往是由不同类型的对象通过复杂关系相互连接所构成的异... 详细信息

近几年,图神经网络(Graph Neural Network)由于能够较好地提取网络结构信息以获得网络表示,逐渐成为网络节点分类的主流算法。然而,与广泛研究的同质信息网络相比,真实世界中网络往往是由不同类型的对象通过复杂关系相互连接所构成的异质信息网络。异质信息网络包含复杂的结构信息和丰富的语义信息,这也给网络节点分类提供了新的机遇与挑战。在异质信息网络中,网络模体(Motif)能够用于理解和探索复杂网络,其既能描述复杂的语义信息,又能保存网络中高阶近邻结构信息.因此,提出基于网络模体的异质超图卷积网络模型MHGCN(Motif-based HyperGraph Convolutional Network).首先,将重复出现的高阶网络模体建模为多个相关节点所构成的超边(hyperedge),进而将整个异质信息网络转换成由不同超边构成的超图,以克服同质网络中只能描述节点之间(pair-wise)关系的缺点;然后,利用超图的基本性质和谱理论设计超图上的卷积操作,同时引入超边自注意力机制聚合超图内部不同类型的节点,并通过在超图网络中加入自环解决在模型的前向传播过程中对异质信息网络覆盖不足的问题;最后,通过注意力机制对于不同语义的超图表示进行聚合,从而使最终的节点表示可以有效保持高阶近邻关系和复杂的语义信息.由于MHGCN是端到端的,最终模型直接学习得到节点的分类标签,并通过半监督节点分类任务进行验证,与其它方法相比,MHGCN在DBLP-P、DBLP-A数据集上比最好的基准方法micro-F1提高了0.56%~3.51%,macro-F1提高了0.54%~4.37%,验证了MHGCN模型的有效性.

关键词：异质信息网络网络模体超图网络表示学习节点分类

来源：评论

学校读者我要写书评

暂无评论

基于轨迹掩膜的在线多目标跟踪方法

引用

山东大学学报（工学版） 2023年第2期53卷 61-69页

作者：余明骏刁红军凌兴宏苏州大学计算机科学与技术学院江苏苏州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

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask,OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨... 详细信息

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask,OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨迹掩膜,设计轨迹掩膜网络对轨迹掩膜提取多维度特征,包含目标可见区域的估计值、大致位置及形状等信息;将该特征与基础骨干网络提取的原始图像特征融合后进行多目标检测跟踪。OMTMTM的目标跟踪器具备先验判断能力,可实现遮挡情况下的准确跟踪;OMTMTM利用目标跟踪轨迹的时空信息,恢复出部分漏检或低置信待检目标,使轨迹掩膜更加合理,有利于后续跟踪。对OMTMTM的性能进行多维度评估,并结合基线模型进行对比分析。试验结果表明,OMTMTM具有先进的多目标跟踪性能。

关键词：多目标跟踪目标检测轨迹掩膜视频流遮挡

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的语言模型研究进展

引用

软件学报 2021年第4期32卷 1082-1115页

作者：王乃钰叶育鑫刘露凤丽洲包铁彭涛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 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 Department of Computer Science University of Illinois at ChicagoChicago 60607USA

语言模型旨在对语言的内隐知识进行表示,作为自然语言处理的基本问题,一直广受关注.基于深度学习的语言模型是目前自然语言处理领域的研究热点,通过预训练-微调技术展现了内在强大的表示能力,并能够大幅提升下游任务性能.围绕语言模型... 详细信息

语言模型旨在对语言的内隐知识进行表示,作为自然语言处理的基本问题,一直广受关注.基于深度学习的语言模型是目前自然语言处理领域的研究热点,通过预训练-微调技术展现了内在强大的表示能力,并能够大幅提升下游任务性能.围绕语言模型基本原理和不同应用方向,以神经概率语言模型与预训练语言模型作为深度学习与自然语言处理结合的切入点,从语言模型的基本概念和理论出发,介绍了神经概率与预训练模型的应用情况和当前面临的挑战,对现有神经概率、预训练语言模型及方法进行了对比和分析.同时又从新型训练任务和改进网络结构两方面对预训练语言模型训练方法进行了详细阐述,并对目前预训练模型在规模压缩、知识融合、多模态和跨语言等研究方向进行了概述和评价.最后总结了语言模型在当前自然语言处理应用中的瓶颈,对未来可能的研究重点做出展望.

关键词：语言模型预训练深度学习自然语言处理神经语言模型

来源：评论

学校读者我要写书评

暂无评论

基于SDZ-LSTM的舆情事件网络趋势预测模型

引用

情报理论与实践 2021年第6期44卷 158-163页

作者：冯勇吕红旭徐红艳王嵘冰张永刚辽宁大学信息学院辽宁沈阳110036 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

[目的/意义]舆情趋势预测是信息安全领域的重点研究方向,网络舆情事件的早发现、早干预是对网络环境得以安全稳定的一种保障。但网络环境错综复杂,具有高突发性,现有研究多以线性预测为基础,对舆情突发事件预测效果欠佳。[方法/过程]为... 详细信息

[目的/意义]舆情趋势预测是信息安全领域的重点研究方向,网络舆情事件的早发现、早干预是对网络环境得以安全稳定的一种保障。但网络环境错综复杂,具有高突发性,现有研究多以线性预测为基础,对舆情突发事件预测效果欠佳。[方法/过程]为提升预测准确度,文章通过引入SDZ(Suprisal-Driven Zoneout)方法改进长短期记忆网络(Long-short Term Memory,LSTM)用固定概率更新神经元的不足,提出了基于SDZ-LSTM的舆情事件网络趋势预测模型。模型分为三个层次,首尾两个层次用LSTM网络来实现对舆情的精确预测,中间层SDZ-LSTM结构利用SDZ在LSTM原有结构基础上增加一个参数Zt,来对LSTM记忆单元Ct进行概率化的更新,该结构使模型在预测精度提高的同时,缩短了模型训练时长。[结果/结论]实验证明,文章所提模型在预测准确度和时效性上均优于当前基于神经网络的预测模型,有更好的舆情预测效果。

关键词：舆情预测长短期记忆网络趋势预测突发事件

来源：评论

学校读者我要写书评

暂无评论

采用分类经验回放的深度确定性策略梯度方法

引用

自动化学报 2022年第7期48卷 1816-1823页

作者：时圣苗刘全苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

深度确定性策略梯度(Deep deterministic policy gradient,DDPG)方法在连续控制任务中取得了良好的性能表现.为进一步提高深度确定性策略梯度方法中经验回放机制的效率,提出分类经验回放方法,并采用两种方式对经验样本分类:基于时序差... 详细信息

深度确定性策略梯度(Deep deterministic policy gradient,DDPG)方法在连续控制任务中取得了良好的性能表现.为进一步提高深度确定性策略梯度方法中经验回放机制的效率,提出分类经验回放方法,并采用两种方式对经验样本分类:基于时序差分误差样本分类的深度确定性策略梯度方法(DDPG with temporal difference-error classification,TDCDDPG)和基于立即奖赏样本分类的深度确定性策略梯度方法(DDPG with reward classification,RC-DDPG).在TDCDDPG和RC-DDPG方法中,分别使用两个经验缓冲池,对产生的经验样本按照重要性程度分类存储,网络模型训练时通过选取较多重要性程度高的样本加快模型学习.在连续控制任务中对分类经验回放方法进行测试,实验结果表明,与随机选取经验样本的深度确定性策略梯度方法相比,TDC-DDPG和RC-DDPG方法具有更好的性能.

关键词：连续控制任务深度确定性策略梯度经验回放分类经验回放

来源：评论

学校读者我要写书评

暂无评论

融合语言模型的端到端中文语音识别算法

引用

电子学报 2021年第11期49卷 2177-2185页

作者：吕坤儒吴春国梁艳春袁宇平任智敏周柚时小虎吉林大学计算机科学与技术学院吉林长春130012 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 珠海科技学院计算机学院广东珠海519041

为了解决语音识别模型在识别中文语音时鲁棒性差,缺少语言建模能力而无法有效区分同音字或近音字的不足,本文提出了融合语言模型的端到端中文语音识别算法.算法建立了一个基于深度全序列卷积神经网络和联结时序分类的从语音到拼音的语... 详细信息

为了解决语音识别模型在识别中文语音时鲁棒性差,缺少语言建模能力而无法有效区分同音字或近音字的不足,本文提出了融合语言模型的端到端中文语音识别算法.算法建立了一个基于深度全序列卷积神经网络和联结时序分类的从语音到拼音的语音识别声学模型,并借鉴Transformer的编码模型,构建了从拼音到汉字的语言模型,之后通过设计语音帧分解模型将声学模型的输出和语言模型的输入相连接,克服了语言模型误差梯度无法传递给声学模型的难点,实现了声学模型和语言模型的联合训练.为验证本文方法,在实际数据集上进行了测试.实验结果表明,语言模型的引入将算法的字错误率降低了21%,端到端的联合训练算法起到了关键作用,其对算法的影响达到了43%.和已有5种主流算法进行比较的结果表明本文方法的误差明显低于其他5种对比模型,与结果最好的Deep⁃Speech2模型相比字错误率降低了28%.

关键词：语音识别联结时序分类语言模型声学模型语音帧分解

来源：评论

学校读者我要写书评

暂无评论

面向异质变分超图自动编码器的超边链接预测模型

引用

计算机应用研究 2021年第5期38卷 1508-1513,1519页

作者：杨伟英王英吴越吉林大学软件学院长春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 吉林大学计算机学院长春130012

如何采用超边建模网络数据中的多元关联关系,实现潜在超边链接关系的预测具有重要的现实意义。现有方法主要集中于研究具有成对关系的网络数据,然而,直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性。因此,提出... 详细信息

如何采用超边建模网络数据中的多元关联关系,实现潜在超边链接关系的预测具有重要的现实意义。现有方法主要集中于研究具有成对关系的网络数据,然而,直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性。因此,提出基于异质变分超图自动编码器的超边链接预测模型(heterogeneous variational hypergraph autoencoder,HVGAE)。首先,利用超图卷积实现变分超图自动编码器,将超图网络数据转换成一种低维空间表示;其次,加入节点近邻度函数,最大程度地保留其结构信息,从而构建异质超图网络超边链接预测模型。针对三种不同类型的超图网络进行实验,结果表明相比其他的基准方法,HVGAE模型获得了较好的预测结果,说明其能够较好地解决超图网络中的超边链接预测问题。

关键词：异质信息网络变分图自动编码器表示学习链接预测超图

来源：评论

学校读者我要写书评

暂无评论

一种跨区域跨评分协同过滤推荐算法

引用

计算机研究与发展 2024年第12期61卷 3134-3153页

作者：于旭彭庆龙詹定佳杜军威刘金环林俊宇巩敦卫张子迎于婕青岛科技大学信息科学技术学院山东青岛266061 中国石油大学(华东)计算机科学与技术学院山东青岛266580 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 中国科学院信息工程研究所北京100093 中国矿业大学信息与控制工程学院江苏徐州221116 嘉应学院计算机学院广东梅州514011

传统跨评分协同过滤范式忽视了目标域中评分密度对用户和项目隐向量精度的影响,导致评分稀疏区域评分预测不够准确.为克服区域评分密度对评分预测的影响,基于迁移学习思想提出一种跨区域跨评分协同过滤推荐算法(cross-rating collaborat... 详细信息

传统跨评分协同过滤范式忽视了目标域中评分密度对用户和项目隐向量精度的影响,导致评分稀疏区域评分预测不够准确.为克服区域评分密度对评分预测的影响,基于迁移学习思想提出一种跨区域跨评分协同过滤推荐算法(cross-rating collaborative filtering recommendation algorithm,CRCRCF),相对于传统跨评分协同过滤范式,该算法不仅能有效挖掘辅助域重要知识,而且可以挖掘目标域中评分密集区域的重要知识,进一步提升目标域整体,尤其是评分稀疏区域的评分预测精度.首先,针对用户和项目,分别进行活跃用户和非活跃用户、热门项目和非热门项目的划分.利用图卷积矩阵补全算法提取目标域活跃用户和热门项目、辅助域中全体用户和项目的隐向量.其次,对活跃用户和热门项目分别构建基于自教学习的深度回归网络学习目标域和辅助域中隐向量的映射关系.然后,将映射关系泛化到全局,利用非活跃用户和非热门项目在辅助域上相对较准确的隐向量推导其目标域上的隐向量,依次实现了跨区域映射关系迁移和跨评分的隐向量信息迁移.最后,以求得的非活跃用户和非热门项目在目标域上的隐向量为约束,提出受限图卷积矩阵补全模型,并给出相应推荐结果.在MovieLens和Netflix数据集上的仿真实验显示CRCRCF算法较其他最先进算法具有明显优势.

关键词：协同过滤跨区域跨评分推荐图卷积矩阵补全自教学习深度回归网络受限图卷积矩阵补全

来源：评论

学校读者我要写书评

暂无评论

信号干扰下的超宽带精确定位问题研究

引用

吉林大学学报（信息科学版） 2024年第2期42卷 193-199页

作者：张爱琳刘辉王小海张秀伊邱正中吴春国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 远光软件股份有限公司技术部广东珠海519085

针对在室内应用超宽带UWB(Ultra Wide Band)定位技术时,需要建立高效精确的三维坐标定位系统以克服信号干扰问题,应用机器学习方法对其进行了研究。首先使用多种统计分析模型清理无效或误差测量值;然后将TOF(Time Of Flight)算法的先验... 详细信息

针对在室内应用超宽带UWB(Ultra Wide Band)定位技术时,需要建立高效精确的三维坐标定位系统以克服信号干扰问题,应用机器学习方法对其进行了研究。首先使用多种统计分析模型清理无效或误差测量值;然后将TOF(Time Of Flight)算法的先验知识与神经网络、XGBoost(eXterme Gradient Boosting)算法相结合,提出了神经XGB(Exterme Gradient Boosting)三维定位系统,该系统可通过“正常数据”和“异常数据”(受干扰)以及4个锚点的坐标精准预测靶点的坐标值,能使误差在二维平面降至5.08 cm,在三维空间降至8.03 cm;同时建立了判断数据是否受干扰的神经网络分类模型,精确率为0.88;最后通过结合上述系统,得到了连续且规律的运动轨迹,证明了系统的有效性与鲁棒性。

关键词： UWB精准定位神经网络 XGBoost算法逻辑回归

来源：评论

学校读者我要写书评

暂无评论

特征图自适应知识蒸馏模型

引用

吉林大学学报（理学版） 2022年第4期60卷 881-888页

作者：吴致远齐红姜宇崔楚朋杨宗敏薛欣慧吉林大学计算机科学与技术学院长春130012 中国科学院计算技术研究所北京100190 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对嵌入式和移动设备的计算和存储资源受限,紧凑型网络优化易收敛至较差局部最优解的问题,提出一个特征图自适应知识蒸馏模型,其由特征图适配器和特征图自适应知识蒸馏策略构成.首先,特征图适配器通过异构卷积与视觉特征表达模块的堆... 详细信息

针对嵌入式和移动设备的计算和存储资源受限,紧凑型网络优化易收敛至较差局部最优解的问题,提出一个特征图自适应知识蒸馏模型,其由特征图适配器和特征图自适应知识蒸馏策略构成.首先,特征图适配器通过异构卷积与视觉特征表达模块的堆叠实现特征图尺寸匹配、教师学生网络特征同步变换及自适应语义信息匹配.其次,特征图自适应知识蒸馏策略将适配器嵌入教师网络对其进行重构,并在训练过程中实现适合用于学生网络隐藏层监督特征的自适应搜索;利用适配器前部输出提示学生网络前部训练,实现教师到学生网络的知识迁移,并在学习率约束条件下进一步优化.最后,在图像分类任务数据集cifar-10上进行实验验证,结果表明,特征图自适应知识蒸馏模型分类正确率提高0.6%,推断损失降低6.5%,并将收敛至78.2%正确率的时间减少至未迁移时的5.6%.

关键词：人工智能知识蒸馏特征图自适应模型迁移图像分类

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：