检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2022年第8期52卷 1872-1880页

作者：白天徐明蔚刘思铭张佶安王喆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 吉林大学法学院长春130012

争议焦点是诉辩双方存在争议的焦点问题,是驱动案件审理、纠纷解决的主线和枢纽。准确快速地归纳争议焦点有利于提高庭审质量和效率,达到支撑“智慧司法”建设的效果。本文提出了一个端到端的模型来解决这个问题,模型基于深度神经网络... 详细信息

争议焦点是诉辩双方存在争议的焦点问题,是驱动案件审理、纠纷解决的主线和枢纽。准确快速地归纳争议焦点有利于提高庭审质量和效率,达到支撑“智慧司法”建设的效果。本文提出了一个端到端的模型来解决这个问题,模型基于深度神经网络对诉辩双方文本语义信息进行深层理解,通过结合字词级与句子级信息,同时进行句子级的矛盾检测、分类与完整诉辩文本的矛盾分类,通过基于规则的方法将二者结果融合,最终识别出诉辩文本中存在的全部争议焦点。在8个真实诉辩文本数据集上的实验结果表明:本文模型可以快速准确地识别出诉辩双方存在的争议焦点,与此领域当前主流方法相比,在识别准确率上有较大提升,对诉辩文本争议焦点的智能化识别提出了一个有效的新路径。

关键词：计算机应用技术司法人工智能争议焦点裁判文书自然语言处理文本匹配

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征和注意力机制的轻量级虹膜分割模型

引用

吉林大学学报（工学版） 2023年第9期53卷 2591-2600页

作者：霍光林大为刘元宁朱晓冬袁梦盖迪东北电力大学计算机学院吉林省吉林市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 南昌大学软件学院南昌330047

针对基于深度学习的虹膜分割模型存在参数量大、计算量大、占用空间大的问题,提出了一种轻量级的虹膜分割模型。首先,将Linknet中特征提取网络替换为改进的轻量级网络MobileNetv3。这种设计在保持准确性的同时显著地提高了模型效率。其... 详细信息

针对基于深度学习的虹膜分割模型存在参数量大、计算量大、占用空间大的问题,提出了一种轻量级的虹膜分割模型。首先,将Linknet中特征提取网络替换为改进的轻量级网络MobileNetv3。这种设计在保持准确性的同时显著地提高了模型效率。其次,为了减少虹膜特征信息丢失,设计了一个多尺度特征提取模块。再次,引入了通道注意力机制,抑制无关噪声,加大虹膜区域的权重。最后,在3个虹膜数据库上将本文模型与其他虹膜分割模型进行比较,结果表明,本文模型在虹膜分割准确率和效率之间取得了更好的平衡。

关键词：计算机应用虹膜分割深度学习轻量级网络注意力机制多尺度特征

来源：评论

学校读者我要写书评

暂无评论

基于移位窗口自注意力机制的新生儿脑区域图像分割

引用

吉林大学学报（理学版） 2024年第5期62卷 1129-1137页

作者：张啸成王涛田昕张永刚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 吉林大学第二医院长春130062 吉林大学计算机科学与技术学院长春130012

通过改进Swin Transformer编码解码网络,结合跳跃连接和深度监督机制,针对新生儿脑部核磁共振成像(MRI)图像分割面临的低信噪比、组织对比度差等问题,提出一种新的基于移位窗口自注意力机制的新生儿脑区域图像分割方法.该方法经过对MRI... 详细信息

通过改进Swin Transformer编码解码网络,结合跳跃连接和深度监督机制,针对新生儿脑部核磁共振成像(MRI)图像分割面临的低信噪比、组织对比度差等问题,提出一种新的基于移位窗口自注意力机制的新生儿脑区域图像分割方法.该方法经过对MRI图像的预处理后,能实现新生儿脑部图像多功能区域的精确分割,并采用最大连通域算法进一步提高了分割精度.在数据集dHCP上的实验结果表明,该方法优于现有方法,为早期发现和干预新生儿脑部损伤提供了潜在的可能性.

关键词：脑部图像区域分割 Swin Transformer编码解码网络新生儿MRI 自注意力移位窗口

来源：评论

学校读者我要写书评

暂无评论

基于样本效率优化的深度强化学习方法综述

引用

软件学报 2022年第11期33卷 4217-4238页

作者：张峻伟吕帅张正昊于佳玉龚晓宇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

深度强化学习将深度学习的表示能力和强化学习的决策能力结合,因在复杂控制任务中效果显著而掀起研究热潮.以是否用Bellman方程为基准,将无模型深度强化学习方法分为Q值函数方法和策略梯度方法,并从模型构建方式、优化历程和方法评估等... 详细信息

深度强化学习将深度学习的表示能力和强化学习的决策能力结合,因在复杂控制任务中效果显著而掀起研究热潮.以是否用Bellman方程为基准,将无模型深度强化学习方法分为Q值函数方法和策略梯度方法,并从模型构建方式、优化历程和方法评估等方面对两类方法分别进行了介绍.针对深度强化学习方法中样本效率低的问题进行讨论,根据两类方法的模型特性,说明了Q值函数方法过高估计问题和策略梯度方法采样无偏性约束分别是两类方法样本效率受限的主要原因.从增强探索效率和提高样本利用率两个角度,根据近年来的研究热点和趋势归纳出各类可行的优化方法,分析相关方法的优势和仍存在的问题,并对比其适用范围和优化效果.最后提出增强样本效率优化方法的通用性、探究两类方法间优化机制的迁移和提高理论完备性作为未来的研究方向.

关键词：深度强化学习 Q值函数方法策略梯度方法样本效率探索与利用

来源：评论

学校读者我要写书评

暂无评论

基于YOLOV3改进的虹膜定位算法

引用

东北大学学报（自然科学版） 2022年第4期43卷 496-500,508页

作者：于哲舟刘岩刘元宁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 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

针对传统虹膜定位算法定位不准确的问题,利用改进的YOLOV3虹膜定位模型对虹膜定位的准确率加以提高,使其更好应用于生产实践.使用Densenet-121模型作为特征提取模块,并在此基础上通过复制骨干网络得到辅助网络的方式使其更有利于检测小... 详细信息

针对传统虹膜定位算法定位不准确的问题,利用改进的YOLOV3虹膜定位模型对虹膜定位的准确率加以提高,使其更好应用于生产实践.使用Densenet-121模型作为特征提取模块,并在此基础上通过复制骨干网络得到辅助网络的方式使其更有利于检测小目标,用Non-local注意力机制增强图片获取特征语义信息.采用基于DarkNet-53的YOLOV3模型、Daugman模型及Wilde模型进行对比实验.实验结果表明:本文的实验模型在虹膜定位中的准确率高达97.1%,与其他虹膜定位模型相比具有明显优势.

关键词： YOLOV3 虹膜定位特征提取目标检测注意力机制

来源：评论

学校读者我要写书评

暂无评论

像素级卷积神经网络多聚焦图像融合算法

引用

吉林大学学报（工学版） 2022年第8期52卷 1857-1864页

作者：申铉京张雪峰王玉金玉波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 长春爱思博特信息科技有限公司长春130012

提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信... 详细信息

提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信息,解决了聚焦/散焦区域周围模糊程度估计的困难。此外,在图像融合领域,应用环形残差网络(RResNet)模块来提取更多聚焦区域的语义信息。同时,利用结构相似度(SSIM)估计生成的融合图像与参考图像之间的结构相似性以提高融合图像的质量,同时采用边缘保留损失函数来保留源图像中更多的梯度信息。实验结果表明:该方法在主观视觉效果和客观评价方面均优于其他融合算法。

关键词：多聚焦图像融合深度学习像素级回归卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多尺度感知和语义适配的医学图像分割算法

引用

吉林大学学报（工学版） 2022年第3期52卷 640-647页

作者：王雪李占山吕颖达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 吉林大学公共计算机教学与研究中心长春130012

针对医学图像中病灶区域的形状不规则、尺度变化大、强度不均匀和边界模糊等复杂特点导致医学图像分割精度下降的问题,本文提出了一种基于多尺度感知和语义适配的医学图像分割算法。通过多尺度上下文感知模块,从多个感受野学习目标区域... 详细信息

针对医学图像中病灶区域的形状不规则、尺度变化大、强度不均匀和边界模糊等复杂特点导致医学图像分割精度下降的问题,本文提出了一种基于多尺度感知和语义适配的医学图像分割算法。通过多尺度上下文感知模块,从多个感受野学习目标区域丰富的上下文信息,并根据目标区域大小动态分配不同尺度语义特征的权重,以提高特征学习的表征能力。通过多层语义适配模块聚合多级抽象语义特征和空间细节信息,细化目标区域的边界,同时减少编解码器间的特征差异。将本文算法在3个不同模态的公开医学图像数据集上进行定量和定性对比,实验结果表明,本文算法在多个医学图像复杂场景分割中均优于其他算法。

关键词：计算机应用医学图像分割多尺度上下文感知语义适配上下文信息

来源：评论

学校读者我要写书评

暂无评论

引入激活扩散的类分布关系近邻分类器

引用

吉林大学学报（理学版） 2024年第4期62卷 915-922页

作者：董飒欧阳若川徐海啸刘杰刘大有李婷婷王鑫禄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 吉林大学党委教师工作部长春130012 吉林大学国际教育学院长春130012

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同... 详细信息

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同质性,从而降低分类错误率.对比实验结果表明,该方法扩大了待分类节点的邻域,在网络数据上分类精度较好.

关键词：人工智能网络数据分类激活扩散类分布关系近邻分类器协作推理

来源：评论

学校读者我要写书评

暂无评论

面向用户需求的生成对抗网络多样性推荐方法

引用

小型微型计算机系统 2023年第6期44卷 1192-1197页

作者：冯勇刘洋王嵘冰徐红艳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

目前电商平台大多注重商品推荐的准确性而忽略了多样性,存在推荐结果高冗余、用户满意度低等问题.考虑用户需求从而实现多样性推荐可以提升商品购买率和用户满意度,为此本文提出了一种面向用户需求的生成对抗网络多样性推荐方法.该方法... 详细信息

目前电商平台大多注重商品推荐的准确性而忽略了多样性,存在推荐结果高冗余、用户满意度低等问题.考虑用户需求从而实现多样性推荐可以提升商品购买率和用户满意度,为此本文提出了一种面向用户需求的生成对抗网络多样性推荐方法.该方法由生成模型和判别模型组成,其中,生成模型由四层结构组成,结合用户需求生成多样性商品表示.判别模型判定生成商品是否为真实商品,反馈给生成模型.最后,计算各商品与多样性商品表示的相似度,产生推荐列表.对比实验表明本文所提方法切实能够提高商品推荐的多样性,而且能够带来准确性的提升.

关键词：个性化推荐多样性生成对抗网络商品属性用户需求

来源：评论

学校读者我要写书评

暂无评论

基于稠密连接的多形性腺瘤辅助诊断

引用

吉林大学学报（理学版） 2023年第5期61卷 1159-1168页

作者：董立岩张玥敏朱晓冬张小利赵博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

针对多形性腺瘤诊断完全依赖人工的问题,提出一种计算机辅助诊断方法.先通过采集数据并构建多形性腺瘤数据集,对当前稠密连接网络进行改进并融合通道注意力机制进行疾病组织分类特征提取,得到组织类别和概率,然后使用CART(classificatio... 详细信息

针对多形性腺瘤诊断完全依赖人工的问题,提出一种计算机辅助诊断方法.先通过采集数据并构建多形性腺瘤数据集,对当前稠密连接网络进行改进并融合通道注意力机制进行疾病组织分类特征提取,得到组织类别和概率,然后使用CART(classification and regression tree)进行推理学习,得到诊断结果.对难判断的类别选择进行人工辅助,进而实现对多形性腺瘤疾病的计算机辅助工作.实验结果表明,该方法在分类识别模块分类提取准确率达97.7%,决策树推理诊断准确率达100%.此外,分类识别模块在血细胞分类领域的准确率达98.6%.该方法具有一定的迁移性和有效性.

关键词：计算机应用多形性腺瘤稠密连接注意力机制决策树

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：