检索结果-内蒙古大学图书馆

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

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

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

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

外部信息引导和残差置乱的场景图生成方法

引用

计算机科学与探索 2021年第10期15卷 1958-1968页

作者：田鑫季怡高海燕林欣刘纯平苏州大学计算机科学与技术学院江苏苏州215006 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012

场景图因其具有的表示视觉场景内容的语义和组织结构的特点,有助于视觉理解和可解释推理,成为计算机视觉研究热点之一。但由于现存的视觉场景中目标和目标之间关系标注的不平衡,导致现有的场景图生成方法受到数据集偏置影响。对场景图... 详细信息

场景图因其具有的表示视觉场景内容的语义和组织结构的特点,有助于视觉理解和可解释推理,成为计算机视觉研究热点之一。但由于现存的视觉场景中目标和目标之间关系标注的不平衡,导致现有的场景图生成方法受到数据集偏置影响。对场景图数据失衡问题进行研究,提出一种基于外部信息引导和残差置乱相结合的场景图生成方法(EGRES),缓解数据集偏置对场景图生成的负面影响。该方法利用外部知识库中无偏置的常识性知识规范场景图的语义空间,缓解数据集中关系数据分布不平衡的问题,以提高场景图生成的泛化能力;利用残差置乱方式对视觉特征和提取的常识性知识进行融合,规范场景图生成网络。在VG数据集上的对比实验和消融实验证明,提出的方法可以有效改善场景图生成。对于数据集中不同标签的对比实验证明,提出的方法可以改善绝大多数关系类别的生成性能,尤其是中低频关系类别下的场景图生成性能,极大地改善了数据标注失衡的问题,比现有的场景图生成方法具有更好的生成效果。

关键词：数据集偏置残差置乱外部知识库场景图生成

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

面向隐私保护联邦学习的医学影像目标检测算法

引用

计算机辅助设计与图形学学报 2021年第10期33卷 1553-1562页

作者：王生生路淑贞曹斌吉林大学符号计算与知识工程教育部重点实验室长春130000 吉林大学计算机科学与技术学院长春130000 河北工业大学人工智能与数据科学学院天津300401

联邦学习技术是一种新型多机构协同训练模型范式,广泛应用于多领域,其中模型参数隐私保护是一个关键问题.针对CT影像综合性病灶检测任务,提出隐私保护的联邦学习算法.首先部署松散耦合的客户端-服务器架构;其次在各客户端使用改进的Reti... 详细信息

联邦学习技术是一种新型多机构协同训练模型范式,广泛应用于多领域,其中模型参数隐私保护是一个关键问题.针对CT影像综合性病灶检测任务,提出隐私保护的联邦学习算法.首先部署松散耦合的客户端-服务器架构;其次在各客户端使用改进的RetinaNet检测器,引入上下文卷积和后向注意力机制;最后完成联邦训练.各客户端使用局部更新策略,采用自适应训练周期,局部目标函数中加入了限制项;服务器使用自适应梯度裁剪策略和高斯噪声差分隐私算法更新全局模型参数.在DeepLesion数据集上的消融分析说明了算法各部分的重要性.实验结果表明,改进的RetinaNet检测器有效地提升了多尺度病灶的检测精度.与集中数据训练模型范式相比,联邦学习所得模型性能略低(mAP分别为75.33%和72.80%),但训练用时缩短近38%,有效地实现了隐私保护、通信效率和模型性能的良好权衡.

关键词：联邦学习差分隐私保护 RetinaNet检测器病灶检测

来源：评论

学校读者我要写书评

暂无评论

基于超图卷积的异质网络半监督节点分类

引用

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

基于相似度约束的双策略蒸馏深度强化学习方法

引用

计算机科学 2023年第1期50卷 253-261页

作者：徐平安刘全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京210000 吉林大学符号计算与知识工程教育部重点实验室长春130012 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

策略蒸馏是一种将知识从一个策略转移到另一个策略的方法,在具有挑战性的强化学习任务中获得了巨大的成功。典型的策略蒸馏方法采用的是师生策略模型,即知识从拥有优秀经验数据的教师策略迁移到学生策略。获得一个教师策略需要耗费大量... 详细信息

策略蒸馏是一种将知识从一个策略转移到另一个策略的方法,在具有挑战性的强化学习任务中获得了巨大的成功。典型的策略蒸馏方法采用的是师生策略模型,即知识从拥有优秀经验数据的教师策略迁移到学生策略。获得一个教师策略需要耗费大量的计算资源,因此双策略蒸馏框架(Dual Policy Distillation,DPD)被提出,其不再依赖于教师策略,而是维护两个学生策略互相进行知识迁移。然而,若其中一个学生策略无法通过自我学习超越另一个学生策略,或者两个学生策略在蒸馏后趋于一致,则结合DPD的深度强化学习算法会退化为单一策略的梯度优化方法。针对上述问题,给出了学生策略之间相似度的概念,并提出了基于相似度约束的双策略蒸馏框架(Similarity Constrained Dual Policy Distillation,SCDPD)。该框架在知识迁移的过程中,动态地调整两个学生策略间的相似度,从理论上证明了其能够有效提升学生策略的探索性以及算法的稳定性。实验结果表明,将SCDPD与经典的异策略和同策略深度强化学习算法结合的SCDPD-SAC算法和SCDPD-PPO算法,在多个连续控制任务上,相比经典算法具有更好的性能表现。

关键词：深度强化学习策略蒸馏相似度约束知识迁移连续控制任务

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

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：