检索结果-内蒙古大学图书馆

吉林大学学报（理学版） 2023年第3期61卷 623-630页

作者：汪雨竹彭涛朱蓓蓓崔海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

以元学习为核心思想,结合卷积神经网络和Transformer编码器构建一个三阶段表示学习模型.为表达参考集中实体与任务关系之间的相互作用,使用卷积神经网络获取关系元,应用Transformer编码器增强查询集中的实体表示,并设计了用于计算不完... 详细信息

以元学习为核心思想,结合卷积神经网络和Transformer编码器构建一个三阶段表示学习模型.为表达参考集中实体与任务关系之间的相互作用,使用卷积神经网络获取关系元,应用Transformer编码器增强查询集中的实体表示,并设计了用于计算不完全三元组匹配度得分的处理器,以解决小样本知识图谱补全问题,即大规模知识图谱较稀疏,而其中出现频率较低的长尾关系对应的实体对数量较多的现象.在数据集NELL-One和Wiki-One上的实验结果表明,该模型对大规模知识图谱中长尾关系对应的头尾实体的预测效果较好,可实现知识图谱中实体和关系的高效特征表示生成和缺失实体补全.

关键词：知识图谱补全元学习 Transformer编码器卷积神经网络知识图谱嵌入

来源：评论

学校读者我要写书评

暂无评论

具有局部和全局注意力机制的图注意力网络学习单样本组学数据表征

引用

吉林大学学报（理学版） 2023年第6期61卷 1351-1357页

作者：周丰丰张金楷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

针对生物组学数据中基因数目远大于样本数目的高维“大p小n”问题,提出一种具有局部和全局注意力机制的图注意力网络GATOr.该模型首先在组学数据上利用Pearson相关系数计算特征之间的相关性,构建组学数据的单样本网络;然后提出一种结合... 详细信息

针对生物组学数据中基因数目远大于样本数目的高维“大p小n”问题,提出一种具有局部和全局注意力机制的图注意力网络GATOr.该模型首先在组学数据上利用Pearson相关系数计算特征之间的相关性,构建组学数据的单样本网络;然后提出一种结合局部和全局注意力机制的图注意力网络从单样本网络中学习基于图的组学特征表示,从而将组学数据的高维特性转化为低维表示.实验结果表明,GATOr与其他传统分类算法相比,在分类任务的准确率及其他指标上均取得了较优性能.

关键词：组学数据单样本网络注意力机制图注意力网络

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

结合进化算法的深度强化学习方法研究综述

引用

计算机学报 2022年第7期45卷 1478-1499页

作者：吕帅龚晓宇张正昊韩帅张峻伟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 Department of Information and Computing Sciences Utrecht UniversityUtrecht 3584 CCThe Netherlands

深度强化学习是目前机器学习领域中重要的研究分支之一,它可以通过直接与环境进行交互实现端到端的学习,对高维度和大规模的问题有着很好的解决能力.虽然深度强化学习已经取得了瞩目的成果,但其仍面临着对环境探索能力不足、鲁棒性差、... 详细信息

深度强化学习是目前机器学习领域中重要的研究分支之一,它可以通过直接与环境进行交互实现端到端的学习,对高维度和大规模的问题有着很好的解决能力.虽然深度强化学习已经取得了瞩目的成果,但其仍面临着对环境探索能力不足、鲁棒性差、容易受到由欺骗性奖励导致的欺骗性梯度影响等问题.进化算法普遍具有较好的全局搜索能力、良好的鲁棒性和并行性等优点,因此将进化算法与深度强化学习结合用于弥补深度强化学习不足的方法成为了当前研究的热点.该文主要关注进化算法在无模型的深度强化学习方法中的应用,首先简单介绍了进化算法和强化学习基本方法,之后详细阐述了两类结合进化算法的强化学习方法,分别是进化算法引导策略搜索的强化学习和结合进化算法的深度强化学习,同时对这些方法进行了对比与分析,最后对该领域的研究重点和发展趋势进行了探究.

关键词：强化学习深度强化学习进化算法遗传算法进化策略

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

基于ProtBert预训练模型的HLA-Ⅰ和多肽的结合预测算法

引用

吉林大学学报（理学版） 2023年第3期61卷 651-657页

作者：周丰丰张亚琪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

针对现有的第Ⅰ类HLA(HLA-Ⅰ)分子与多肽结合亲和力预测算法在特征构造时依赖传统序列评分函数的问题,为突破用经典机器学习算法构造氨基酸序列特征的局限性,提出一种基于蛋白质预训练模型ProtBert的HLA-Ⅰ与多肽的结合预测算法ProHLAⅠ... 详细信息

针对现有的第Ⅰ类HLA(HLA-Ⅰ)分子与多肽结合亲和力预测算法在特征构造时依赖传统序列评分函数的问题,为突破用经典机器学习算法构造氨基酸序列特征的局限性,提出一种基于蛋白质预训练模型ProtBert的HLA-Ⅰ与多肽的结合预测算法ProHLAⅠ.该算法利用生命体语言与文本语言在组成上的共性,将氨基酸序列类比句子,通过整合ProtBert预训练模型、BiLSTM编码和注意力机制的网络结构优势,对HLA-Ⅰ序列和多肽序列进行特征提取,从而实现HLA-Ⅰ独立于位点的多肽结合预测.实验结果表明,该模型在两组独立测试集中均取得了最优性能.

关键词： HLA-Ⅰ结合肽预测自然语言处理注意力机制 BERT模型双向长短期记忆模型(BiLSTM)

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

聚合全局交互与局部交互的知识图谱补全

引用

计算机科学与探索 2024年

作者：冯勇栾超杰王嵘冰徐红艳张永刚辽宁大学信息学院辽宁大学信息化中心辽宁大学网络与信息安全学院吉林大学符号计算与知识工程教育部重点实验室

知识图谱的不完整性严重影响了下游任务的应用与发展，因此，有必要对其进行改进以补充缺失值，即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构，只能利用单一的局... 详细信息

知识图谱的不完整性严重影响了下游任务的应用与发展，因此，有必要对其进行改进以补充缺失值，即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构，只能利用单一的局部交互而忽略了实体关系间全局交互的影响。为此，提出一种聚合全局交互与局部交互的知识图谱补全方法AGILI。该方法首先引入自注意力机制获取头实体和关系间的信息关联程度，生成融入全局交互信息的嵌入表示，再采用卷积神经网络从新嵌入表示中提取局部交互信息，除此之外设计基于关系权重的可学习交互聚合器，在将全局交互与局部交互进行特征融合时，可以根据关系类别自适应地调整两种交互的重要程度，提高方法在多关系知识图谱上的表达能力。在公开数据集FB15k-237、WN18RR和Kinship上通过链接预测任务进行实验验证，实验结果表明，与最新的基于卷积神经网络的模型ConvD相比，所提出的方法在FB15K-237数据集上Hits@1、Hits@3指标分别提高了6.9%、5.3%，证明了所提出方法的优越性。

关键词：知识图谱知识图谱补全链接预测自注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于语义特征提取与层次结构的问题生成方法

引用

吉林大学学报（理学版） 2023年第1期61卷 94-100页

作者：白诗瑶吕佳键彭涛刘露崔海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 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对传统端到端模型在输入文本语义较复杂情况下生成的问题普遍存在语义不完整的情形,提出一种基于语义特征提取的文本编码器架构.首先构建双向长短时记忆网络获得基础的上下文信息,然后采用自注意力机制及双向卷积神经网络模型分别提... 详细信息

针对传统端到端模型在输入文本语义较复杂情况下生成的问题普遍存在语义不完整的情形,提出一种基于语义特征提取的文本编码器架构.首先构建双向长短时记忆网络获得基础的上下文信息,然后采用自注意力机制及双向卷积神经网络模型分别提取语义的全局特征和局部特征,最后设计一种层次结构,融合特征及输入自身信息得到最终的文本表示进行问题生成.在数据集SQuAD上的实验结果表明,基于语义特征提取与层次结构进行问题生成效果显著,结果明显优于已有方法,并且语义特征提取和层次结构在任务的各评价指标上均有提升.

关键词：问题生成双向长短时记忆网络卷积神经网络自注意力机制层次结构

来源：评论

学校读者我要写书评

暂无评论

集成双重语义信息和改进注意力机制的中文实体识别方法

引用

计算机科学与探索 2024年

作者：冯勇刘明华王嵘冰徐红艳张永刚辽宁大学信息学院辽宁大学信息化中心辽宁大学网络与信息安全学院吉林大学符号计算与知识工程教育部重点实验室

针对当前中文命名实体识别中数据无明显分隔符、字符连续排列导致的边界模糊和分词歧义问题，考虑从实体的双重语义信息分析和改进注意力机制入手，提出了一种集成双重语义信息和改进注意力机制的中文实体识别方法。首先改进多头注意力... 详细信息

针对当前中文命名实体识别中数据无明显分隔符、字符连续排列导致的边界模糊和分词歧义问题，考虑从实体的双重语义信息分析和改进注意力机制入手，提出了一种集成双重语义信息和改进注意力机制的中文实体识别方法。首先改进多头注意力机制，通过线性门控单元有效平衡了捕获的顺序信息，并增强了多头注意力机制提供的全局信息，通过残差网络解决整体的梯度问题。接下来，在实体识别阶段的局部语义信息处理中引入知识图谱的思想，通过外部词典提取实体的局部语义特征，在全局语义信息中使用BERT捕获数据整体的语义特征，经动态融合得到双重语义信息。然后，BiLSTM通过双向处理输入序列捕捉全面的上下文依赖信息，同时利用改进的多头注意力机制建立多个子序列，弥补了BiLSTM对于长文本句子捕捉依赖的不足。最后，使用CRF优化标签序列的预测，得到最终的预测结果。在中文领域公开的MSRA、Weibo和人民日报数据集上进行了实验分析，实验结果表明所提方法的F1值分别为94.22%、69.96%、93.17%，较基准方法平均提高了0.95%，9.31%，1.25%，验证了本文所提实体识别方法在中文领域的有效性和优越性。

关键词：实体识别知识图谱注意力机制双重语义

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：