检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2022年第12期52卷 2924-2932页

作者：刘元宁朱琳朱晓冬刘震吴浩萌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 长崎综合科学大学研究生院工学研究科长崎851-0193

提出了一种改进的深度虹膜分类模型EnhanceDeepIris,在生成网络的辅助下,对深度学习虹膜分类网络进行二次训练,使已经在原始训练集上收敛的分类网络继续训练,得到在测试集上泛化能力更好的网络。使用3个先进的图像分类网络VGG16、ResNet... 详细信息

提出了一种改进的深度虹膜分类模型EnhanceDeepIris,在生成网络的辅助下,对深度学习虹膜分类网络进行二次训练,使已经在原始训练集上收敛的分类网络继续训练,得到在测试集上泛化能力更好的网络。使用3个先进的图像分类网络VGG16、ResNet101和DenseNet121验证EnhanceDeepIris对深度学习分类网络的提升效果。在两个虹膜数据集CASIA-Iris-Thousand和JLU6.0上对该方法进行实验,结果表明,与传统数据增强方法相比,经过EnhanceDeepIris提升训练的分类模型识别精度更高、测试效果更稳定。

关键词：计算机应用深度学习虹膜识别图像生成辅助分类

来源：评论

学校读者我要写书评

暂无评论

基于BERT-GCN的因果关系抽取

引用

吉林大学学报（理学版） 2023年第2期61卷 325-330页

作者：李岳泽左祥麟左万利梁世宁张一嘉朱媛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

针对自然语言处理中传统因果关系抽取主要用基于模式匹配的方法或机器学习算法进行抽取,结果准确率较低,且只能抽取带有因果提示词的显性因果关系问题,提出一种使用大规模的预训练模型结合图卷积神经网络的算法BERT-GCN.首先,使用BERT(b... 详细信息

针对自然语言处理中传统因果关系抽取主要用基于模式匹配的方法或机器学习算法进行抽取,结果准确率较低,且只能抽取带有因果提示词的显性因果关系问题,提出一种使用大规模的预训练模型结合图卷积神经网络的算法BERT-GCN.首先,使用BERT(bidirectional encoder representation from transformers)对语料进行编码,生成词向量;然后,将生成的词向量放入图卷积神经网络中进行训练;最后,放入Softmax层中完成对因果关系的抽取.实验结果表明,该模型在数据集SEDR-CE上获得了较好的结果,且针对隐式的因果关系效果也较好.

关键词：自然语言处理因果关系抽取图卷积神经网络 BERT模型

来源：评论

学校读者我要写书评

暂无评论

融合协同过滤的神经Bandits推荐算法

引用

吉林大学学报（理学版） 2024年第1期62卷 92-99页

作者：张婷婷欧阳丹彤孙成林白洪涛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 吉林大学白求恩第一医院内分泌与代谢科长春130021

针对数据稀疏性和“冷启动”对协同过滤的限制以及现有的协同多臂老虎机算法不适用于非线性奖励函数的问题,提出一种融合协同过滤的神经Ba ndits推荐算法COEENet.首先,采用双神经网络结构学习预期奖励及潜在增益;其次,考虑邻居协同作用... 详细信息

针对数据稀疏性和“冷启动”对协同过滤的限制以及现有的协同多臂老虎机算法不适用于非线性奖励函数的问题,提出一种融合协同过滤的神经Ba ndits推荐算法COEENet.首先,采用双神经网络结构学习预期奖励及潜在增益;其次,考虑邻居协同作用;最后,构造决策器进行最终决策.实验结果表明,该方法在累积遗憾上优于4种基线算法,推荐效果较好.

关键词：协同过滤多臂老虎机算法推荐系统冷启动

来源：评论

学校读者我要写书评

暂无评论

基于兴趣函数的多样化Option-Critic算法

引用

计算机研究与发展 2024年第12期61卷 3108-3120页

作者：栗军伟刘全黄志刚徐亚鹏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(南京大学) 南京210023 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 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

Option框架作为分层强化学习的一种常用时序抽象方法,允许智能体在不同的时间尺度上学习策略,可以有效解决稀疏奖励问题.为了保证Option可以引导智能体访问更多的状态空间,一些方法通过引入基于互信息的内部奖励和终止函数来提升Option... 详细信息

Option框架作为分层强化学习的一种常用时序抽象方法,允许智能体在不同的时间尺度上学习策略,可以有效解决稀疏奖励问题.为了保证Option可以引导智能体访问更多的状态空间,一些方法通过引入基于互信息的内部奖励和终止函数来提升Option内部策略的多样性.但这会导致算法学习速度慢和内部策略的知识迁移能力低等问题,严重影响了算法性能.针对以上问题,提出基于兴趣函数优化的多样化Option-Critic算法(diversity-enriched Option-Critic algorithm with interest functions,DEOC-IF).该算法在多样化Option-Critic算法(diversity-enriched Option-Critic,DEOC)的基础上,通过引入兴趣函数约束上层策略对Option内部策略的选择,既保证了Option集合的多样性,又使得学习到的内部策略可以关注状态空间的不同区域,有利于提高算法的知识迁移能力,加快学习速度.此外,DEOC-IF算法引入一种新的兴趣函数更新梯度,有利于提高算法的探索能力.为了验证算法的有效性和知识迁移能力,分别在4房间导航任务、Mujoco和MiniWorld实验环境中,将DEOC-IF算法与其他最新算法进行对比实验.结果表明,DEOC-IF算法具有更好的性能优势和策略迁移能力.

关键词：强化学习时序抽象 Option框架兴趣函数 Option-Critic算法

来源：评论

学校读者我要写书评

暂无评论

身份保持约束下的面部图像超分辨率重建方法

引用

数据采集与处理 2023年第2期38卷 350-363页

作者：田旭刁红军凌兴宏苏州大学计算机科学与技术学院苏州215006 苏州城市学院苏州215104 吉林大学符号计算与知识工程教育部重点实验室长春130012

低分辨率是影响人脸识别精度的重要因素。一种有效方法是使用图像超分辨率技术对低分辨率图像重建,生成超分辨率图像后再对其作人脸识别,从而克服低分辨率面部图像对人脸识别的限制。但是,现有超分辨率方法在重建过程中往往忽略了保持... 详细信息

低分辨率是影响人脸识别精度的重要因素。一种有效方法是使用图像超分辨率技术对低分辨率图像重建,生成超分辨率图像后再对其作人脸识别,从而克服低分辨率面部图像对人脸识别的限制。但是,现有超分辨率方法在重建过程中往往忽略了保持其原始身份信息,这直接影响生成图像的人脸识别结果。针对上述问题,提出了一种身份保持约束下的面部超分辨率重建方法IPNet,在提高低分辨率面部图像质量的同时,能保持重建后的面部图像身份。IPNet方法将语义分割网络和面部生成器相结合,通过语义分割网络提取低维隐码和多分辨率空间特征,进而指导面部生成器输出接近于原图的真实面部图像。在此基础上引入人脸识别网络,将身份信息整合到超分辨率方法中,从而约束重建前后的面部图像身份保持一致。实验结果表明,IPNet方法在超分辨率图像质量和身份保持上均优于其他对比方法。

关键词：超分辨率人脸识别语义分割面部生成器身份保持

来源：评论

学校读者我要写书评

暂无评论

基于元学习和图滤波器的节点分类研究

引用

计算机工程与科学 2023年第12期45卷 2274-2280页

作者：王英陈文祺韩耀郴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

深度学习在提取数据特征方面取得了巨大的成功,尤其是在处理节点间关系信息丰富的图数据时,通过在频域上使用图滤波器进行图卷积操作,设计出了多种图神经网络。这些图神经网络主要关注设计固定的滤波器或学习简单的滤波器,但这种对滤波... 详细信息

深度学习在提取数据特征方面取得了巨大的成功,尤其是在处理节点间关系信息丰富的图数据时,通过在频域上使用图滤波器进行图卷积操作,设计出了多种图神经网络。这些图神经网络主要关注设计固定的滤波器或学习简单的滤波器,但这种对滤波器的简化可能会导致滤波器不能适用于所有的图数据。为了解决上述问题,提出了一种基于元学习和图滤波器的节点分类模型MGCN,以提高图滤波器的普适性。模型利用元学习为图卷积神经网络(GCN)的滤波器学习了一组初始化权重,在对滤波器的权重进行微调之后,模型可以快速地适应新任务。为了验证MGCN的有效性,在6个基线数据集上进行了大量实验。实验结果表明,提出的模型相比于传统图神经网络模型可以适用于更加广泛的图数据。

关键词：元学习图神经网络图滤波器节点分类

来源：评论

学校读者我要写书评

暂无评论

基于特征加强的异构网络潜在摘要模型

引用

计算机科学与探索 2022年第11期16卷 2537-2546页

作者：徐正祥王英汪洪吉王鑫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长春130012 吉林大学人工智能学院长春130012

随着网络数据的快速增长,大规模异构网络数据的存储和网络表示已成为研究的热点。现提出两个不同的任务:生成图摘要和生成图的节点表示。图摘要的目标是找到用于压缩存储和加速查询的输入图的紧凑表示;网络表示可以很好地提取网络数据... 详细信息

随着网络数据的快速增长,大规模异构网络数据的存储和网络表示已成为研究的热点。现提出两个不同的任务:生成图摘要和生成图的节点表示。图摘要的目标是找到用于压缩存储和加速查询的输入图的紧凑表示;网络表示可以很好地提取网络数据中的结构信息,并为下游任务生成节点表示。但是,在大规模网络数据中,在生成图摘要和嵌入表示时仍需要解决一些挑战。为克服大规模异构网络数据带来的科学计算和存储空间问题,提出基于特征加强的异质网络潜在摘要模型(FELS),通过融合节点特征和图属性获得大规模异构网络数据的摘要表示。首先,将原图中不同的节点特征作为基础特征,通过应用多种关系算子捕获高阶子图结构信息;然后,根据不同的图属性通过桶映射方式学习上下文的潜在子空间结构;最后,对学习到的上下文特征矩阵利用奇异值分解获取异构网络的潜在摘要表示,即一种独立于输入图大小维度紧凑的潜在图摘要,同时能够获取节点表示。实验结果表明,与传统方法相比,提出的FELS模型能够获得更优质的潜在摘要且具有更低的模型复杂度,在链路预测任务上具有更高的效率和精度。

关键词：潜在摘要网络表示结构学习关系算子特征选择

来源：评论

学校读者我要写书评

暂无评论

地理分布数据中心的工作流经济高效资源分配

引用

吉林大学学报（工学版） 2021年第4期51卷 1349-1357页

作者：魏晓辉汤钫宇李洪亮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

针对工作流作业跨数据中心传输产生高额流量费用的场景,对跨地理分布数据中心工作流作业资源分配问题进行了分析并建模,使用启发的贪心思想提出了MCCD算法,并将本文算法与常见的几种资源分配算法进行了对比。实验的结果验证了本文算法... 详细信息

针对工作流作业跨数据中心传输产生高额流量费用的场景,对跨地理分布数据中心工作流作业资源分配问题进行了分析并建模,使用启发的贪心思想提出了MCCD算法,并将本文算法与常见的几种资源分配算法进行了对比。实验的结果验证了本文算法在跨地理分布数据中心的工作流作业中,可以有效降低用户通信流量资费平均达40%,对于降低用户跨地理分布数据中心的通信资费有明显的帮助。

关键词：云计算地理分布式工作流调度经济高效启发式算法

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的兴趣活动推荐算法

引用

吉林大学学报（工学版） 2021年第1期51卷 278-284页

作者：魏晓辉孙冰怡崔佳旭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

针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率。首先,通过图神经网络提取异质图的高阶连接信息对每个... 详细信息

针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率。首先,通过图神经网络提取异质图的高阶连接信息对每个节点的影响,更新节点的嵌入式表示;然后,将用户-活动的嵌入式表示输入到多层感知机中,得到基于当前嵌入式表示的匹配概率,反向传播更新模型参数;重复此过程,获得最终的匹配概率。实验结果表明:本文算法训练稳定;相较于已有方法,命中率提高10%以上,归一化折损累计增益提高约10%;相较于不考虑异质图的高阶连接性的情况,命中率和归一化折损累计增益均有提高。

关键词：计算机软件与理论推荐系统基于事件的社交网络异质图图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于信息熵函数的启发式贝叶斯因果推理

引用

计算机学报 2021年第10期44卷 2135-2147页

作者：刘洋王利民孙铭会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

贝叶斯网络分类器(BNC)由于其优越的分类性能和可解释性在数据挖掘和人工智能等领域有着广泛的应用.信息论为其迅速发展奠定了坚实的数学理论基础,例如条件互信息被用来度量BNC拓扑结构中属性间的条件依赖关系.然而,贝叶斯网络又被称为... 详细信息

贝叶斯网络分类器(BNC)由于其优越的分类性能和可解释性在数据挖掘和人工智能等领域有着广泛的应用.信息论为其迅速发展奠定了坚实的数学理论基础,例如条件互信息被用来度量BNC拓扑结构中属性间的条件依赖关系.然而,贝叶斯网络又被称为因果网络,但目前人工智能等领域中有关贝叶斯网络因果关系的研究是一个很有争议性的课题.属性间因果性的定义远比相关性的定义复杂微妙很多.而条件互信息可能不适用于度量BNC整体拓扑结构对数据的拟合性,并且其表达式的对称性决定了其只能描述属性之间的无向相关性,而非有向因果性.本文从信息熵的角度对贝叶斯网络中的因果关系进行了探索性的研究,首先基于对似然函数定义了联合熵函数与贝叶斯网络拓扑结构中联合概率分布的映射关系,然后在此基础上提出了类条件熵和局部条件熵函数来识别拓扑结构中属性间的因果关系.最后提出了一种基于类标签驱动的启发式结构学习方法来构建可以兼顾有标签数据拟合和无标签数据泛化的BNC(记为HBN).对美国加州大学欧文分校(UCI)机器学习数据库中35个数据集的实验评估表明,本文所提出算法与其它算法相比在分类性能上具有显著优势,例如HBN在0-1损失函数上明显优于CFWNB(17优5劣)、SKDB(14优5劣)、AIWNB(17优7劣);在偏差上HBN与CFWNB相比26优6劣,与SKDB相比10优5劣,与WAODE相比15优7劣,与RF相比29优4劣,与AIWNB相比22优6劣.由于CFWNB、WAODE、AIWNB没有结构学习过程,其拓扑结构不受训练数据扰动的影响.这三种算法的方差显著低于其它算法.而HBN的局部拓扑结构能充分体现测试实例中隐含的因果关系,在一定程度上减轻训练数据过拟合带来的负面影响.因此,与SKDB和RF相比,HBN的方差结果均明显占优(20优9劣,26优3劣).与其他算法相比,HBN的0-1损失函数和偏差结果分别平均提高了6.06%和12.65%.与SKDB和RF相比,HBN的方差结果平均提高了16.49%.HBN为不确定性知识表示和推理提供了一种有效且可行的方法.

关键词：贝叶斯网络分类器对数似然函数联合熵条件熵交叉熵

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：