检索结果-内蒙古大学图书馆

首届全国矿产勘查大会

作者：叶水盛张原庆刘光胜赵震宇叶育鑫综合信息矿产预测研究所/吉林大学计算机科学与技术学院/吉林大学符号计算与知识工程教育部重点实验室/吉林大学

本文重点介绍研发智能化综合信息矿产预测平台(KCYC)中的建库器及过程函数库。建库器能够转换人机交互综合信息矿产预测工作流程及工作内容为知识推理网络和网络节点;过程函数是工作流程图中的节点(即推理网络中每一节点的工作内容)。... 详细信息

本文重点介绍研发智能化综合信息矿产预测平台(KCYC)中的建库器及过程函数库。建库器能够转换人机交互综合信息矿产预测工作流程及工作内容为知识推理网络和网络节点;过程函数是工作流程图中的节点(即推理网络中每一节点的工作内容)。自动建库就是通过建库器自动建立事实库、知识规则库,并结合过程函数库完成找矿图件的自动生成过程。

关键词：矿产预测 GIS ES 自动知识获取知识规则库

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的目标检测研究综述

引用

光学精密工程 2020年第5期28卷 1152-1164页

作者：范丽丽赵宏伟赵浩宇胡黄水王振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 吉林大学学报(工学版)编辑部吉林长春130012 长春工业大学计算机科学与工程学院吉林长春130012 山东理工大学计算机科学与技术学院山东淄博255000

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Netwo... 详细信息

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破,在目标检测方面,它越来越受到人们的重视。因此,如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法;然后将深度学习算法的产生过程作为切入点,以系统的方式全面概述了各种目标检测方法;最后针对目标检测和深度学习算法面临的重大挑战,讨论了一些未来的方向,以促进深度学习对目标检测的研究。

关键词：图像处理深度卷积神经网络目标检测特征表示深度学习

来源：评论

学校读者我要写书评

暂无评论

一种求解复杂优化问题的快速遗传算法算子

引用

吉林大学学报（理学版） 2021年第3期59卷 602-608页

作者：裴莹苏山付加胜韩霄松长春财经学院信息工程学院长春130122 吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012 中国石油集团工程技术研究院有限公司钻井工艺研究所北京102206

针对利用遗传算法解决参数维度高、计算复杂,且适应度依赖于其他工具的问题,提出一种加快遗传算法收敛速度的聚集算子.该算子首先利用AP(affinity propagation)聚类对种群进行划分,然后通过主成分分析(PCA)对每个聚簇降维,再利用加权最... 详细信息

针对利用遗传算法解决参数维度高、计算复杂,且适应度依赖于其他工具的问题,提出一种加快遗传算法收敛速度的聚集算子.该算子首先利用AP(affinity propagation)聚类对种群进行划分,然后通过主成分分析(PCA)对每个聚簇降维,再利用加权最小二乘法在低维空间下将种群分布拟合成二次曲面,并将计算极值点作为优势个体返回到原始空间.实验结果表明,相比于传统遗传算法,聚集算子在保证优化精度的同时可有效提高收敛速度.

关键词：复杂问题求解遗传算法快速收敛聚集算子

来源：评论

学校读者我要写书评

暂无评论

同伴互评在计算机课程教学中的应用研究

引用

计算机教育 2021年第10期 131-134页

作者：韩霄松张禹梁艳春黄岚管仁初吉林大学计算机科学与技术学院吉林长春130012 吉林大学珠海学院计算机学院符号计算与知识工程教育部重点实验室珠海分实验室广东珠海519041

为了进一步探讨并发挥同伴互评在计算机课程中的效果,提出双通道评价反馈机制、详细评分标准、有偿同伴互评和多粒度同伴互评4方面实施手段,以3门计算机课程为研究对象,总结2017—2019年的课程成绩,通过对比分析,验证基于同伴互评实施... 详细信息

为了进一步探讨并发挥同伴互评在计算机课程中的效果,提出双通道评价反馈机制、详细评分标准、有偿同伴互评和多粒度同伴互评4方面实施手段,以3门计算机课程为研究对象,总结2017—2019年的课程成绩,通过对比分析,验证基于同伴互评实施手段可以在多种课程中有效激发学生自主学习兴趣,提高学习质量。

关键词：同伴互评计算机课程课程评价模式

来源：评论

学校读者我要写书评

暂无评论

利用细胞膜演算描述带子句学习的DPLL算法

引用

哈尔滨工程大学学报 2019年第4期40卷 799-804页

作者：李壮刘磊吕帅任俊绮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

为了达到推理算法形式化描述的目的,本文采用细胞膜演算的形式化方法描述带子句学习的DPLL算法。分别定义了部分赋值、变元反转、回溯、回跳最大层、细胞膜溶解等反应规则,给出了DPLL的一般过程和冲突分析过程的描述。通过一个算例的求... 详细信息

为了达到推理算法形式化描述的目的,本文采用细胞膜演算的形式化方法描述带子句学习的DPLL算法。分别定义了部分赋值、变元反转、回溯、回跳最大层、细胞膜溶解等反应规则,给出了DPLL的一般过程和冲突分析过程的描述。通过一个算例的求解过程验证了该形式化描述方法的可行性。依赖细胞膜演算可以更直观、简洁地展现推理算法的推理过程,同时展示了膜演算的描述能力和处理能力。

关键词：人工智能问题求解形式化方法自动推理 DPLL 子句学习演算细胞膜演算

来源：评论

学校读者我要写书评

暂无评论

面向应用场景的数据结构线上实践教学案例

引用

计算机教育 2021年第2期 41-43,48页

作者：朱允刚杨博虞强源刘大有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

针对疫情下的数据结构线上实践教学需要,为进一步激发学生编程兴趣和参与热情,例举3个与实际应用紧密结合的、基于在线评测的数据结构线上实践教学案例并进行相关分析,最后说明取得的教学效果。

关键词：数据结构实践教学线上教学

来源：评论

学校读者我要写书评

暂无评论

基于IDL通用接口的人机语音交互协同控制系统设计研究

引用

无人系统技术 2021年第4期4卷 77-84页

作者：王开宇张弘瑞李聪王献昌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 成都凯斯人工智能研究院成都611730

无人战争将会成为未来主流的战争形式,跨平台异构协同也将成为作战指挥系统控制的核心理念。现有的指控平台通常为传统的键盘输入,对指令员的专业要求高,且无法实现对跨平台异构设备的协同控制。基于这两点问题,运用日趋成熟的语音识别... 详细信息

无人战争将会成为未来主流的战争形式,跨平台异构协同也将成为作战指挥系统控制的核心理念。现有的指控平台通常为传统的键盘输入,对指令员的专业要求高,且无法实现对跨平台异构设备的协同控制。基于这两点问题,运用日趋成熟的语音识别技术,为无人作战控制系统设计了基于语音控制的人机交互模式,为实现跨平台异构设备的协同控制,采用平台无关的标准接口描述语言(IDL)作为系统的输出指令。对于语音控制平台的设计,首先确定了可用于跨平台异构协同的目标指令的输出形式为标准化IDL,并基于实验范围与IDL标准确定了语音识别边界;其次采用科大讯飞语音识别技术作为语音命令向文本指令的转化工具;然后将文本化的指令利用ddpaser进行断句分析;最后,经过语言支撑集数据库、标准化指令数据库、IDL指令数据库进行标准化匹配,获得边界范围内的标准化IDL作为指令输出。研究将为作战指控系统的开发设计,实现人机语音交互与跨平台异构控制提供思路。

关键词：跨平台异构集群协同自然语言识别断句分析标准接口描述语言模糊匹配

来源：评论

学校读者我要写书评

暂无评论

基于多级融合的斑岩铜矿蚀变异常提取——以伊朗萨汉德—巴兹曼斑岩铜矿带为例

基于多级融合的斑岩铜矿蚀变异常提取——以伊朗萨汉德—巴兹曼斑...

引用

首届全国矿产勘查大会

作者：王兆国苏程汪愿愿叶育鑫计算机科学与技术学院/吉林大学地球科学学院/浙江大学符号计算与知识工程教育部重点实验室/吉林大学

矿化蚀变异常是矿产资源勘查与预测的重要依据。现有的蚀变异常识别精度通常会受到图像噪声、特征选择和识别模型等各方面的影响。因此,本文提出像素-特征-决策-多级融合遥感蚀变异常提取策略。在像素级利用多传感器影像进行掩膜确认和... 详细信息

矿化蚀变异常是矿产资源勘查与预测的重要依据。现有的蚀变异常识别精度通常会受到图像噪声、特征选择和识别模型等各方面的影响。因此,本文提出像素-特征-决策-多级融合遥感蚀变异常提取策略。在像素级利用多传感器影像进行掩膜确认和影像去干扰;在特征级采用主成分分析法进行特征融合分析和提取波段选择;在决策级利用加权融合法对不同模型的提取结果进行决策确准。在对伊朗萨汉德—巴兹曼斑岩铜矿带东南部地区铁染蚀变异常提取的过程中,多级融合方法较主成分分析法在用户精度和制图精度方面提高了约20%,Kappa系数达到了0.79。

关键词：错分率制图精度像素级融合决策级融合主成分分析法斑岩铜矿异常提取

来源：评论

学校读者我要写书评

暂无评论

基于关系触发词与单层GRU模型的关系抽取方法

引用

吉林大学学报（理学版） 2020年第1期58卷 95-103页

作者：王磊刘露牛亮胡封晔彭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 吉林大学软件学院长春130012 吉林大学通信工程学院长春130012 吉林大学第一医院长春130021

基于关系触发词与单层门控循环单元模型进行关系抽取,以降低关系抽取模型结构的复杂度,并提高模型的训练效率.通过计算单词的依存距离与序列距离得到关系触发词,利用单层门控循环单元模型进行关系抽取,并在SemEval2010Task8数据集上进... 详细信息

基于关系触发词与单层门控循环单元模型进行关系抽取,以降低关系抽取模型结构的复杂度,并提高模型的训练效率.通过计算单词的依存距离与序列距离得到关系触发词,利用单层门控循环单元模型进行关系抽取,并在SemEval2010Task8数据集上进行实验.实验结果表明,该方法能有效提取出关系触发词,并具有较高的关系抽取准确率.

关键词：关系抽取关系触发词句法依存分析 Word2Vec模型门控循环单元

来源：评论

学校读者我要写书评

暂无评论

一种结合结构特征求解诊断问题的PMS方法

引用

中国科学：信息科学 2019年第6期49卷 685-697页

作者：周慧思欧阳丹彤刘梦田乃予张立明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

部分最大可满足性问题(partial maximum satisfiability problem, PMS)是最大可满足性问题(maximum satisfiability problem, MaxSAT)的泛化问题,在很多领域中得到广泛应用.目前,在工业诊断实例方面PMS求解仍有待改进,在对基于随机搜索... 详细信息

部分最大可满足性问题(partial maximum satisfiability problem, PMS)是最大可满足性问题(maximum satisfiability problem, MaxSAT)的泛化问题,在很多领域中得到广泛应用.目前,在工业诊断实例方面PMS求解仍有待改进,在对基于随机搜索的PMS算法深入研究基础上,本文首次提出一种结合结构特征的随机搜索方法 (structure characteristics partial MaxSAT, SCPMS).首先,依据单元传播规则结合问题结构特征逐步将PMS问题中硬单元子句分成两部分,从而构造出因缺乏部分硬单元子句使得问题可满足的子问题;提出结合结构特征的随机搜索指导策略,对新的子问题再次利用单元传播找出原问题中的硬单元子句中硬阻塞变量,再结合子句特征翻转相应软阻塞变量,从而提高随机搜索的求解效率.实验结果表明,提出的SCPMS与最新的两个算法DeciDist和DistUp相比,在基于模型诊断问题(model-based diagnosis, MBD)的工业实例上, SCPMS求得的不满足软子句数有较大程度的减少.

关键词： PMS 单元传播最大可满足性问题随机搜索基于模型的诊断

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：