检索结果-内蒙古大学图书馆

吉林大学学报（理学版） 2021年第5期59卷 1117-1123页

作者：姜雪崔凯沈阳师范大学数学与系统科学学院沈阳110034 吉林大学符号计算与知识工程教育部重点实验室长春130012

利用离散逼近算法理论,研究一类特殊的多元Hermite型插值的离散化问题,即将给定的Hermite型插值问题离散为一列Lagrange插值问题的极限.当Hermite型插值问题的插值条件对应一个二阶微分不变子空间时,利用其空间的结构属性,给出该问题在... 详细信息

利用离散逼近算法理论,研究一类特殊的多元Hermite型插值的离散化问题,即将给定的Hermite型插值问题离散为一列Lagrange插值问题的极限.当Hermite型插值问题的插值条件对应一个二阶微分不变子空间时,利用其空间的结构属性,给出该问题在离散逼近算法思想下可被离散的充要条件,该条件对应的非线性方程组规模较小,计算效率较高.

关键词：多元Hermite型插值 Lagrange插值离散化二阶微分不变子空间

来源：评论

学校读者我要写书评

暂无评论

基于格局检测的模型计数方法

引用

软件学报 2020年第2期31卷 395-405页

作者：贺甫霖刘磊吕帅牛当当王强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 西北农林科技大学信息工程学院陕西杨凌712100

模型计数是指求出给定命题公式的模型数,是SAT问题的泛化.模型计数在人工智能领域取得了广泛应用,很多现实问题都可以规约为模型计数进行求解.目前,常用的模型计数求解器主要有Cachet与sharp SAT,它们均采用完备方法且具有高效的求解能... 详细信息

模型计数是指求出给定命题公式的模型数,是SAT问题的泛化.模型计数在人工智能领域取得了广泛应用,很多现实问题都可以规约为模型计数进行求解.目前,常用的模型计数求解器主要有Cachet与sharp SAT,它们均采用完备方法且具有高效的求解能力,但其求解效率对模型数不敏感.有理由猜测:当给定问题的模型较少时,不完备算法可能发挥其效率优势而更适合模型计数.局部搜索是求解SAT问题的高效不完备方法,Cai等人提出了格局检测策略,并将其应用到局部搜索方法中,提出了SWcc算法,具有很高的求解效率.对SWcc算法进行扩充,分别得到了迭代法与优化后的增量法两种效率较高的不完备模型计数方法,给出了两种方法的思路和具体实现.最后给出了大量测试样例的实验结果,以验证当给定合取范式的模型较少时,该迭代法与优化后的增量法的求解效率有所提升.

关键词：模型计数局部搜索格局检测

来源：评论

学校读者我要写书评

暂无评论

基于CNN-LSTM融合网络的溢流早期预测深度学习方法

引用

石油机械 2021年第6期49卷 16-22页

作者：付加胜刘伟韩霄松李丰欣中国石油集团工程技术研究院有限公司北京市102206 符号计算与知识工程教育部重点实验室吉林大学计算机科学与技术学院

目前的人工神经网络和贝叶斯网络等方法无法连续长时间准确早期预测溢流。为此,针对钻井现场数据特点,提出基于CNN-LSTM融合网络的溢流工况预测深度学习方法,结合溢流的关键参数变化,融合多特征数据尽早发现溢流征兆,从而实现溢流工况... 详细信息

目前的人工神经网络和贝叶斯网络等方法无法连续长时间准确早期预测溢流。为此,针对钻井现场数据特点,提出基于CNN-LSTM融合网络的溢流工况预测深度学习方法,结合溢流的关键参数变化,融合多特征数据尽早发现溢流征兆,从而实现溢流工况早期预测。将采集的所有钻井特征参数用于模型训练和溢流预测,准确率高于单独的CNN结构或单独LSTM结构。为进一步提高模型效率和使用较少现场参数,有针对性地筛选了与溢流紧密相关的一些钻井参数进行试验,结果表明采用CNN-LSTM融合的网络结构优于单独的CNN或单独LSTM结构,预测准确率可达到89.55%。对某钻井数据的预测分析结果表明,该方法能够提前10 min准确预测溢流的发生,可为后续采取相应措施争取到宝贵时间。

关键词：溢流早期预测 CNN-LSTM融合网络深度学习钻井特征参数

来源：评论

学校读者我要写书评

暂无评论

基于带噪观测的远监督神经网络关系抽取

引用

软件学报 2020年第4期31卷 1025-1038页

作者：叶育鑫薛环王璐欧阳丹彤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 北京大学北京国际数学研究中心北京100871

远监督关系抽取的最大优势是通过知识库和自然语言文本的自动对齐生成标记数据.这种简单的自动对齐机制在将人从繁重的样本标注工作中解放出来的同时,不可避免地会产生各种错误数据标记,进而影响构建高质量的关系抽取模型.针对远监督关... 详细信息

远监督关系抽取的最大优势是通过知识库和自然语言文本的自动对齐生成标记数据.这种简单的自动对齐机制在将人从繁重的样本标注工作中解放出来的同时,不可避免地会产生各种错误数据标记,进而影响构建高质量的关系抽取模型.针对远监督关系抽取任务中的标记噪声问题,提出“最终句子对齐的标签是基于某些未知因素所生成的带噪观测结果”这一假设.并在此假设的基础上,构建由编码层、基于噪声分布的注意力层、真实标签输出层和带噪观测层的新型关系抽取模型.模型利用自动标记的数据学习真实标签到噪声标签的转移概率,并在测试阶段,通过真实标签输出层得到最终的关系分类.随后,研究带噪观测模型与深度神经网络的结合,重点讨论基于深度神经网络编码的噪声分布注意力机制以及深度神经网络框架下不均衡样本的降噪处理.通过以上研究,进一步提升基于带噪观测远监督关系抽取模型的抽取精度和鲁棒性.最后,在公测数据集和同等参数设置下进行带噪观测远监督关系抽取模型的验证实验,通过分析样本噪声的分布情况,对在各种样本噪声分布下的带噪观测模型进行性能评价,并与现有的主流基线方法进行比较.结果显示,所提出的带噪观测模型具有更高的准确率和召回率.

关键词：远监督关系抽取噪声标签

来源：评论

学校读者我要写书评

暂无评论

森林优化特征选择算法的增强与扩展

引用

软件学报 2020年第5期31卷 1511-1524页

作者：刘兆赓李占山王丽王涛于海鸿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 长春工业大学计算机科学与工程学院吉林长春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

特征选择作为一种重要的数据预处理方法,不但能解决维数灾难问题,还能提高算法的泛化能力.各种各样的方法已被应用于解决特征选择问题,其中,基于演化计算的特征选择算法近年来获得了更多的关注并取得了一些成功.近期研究结果表明,森林... 详细信息

特征选择作为一种重要的数据预处理方法,不但能解决维数灾难问题,还能提高算法的泛化能力.各种各样的方法已被应用于解决特征选择问题,其中,基于演化计算的特征选择算法近年来获得了更多的关注并取得了一些成功.近期研究结果表明,森林优化特征选择算法具有更好的分类性能及维度缩减能力.然而,初始化阶段的随机性、全局播种阶段的人为参数设定,影响了该算法的准确率和维度缩减能力;同时,算法本身存在着高维数据处理能力不足的本质缺陷.从信息增益率的角度给出了一种初始化策略,在全局播种阶段,借用模拟退火控温函数的思想自动生成参数,并结合维度缩减率给出了适应度函数;同时,针对形成的优质森林采取贪心算法,形成一种特征选择算法EFSFOA(enhanced feature selection using forest optimization algorithm).此外,在面对高维数据的处理时,采用集成特征选择的方案形成了一个适用于EFSFOA的集成特征选择框架,使其能够有效处理高维数据特征选择问题.通过设计对比实验,验证了EFSFOA与FSFOA相比在分类准确率和维度缩减率上均有明显的提高,高维数据处理能力更是提高到了100 000维.将EFSFOA与近年来提出的比较高效的基于演化计算的特征选择方法进行对比,EFSFOA仍具有很强的竞争力.

关键词： enhanced feature selection using forest optimization algorithm(EFSFOA) 高维特征选择演化计算

来源：评论

学校读者我要写书评

暂无评论

基于加权损失函数的粘连白细胞分割算法

引用

吉林大学学报（理学版） 2021年第1期59卷 85-91页

作者：赵晓晴李慧盈苏安炀张海涛刘景鑫顾桂颖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 吉林大学中日联合医院放射科长春130033 吉林大学中日联合医院血液与肿瘤科长春130033

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为... 详细信息

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为除前景和背景外的第三类,在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数,使模型学习到更多的细胞边界特征.实验结果表明,用该方法分割数据集ALL_IDB1中的白细胞,准确率达95.19%.

关键词：粘连白细胞分割色彩空间变换加权损失函数

来源：评论

学校读者我要写书评

暂无评论

本体指导下的安全强化学习最优化策略

引用

吉林大学学报(理学版) 2025年第1期63卷 83-90页

作者：郝嘉宁姚永伟叶育鑫吉林大学计算机科学与技术学院长春130012 浪潮通用软件有限公司济南250101 中国人民解放军63611部队新疆库尔勒841000 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对安全强化学习实现过程中,基于屏蔽的实现方式可能受制于没有合适的备用策略可供使用,导致判断出危险也不能阻止系统离开安全状态,结合知识的实现方式虽然能通过提取概念特征,用结构化的知识对指定状态给予安全指导,但有时知识蕴含... 详细信息

针对安全强化学习实现过程中,基于屏蔽的实现方式可能受制于没有合适的备用策略可供使用,导致判断出危险也不能阻止系统离开安全状态,结合知识的实现方式虽然能通过提取概念特征,用结构化的知识对指定状态给予安全指导,但有时知识蕴含的指导可能并不是最优的策略,甚至可能不如智能体探索习得策略的问题,提出一个本体指导下的安全强化学习最优化策略,实现风险识别规避、动作生成最优化.基于该理论设计和实现了一个在无人机避障场景下的仿真系统,并使用5种不同的强化学习算法进行效果验证.实验结果表明,基于本体指导的安全强化学习最优化策略能在屏蔽风险动作的基础上,实现智能体备用策略选取,比传统强化学习方法性能更优.

关键词：安全强化学习屏蔽机制本体深度神经网络联合查询

来源：评论

学校读者我要写书评

暂无评论

差分进化樽海鞘群特征选择算法

引用

吉林大学学报（信息科学版） 2021年第1期39卷 1-7页

作者：李占山杨鑫凯胡彪张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 吉林大学软件学院长春130012

针对樽海鞘群优化算法(SSA:Salp Swarm Algorithm)在求解特征选择问题时存在易陷入局部最优、收敛速度慢的不足,基于樽海鞘群优化算法提出了新的改进算法差分进化樽海鞘群特征选择算法(DESSA:Differential Evolution Salp Swarm Algorit... 详细信息

针对樽海鞘群优化算法(SSA:Salp Swarm Algorithm)在求解特征选择问题时存在易陷入局部最优、收敛速度慢的不足,基于樽海鞘群优化算法提出了新的改进算法差分进化樽海鞘群特征选择算法(DESSA:Differential Evolution Salp Swarm Algorithm)。DESSA中采用了差分进化策略替代平均算子作为新的粒子迁移方式以增强搜索能力,并加入进化种群动态机制(EPD:Evolution Population Dynamics),加强收敛能力。实验中以KNN(K-Nearest Neighbor)分类器作为基分类器,以UCI(University of California Irvine)数据库中的8组数据集作为实验数据,将DESSA与SSA同具有代表性的算法进行对比实验,实验结果表明,DESSA算法各考察指标较原算法有明显提升,较其他算法相对优越。

关键词：特征选择樽海鞘群优化算法差分进化进化种群动态机制

来源：评论

学校读者我要写书评

暂无评论

带最大熵修正的行动者评论家算法

引用

计算机学报 2020年第10期43卷 1897-1908页

作者：姜玉斌刘全胡智慧苏州大学计算机科学与技术学院江苏苏州215006 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 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

在行动者评论家算法中,策略梯度通常使用最大熵正则项来提高行动策略的随机性以保证探索.策略的随机使Agent能够遍历所有动作,但是会造成值函数的低估并影响算法的收敛速度与稳定性.针对策略梯度中最大熵正则项带来的低估问题,提出最大... 详细信息

在行动者评论家算法中,策略梯度通常使用最大熵正则项来提高行动策略的随机性以保证探索.策略的随机使Agent能够遍历所有动作,但是会造成值函数的低估并影响算法的收敛速度与稳定性.针对策略梯度中最大熵正则项带来的低估问题,提出最大熵修正(Maximum-Entropy Correction,MEC)算法.该算法有两个特点:(1)利用状态值函数与策略函数构造一种状态动作值函数的估计,构造的状态动作值函数符合真实值函数的分布;(2)将贝尔曼最优方程与构造的状态动作值函数结合作为MEC算法的目标函数.通过使用新的目标函数,MEC算法可以解决使用最大熵正则项带来的性能下降与不稳定.为了验证算法的有效性,将该算法与近似策略优化算法以及优势行动者评论家算法在Atari 2600游戏平台进行比较实验.实验结果表明,MEC在改进性能的同时提高了算法的稳定性.

关键词：强化学习深度学习行动者评论家算法最大熵策略梯度

来源：评论

学校读者我要写书评

暂无评论

基于动作约束深度强化学习的安全自动驾驶方法

引用

计算机科学 2021年第9期48卷 235-243页

作者：代珊珊刘全苏州大学计算机科学与技术学院江苏苏州215006 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 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

随着人工智能的发展,自动驾驶领域的研究也日益壮大。深度强化学习(Deep Reinforcement Learning,DRL)方法是该领域的主要研究方法之一。其中,安全探索问题是该领域的一个研究热点。然而,大部分DRL算法为了提高样本的覆盖率并没有对探... 详细信息

随着人工智能的发展,自动驾驶领域的研究也日益壮大。深度强化学习(Deep Reinforcement Learning,DRL)方法是该领域的主要研究方法之一。其中,安全探索问题是该领域的一个研究热点。然而,大部分DRL算法为了提高样本的覆盖率并没有对探索方法进行安全限制,使无人车探索时会陷入某些危险状态,从而导致学习失败。针对该问题,提出了一种基于动作约束的软行动者-评论家算法(Constrained Soft Actor-critic,CSAC),该方法首先对环境奖赏进行了合理限制。无人车动作转角过大时会产生抖动,因此在奖赏函数中加入惩罚项,使无人车尽量避免陷入危险状态。另外,CSAC方法又对智能体的动作进行了约束。当目前状态选择动作后使无人车偏离轨道或者发生碰撞时,标记该动作为约束动作,在之后的训练中通过合理约束来更好地指导无人车选择新动作。为了体现CSAC方法的优势,将CSAC方法应用在自动驾驶车道保持任务中,并与SAC算法进行对比。结果表明,引入安全机制的CSAC方法可以有效避开不安全动作,提高自动驾驶过程中的稳定性,同时还加快了模型的训练速度。最后,将训练好的模型移植到带有树莓派的无人车上,进一步验证了模型的泛用性。

关键词：安全自动驾驶深度强化学习软行动者-评论家车道保持无人车

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：