检索结果-内蒙古大学图书馆

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

面向异质变分超图自动编码器的超边链接预测模型

引用

计算机应用研究 2021年第5期38卷 1508-1513,1519页

作者：杨伟英王英吴越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 吉林大学计算机学院长春130012

如何采用超边建模网络数据中的多元关联关系,实现潜在超边链接关系的预测具有重要的现实意义。现有方法主要集中于研究具有成对关系的网络数据,然而,直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性。因此,提出... 详细信息

如何采用超边建模网络数据中的多元关联关系,实现潜在超边链接关系的预测具有重要的现实意义。现有方法主要集中于研究具有成对关系的网络数据,然而,直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性。因此,提出基于异质变分超图自动编码器的超边链接预测模型(heterogeneous variational hypergraph autoencoder,HVGAE)。首先,利用超图卷积实现变分超图自动编码器,将超图网络数据转换成一种低维空间表示;其次,加入节点近邻度函数,最大程度地保留其结构信息,从而构建异质超图网络超边链接预测模型。针对三种不同类型的超图网络进行实验,结果表明相比其他的基准方法,HVGAE模型获得了较好的预测结果,说明其能够较好地解决超图网络中的超边链接预测问题。

关键词：异质信息网络变分图自动编码器表示学习链接预测超图

来源：评论

学校读者我要写书评

暂无评论

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

引用

重庆大学学报 2021年第3期44卷 132-143页

作者：刘东王生生湘南学院软件与通信工程学院郴州423300 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

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能。首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的... 详细信息

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能。首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法。实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件。

关键词：拓扑深度学习图像检索特征提取特征融合

来源：评论

学校读者我要写书评

暂无评论

人工智能在高校实验室的管理应用和创新

引用

中文科技期刊数据库（全文版）教育科学 2023年第4期 189-192页

作者：李婷婷常玥邵斐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长春130012

高校实验室安全和设备管理、数据采集和分析、科研团队协作和资源共享是实验室运作中非常关键的方面。这些方面的优化和改进可以帮助实验室更高效地运作,提高科研成果的质量和数量。同时,通过创新性的应用和开发,人工智能技术也可以在... 详细信息

高校实验室安全和设备管理、数据采集和分析、科研团队协作和资源共享是实验室运作中非常关键的方面。这些方面的优化和改进可以帮助实验室更高效地运作,提高科研成果的质量和数量。同时,通过创新性的应用和开发,人工智能技术也可以在实验室中得到更广泛的应用和发展。这些应用和创新可以进一步推动人工智能技术的发展和应用,同时也能够为实验室提供更多的机会和挑战,促进实验室的发展和成长。

关键词：人工智能高校实验室数据创新效率提高

来源：评论

学校读者我要写书评

暂无评论

一种加速时间差分算法收敛的方法

引用

自动化学报 2021年第7期47卷 1679-1688页

作者：何斌刘全张琳琳时圣苗陈红名闫岩苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州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

时间差分算法(Temporal difference methods,TD)是一类模型无关的强化学习算法.该算法拥有较低的方差和可以在线(On-line)学习的优点,得到了广泛的应用.但对于一种给定的TD算法,往往只能通过调整步长参数或其他超参数来加速收敛,这也就... 详细信息

时间差分算法(Temporal difference methods,TD)是一类模型无关的强化学习算法.该算法拥有较低的方差和可以在线(On-line)学习的优点,得到了广泛的应用.但对于一种给定的TD算法,往往只能通过调整步长参数或其他超参数来加速收敛,这也就造成了加速TD算法收敛的方法匮乏.针对此问题提出了一种利用蒙特卡洛算法(Monte Carlo methods,MC)来加速TD算法收敛的方法(Accelerate TD by MC,ATDMC).该方法不仅可以适用于绝大部分的TD算法,而且不需要改变在线学习的方式.为了证明方法的有效性,分别在同策略(On-policy)评估、异策略(Off-policy)评估和控制(Control)三个方面进行了实验.实验结果表明ATDMC方法可以有效地加速各类TD算法.

关键词：强化学习时间差分算法蒙特卡罗算法加速收敛

来源：评论

学校读者我要写书评

暂无评论

基于时间关系的Bi-LSTM+GCN因果关系抽取

引用

吉林大学学报（理学版） 2021年第3期59卷 643-648页

作者：郑余祥左祥麟左万利梁世宁王英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

针对传统时间关系只应用在机器学习方向关系抽取的问题,提出一种基于序列标注实体识别的关系抽取方法.先构建双向长短期记忆网络(Bi-LSTM)模型进行特征提取,再输入时间关系作为特征矩阵进行图卷积.实验结果表明:时间关系能提高因果关系... 详细信息

针对传统时间关系只应用在机器学习方向关系抽取的问题,提出一种基于序列标注实体识别的关系抽取方法.先构建双向长短期记忆网络(Bi-LSTM)模型进行特征提取,再输入时间关系作为特征矩阵进行图卷积.实验结果表明:时间关系能提高因果关系抽取效果,并且包含时间关系的Bi-LSTM+GCN模型能有效抽取因果事件;带有时间关系的Bi-LSTM+GCN模型获得因果关系的抽取结果优于传统方法因果关系的抽取结果.

关键词：因果关系抽取时间关系序列标注图卷积双向长短期记忆网络(Bi-LSTM)

来源：评论

学校读者我要写书评

暂无评论

不一致术语集最小基数诊断的分支限界

引用

吉林大学学报（工学版） 2020年第4期50卷 1449-1454页

作者：欧阳丹彤高杰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

针对不一致术语集的最小基数诊断,提出了一种分支限界的方法,该方法根据不相交极小不一致保持子术语集(MIPS)覆盖来定义诊断的一个下界,并且使用分支技术将大问题分解为多个可并行执行的子问题。实验结果表明,该方法能够快速有效地计算... 详细信息

针对不一致术语集的最小基数诊断,提出了一种分支限界的方法,该方法根据不相交极小不一致保持子术语集(MIPS)覆盖来定义诊断的一个下界,并且使用分支技术将大问题分解为多个可并行执行的子问题。实验结果表明,该方法能够快速有效地计算出一个最小基数诊断。

关键词：计算机应用最小基数诊断极小不一致保持子术语集分支限界

来源：评论

学校读者我要写书评

暂无评论

基于BERT的因果关系抽取

引用

吉林大学学报（理学版） 2021年第6期59卷 1439-1444页

作者：姜博左万利王英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

针对传统关系抽取模型依赖特征工程等机器学习方法,存在准确率较低且规则较繁琐等问题,提出一种BERT+BiLSTM+CRF方法.首先使用BERT(bidirectional encoder representations from transformers)对语料进行预训练;然后利用BERT根据上下文... 详细信息

针对传统关系抽取模型依赖特征工程等机器学习方法,存在准确率较低且规则较繁琐等问题,提出一种BERT+BiLSTM+CRF方法.首先使用BERT(bidirectional encoder representations from transformers)对语料进行预训练;然后利用BERT根据上下文特征动态生成词向量的特点,将生成的词向量通过双向长短期记忆网络(BiLSTM)编码;最后输入到条件随机场(CRF)层完成对因果关系的抽取.实验结果表明,该模型在SemEval-CE数据集上准确率比BiLSTM+CRF+self-ATT模型提高了0.0541,从而提高了深度学习方法在因果关系抽取任务中的性能.

关键词：因果关系抽取序列标注双向长短期记忆网络(BiLSTM) BERT模型

来源：评论

学校读者我要写书评

暂无评论

基于图注意力网络的因果关系抽取

引用

计算机研究与发展 2020年第1期57卷 159-174页

作者：许晶航左万利梁世宁王英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

因果关系作为一种重要的关系类型在关系推理等许多领域中起着至关重要的作用,因此对因果关系进行抽取是文本挖掘中的一项基本任务.与传统文本分类方法或关系抽取不同,采用序列标注的方法可以抽取文本中的因果实体并确定因果关系方向,不... 详细信息

因果关系作为一种重要的关系类型在关系推理等许多领域中起着至关重要的作用,因此对因果关系进行抽取是文本挖掘中的一项基本任务.与传统文本分类方法或关系抽取不同,采用序列标注的方法可以抽取文本中的因果实体并确定因果关系方向,不需要依赖特征工程或因果背景知识.主要贡献有:1)拓展句法依存树到句法依存图,将图注意力网络应用到自然语言处理中,引入了基于句法依存图的图注意力网络的概念;2)提出Bi-LSTM+CRF+S-GAT因果关系抽取模型,根据输入的词向量生成句子中每个词的因果标签;3)对SemEval数据集进行修正与拓展,针对其存在的缺陷制定规则重新标注实验数据.在拓展后的SemEval数据集上进行了大量的实验,结果表明:该模型在预测准确率上比现有最优模型Bi-LSTM+CRF+self-ATT提高了0.064.

关键词：因果关系抽取图注意力网络序列标注句法依存图双向长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

知识图谱嵌入中的自适应筛选

引用

吉林大学学报（工学版） 2020年第2期50卷 685-691页

作者：欧阳丹彤马骢雷景佩冯莎莎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

针对知识图谱数据类别不平衡与训练难度不同,随机进行训练数据采样可能导致嵌入模型不能快速收敛的问题,提出了一种自适应的筛选训练数据方法。对训练数据按照关系类别进行分组,采样过程中首先根据概率选择关系类别,然后从选定的分组中... 详细信息

针对知识图谱数据类别不平衡与训练难度不同,随机进行训练数据采样可能导致嵌入模型不能快速收敛的问题,提出了一种自适应的筛选训练数据方法。对训练数据按照关系类别进行分组,采样过程中首先根据概率选择关系类别,然后从选定的分组中随机选择一个实例进行训练。根据训练效果对每组实例被选择的概率进行自适应调整。实验结果表明:自适应的分组筛选在链接预测任务上取得了更好的结果,使嵌入模型更快、更好地收敛。

关键词：人工智能知识图谱嵌入基于翻译的嵌入模型自适应筛选链接预测

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：