检索结果-内蒙古大学图书馆

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

基于移位窗口自注意力机制的新生儿脑区域图像分割

引用

吉林大学学报（理学版） 2024年第5期62卷 1129-1137页

作者：张啸成王涛田昕张永刚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 吉林大学第二医院长春130062 吉林大学计算机科学与技术学院长春130012

通过改进Swin Transformer编码解码网络,结合跳跃连接和深度监督机制,针对新生儿脑部核磁共振成像(MRI)图像分割面临的低信噪比、组织对比度差等问题,提出一种新的基于移位窗口自注意力机制的新生儿脑区域图像分割方法.该方法经过对MRI... 详细信息

通过改进Swin Transformer编码解码网络,结合跳跃连接和深度监督机制,针对新生儿脑部核磁共振成像(MRI)图像分割面临的低信噪比、组织对比度差等问题,提出一种新的基于移位窗口自注意力机制的新生儿脑区域图像分割方法.该方法经过对MRI图像的预处理后,能实现新生儿脑部图像多功能区域的精确分割,并采用最大连通域算法进一步提高了分割精度.在数据集dHCP上的实验结果表明,该方法优于现有方法,为早期发现和干预新生儿脑部损伤提供了潜在的可能性.

关键词：脑部图像区域分割 Swin Transformer编码解码网络新生儿MRI 自注意力移位窗口

来源：评论

学校读者我要写书评

暂无评论

增强边缘检测图像算法在多书识别中的应用

引用

吉林大学学报（工学版） 2022年第4期52卷 891-896页

作者：刘铭杨雨航邹松霖肖志成张永刚长春工业大学数学与统计学院长春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

随着图书的借阅量逐渐增加,国内图书馆基本都应用了自助借还系统,但在借还书过程中仍存在着许多异常的现象,如多书识别准确率不高、图书数目识别不准确等。针对上述问题,本文提出了一种基于增强边缘检测图像的多书识别算法。该算法使用2... 详细信息

随着图书的借阅量逐渐增加,国内图书馆基本都应用了自助借还系统,但在借还书过程中仍存在着许多异常的现象,如多书识别准确率不高、图书数目识别不准确等。针对上述问题,本文提出了一种基于增强边缘检测图像的多书识别算法。该算法使用2×2的卷积核与边缘检测图像做卷积,增强图像内的直线信息,通过检测图像内书籍边缘数量,并辅助检测书脊边缘来进行多书识别。其中,单书识别准确率达94.0%,多书识别准确率达92.9%,综合识别准确率为93.8%。该方法具有较高的实用性,可以用于完成多书识别任务。

关键词：计算机应用技术边缘提取直线检测多书识别图像增强

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YOLOV3改进的虹膜定位算法

引用

东北大学学报（自然科学版） 2022年第4期43卷 496-500,508页

作者：于哲舟刘岩刘元宁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

针对传统虹膜定位算法定位不准确的问题,利用改进的YOLOV3虹膜定位模型对虹膜定位的准确率加以提高,使其更好应用于生产实践.使用Densenet-121模型作为特征提取模块,并在此基础上通过复制骨干网络得到辅助网络的方式使其更有利于检测小... 详细信息

针对传统虹膜定位算法定位不准确的问题,利用改进的YOLOV3虹膜定位模型对虹膜定位的准确率加以提高,使其更好应用于生产实践.使用Densenet-121模型作为特征提取模块,并在此基础上通过复制骨干网络得到辅助网络的方式使其更有利于检测小目标,用Non-local注意力机制增强图片获取特征语义信息.采用基于DarkNet-53的YOLOV3模型、Daugman模型及Wilde模型进行对比实验.实验结果表明:本文的实验模型在虹膜定位中的准确率高达97.1%,与其他虹膜定位模型相比具有明显优势.

关键词： YOLOV3 虹膜定位特征提取目标检测注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向用户需求的生成对抗网络多样性推荐方法

引用

小型微型计算机系统 2023年第6期44卷 1192-1197页

作者：冯勇刘洋王嵘冰徐红艳张永刚辽宁大学信息学院沈阳110036 吉林大学符号计算与知识工程教育部重点实验室长春130012

目前电商平台大多注重商品推荐的准确性而忽略了多样性,存在推荐结果高冗余、用户满意度低等问题.考虑用户需求从而实现多样性推荐可以提升商品购买率和用户满意度,为此本文提出了一种面向用户需求的生成对抗网络多样性推荐方法.该方法... 详细信息

目前电商平台大多注重商品推荐的准确性而忽略了多样性,存在推荐结果高冗余、用户满意度低等问题.考虑用户需求从而实现多样性推荐可以提升商品购买率和用户满意度,为此本文提出了一种面向用户需求的生成对抗网络多样性推荐方法.该方法由生成模型和判别模型组成,其中,生成模型由四层结构组成,结合用户需求生成多样性商品表示.判别模型判定生成商品是否为真实商品,反馈给生成模型.最后,计算各商品与多样性商品表示的相似度,产生推荐列表.对比实验表明本文所提方法切实能够提高商品推荐的多样性,而且能够带来准确性的提升.

关键词：个性化推荐多样性生成对抗网络商品属性用户需求

来源：评论

学校读者我要写书评

暂无评论

基于多模态数据融合的胃癌患者生存预测模型

引用

吉林大学学报(工学版) 2024年

作者：刘元宁王星喆黄子彧张家晨刘震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北京林业大学信息学院长崎综合科学大学研究生院工学研究科

针对胃癌患者生存预测的深度学习方法中存在的患者数据使用不全面、数据结合方式粗糙等问题，提出了一种多模态数据融合的胃癌患者生存预测模型。首先，将同一患者的包括临床数据、基因表达数据和医学图像的多模态数据预处理。其次，将... 详细信息

针对胃癌患者生存预测的深度学习方法中存在的患者数据使用不全面、数据结合方式粗糙等问题，提出了一种多模态数据融合的胃癌患者生存预测模型。首先，将同一患者的包括临床数据、基因表达数据和医学图像的多模态数据预处理。其次，将多模态数据输入到图注意力网络中，使多模态数据在注意力机制下自适应调整权重互相融合。再次，引入卷积神经网络处理的医学图像，与图注意力网络的输出共同作用于预测结果。最后，使用十折交叉验证证明模型性能的稳定性，并将结果与使用相同数据集的其他方法进行比较。结果表明，本文提出的模型取得了领先的准确率。

关键词：计算机应用深度学习多模态数据生存预测

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

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

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：