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

聚合全局交互与局部交互的知识图谱补全

引用

计算机科学与探索 2024年

作者：冯勇栾超杰王嵘冰徐红艳张永刚辽宁大学信息学院辽宁大学信息化中心辽宁大学网络与信息安全学院吉林大学符号计算与知识工程教育部重点实验室

知识图谱的不完整性严重影响了下游任务的应用与发展，因此，有必要对其进行改进以补充缺失值，即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构，只能利用单一的局... 详细信息

知识图谱的不完整性严重影响了下游任务的应用与发展，因此，有必要对其进行改进以补充缺失值，即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构，只能利用单一的局部交互而忽略了实体关系间全局交互的影响。为此，提出一种聚合全局交互与局部交互的知识图谱补全方法AGILI。该方法首先引入自注意力机制获取头实体和关系间的信息关联程度，生成融入全局交互信息的嵌入表示，再采用卷积神经网络从新嵌入表示中提取局部交互信息，除此之外设计基于关系权重的可学习交互聚合器，在将全局交互与局部交互进行特征融合时，可以根据关系类别自适应地调整两种交互的重要程度，提高方法在多关系知识图谱上的表达能力。在公开数据集FB15k-237、WN18RR和Kinship上通过链接预测任务进行实验验证，实验结果表明，与最新的基于卷积神经网络的模型ConvD相比，所提出的方法在FB15K-237数据集上Hits@1、Hits@3指标分别提高了6.9%、5.3%，证明了所提出方法的优越性。

关键词：知识图谱知识图谱补全链接预测自注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

集成双重语义信息和改进注意力机制的中文实体识别方法

引用

计算机科学与探索 2024年

作者：冯勇刘明华王嵘冰徐红艳张永刚辽宁大学信息学院辽宁大学信息化中心辽宁大学网络与信息安全学院吉林大学符号计算与知识工程教育部重点实验室

针对当前中文命名实体识别中数据无明显分隔符、字符连续排列导致的边界模糊和分词歧义问题，考虑从实体的双重语义信息分析和改进注意力机制入手，提出了一种集成双重语义信息和改进注意力机制的中文实体识别方法。首先改进多头注意力... 详细信息

针对当前中文命名实体识别中数据无明显分隔符、字符连续排列导致的边界模糊和分词歧义问题，考虑从实体的双重语义信息分析和改进注意力机制入手，提出了一种集成双重语义信息和改进注意力机制的中文实体识别方法。首先改进多头注意力机制，通过线性门控单元有效平衡了捕获的顺序信息，并增强了多头注意力机制提供的全局信息，通过残差网络解决整体的梯度问题。接下来，在实体识别阶段的局部语义信息处理中引入知识图谱的思想，通过外部词典提取实体的局部语义特征，在全局语义信息中使用BERT捕获数据整体的语义特征，经动态融合得到双重语义信息。然后，BiLSTM通过双向处理输入序列捕捉全面的上下文依赖信息，同时利用改进的多头注意力机制建立多个子序列，弥补了BiLSTM对于长文本句子捕捉依赖的不足。最后，使用CRF优化标签序列的预测，得到最终的预测结果。在中文领域公开的MSRA、Weibo和人民日报数据集上进行了实验分析，实验结果表明所提方法的F1值分别为94.22%、69.96%、93.17%，较基准方法平均提高了0.95%，9.31%，1.25%，验证了本文所提实体识别方法在中文领域的有效性和优越性。

关键词：实体识别知识图谱注意力机制双重语义

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

引入激活扩散的类分布关系近邻分类器

引用

吉林大学学报（理学版） 2024年第4期62卷 915-922页

作者：董飒欧阳若川徐海啸刘杰刘大有李婷婷王鑫禄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 吉林大学党委教师工作部长春130012 吉林大学国际教育学院长春130012

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同... 详细信息

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同质性,从而降低分类错误率.对比实验结果表明,该方法扩大了待分类节点的邻域,在网络数据上分类精度较好.

关键词：人工智能网络数据分类激活扩散类分布关系近邻分类器协作推理

来源：评论

学校读者我要写书评

暂无评论

基于余弦相似度的多模态模仿学习方法

引用

计算机研究与发展 2023年第6期60卷 1358-1372页

作者：郝少璞刘全徐平安张立华黄志刚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

生成对抗模仿学习(generative adversarial imitation learning,GAIL)是一种基于生成对抗框架的逆向强化学习(inverse reinforcement learning,IRL)方法,旨在从专家样本中模仿专家策略.在实际任务中,专家样本往往由多模态策略产生.然而... 详细信息

生成对抗模仿学习(generative adversarial imitation learning,GAIL)是一种基于生成对抗框架的逆向强化学习(inverse reinforcement learning,IRL)方法,旨在从专家样本中模仿专家策略.在实际任务中,专家样本往往由多模态策略产生.然而,现有的GAIL方法大部分假设专家样本产自于单一模态策略,导致生成对抗模仿学习只能学习到部分模态策略,即出现模式塌缩问题,这极大地限制了模仿学习方法在多模态任务中的应用.针对模式塌缩问题,提出了基于余弦相似度的多模态模仿学习方法(multi-modal imitation learning method with cosine similarity,MCS-GAIL).该方法引入编码器和策略组,通过编码器提取专家样本的模态特征,计算采样样本与专家样本之间特征的余弦相似度,并将其加入策略组的损失函数中,引导策略组学习对应模态的专家策略.此外,MCS-GAIL使用新的极小极大博弈公式指导策略组以互补的方式学习不同模态策略.在假设条件成立的情况下,通过理论分析证明了MCS-GAIL的收敛性.为了验证方法的有效性,将MCS-GAIL用于格子世界和MuJoCo平台上,并与现有模式塌缩方法进行比较.实验结果表明,MCS-GAIL在所有环境中均能有效学习到多个模态策略,且具有较高的准确性和稳定性.

关键词：逆向强化学习生成对抗模仿学习多模态模式塌缩余弦相似度

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

深度分层强化学习研究与发展

引用

软件学报 2023年第2期34卷 733-760页

作者：黄志刚刘全张立华曹家庆朱斐苏州大学计算机科学与技术学院江苏苏州215006 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 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 软件新技术与产业化协同创新中心(南京) 江苏南京210093

深度分层强化学习是深度强化学习领域的一个重要研究方向,它重点关注经典深度强化学习难以解决的稀疏奖励、顺序决策和弱迁移能力等问题.其核心思想在于:根据分层思想构建具有多层结构的强化学习策略,运用时序抽象表达方法组合时间细粒... 详细信息

深度分层强化学习是深度强化学习领域的一个重要研究方向,它重点关注经典深度强化学习难以解决的稀疏奖励、顺序决策和弱迁移能力等问题.其核心思想在于:根据分层思想构建具有多层结构的强化学习策略,运用时序抽象表达方法组合时间细粒度的下层动作,学习时间粗粒度的、有语义的上层动作,将复杂问题分解为数个简单问题进行求解.近年来,随着研究的深入,深度分层强化学习方法已经取得了实质性的突破,且被应用于视觉导航、自然语言处理、推荐系统和视频描述生成等生活领域.首先介绍了分层强化学习的理论基础;然后描述了深度分层强化学习的核心技术,包括分层抽象技术和常用实验环境;详细分析了基于技能的深度分层强化学习框架和基于子目标的深度分层强化学习框架,对比了各类算法的研究现状和发展趋势;接下来介绍了深度分层强化学习在多个现实生活领域中的应用;最后,对深度分层强化学习进行了展望和总结.

关键词：人工智能强化学习深度强化学习半马尔可夫决策过程深度分层强化学习

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

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：