检索结果-内蒙古大学图书馆

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

二进制麻雀特征选择算法

引用

长春工业大学学报 2022年第4期43卷 462-472页

作者：李占山姚鑫刘兆赓马翔李昀朔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 计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 吉林大学人工智能学院吉林长春130012

特征选择是机器学习的重要分类任务,其结果直接影响后续学习算法性能。麻雀搜索算法(SSA)是近年来提出的一种基于麻雀智能行为的元启发式算法,它考虑麻雀的社会组织及其对环境的适应性求解连续优化问题,文中将SSA求解离散类的特征选择... 详细信息

特征选择是机器学习的重要分类任务,其结果直接影响后续学习算法性能。麻雀搜索算法(SSA)是近年来提出的一种基于麻雀智能行为的元启发式算法,它考虑麻雀的社会组织及其对环境的适应性求解连续优化问题,文中将SSA求解离散类的特征选择问题。首先采用混沌反向学习作为初始化策略,并结合差分进化算法改进更新解阶段,随后利用三种二进制方式将处理连续类问题的SSA转换为适应特征选择问题的二进制版本,并最终选择对分类性能提升最大的S型转移函数结合改进后的SSA,形成文中提出的一种包裹式的二进制麻雀特征选择算法BSFSA,为测试BSFSA的性能,使用k-最近邻作为分类器并选用21个UCI数据集,与7种先进的基于群体智能的包裹式特征选择算法和2种过滤式特征选择算法在分类精度和维度缩减率等方面进行比较,结果显示,BSFSA在18个数据集中取得最高分类精度,此外也取得了5个最高维度缩减率和5个次高维度缩减率。实验结果表明,BSFSA能够出色兼顾特征子集的分类精度与维度缩减能力,相较对比算法体现出一定优势。

关键词：麻雀搜索算法包裹式特征选择 S型转移函数混沌反向学习差分进化

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

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

基于GA-BP神经网络的序列虹膜质量评价算法

引用

吉林大学学报（理学版） 2020年第6期58卷 1382-1390页

作者：张齐贤朱晓冬刘元宁王超群吴祖慷李昕龙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 吉林大学计算机科学与技术学院长春130012

针对虹膜质量评价指标单一或过多的情形,提出一种基于GA-BP神经网络的序列虹膜质量评价算法.首先对虹膜图像进行粗质量评价,筛选掉大多数不合格的较差质量图像;然后对虹膜图像进行精质量评价,选用3个较重要的指标得出指标值;最后结合BP... 详细信息

针对虹膜质量评价指标单一或过多的情形,提出一种基于GA-BP神经网络的序列虹膜质量评价算法.首先对虹膜图像进行粗质量评价,筛选掉大多数不合格的较差质量图像;然后对虹膜图像进行精质量评价,选用3个较重要的指标得出指标值;最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价.在JLU-6.0虹膜库中进行验证,并与其他算法进行对比测试,测试结果表明,该算法能保留较多的有效虹膜图像,且分类精确度较高.

关键词：虹膜质量评价序列虹膜 BP神经网络精确度

来源：评论

学校读者我要写书评

暂无评论

基于GAN改进的人脸表情识别算法及应用

引用

吉林大学学报（理学版） 2020年第3期58卷 605-610页

作者：李婷婷胡玉龙魏枫林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 吉林大学软件学院长春130012

针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器... 详细信息

针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器之间的对抗训练,不断增强特征提取器提取特征的能力和分类器对人脸表情识别的准确率,并将其应用在工作人员工作状态智能监测中,根据表情识别结果判断工作状态,从而合理分配实验室资源,提高实验室资源利用率.改进算法在CK+数据集上多次实验的结果表明:该算法有较高的鲁棒性,能有效提高人脸表情识别率.

关键词：表情识别对抗生成网络卷积神经网络深度学习工作状态智能监测

来源：评论

学校读者我要写书评

暂无评论

基于现场可编程门电路的人脸检测识别加速平台

引用

吉林大学学报（工学版） 2019年第6期49卷 2051-2057页

作者：周柚杨森李大琳吴春国王岩王康平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

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加... 详细信息

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加速了卷积神经网络计算过程。实验结果表明,硬件平台较软件平台实现了2.9倍的加速比。

关键词：计算机应用人脸检测人脸识别卷积神经网络现场可编程门电路算法算法硬件

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

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：