检索结果-内蒙古大学图书馆

计算机学报 2021年第10期44卷 2135-2147页

作者：刘洋王利民孙铭会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

贝叶斯网络分类器(BNC)由于其优越的分类性能和可解释性在数据挖掘和人工智能等领域有着广泛的应用.信息论为其迅速发展奠定了坚实的数学理论基础,例如条件互信息被用来度量BNC拓扑结构中属性间的条件依赖关系.然而,贝叶斯网络又被称为... 详细信息

贝叶斯网络分类器(BNC)由于其优越的分类性能和可解释性在数据挖掘和人工智能等领域有着广泛的应用.信息论为其迅速发展奠定了坚实的数学理论基础,例如条件互信息被用来度量BNC拓扑结构中属性间的条件依赖关系.然而,贝叶斯网络又被称为因果网络,但目前人工智能等领域中有关贝叶斯网络因果关系的研究是一个很有争议性的课题.属性间因果性的定义远比相关性的定义复杂微妙很多.而条件互信息可能不适用于度量BNC整体拓扑结构对数据的拟合性,并且其表达式的对称性决定了其只能描述属性之间的无向相关性,而非有向因果性.本文从信息熵的角度对贝叶斯网络中的因果关系进行了探索性的研究,首先基于对似然函数定义了联合熵函数与贝叶斯网络拓扑结构中联合概率分布的映射关系,然后在此基础上提出了类条件熵和局部条件熵函数来识别拓扑结构中属性间的因果关系.最后提出了一种基于类标签驱动的启发式结构学习方法来构建可以兼顾有标签数据拟合和无标签数据泛化的BNC(记为HBN).对美国加州大学欧文分校(UCI)机器学习数据库中35个数据集的实验评估表明,本文所提出算法与其它算法相比在分类性能上具有显著优势,例如HBN在0-1损失函数上明显优于CFWNB(17优5劣)、SKDB(14优5劣)、AIWNB(17优7劣);在偏差上HBN与CFWNB相比26优6劣,与SKDB相比10优5劣,与WAODE相比15优7劣,与RF相比29优4劣,与AIWNB相比22优6劣.由于CFWNB、WAODE、AIWNB没有结构学习过程,其拓扑结构不受训练数据扰动的影响.这三种算法的方差显著低于其它算法.而HBN的局部拓扑结构能充分体现测试实例中隐含的因果关系,在一定程度上减轻训练数据过拟合带来的负面影响.因此,与SKDB和RF相比,HBN的方差结果均明显占优(20优9劣,26优3劣).与其他算法相比,HBN的0-1损失函数和偏差结果分别平均提高了6.06%和12.65%.与SKDB和RF相比,HBN的方差结果平均提高了16.49%.HBN为不确定性知识表示和推理提供了一种有效且可行的方法.

关键词：贝叶斯网络分类器对数似然函数联合熵条件熵交叉熵

来源：评论

学校读者我要写书评

暂无评论

结合格局检测与局部搜索的故障数据缩减方法

引用

吉林大学学报（工学版） 2021年第6期51卷 2144-2153页

作者：欧阳丹彤张必歌田乃予张立明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

针对集成电路故障诊断中故障数据缩减方法 N-cover存在冗余故障数据的问题,提出了结合格局检测与局部搜索的故障数据缩减方法。通过分析故障数据与端口覆盖次数的逻辑关系,提出了故障频率和故障覆盖度的概念以指导局部搜索。同时,结合... 详细信息

针对集成电路故障诊断中故障数据缩减方法 N-cover存在冗余故障数据的问题,提出了结合格局检测与局部搜索的故障数据缩减方法。通过分析故障数据与端口覆盖次数的逻辑关系,提出了故障频率和故障覆盖度的概念以指导局部搜索。同时,结合格局检测策略以避免重复搜索,进而通过减少冗余迭代来增加搜索广度。在标准测试用例上的实验结果表明,与现有方法相比,本文方法可有效缩减故障数据数目并提高求解效率。

关键词：人工智能故障诊断电路测试故障数据局部搜索格局检测

来源：评论

学校读者我要写书评

暂无评论

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

FFConvNeXt3D:提取中大规模目标特征的大卷积核网络

引用

郑州大学学报（理学版） 2025年第2期57卷 37-43页

作者：黄乾坤黄蔚凌兴宏苏州大学计算机科学与技术学院江苏苏州215006 苏州大学东吴学院计算机系江苏苏州215006 苏州城市学院计算科学与人工智能学院江苏苏州215104 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

目前大卷积核模型在图像领域已经证明其有效性,但是在视频领域还没有优秀的3D大卷积核模型。此外,之前的工作中忽视了时空行为检测任务主体是人的特点,其中的骨干网络只针对通用目标提取特征。针对上述原因,提出了一种含有特征融合结构... 详细信息

目前大卷积核模型在图像领域已经证明其有效性,但是在视频领域还没有优秀的3D大卷积核模型。此外,之前的工作中忽视了时空行为检测任务主体是人的特点,其中的骨干网络只针对通用目标提取特征。针对上述原因,提出了一种含有特征融合结构的3D大卷积核神经网络(FFConvNeXt3D)。首先,将成熟的ConvNeXt网络膨胀成用于视频领域的ConvNeXt3D网络,其中,预训练权重也进行处理用于膨胀后的网络。其次,研究了卷积核时间维度大小和位置对模型性能的影响。最后,提出了一个特征融合结构,着重提高骨干网络提取人物大小目标特征的能力。在UCF101-24数据集上进行了消融实验和对比实验,实验结果验证了特征融合结构的有效性,并且该模型性能优于其他方法。

关键词：大卷积核目标检测时空行为检测行为识别特征融合

来源：评论

学校读者我要写书评

暂无评论

基于双注意力擦除和注意力信息聚合的弱监督目标检测

引用

计算机工程 2023年第3期49卷 113-120,127页

作者：宋鹏鹏龚声蓉钟珊周立凡凤黄浩苏州大学计算机科学与技术学院江苏苏州215000 常熟理工学院计算机科学与工程学院江苏苏州215000 吉林大学符号计算与知识工程教育部重点实验室长春130000

现有的弱监督检测方法主要采用多示例检测网络,但在这些方法中应用分类特征提取网络易使目标尤其是非刚性目标的检测结果收敛到目标最显著局部区域。提出一种基于双注意力擦除和注意力信息聚合的端到端的弱监督检测框架DAENet。双注意... 详细信息

现有的弱监督检测方法主要采用多示例检测网络,但在这些方法中应用分类特征提取网络易使目标尤其是非刚性目标的检测结果收敛到目标最显著局部区域。提出一种基于双注意力擦除和注意力信息聚合的端到端的弱监督检测框架DAENet。双注意力擦除模块的目的在于擦除生成的最显著性局部前景区域和部分背景区域,以此来扩展目标显著性区域,使网络能够尽可能地关注目标整体,从而更好地捕获目标整体区域。此外,为准确定位不同目标区域并精确生成注意力擦除掩码,提出注意力信息聚合模块,该模块可提取通道的全局特征和局部特征,并引入空间依赖性进一步提高检测精度。通过将双注意力擦除和注意力信息聚合进行协同工作,从而更好地提高弱监督检测性能。在PASCAL VOC 2007和VOC 2012数据集上的实验结果表明,DAENet框架在两个数据集上的检测精度分别达到50.5%和47.4%,相比基准模型,在部分非刚性目标上的检测精度提高了约5%~20%。

关键词：弱监督目标检测擦除策略注意力机制非刚性目标深度学习

来源：评论

学校读者我要写书评

暂无评论

融合引力搜索的双延迟深度确定策略梯度方法

引用

软件学报 2023年第11期34卷 5191-5204页

作者：徐平安刘全郝少璞张立华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) 江苏南京210093 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 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

近年来,深度强化学习在复杂控制任务中取得了令人瞩目的效果,然而由于超参数的高敏感性和收敛性难以保证等原因,严重影响了其对现实问题的适用性.元启发式算法作为一类模拟自然界客观规律的黑盒优化方法,虽然能够有效避免超参数的敏感性... 详细信息

近年来,深度强化学习在复杂控制任务中取得了令人瞩目的效果,然而由于超参数的高敏感性和收敛性难以保证等原因,严重影响了其对现实问题的适用性.元启发式算法作为一类模拟自然界客观规律的黑盒优化方法,虽然能够有效避免超参数的敏感性,但仍存在无法适应待优化参数量规模巨大和样本使用效率低等问题.针对以上问题,提出融合引力搜索的双延迟深度确定策略梯度方法(twin delayed deep deterministic policy gradient based on gravitational search algorithm,GSA-TD3).该方法融合两类算法的优势:一是凭借梯度优化的方式更新策略,获得更高的样本效率和更快的学习速度;二是将基于万有引力定律的种群更新方法引入到策略搜索过程中,使其具有更强的探索性和更好的稳定性.将GSA-TD3应用于一系列复杂控制任务中,实验表明,与前沿的同类深度强化学习方法相比,GSA-TD3在性能上具有显著的优势.

关键词：深度强化学习元启发式算法引力搜索确定策略梯度策略搜索

来源：评论

学校读者我要写书评

暂无评论

逆向强化学习研究综述

引用

软件学报 2023年第10期34卷 4772-4803页

作者：张立华刘全黄志刚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江苏南京210023

逆向强化学习(inverse reinforcement learning,IRL)也称为逆向最优控制(inverse optimal control,IOC),是强化学习和模仿学习领域的一种重要研究方法,该方法通过专家样本求解奖赏函数,并根据所得奖赏函数求解最优策略,以达到模仿专家... 详细信息

逆向强化学习(inverse reinforcement learning,IRL)也称为逆向最优控制(inverse optimal control,IOC),是强化学习和模仿学习领域的一种重要研究方法,该方法通过专家样本求解奖赏函数,并根据所得奖赏函数求解最优策略,以达到模仿专家策略的目的.近年来,逆向强化学习在模仿学习领域取得了丰富的研究成果,已广泛应用于汽车导航、路径推荐和机器人最优控制等问题中.首先介绍逆向强化学习理论基础,然后从奖赏函数构建方式出发,讨论分析基于线性奖赏函数和非线性奖赏函数的逆向强化学习算法,包括最大边际逆向强化学习算法、最大熵逆向强化学习算法、最大熵深度逆向强化学习算法和生成对抗模仿学习等.随后从逆向强化学习领域的前沿研究方向进行综述,比较和分析该领域代表性算法,包括状态动作信息不完全逆向强化学习、多智能体逆向强化学习、示范样本非最优逆向强化学习和指导逆向强化学习等.最后总结分析当前存在的关键问题,并从理论和应用方面探讨未来的发展方向.

关键词：逆向强化学习模仿学习生成对抗模仿学习逆向最优控制强化学习

来源：评论

学校读者我要写书评

暂无评论

基于多方向局部二值模式与稳定特征的虹膜识别

引用

吉林大学学报（工学版） 2021年第2期51卷 650-658页

作者：朱晓冬张齐贤刘元宁吴迪吴祖慷王超群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 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为... 详细信息

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的稳定特征图像。然后基于局部二进制模式,提出多方向局部二值模式提取特征向量,该方法不仅能描述虹膜图像的整体空间信息,而且还能降低特征图像的维度。最后用Hamming距离进行虹膜识别。对CASIA、JLU-6.0等虹膜库进行了识别和评价,实验结果表明:该方法不仅可以保证稳定特征的有效性,而且能有效提取局部纹理特征,具有更高的识别率和鲁棒性。

关键词：局部纹理虹膜识别局部二进制模式鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3改进的用户界面组件检测算法

引用

吉林大学学报（工学版） 2021年第3期51卷 1026-1033页

作者：刘元宁吴迪朱晓冬张齐贤李双双郭书君王超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

针对传统方法识别用户界面(UI)组件时,无法进行组件分类的问题,本文提出了基于经典目标检测算法YOLOv3改进的算法用于UI组件检测任务,包括识别和分类。特征提取网络采用DenseNet紧密连接结构使提取到的特征能够充分使用;在特征提取网络... 详细信息

针对传统方法识别用户界面(UI)组件时,无法进行组件分类的问题,本文提出了基于经典目标检测算法YOLOv3改进的算法用于UI组件检测任务,包括识别和分类。特征提取网络采用DenseNet紧密连接结构使提取到的特征能够充分使用;在特征提取网络中加入通道注意力机制和空间注意力机制,使用加权的特征代替原来的特征用于后面的特征融合;构造4个维度的特征金字塔网络完成组件检测任务;使用Focalloss作为分类损失函数。在收集的真实UI数据集上进行实验,实验结果表明:在检测精度上,本文方法的召回率达到了91.97%,平均精度mAP达到了48.21%,相比传统检测方法,本文方法具有更好的性能。

关键词：计算机应用组件检测注意力机制焦损失函数

来源：评论

学校读者我要写书评

暂无评论

故障响应指导下基于测试集的故障诊断方法

引用

吉林大学学报（工学版） 2021年第3期51卷 1017-1025页

作者：欧阳丹彤刘扬刘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 吉林大学软件学院长春130012

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单... 详细信息

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单故障集合的概念。针对ADD方法中需对电路的所有单故障求解F_(same)的问题,给出仅对候选单故障集合求解F_(same)的方法。该方法一方面避免了对所有单故障都进行对比并求解F_(same)的问题,提高了诊断求解效率;另一方面有效删除了F_(same)中包含的冗余候选诊断解,提高了候选诊断解的分辨率;此外,还增加了候选故障集中所包含的真实诊断解的数量,提高了候选诊断解的准确率。实验结果表明,与ADD方法相比,ALFDD方法候选诊断分辨率和准确率明显提高,求解效率也有较大提高。

关键词：计算机应用模型故障故障诊断候选单故障集合诊断准确性诊断分辨率

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：