检索结果-内蒙古大学图书馆

中南大学学报（自然科学版） 2024年第9期55卷 3342-3353页

作者：段俊文贾智豪蒋晗丁效仲文明中南大学计算机学院湖南长沙410083 哈尔滨工业大学计算学部黑龙江哈尔滨150001 中南大学外国语学院湖南长沙410083

提出一种自解释句子抽取框架(Extra-iNet),该框架仅依赖于粗粒度的任务级标签,从输入文档中抽取部分句子,指导文档标签的预测,并为预测结果提供人类可读的解释。该框架利用卷积神经网络编码输入句子,将预测解释性句子的抽取和表征整合... 详细信息

提出一种自解释句子抽取框架(Extra-iNet),该框架仅依赖于粗粒度的任务级标签,从输入文档中抽取部分句子,指导文档标签的预测,并为预测结果提供人类可读的解释。该框架利用卷积神经网络编码输入句子,将预测解释性句子的抽取和表征整合在同一模块,采用强化学习和门控机制2种策略抽取解释子集,并由此推导出Hard Extra-iNet和Soft Extra-iNet 2种变体模型。分别在情感分析任务和累计超额收益预测任务上对模型的预测能力和解释能力进行验证。研究结果表明:相比于基线,模型在情感分析任务上的F1(精度与召回率的调和平均数)平均提高了15.5%,在累计超额收益预测任务上的准确率平均提高了3.7%;模型抽取的结果与人类标注的结果高度一致。Extra-iNet框架可以有效地从文档中抽取解释性句子,可推广应用于不同领域的文本预测任务。

关键词：可解释预测强化学习深度神经网络情感分析累积超额收益

来源：评论

学校读者我要写书评

暂无评论

基于双层BiGRU网络的哺乳动物组织m^(6)A甲基化位点预测

引用

生物化学与生物物理进展 2023年第12期50卷 3032-3044页

作者：李慧敏陈鹏辉唐轶徐权峰胡梦王煜云南民族大学数学与计算机科学学院昆明650504

目的N6-甲基化腺苷(N6-methyladenosine,m^(6)A)是RNA中最常见、最丰富的化学修饰,在很多生物过程中发挥着重要作用。目前已经发展了一些预测m^(6)A甲基化位点的计算方法。然而,这些方法在针对不同物种或不同组织时,缺乏稳健性。为了提... 详细信息

目的N6-甲基化腺苷(N6-methyladenosine,m^(6)A)是RNA中最常见、最丰富的化学修饰,在很多生物过程中发挥着重要作用。目前已经发展了一些预测m^(6)A甲基化位点的计算方法。然而,这些方法在针对不同物种或不同组织时,缺乏稳健性。为了提升对不同组织中m^(6)A甲基化位点预测的稳健性,本文提出一种能结合序列反向信息来提取数据更高级特征的双层双向门控循环单元(bidirectional gated recurrent unit,Bi GRU)网络模型。方法本文选取具有代表性的哺乳动物组织m^(6)A甲基化位点数据集作为训练数据,通过对模型网络、网络结构、层数和优化器等进行搭配,构建双层Bi GRU网络。结果将模型应用于人类、小鼠和大鼠共11个组织的m^(6)A甲基化位点预测上,并与其他方法在这11个组织上的预测能力进行了全面的比较。结果表明,本文构建的模型平均预测接受者操作特征曲线下面积(area under the receiver operating characteristiccurve,AUC)达到93.72%,与目前最好的预测方法持平,而预测准确率(accuracy,ACC)、敏感性(sensitivity,SN)、特异性(specificity,SP)和马修斯相关系数(Matthews correlation coefficient,MCC)分别为90.07%、90.30%、89.84%和80.17%,均高于目前的m^(6)A甲基化位点预测方法。结论和已有研究方法相比,本文方法对11个哺乳动物组织的m^(6)A甲基化位点的预测准确性均达到最高,说明本文方法具有较好的泛化能力。

关键词： N6-甲基化腺苷位点双向门控循环单元碱基序列深度学习

来源：评论

学校读者我要写书评

暂无评论

基于分级知识嵌入与强化学习的时序知识图谱推理方法

引用

计算机工程与应用 2025年

作者：黄勇萍李春青李熙春广西民族师范学院数学与计算机科学学院

针对时序知识图谱推理方法中未能充分捕捉语义依赖、时间演变信息以及缺乏可解释性等问题，提出一种基于分级知识嵌入与强化学习的时序知识图谱推理方法，命名为THKERL。THKERL包含两个关键组件：分级知识嵌入模型(HKEM)以及强化学习推... 详细信息

针对时序知识图谱推理方法中未能充分捕捉语义依赖、时间演变信息以及缺乏可解释性等问题，提出一种基于分级知识嵌入与强化学习的时序知识图谱推理方法，命名为THKERL。THKERL包含两个关键组件：分级知识嵌入模型(HKEM)以及强化学习推理模型(RLRM)。HKEM通过两个级别知识嵌入以获得更准确的知识图谱特征表示：子图级别旨在建模每个知识图中并发事实之间的语义依赖关系，而全局图级别主要用于捕捉实体随时间演变的动态特征信息。在此基础上，RLRM使用强化学习，引入加权动作评分机制设计策略网络，充分考虑查询问题与推理路径关系进行奖励塑形，以实现更可靠的知识推理。为验证THKERL方法的有效性，在ICEWS14等数据集上进行实验，并将实验结果与TiTer等主流时序知识图谱推理方法进行对比分析。实验结果表明，THKERL在实体预测任务上的Hits@k平均提升了约5.9%，MRR平均提升了约6.2%。

关键词：时序知识图谱分级知识嵌入知识推理强化学习奖励塑形

来源：评论

学校读者我要写书评

暂无评论

基于启发式深度Q学习的多机器人任务分配算法

引用

哈尔滨工程大学学报 2022年第6期43卷 857-864页

作者：张子迎陈云飞王宇华冯光升嘉应学院计算机学院广东梅州514015 哈尔滨工程大学计算机与科学技术学院黑龙江哈尔滨150001

针对多机器人任务分配方法在环境复杂性增加时出现的维度灾难问题,本文提出了一种基于启发式深度Q学习的多机器人多任务分配算法。采用神经网络代替传统强化学习中的Q值,避免了强化学习在高维度空间下的状态-动作空间的局限性问题;将轨... 详细信息

针对多机器人任务分配方法在环境复杂性增加时出现的维度灾难问题,本文提出了一种基于启发式深度Q学习的多机器人多任务分配算法。采用神经网络代替传统强化学习中的Q值,避免了强化学习在高维度空间下的状态-动作空间的局限性问题;将轨迹池引入深度Q学习算法中启发动作的选择策略,提高了算法的收敛速度;在动作选择决策之中引入动态探索因子,保证算法对环境中的未知空间的充分探索,进而提高算法的学习效率。通过实验证明:基于启发式深度Q学习的任务分配算法成功缓解了复杂环境下多机器人多任务分配的维度灾难问题,通过实验对比,证明基于启发式深度Q学习的任务分配算法在收敛速度和任务分配结果方面存在明显的提升。

关键词：任务分配神经网络强化学习 Q值高纬度启发式深度Q学习维度灾难动态探索

来源：评论

学校读者我要写书评

暂无评论

基于K-means聚类的超启发式跨单元调度方法

引用

系统仿真学报 2024年第4期36卷 941-956页

作者：赵彦霖田云娜延安大学数学与计算机科学学院陕西延安716000

结合我国制造业实际生产状况,针对柔性作业车间跨单元调度问题,提出一种基于K-means聚类的超启发式算法。应用K-means聚类算法将相近属性的实体划入相应“工件簇”决策块中,采用蚁群算法为每个决策块选择启发式规则;对每个决策块内的实... 详细信息

结合我国制造业实际生产状况,针对柔性作业车间跨单元调度问题,提出一种基于K-means聚类的超启发式算法。应用K-means聚类算法将相近属性的实体划入相应“工件簇”决策块中,采用蚁群算法为每个决策块选择启发式规则;对每个决策块内的实体运用相应的启发式规则产生调度解。仿真结果表明:该算法以决策块的形式适度增大了计算粒度,有效降低了算法时间复杂度,以聚类的方式将具有相近属性的被加工实体进行聚集,有利于为不同属性的实体选择合适的规则。该算法提高了计算效率,具有较好的优化性能,是解决柔性跨单元调度的一种有效算法。

关键词：跨单元调度超启发式算法决策块聚类蚁群算法

来源：评论

学校读者我要写书评

暂无评论

基于改进蚁群优化算法的AUV三维路径规划

引用

智能系统学报 2024年第3期19卷 627-634页

作者：蒲兴成冼文杰聂壮重庆邮电大学计算机科学与技术学院重庆400065 铜陵学院数学与计算机学院安徽铜陵244061

针对蚁群算法在三维路径规划时收敛速度慢且难以收敛至最优的缺点,提出一种新的改进蚁群算法,并将其应用于自主式水下机器人(autonomous underwater vehicle,AUV)三维路径规划。与现有算法相比,改进算法优点主要体现在3个方面:首先,引... 详细信息

针对蚁群算法在三维路径规划时收敛速度慢且难以收敛至最优的缺点,提出一种新的改进蚁群算法,并将其应用于自主式水下机器人(autonomous underwater vehicle,AUV)三维路径规划。与现有算法相比,改进算法优点主要体现在3个方面:首先,引进伪随机状态转移概率提升算法全局搜索能力;其次,将距离和轨迹限定因子引入启发式函数,距离因子保证搜索不断趋近目标点,在轨迹限定因子约束下,轨迹累计转角更小,以此提升收敛速度和精度;最后,通过扩大信息素增量差距并逐步提高信息素衰减系数,进一步提高路径规划效率。实验结果表明,改进蚁群算法能够获得累计转角更小路径,且路径长度更小,收敛速度更快。

关键词：路径规划改进蚁群算法启发函数信息素更新收敛速度三维路径规划自主水下机器人转移概率

来源：评论

学校读者我要写书评

暂无评论

变分不等式解集和半压缩映射有限族公共不动点集的公共元的强收敛定理

引用

浙江大学学报（理学版） 2024年第3期51卷 292-298页

作者：高兴慧房萌凯郭玥蓉王永杰延安大学数学与计算机科学学院陕西延安716000

在Hilbert空间中,针对变分不等式问题和不动点问题的公共元,构造了一种惯性黏性迭代算法。在适当条件下,采用映射半闭定义和投影算子技巧,证明了所构造算法产生的迭代序列强收敛于伪单调变分不等式解集和半压缩映射有限族公共不动点集... 详细信息

在Hilbert空间中,针对变分不等式问题和不动点问题的公共元,构造了一种惯性黏性迭代算法。在适当条件下,采用映射半闭定义和投影算子技巧,证明了所构造算法产生的迭代序列强收敛于伪单调变分不等式解集和半压缩映射有限族公共不动点集的公共元。数值实验结果说明了该算法的有效性。所得结果改进和推广了已有文献的一些结果。

关键词：变分不等式不动点半压缩映射有限族强收敛性

来源：评论

学校读者我要写书评

暂无评论

基于动态极小势参数矩阵求解极小碰集的方法

引用

计算机集成制造系统 2023年第5期29卷 1657-1667页

作者：魏霞赵相福黄森烟台大学计算机与控制工程学院山东烟台264005 浙江师范大学数学与计算机科学学院浙江金华321004

在基于模型的故障诊断与测试过程中,求解极小碰集是诊断与测试的一个关键步骤,极大地影响了故障诊断的最终效率。鉴于此,提出一种基于动态极小势的参数矩阵计算极小碰集的新算法JMatrix,利用参数矩阵描述冲突集合簇中元素与集合的关系,... 详细信息

在基于模型的故障诊断与测试过程中,求解极小碰集是诊断与测试的一个关键步骤,极大地影响了故障诊断的最终效率。鉴于此,提出一种基于动态极小势的参数矩阵计算极小碰集的新算法JMatrix,利用参数矩阵描述冲突集合簇中元素与集合的关系,每次动态选取当前矩阵中势最小的集合进行分解,将大问题逐步分解成规模更小的子问题,并在碰集求解过程中通过加入剪枝策略和启发式信息,避免了对无解空间的搜索;在对每一个碰集进行极小化时,根据原始冲突集合簇的矩阵特性,可以快速地找到特定元素所在的集合,从而加快极小化的速度。实验结果表明,所提算法JMatrix不但在大量人工测试数据集上较其他经典极小碰集求解算法具有更高的效率,而且在国际基准ISCAS-85电路数据集上仍具有高效稳定的性能。

关键词：基于模型的诊断极小碰集极小冲突集参数矩阵极小势

来源：评论

学校读者我要写书评

暂无评论

基于跨证据文本实体关系构建的事实核查研究

引用

中文信息学报 2024年第3期38卷 93-101,112页

作者：贺彦程徐冰朱聪慧哈尔滨工业大学计算机学院黑龙江哈尔滨150001

事实核查是指基于证据文本的虚假信息检测任务,目前已有的研究方法主要是将声明文本与证据文本拼接后输入预训练模型进行分类判断,或者通过单一节点的全连接图进行推理判断。这些方法忽略了证据文本间的远距离语义关联和其包含的噪声干... 详细信息

事实核查是指基于证据文本的虚假信息检测任务,目前已有的研究方法主要是将声明文本与证据文本拼接后输入预训练模型进行分类判断,或者通过单一节点的全连接图进行推理判断。这些方法忽略了证据文本间的远距离语义关联和其包含的噪声干扰。针对以上问题,该文提出了一种基于跨证据文本实体关系的图卷积神经网络模型(C ross-E vidence Entity R elation Reasoning M odel,CERM)。该模型以多个证据文本的实体共现关系为基础,聚合不同实体对象的语义结构信息,同时减小噪声信息干扰,有效提升模型的虚假信息判别能力。实验结果证明,在公开数据集上该文提出的方法在通用评测指标上均优于现有的对比模型,验证了CERM模型在事实核查研究任务上的有效性。

关键词：事实核查图卷积神经网络实体关系

来源：评论

学校读者我要写书评

暂无评论

神经网络分岔动力学综述

引用

自动化学报 2025年第1期51卷 72-89页

作者：肖敏陆云翔虞文武郑卫新南京邮电大学自动化学院、人工智能学院南京210023 东南大学数学学院南京211189 西悉尼大学计算机、数据与数学学院悉尼NSW 2751澳大利亚

自1982年著名的Hopfield神经网络问世以来,神经网络的分岔动力学受到了学术界的广泛关注.首先,回顾四类经典神经网络的数学模型和它们在各个领域的应用.接着,综述近三十年来关于整数阶神经网络(Integer-order neural networks,IONNs)、... 详细信息

自1982年著名的Hopfield神经网络问世以来,神经网络的分岔动力学受到了学术界的广泛关注.首先,回顾四类经典神经网络的数学模型和它们在各个领域的应用.接着,综述近三十年来关于整数阶神经网络(Integer-order neural networks,IONNs)、分数阶神经网络(Fractional-order neural networks,FONNs)、超数域神经网络(Supernumerary-domain neural networks,SDNNs)以及反应扩散神经网络(Reaction-diffusion neural networks,RDNNs)分岔动力学的相关研究成果.分析诸多组合因素,包括节点规模、耦合情形、拓扑结构、系统阶次、复值、四元数、八元数、扩散、时滞、随机性、脉冲、忆阻、激活函数等对神经网络分岔动力学的影响,并展示神经网络在多个领域的广泛应用.最后,对神经网络分岔动力学所面临的挑战以及未来的研究方向进行总结和展望.

关键词：神经网络时滞非线性动力学稳定性分岔周期性混沌

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：