检索结果-内蒙古大学图书馆

计算机教育 2021年第9期 191-194页

作者：徐勇文杰蒋宗礼哈尔滨工业大学(深圳)计算机科学与技术学院广东深圳518055 北京工业大学计算机学院北京100124

针对模式识别课程现行教材中数学表达内容多以及课堂教学中存在知识理解与转化度偏低、教师难教、学生难学的问题,以图式理论为指导,瞄准"知识贯通、能力提升"的教改目标,基于知识的递进理解规律,提出构建课程内容的"高... 详细信息

针对模式识别课程现行教材中数学表达内容多以及课堂教学中存在知识理解与转化度偏低、教师难教、学生难学的问题,以图式理论为指导,瞄准"知识贯通、能力提升"的教改目标,基于知识的递进理解规律,提出构建课程内容的"高阶""中阶""低阶"表达的多层级体系,并据此介绍与基础教材配套的辅助教材和应用案例建设,最后说明教学效果。

关键词：模式识别高校教育课程设计教材建设

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的多场景高层住宅自动布局方法

引用

建筑科学 2022年第12期38卷 34-42,50页

作者：郭茂祖王鹏跃曹印庚赵玲玲李阳北京建筑大学电气与信息工程学院北京100044 建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学) 北京100044 北京建筑大学建筑与城市规划学院北京100044 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

高层住宅区布局设计需满足防火、日照等多项建筑规范,同时存在地块轮廓不规则、地块带有水体等多种设计场景。针对这一多场景多约束的目标优化问题,本文提出基于深度强化学习的高层住宅自动布局方法。将建筑规范进行抽取并设置为强化学... 详细信息

高层住宅区布局设计需满足防火、日照等多项建筑规范,同时存在地块轮廓不规则、地块带有水体等多种设计场景。针对这一多场景多约束的目标优化问题,本文提出基于深度强化学习的高层住宅自动布局方法。将建筑规范进行抽取并设置为强化学习框架下的奖励函数。建筑单体作为智能体,通过与场景直接交互,累积不同建筑布局及相应奖励值,并据此自主学习移动策略,从而实现多约束条件下建筑布局的自动优化。最后,通过多个真实地块的案例设计验证了本方法在缩短设计时间、输出方案的适用性及复杂周边环境上的优势。

关键词：机器学习深度强化学习布局设计多约束优化日照计算

来源：评论

学校读者我要写书评

暂无评论

基于过采样和卫星图像多特征融合的街区品质评估

引用

广西科学 2022年第4期29卷 652-659页

作者：郭茂祖王偲佳王鹏跃李阳赵玲玲北京建筑大学电气与信息工程学院北京100044 建筑大数据智能处理方法研究北京重点实验室(北京建筑大学) 北京100044 北京建筑大学建筑与城市规划学院北京100044 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

城市街区的品质评估是城市规划中的重要步骤之一。针对已有街区品质评估模型中使用的街景图像采集位置和角度不统一造成的图像内容偏差问题,本文提出使用视角统一且易获取的卫星图像代替街景图像。同时考虑多种街区品质测度指标,将非图... 详细信息

城市街区的品质评估是城市规划中的重要步骤之一。针对已有街区品质评估模型中使用的街景图像采集位置和角度不统一造成的图像内容偏差问题,本文提出使用视角统一且易获取的卫星图像代替街景图像。同时考虑多种街区品质测度指标,将非图像型数据与图像型数据进行特征融合,从多角度进行城市街区品质表达,然后针对小样本和数据不平衡场景,结合机器学习中的随机过采样和随机森林(Random Forest, RF),基于融合数据进行城市街区的品质评估。实验结果表明,本研究方法可以有效进行全面的城市街区品质表达,并有效降低过拟合,对比未使用过采样和多特征融合的方法,正确率提高约8个百分点。

关键词：城市街区品质评估特征融合朴素随机过采样随机森林卫星图像

来源：评论

学校读者我要写书评

暂无评论

高校工程教育改革趋向及思考——统筹MOOC教学与新工科建设

引用

中国高校科技 2020年第11期 64-68页

作者：张策徐晓飞初佃辉季振洲谷松林哈尔滨工业大学(威海)教务处山东威海264209 哈尔滨工业大学(威海)学校办公室山东威海264209 哈尔滨工业大学(威海)计算机科学与技术学院山东威海264209 哈尔滨工业大学(威海)计算机学院计算机基础系山东威海264209

MOOC教学是支撑新工科专业建设与人才培养的重要内容,对于推动新工科课程改革与教学改革具有重要意义。文章从深度融合等角度对MOOC与新工科关系进行了剖析,提出MOOC教学与新工科建设统筹开展的路径。最后以协同推进MOOC教学与新工科建... 详细信息

MOOC教学是支撑新工科专业建设与人才培养的重要内容,对于推动新工科课程改革与教学改革具有重要意义。文章从深度融合等角度对MOOC与新工科关系进行了剖析,提出MOOC教学与新工科建设统筹开展的路径。最后以协同推进MOOC教学与新工科建设案例,提出将二者统筹起来、协同推进,加速教育教学的时代变革。

关键词：工程教育新工科深度融合 MOOC 人才培养

来源：评论

学校读者我要写书评

暂无评论

劣质数据上代价敏感决策树的建立

引用

软件学报 2019年第3期30卷 604-619页

作者：齐志鑫王宏志周雄李建中高宏哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

代价敏感决策树是以最小化误分类代价和测试代价为目标的一种决策树.目前,随着数据量急剧增长,劣质数据的出现也愈发频繁.在建立代价敏感决策树时,训练数据集中的劣质数据会对分裂属性的选择和决策树结点的划分造成一定的影响.因此在进... 详细信息

代价敏感决策树是以最小化误分类代价和测试代价为目标的一种决策树.目前,随着数据量急剧增长,劣质数据的出现也愈发频繁.在建立代价敏感决策树时,训练数据集中的劣质数据会对分裂属性的选择和决策树结点的划分造成一定的影响.因此在进行分类任务前,需要提前对数据进行劣质数据清洗.然而在实际应用中,由于数据清洗工作所需要的时间和金钱代价往往很高,许多用户给出了自己可接受的数据清洗代价最大值,并要求将数据清洗的代价控制在这一阈值内.因此除了误分类代价和测试代价以外,劣质数据的清洗代价也是代价敏感决策树建立过程中的一个重要因素.然而,现有代价敏感决策树建立的相关研究没有考虑数据质量问题.为了弥补这一空缺,着眼于研究劣质数据上代价敏感决策树的建立问题.针对该问题,提出了3种融合数据清洗算法的代价敏感决策树建立方法,并通过实验证明了所提出方法的有效性.

关键词：代价敏感决策树劣质数据数据清洗误分类代价测试代价

来源：评论

学校读者我要写书评

暂无评论

缓存侧信道攻击下硬件事件特征分析

引用

智能计算机与应用 2021年第10期11卷 1-4页

作者：王楷郭涛季振洲哈尔滨工业大学计算机科学与技术学院哈尔滨150001 哈尔滨工业大学网络与信息中心哈尔滨150001

基于硬件事件的异常检测是当前防御缓存侧信道攻击的主要手段之一。然而,现有防御机制普遍未考虑攻击者主动隐藏特征时的检测准确度。本文指出可行的侧信道攻击需要满足不可或缺的驱逐操作和严格的攻击频率这两个先决条件,并发现这些攻... 详细信息

基于硬件事件的异常检测是当前防御缓存侧信道攻击的主要手段之一。然而,现有防御机制普遍未考虑攻击者主动隐藏特征时的检测准确度。本文指出可行的侧信道攻击需要满足不可或缺的驱逐操作和严格的攻击频率这两个先决条件,并发现这些攻击约束会导致被攻击的缓存组访问量急剧增加。实验结果表明,相比于SPEC基准程序,侧信道攻击至少会导致2.61倍的访问量。

关键词：系统结构硬件安全缓存侧信道攻击异常检测

来源：评论

学校读者我要写书评

暂无评论

基于改进的Faster R-CNN的通用目标检测框架

引用

计算机应用 2021年第9期41卷 2712-2719页

作者：马佳良陈斌孙晓飞中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机科学与技术学院北京100049 哈尔滨工业大学(深圳)人工智能研究院广东深圳518055

针对当前基于深度学习的检测器不能有效检测形状不规则或长宽相差悬殊的目标的问题,在传统Faster R-CNN算法的基础上,提出了一个改进的二阶段目标检测框架——Accurate R-CNN。首先,提出了新的交并比(IoU)度量——有效交并比(EIoU),通... 详细信息

针对当前基于深度学习的检测器不能有效检测形状不规则或长宽相差悬殊的目标的问题,在传统Faster R-CNN算法的基础上,提出了一个改进的二阶段目标检测框架——Accurate R-CNN。首先,提出了新的交并比(IoU)度量——有效交并比(EIoU),通过提出中心度权重来降低训练数据中冗余包围框的占比。然后,提出了一个上下文相关的特征重分配模块(FRM),通过建模目标的远程依赖和局部上下文关系信息对特征进行重编码,以弥补池化过程中的形状信息损失。实验结果表明,在微软多场景通用目标(MS COCO)数据集上,对于包围框检测任务,当使用深度为50和101的残差网络(ResNet)作为骨干网络时,Accurate R-CNN比基线模型Faster R-CNN的平均精度(AP)分别提高了1.7个百分点和1.1个百分点,超越了使用同样骨干网络的基于掩膜的检测器。在添加掩膜分支后,对于实例分割任务,当使用两种不同深度的ResNet作为骨干网络时,Accurate R-CNN比Mask R-CNN的掩膜平均精度分别提高了1.2个百分点和1.1个百分点。研究结果显示,相较于基线模型,Accurate R-CNN在不同数据集、不同任务上均取得了更好的检测效果。

关键词：计算机视觉目标检测实例分割交并比感兴趣区域池化

来源：评论

学校读者我要写书评

暂无评论

融合语言知识与深度学习的文本蕴含识别

引用

计算机工程与应用 2020年第24期56卷 157-163页

作者：郑德权于凤王贺伟哈尔滨商业大学计算机与信息工程学院哈尔滨150028 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

文本蕴含技术在自然语言处理中得到了广泛应用,但存在词对推理能力差的问题(例如,句对中出现反义词对无法判断反义关系等)。重点研究了词对知识向量的获取问题,包括融合多特征及有监督的词对关系向量获取、采用TransR的词对关系表示获... 详细信息

文本蕴含技术在自然语言处理中得到了广泛应用,但存在词对推理能力差的问题(例如,句对中出现反义词对无法判断反义关系等)。重点研究了词对知识向量的获取问题,包括融合多特征及有监督的词对关系向量获取、采用TransR的词对关系表示获取、反义词向量表示获取等三种方法,并将知识向量引入到文本蕴含识别模型中的词对齐和注意力机制部分。有关实验表明,上述方法相比经典模型有了较大的提升。

关键词：文本蕴含知识向量深度学习词对齐注意力机制

来源：评论

学校读者我要写书评

暂无评论

结合注意力机制和本体的远程监督关系抽取

引用

计算机科学与探索 2020年第9期14卷 1554-1562页

作者：李艳娟臧明哲刘晓燕刘扬郭茂祖东北林业大学信息与计算机工程学院哈尔滨150000 哈尔滨工业大学计算机科学与技术学院哈尔滨150001 北京建筑大学电气与信息工程学院北京100044

关系抽取是从非结构化的文本中抽取关系,并以结构化的形式输出。为了提高抽取准确性并降低对人工标注的依赖,提出了基于注意力机制和本体的远程监督关系抽取模型(APCNNs+OR)。该模型分为特征工程提取模块、分类器模块、本体约束层。在... 详细信息

关系抽取是从非结构化的文本中抽取关系,并以结构化的形式输出。为了提高抽取准确性并降低对人工标注的依赖,提出了基于注意力机制和本体的远程监督关系抽取模型(APCNNs+OR)。该模型分为特征工程提取模块、分类器模块、本体约束层。在分类器模块中,引入并改进了实例级注意力机制,更好地学习数据袋中每个句子的权重,有效地降低了远程监督假设引入的噪声干扰及句子中实体间的词语信息干扰。在本体约束层,通过引入领域本体对抽取结果进行约束,提高了抽取关系的准确性。SemMed和GoldStandard语料实验结果表明,该模型可有效降低错误标签的噪声干扰,比现有模型具有更好的关系抽取性能。

关键词：关系抽取本体远程监督注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种用于中文微博情感分析的多粒度门控卷积神经网络

引用

郑州大学学报（理学版） 2020年第3期52卷 21-26,33页

作者：陈珂梁斌左敬龙朱兴统广东石油化工学院计算机学院广东茂名525000 哈尔滨工业大学(深圳)计算机科学与技术学院广东深圳518055

提出一种多粒度门控卷积神经网络(multiple grains-gated convolutional neural networks,MG-GCNN)模型。该模型通过结合词语和单字层面的上下文信息作为网络的输入信息,使网络模型可以充分利用上下文中不同粒度的文本特征信息,并且通... 详细信息

提出一种多粒度门控卷积神经网络(multiple grains-gated convolutional neural networks,MG-GCNN)模型。该模型通过结合词语和单字层面的上下文信息作为网络的输入信息,使网络模型可以充分利用上下文中不同粒度的文本特征信息,并且通过门控操作有效控制不同粒度信息的更新和传递。在不同领域微博文本数据集上的实验结果表明,所提出的MG-GCNN模型取得了比传统分类模型和深度网络模型更好的情感分类效果。

关键词：中文微博情感分析门控网络深度学习卷积神经网络自然语言处理

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：