检索结果-内蒙古大学图书馆

信号处理 2020年第6期36卷 885-893页

作者：李海峰戎晓汇马琳徐忠亮薄洪健哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 深圳航天科技创新研究院广东深圳518057

多数情况下,音频信号可以视为是由稳态成分和突变成分两种成分组成,稳态成分与突变成分在属性特征方面具有明显的差异,而且突变成分通常承载更重要的信息,是信号处理要分析提取的目标。为有效检测出突变成分并将这两种成分分离,需要完... 详细信息

多数情况下,音频信号可以视为是由稳态成分和突变成分两种成分组成,稳态成分与突变成分在属性特征方面具有明显的差异,而且突变成分通常承载更重要的信息,是信号处理要分析提取的目标。为有效检测出突变成分并将这两种成分分离,需要完整精确地检测提取出突变成分。为此本文提出一种基于启发式掩模经验模态分解(Empirical Mode Decomposition,EMD)的音频突变成分检测方法,该检测方法中使用启发式掩模EMD分解音频信号并从中提取出各点的瞬时信息作为检测特征,同时本文提出一种窗长自适应更新策略来设定适合突变成分的长度。在IOWA的乐器音频数据集中,该检测方法能够实现以98.68%的检测精确率和87.65%的检测召回率将音频突变成分检测出来。此外该检测方法无需人为干预,并且检测出的突变成分维度一致,便于进行后续的特征提取、分类识别等处理操作。

关键词：掩模经验模态分解音频信号突变成分检测方法

来源：评论

学校读者我要写书评

暂无评论

增强卷积神经网络的人脸篡改检测方法

引用

计算机工程与应用 2021年第8期57卷 220-224页

作者：张韩钰吴志昊徐勇陈斌哈尔滨工业大学(深圳)计算机科学与技术学院广东深圳518000 深圳市目标检测与判别重点实验室广东深圳518000 深圳市云天励飞技术有限公司广东深圳518040

由于人脸篡改具有很大的危害,关于人脸篡改的判别方法的研究十分重要。已有的基于卷积神经网络的人脸篡改判别研究取得了一定的进展,但是判别结果不尽如意。现有的篡改判别方法大多只关注于假脸的某一类特征,但越来越多样化的人脸篡改... 详细信息

由于人脸篡改具有很大的危害,关于人脸篡改的判别方法的研究十分重要。已有的基于卷积神经网络的人脸篡改判别研究取得了一定的进展,但是判别结果不尽如意。现有的篡改判别方法大多只关注于假脸的某一类特征,但越来越多样化的人脸篡改手段容易使得现有的篡改判别方法失效。针对这些问题,使用一个性能优异的预训练模型,并利用一种数据增强方式和一种标签平滑化的损失函数,在篡改过的人脸视频的检测上取得了准确度的显著提高。而且,由于采用了“抽帧”处理的方式,提出的方法具有很高的计算效率。

关键词：人脸篡改图像分类预训练模型数据增强标签平滑

来源：评论

学校读者我要写书评

暂无评论

时空域融合的骨架动作识别与交互研究

引用

智能系统学报 2020年第3期15卷 601-608页

作者：钟秋波郑彩明朴松昊宁波工程学院机器人学院浙江宁波315211 哈尔滨工业大学机器人系统与技术国家重点实验室黑龙江哈尔滨150001 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量... 详细信息

在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量的干扰信息,定义了一种基于局部姿态运动的时域关注度模块(LPM-TAM),用于抑制时域上的干扰并学习运动姿态的表征。设计了基于姿态运动的时空域融合模块(PMSTF),融合时域运动和空域姿态特征并进行自适应特征增强。通过实验验证,本文提出的方法是有效性的,与其他方法相比,在识别效果上具有很好的竞争力。设计的人体动作交互系统,验证了在实时性和准确率上优于语音交互系统。

关键词：动作识别时空关系姿态运动时空域融合图卷积神经网络时域关注度自适应特征增强人体动作交互

来源：评论

学校读者我要写书评

暂无评论

面向持续软件工程的微服务架构技术专题前言

引用

软件学报 2021年第5期32卷 1229-1230页

作者：张贺王忠杰陈连平彭鑫南京大学软件学院江苏南京210093 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 哈尔滨工业大学计算学部黑龙江哈尔滨150001 Lianping Chen Ltd. Dublin D06XD73Ireland 复旦大学计算机科学与技术学院上海200438

随着软件互联网化和服务化的高度发展,持续性(continuity)成为现代软件系统的基本特性之一,覆盖从商业策划、软件开发、运维、演化的所有环节,使得软件系统在持续稳定提供功能和服务的同时,软件系统的边界和内部结构始终处于不断变化、... 详细信息

随着软件互联网化和服务化的高度发展,持续性(continuity)成为现代软件系统的基本特性之一,覆盖从商业策划、软件开发、运维、演化的所有环节,使得软件系统在持续稳定提供功能和服务的同时,软件系统的边界和内部结构始终处于不断变化、持续更新和适应之中,持续软件工程(continuous software engineering)由此被提出并迅速得到广泛的实践应用.微服务(microservice)架构作为一种全新的去中心化分布式架构,在软件架构层面成为适应持续软件工程发展的必然趋势,而领域驱动设计(domain-driven design,简称DDD)伴随着微服务架构的兴起也重新获得了业界的广泛关注,二者共同关注服务自顶向下的合理设计和分解.微服务架构与领域驱动设计共同支持实现现代软件系统的持续性特征.为了反映中国学者和实践者在求解以微服务架构为代表的持续软件工程所面临的架构难题和挑战过程中取得的理论、技术或实验方面的创新性、突破性的高水平研究成果,特设立此专题.

关键词：微服务架构领域驱动设计软件工程软件系统软件架构分布式架构互联网化去中心化

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

深度强化学习中稀疏奖励问题研究综述

引用

计算机科学 2020年第3期47卷 182-191页

作者：杨惟轶白辰甲蔡超赵英男刘鹏中国联通网络技术研究院北京100048 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

强化学习作为机器学习的重要分支,是在与环境交互中寻找最优策略的一类方法。强化学习近年来与深度学习进行了广泛结合,形成了深度强化学习的研究领域。作为一种崭新的机器学习方法,深度强化学习同时具有感知复杂输入和求解最优策略的能... 详细信息

强化学习作为机器学习的重要分支,是在与环境交互中寻找最优策略的一类方法。强化学习近年来与深度学习进行了广泛结合,形成了深度强化学习的研究领域。作为一种崭新的机器学习方法,深度强化学习同时具有感知复杂输入和求解最优策略的能力,可以应用于机器人控制等复杂决策问题。稀疏奖励问题是深度强化学习在解决任务中面临的核心问题,在实际应用中广泛存在。解决稀疏奖励问题有利于提升样本的利用效率,提高最优策略的水平,推动深度强化学习在实际任务中的广泛应用。文中首先对深度强化学习的核心算法进行阐述;然后介绍稀疏奖励问题的5种解决方案,包括奖励设计与学习、经验回放机制、探索与利用、多目标学习和辅助任务等;最后对相关研究工作进行总结和展望。

关键词：深度强化学习深度学习强化学习稀疏奖励人工智能

来源：评论

学校读者我要写书评

暂无评论

金融网络频繁链路发现算法

引用

网络与信息安全学报 2019年第5期5卷 48-55页

作者：吕芳汤丰赫黄俊恒王佰玲哈尔滨工业大学(威海)计算机科学与技术学院

随着各种非法金融活动的泛滥,从金融网络中发现犯罪线索的分析研究越来越引起学者的重视。对银行账户交易数据的特点进行了详细分析,建立了银行账户交易网络通用模型。在此基础上,为解决金融实体之间关系强度的评估问题,提出了双向活跃... 详细信息

随着各种非法金融活动的泛滥,从金融网络中发现犯罪线索的分析研究越来越引起学者的重视。对银行账户交易数据的特点进行了详细分析,建立了银行账户交易网络通用模型。在此基础上,为解决金融实体之间关系强度的评估问题,提出了双向活跃边搜索计算方法。为了还原犯罪组织的资金流动方式,提出了深度可控的广度优先频繁链路发现方法。在真实银行数据上的实验证明,上述方法能有效解决同伙预测和资金追踪问题。

关键词：双向活跃边频繁链路同伙预测资金追踪

来源：评论

学校读者我要写书评

暂无评论

基于条件Wassertein生成对抗网络的图像生成

引用

计算机应用 2021年第5期41卷 1432-1437页

作者：郭茂祖杨倩楠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市重点实验室(北京建筑大学) 北京100044 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

生成对抗网络(GAN)能够自动生成目标图像,对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题,提出了一种面向图像生成的条件Wassertein生成对抗网... 详细信息

生成对抗网络(GAN)能够自动生成目标图像,对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题,提出了一种面向图像生成的条件Wassertein生成对抗网络(C-WGAN)模型。首先,该模型需要识别真实样本和目标样本之间特征对应关系,然后,根据所识别出的特征对应关系进行目标样本的生成。模型采用Wassertein距离来度量两个图像特征之间分布的距离,稳定GAN训练环境,规避模型训练过程中的模式崩溃,从而提升生成图像的精度和训练效率。实验结果表明,与原始条件生成对抗网络(CGAN)和pix2pix模型相比,所提模型的峰值信噪比(PSNR)分别最大提升了6.82%和2.19%;在训练轮数相同的情况下,该模型更快达到收敛状态。由此可见,所提模型不仅能够有效地提升图像生成的精度,而且能够提高网络的收敛速度。

关键词：图像生成生成对抗网络条件生成对抗网络 Wassertein距离

来源：评论

学校读者我要写书评

暂无评论

基于银行账户亲密度网络推理的团伙预测研究

引用

网络与信息安全学报 2019年第6期5卷 95-104页

作者：吕芳陆海博王巍黄俊恒王佰玲哈尔滨工业大学(威海)计算机科学与技术学院

近年来,针对涉众型非法金融活动在资金交易规律的研究引起了研究者的高度关注。为解决利用银行交易数据进行异常账户犯罪团伙主动发现的问题,提出一种基于银行账户非对称亲密度网络的团伙预测方法。首先,建立银行账户交易通用网络模型,... 详细信息

近年来,针对涉众型非法金融活动在资金交易规律的研究引起了研究者的高度关注。为解决利用银行交易数据进行异常账户犯罪团伙主动发现的问题,提出一种基于银行账户非对称亲密度网络的团伙预测方法。首先,建立银行账户交易通用网络模型,将时序交易数据嵌入网络结构中。然后,利用节点的直接和间接交易关系信息,提出一种账户非对称亲密度计算方法。最终,利用节点在亲密度网络上的非对称交互信息,得到节点的异常倾向性指标。在包含传销团伙的真实数据上的实验结果表明,基于亲密度网络的团伙预测方法能有效发现潜在传销人员。

关键词：银行账户交易网络亲密度网络直接亲密度间接亲密度团伙预测

来源：评论

学校读者我要写书评

暂无评论

深度Q学习的二次主动采样方法

引用

自动化学报 2019年第10期45卷 1870-1882页

作者：赵英男刘鹏赵巍唐降龙哈尔滨工业大学计算机科学与技术学院模式识别与智能系统研究中心

实现深度Q学习的一种方式是深度Q网络(Deep Q-networks,DQN).经验回放方法利用经验池中的样本训练深度Q网络,构造经验池需要智能体与环境进行大量交互,这样会增加成本和风险.一种减少智能体与环境交互次数的有效方式是高效利用样本.样... 详细信息

实现深度Q学习的一种方式是深度Q网络(Deep Q-networks,DQN).经验回放方法利用经验池中的样本训练深度Q网络,构造经验池需要智能体与环境进行大量交互,这样会增加成本和风险.一种减少智能体与环境交互次数的有效方式是高效利用样本.样本所在序列的累积回报对深度Q网络训练有影响.累积回报大的序列中的样本相对于累积回报小的序列中的样本更能加速深度Q网络的收敛速度,并提升策略的质量.本文提出深度Q学习的二次主动采样方法.首先,根据序列累积回报的分布构造优先级对经验池中的序列进行采样.然后,在已采样的序列中根据样本的TD-error(Temporal-difference error)分布构造优先级对样本采样.随后用两次采样得到的样本训练深度Q网络.该方法从序列累积回报和TD-error两个方面选择样本,以达到加速深度Q网络收敛,提升策略质量的目的.在Atari平台上进行了验证.实验结果表明,用经过二次主动采样得到的样本训练深度Q网络取得了良好的效果.

关键词：优先经验回放 TD-error 深度Q网络累积回报

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：