检索结果-内蒙古大学图书馆

北京大学学报（自然科学版） 2018年第2期54卷 279-285页

作者：吴焕钦张红阳李静梅朱俊国杨沐昀李生哈尔滨工业大学计算机科学与技术学院哈尔滨150001 哈尔滨工程大学计算机科学与技术学院哈尔滨150001

为向基于深度学习的机器翻译质量估计模型提供高效的训练数据,提出面向目标数据集的伪数据构造方法,采用基于伪数据预训练与模型精调相结合的两阶段模型训练方法对模型进行训练,并针对不同伪数据规模设计实验。结果表明,在构造得到的伪... 详细信息

为向基于深度学习的机器翻译质量估计模型提供高效的训练数据,提出面向目标数据集的伪数据构造方法,采用基于伪数据预训练与模型精调相结合的两阶段模型训练方法对模型进行训练,并针对不同伪数据规模设计实验。结果表明,在构造得到的伪数据下,利用两阶段训练方法训练得到的机器翻译质量估计模型给出的得分与人工评分的相关性有显著的提升。

关键词：机器翻译质量估计深度学习伪数据

来源：评论

学校读者我要写书评

暂无评论

基于RNA-Seq的转录组分析方法

引用

计算机科学 2020年第S02期47卷 35-39页

作者：郭茂祖杨帅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京100044 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

RNA-Seq技术凭借测序成本低、精度高、覆盖范围广等优点,已经成为了转录组分析的重要方法,为研究基因表达模式、疾病的生物标志物探测、作物抗逆性研究和分子育种等提供了新的手段。然而,RNA-Seq产生的海量数据也给数据分析带来了挑战,... 详细信息

RNA-Seq技术凭借测序成本低、精度高、覆盖范围广等优点,已经成为了转录组分析的重要方法,为研究基因表达模式、疾病的生物标志物探测、作物抗逆性研究和分子育种等提供了新的手段。然而,RNA-Seq产生的海量数据也给数据分析带来了挑战,如何有效地对RNA-Seq数据进行处理和分析成为了生物信息学研究的热点。文中对基于RNA-Seq技术的转录组分析流程进行介绍,包括RNA-Seq数据预处理、差异表达分析和高层分析。其中,RNA-Seq数据预处理即对原始测序数据进行质控和定量计算;差异表达分析则是对基因进行筛选,通常基于统计学或机器学习两种方法;高层分析是对差异基因进一步处理,通过富集分析等手段确定基因功能和调控网络。最后,对基于RNA-Seq的转录组分析方法的发展进行了探讨。

关键词： RNA-Seq 转录组分析机器学习差异表达分析富集分析

来源：评论

学校读者我要写书评

暂无评论

基于随机扰动技术的共形阵列失效单元非凸压缩感知近场诊断方法

引用

电子学报 2019年第12期47卷 2449-2456页

作者：李玮邓维波杨强 Marco Donald Migliore 哈尔滨工业大学电子与信息工程学院黑龙江哈尔滨150001 对海监测与信息处理工业和信息化部重点实验室黑龙江哈尔滨150001 意大利卡西诺大学计算机科学与信息工程学院弗罗西诺内省卡西诺03043

在基于压缩感知的阵列失效单元近场诊断方法中,使用结构化随机采样策略构造的观测矩阵约束等距特性未知,采用1范数极小化凸优化算法将无法确保阵列失效单元的高概率精确诊断.针对这一不足,本文在深入研究非凸优化算法的基础上提出了一... 详细信息

在基于压缩感知的阵列失效单元近场诊断方法中,使用结构化随机采样策略构造的观测矩阵约束等距特性未知,采用1范数极小化凸优化算法将无法确保阵列失效单元的高概率精确诊断.针对这一不足,本文在深入研究非凸优化算法的基础上提出了一种基于随机扰动技术的非凸压缩感知近场诊断算法.首先在失效单元个数满足稀疏性的前提下构造差异性阵列,其次按照随机欠采样方式获取近场幅相信息,最后利用所提基于随机扰动技术的非凸优化算法对差异性阵列激励进行重构,从而实现对阵列失效单元的高概率精确诊断.数值仿真实验表明,所提算法避免了由于观测矩阵的约束等距特性未知对诊断性能造成的不利影响,并且克服了非凸范数易于陷入局部最优解的弊端,有效提高了阵列失效单元的诊断成功概率.

关键词：失效单元压缩感知共形阵列随机扰动近场诊断非凸优化算法

来源：评论

学校读者我要写书评

暂无评论

基于Bregman散度和RSF模型的水平集图像分割方法

引用

哈尔滨工业大学学报 2018年第5期50卷 52-59页

作者：程丹松何仕文石大明刘晓芳哈尔滨工业大学计算机科学与技术学院哈尔滨150001 哈尔滨工业大学电气工程及其自动化学院哈尔滨150001

在自然图像中经常会出现亮度不均匀的现象,虽然基于局部信息的水平集方法在不均匀图像的分割方面取得了较好的效果,但是该类方法在主动轮廓的能量上存在局部最小值和计算复杂度高等问题.针对这些问题,本文提出了基于Bregman散度分布和... 详细信息

在自然图像中经常会出现亮度不均匀的现象,虽然基于局部信息的水平集方法在不均匀图像的分割方面取得了较好的效果,但是该类方法在主动轮廓的能量上存在局部最小值和计算复杂度高等问题.针对这些问题,本文提出了基于Bregman散度分布和区域可伸缩拟合能量模型(Region-Scalable Fitting,RSF)相结合的水平集图像分割方法.本方法利用包含特征点信息(Bregman散度)的全局信息项加快远离目标边界曲线的演化速度,提高算法对初始位置的鲁棒性;利用RSF模型的局部信息项提高对亮度不均匀图像的分割能力,吸引轮廓曲线向物体边界收敛,并停止在目标对象的边界处.通过对合成图像、医学图像和其它真实图像的对比实验,可以看出本文模型与现有模型(LCV、RSF和LGIF)相比,对亮度不均匀图像具有更强的处理能力和更高的处理效率,且对噪声具有更强的鲁棒性.

关键词：水平集图像分割 Bregman散度 RSF模型

来源：评论

学校读者我要写书评

暂无评论

面向医疗系统的多样性数据深层神经网络推荐算法

引用

沈阳大学学报（自然科学版） 2020年第3期32卷 233-239页

作者：李晓峰李东王妍玮黑龙江外国语学院信息工程系黑龙江哈尔滨150025 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 普度大学机械工程系印第安纳州西拉法叶市IN47906

针对医疗数据多样性导致推荐过程存在干扰,易产生较大推荐歧义,且使用简单学习过程无法区分数据,导致推荐结果不佳的问题,提出面向医疗系统的多样性数据深层神经网络推荐算法.首先,设计了医疗推荐系统框架,对多样性医疗数据进行预处理.... 详细信息

针对医疗数据多样性导致推荐过程存在干扰,易产生较大推荐歧义,且使用简单学习过程无法区分数据,导致推荐结果不佳的问题,提出面向医疗系统的多样性数据深层神经网络推荐算法.首先,设计了医疗推荐系统框架,对多样性医疗数据进行预处理.然后,引入设计的深层神经网络模型,并对该模型进行训练.最后,将预处理完成的医疗数据输入深层神经网络模型进行深度处理,输出推荐函数,完成数据推荐,解决学习中的歧义性.试验结果表明,所提算法的数据预处理效果较好,改进后的深层神经网络模型能够产生更多的激活函数,且所提算法的数据推荐准确率高达89%,精度较高,优于其他模型,利用所提算法改进后的医疗系统学习性能较好,能够为医疗领域的信息化发展提供参考依据.

关键词：医疗系统多样性医疗数据深层神经网络激活函数推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于时空约束密度聚类的停留点识别方法

引用

智能系统学报 2020年第1期15卷 59-66页

作者：陆剑锋郭茂祖张昱赵玲玲北京建筑大学电气与信息工程学院北京100044 北京建筑大学建筑大数据智能处理方法研究北京市重点实验室北京100044 北京建筑大学深部岩土力学与地下工程国家重点实验室北京100083 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

轨迹停留点的识别是轨迹分析、出行活动语义挖掘的关键。针对基于密度聚类的停留点识别方法对时空信息的表达缺陷,提出新的时空约束停留点识别方法,在密度聚类中引入轨迹的间接时空特征表示,将具有时空相似性的轨迹点进行聚合;采用与聚... 详细信息

轨迹停留点的识别是轨迹分析、出行活动语义挖掘的关键。针对基于密度聚类的停留点识别方法对时空信息的表达缺陷,提出新的时空约束停留点识别方法,在密度聚类中引入轨迹的间接时空特征表示,将具有时空相似性的轨迹点进行聚合;采用与聚类过程相统一的时空特征约束对轨迹簇进行细粒度识别。算法在进行约束的时候再次利用到聚类时候所用的输入数据特征,特征的充分利用提高了识别的准确率。实验结果验证了本文方法的有效性。

关键词：停留点识别密度聚类时空约束间接时空特征时空相似性聚合过程统一细粒度

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的出行模式识别方法

引用

哈尔滨工业大学学报 2019年第11期51卷 1-7页

作者：郭茂祖王鹏跃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

居民出行信息可体现居民活动规律、反映城市交通问题,是制定交通规划与管理的重要依据.利用GPS获取的轨迹数据虽具有大量时空信息但不能直接表达出行模式,需要数据处理和挖掘算法提取隐藏知识来识别出行模式.由于居民出行模式具有高度... 详细信息

居民出行信息可体现居民活动规律、反映城市交通问题,是制定交通规划与管理的重要依据.利用GPS获取的轨迹数据虽具有大量时空信息但不能直接表达出行模式,需要数据处理和挖掘算法提取隐藏知识来识别出行模式.由于居民出行模式具有高度的非线性和复杂性,识别具有很大挑战.本文利用深度学习方法的特征学习表征优势,解决特征提取的繁琐计算或漏提特征等弊端,通过对轨迹进行去野和划分等预处理后,计算轨迹片段的运动学特征构成输入数据,提出基于卷积神经网络与门控循环单元相结合的识别出行模式方法,利用卷积神经网络的深层特征表征优势和门控循环单元的时序特性挖掘能力,提高对非线性分类问题的学习能力和识别出行模式的准确性.为验证所提出方法的有效性,还设计单独的卷积神经网络和门控循环单元等模型,在Geolife数据集上进行测试和对比.实验结果表明,本文方法虽仅计算4个特征量仍具有较好的识别效果,并且优于单独采用卷积神经网络等分类方法的识别性能.

关键词：出行模式识别卷积神经网络门控循环单元语义挖掘 GPS轨迹数据

来源：评论

学校读者我要写书评

暂无评论

基于数字孪生的航天器电源系统故障检测模型优化选择

基于数字孪生的航天器电源系统故障检测模型优化选择

引用

2020年全国设备监测诊断与维护学术会议暨第十七届全国设备故障诊断学术会议、第十九届全国设备监测与诊断学术会议

作者：庞景月刘大同重庆工商大学计算机科学与信息工程学院重庆 400067 哈尔滨工业大学电子与信息工程学院哈尔滨 150001

电源系统作为各类航天器的关键系统，其在轨异常或故障会对航天器性能以及任务发挥产生至关重要的影响，亟需提升地面长管系统对电源系统的故障检测以及诊断能力。随着人工智能以及大数据技术的发展，算法种类增多且积累数据逐渐丰富，... 详细信息

电源系统作为各类航天器的关键系统，其在轨异常或故障会对航天器性能以及任务发挥产生至关重要的影响，亟需提升地面长管系统对电源系统的故障检测以及诊断能力。随着人工智能以及大数据技术的发展，算法种类增多且积累数据逐渐丰富，为智能电源系统故障检测提供了算法基础。但是积累的监测数据中故障数据不准确且不全面，很难根据实际发生的故障数据综合选择有效的故障检测模型，而不恰当的故障检测模型选择不仅难以对故障进行检测，而且极有可能发生检测错误。随着数字孪生概念的提出以及其应用拓展，结合轨道参数以及电源系统工作原理构建电源系统的基础数字孪生模型，其产生的孪生数据可为故障检测模型的综合选择提供重要信息参考。因此，本文将重点研究孪生数据驱动的电源系统故障检测模型优化选择方法的数字孪生模型的框架、虚拟模型构建以及故障检测模型选择流程，并利用实际数据对多种故障检测模型的有效性进行评估。实验表明，本文提出的框架以及基于此框架选择的故障检测模型可有效服务于实际的地面长管系统，为提升其地面监测能力提供重要的算法基础。

关键词：航天器电源系统数字孪生故障检测模型

来源：评论

学校读者我要写书评

暂无评论

基于量子蚁群算法的医疗图像阈值分割算法

引用

沈阳大学学报（自然科学版） 2020年第6期32卷 490-495,522页

作者：李晓峰焦洪双李东黑龙江外国语学院信息工程系黑龙江哈尔滨150025 黑龙江外国语学院科研处黑龙江哈尔滨150025 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

针对传统的医学图像分割方法存在分割线定位效果较差、分割耗时长、输出结果信噪比低的问题,提出基于量子蚁群算法的医疗图像阈值分割算法.首先,构建医疗图像的二值化特征采样模型,结合阈值检测方法对其进行信息增强和网格配对,建立最... 详细信息

针对传统的医学图像分割方法存在分割线定位效果较差、分割耗时长、输出结果信噪比低的问题,提出基于量子蚁群算法的医疗图像阈值分割算法.首先,构建医疗图像的二值化特征采样模型,结合阈值检测方法对其进行信息增强和网格配对,建立最佳阈值区域生长模型;其次,在最大连通图区域中,根据背景像素强度定位边缘轮廓检测和邻域像素之间的位置,提取其中的病灶关联特征点;最后,利用量子蚁群算法进行多层特征分解,构建医疗图像阈值分割的多层特征分割模型,实现图像的阈值分割.实验结果表明,采用该算法进行医疗图像阈值分割过程的耗时较少,病变区域分割轮廓线定位的准确度较高,且输出结果的信噪比较高,有效提高了医疗图像分割的效果.

关键词：量子蚁群算法医疗图像阈值分割边缘轮廓检测分割模型

来源：评论

学校读者我要写书评

暂无评论

基于单隐层前馈神经网络的优化算法

引用

科学技术与工程 2019年第1期19卷 136-141页

作者：李娜刘冰王伟安阳师范学院计算机与信息工程学院安阳工学院计算机科学与信息工程学院安阳455000 哈尔滨工业大学电气工程与自动化学院哈尔滨150001

前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN... 详细信息

前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。

关键词：前馈神经网络神经网络训练进化算法遗传算法

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：