检索结果-内蒙古大学图书馆

焊接学报 2018年第8期39卷 51-54,131页

作者：罗智勇汪鹏尤波刘嘉辉苗世迪哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学机械动力工程学院哈尔滨150080

针对焊接工艺流程约束时间下难于优化焊接质量的问题,提出了基于时间与质量相对平衡的迭代归约优化算法(iterative reduction optimization,IRO).算法采用工作流模型,利用串行路径便于执行的特点,规范焊接各任务的活动区间,从而选择合... 详细信息

针对焊接工艺流程约束时间下难于优化焊接质量的问题,提出了基于时间与质量相对平衡的迭代归约优化算法(iterative reduction optimization,IRO).算法采用工作流模型,利用串行路径便于执行的特点,规范焊接各任务的活动区间,从而选择合适的服务;结合动态组合策略实现并行任务集合的虚拟归约,从而简化了原始工作流模型,通过层层迭代求解,找到最终的优化路径.结果表明,IRO算法能够实现约束时间下对焊接质量的优化;最后还分析了截止期与焊接任务数对算法性能的影响,得出通过改变对应的参数可提升算法优化效果的结论.

关键词：焊接工艺工作流约束时间迭代归约优化质量

来源：评论

学校读者我要写书评

暂无评论

基于多通道残差混合空洞卷积的注意力词义消歧

引用

北京邮电大学学报 2024年第5期47卷 128-134页

作者：张春祥张育隆高雪瑶哈尔滨理工大学计算机科学与技术学院哈尔滨150080

为了提高词义消歧模型的泛化能力和准确率,增强其在自然语言处理任务中的应用效果,提出了基于多通道残差混合空洞卷积注意力机制的词义消歧模型。利用语言学知识构建消歧特征,通过3种向量化方式生成三通道词嵌入矩阵,将位置编码与词嵌... 详细信息

为了提高词义消歧模型的泛化能力和准确率,增强其在自然语言处理任务中的应用效果,提出了基于多通道残差混合空洞卷积注意力机制的词义消歧模型。利用语言学知识构建消歧特征,通过3种向量化方式生成三通道词嵌入矩阵,将位置编码与词嵌入矩阵深度融合,并设计了复杂卷积编码器,以增强模型的表达能力。在词义消歧数据集SemEval-2007:Task#5和SemEval-2021:Task#2上的实验结果表明,用所提方法在置信区间的平均偏差上较基于聚类语义标签和多头注意力机制的模型分别降低了1.345%和2.157%,有效提升了词义消歧性能。

关键词：词义消歧语言学知识混合空洞卷积卷积编码器

来源：评论

学校读者我要写书评

暂无评论

多头自注意力在双曲空间下的点击率预测

引用

北京邮电大学学报 2021年第5期44卷 127-132页

作者：韩越林王小玉哈尔滨理工大学计算机科学与技术学院哈尔滨150080

在推荐系统中,了解用户行为背后的复杂功能交互,对预测用户点击广告或商品的概率至关重要.人们一直努力寻找稀疏和高维原始特征的低维表示形式及有意义的组合.其中深度交叉网络可以显式地在每一层进行特征交叉,但其"一视同仁"... 详细信息

在推荐系统中,了解用户行为背后的复杂功能交互,对预测用户点击广告或商品的概率至关重要.人们一直努力寻找稀疏和高维原始特征的低维表示形式及有意义的组合.其中深度交叉网络可以显式地在每一层进行特征交叉,但其"一视同仁"地对待所有交叉特征,未考虑不同特征对结果的影响,造成一些有用信息被消除.因此提出了多头自注意力神经网络在双曲空间下的点击率预测模型.在双曲空间下,模型不再使用内积而使用洛伦兹距离违背三角不等式程度来度量特征之间的相似性与相关性,从而避免了维度灾难.实验表明,就模型准确性而言,其在点击率预测数据集上均优于深度交叉网络。

关键词：双曲空间多头自注意力洛伦兹距离

来源：评论

学校读者我要写书评

暂无评论

融合遗忘和知识点重要度的认知诊断模型

引用

华南理工大学学报（自然科学版） 2023年第5期51卷 54-62页

作者：刘宇鹏张雷哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150001

智慧教育是人工智能的重点研究方向,如何利用试题中知识点并对学生的认知过程进行刻画是重中之重。针对认知诊断模型对学生和试题及其交互信息挖掘不充分的问题,文中提出了融合遗忘和知识点重要度的认知诊断模型。该模型根据学生对试题... 详细信息

智慧教育是人工智能的重点研究方向,如何利用试题中知识点并对学生的认知过程进行刻画是重中之重。针对认知诊断模型对学生和试题及其交互信息挖掘不充分的问题,文中提出了融合遗忘和知识点重要度的认知诊断模型。该模型根据学生对试题和知识点的历史交互,结合知识点难度信息引入遗忘因素,缓解了对学生信息挖掘不充分的问题;通过注意力机制获取试题对知识点的考查重要度信息,缓解了对试题信息挖掘不充分的问题;通过Transformer学习学生与试题间的交互,缓解了学生与试题交互不充分的问题。在经典数据集上的实验结果表明,文中模型在Math1、Math2、Assistment数据集上的准确率Acc、均方根误差RMSE、受试曲线面积AUC值分别为0.716、0.445、0.776、0.725、0.432、0.807、0.741、0.427和0.779,优于现有的其他对比模型,说明了知识重要度和时效性对于认知建模的重要性。

关键词：认知诊断注意力机制转换器知识点重要度遗忘信息

来源：评论

学校读者我要写书评

暂无评论

基于失衡数据挖掘的乳腺癌早期辅助检测方法

引用

仪器仪表学报 2014年第9期35卷 2045-2052页

作者：李鹏毕婷婷于晓洋黄久玲哈尔滨理工大学软件学院哈尔滨150080 哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室哈尔滨150080 哈尔滨理工大学计算机科学与技术学院哈尔滨150080

针对乳腺癌早期X摄片人为难以甄别的问题,提出了一种新的基于失衡数据挖掘的检测方法,为计算机辅助乳腺癌早期诊断提供一套有效的解决方案。首先,提出了基于聚类簇边界采样(CBS)的方法对数据集进行重采样,通过聚类密度阈值和边界密度阈... 详细信息

针对乳腺癌早期X摄片人为难以甄别的问题,提出了一种新的基于失衡数据挖掘的检测方法,为计算机辅助乳腺癌早期诊断提供一套有效的解决方案。首先,提出了基于聚类簇边界采样(CBS)的方法对数据集进行重采样,通过聚类密度阈值和边界密度阈值来更加科学、准确地确定聚类边界指导重采样。其次,引入集成学习思想有效调节数据失衡对SVM分类算法产生的影响。通过在佛罗里达大学的乳腺X摄片图像数据库中进行的对比实验表明该方法与传统方法比较,采用CBS前后的AUC值从0.577提升到0.717,再引入集成学习方法,AUC值提升到0.83。结果表明所提出的方法可以有效地检测出X摄片图像中异常的潜在钙化点,实现辅助医生提高乳腺癌早期诊断的成功率。

关键词：计算机辅助诊断图像数据挖掘支持向量机聚类采样

来源：评论

学校读者我要写书评

暂无评论

分布式、大规模、多信号系统的混沌族群保密通信研究

引用

通信学报 2017年第3期38卷 124-132页

作者：孙广明黄金杰刘乔哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学管理学院黑龙江哈尔滨150080

现代复杂通信系统具有分布式、规模大、接入信号多和并行传输等特征,其通信安全问题日益突显。在分析混沌族群系统的演化方法以及混沌族群系统的统一同步问题的基础上,构建三维空间混沌系统的转动模型。以Newton-Leipnik系统为研究对象... 详细信息

现代复杂通信系统具有分布式、规模大、接入信号多和并行传输等特征,其通信安全问题日益突显。在分析混沌族群系统的演化方法以及混沌族群系统的统一同步问题的基础上,构建三维空间混沌系统的转动模型。以Newton-Leipnik系统为研究对象,利用3路不同的通信信号,对混沌族群的演化、混沌族群系统的统一同步进行了仿真和验证。实验结果证明了该方法的有效性,应用前景良好。

关键词：混沌混沌同步混沌吸引子保密通信

来源：评论

学校读者我要写书评

暂无评论

基于深度对抗学习潜在表示分布的异常检测模型

引用

电子学报 2021年第7期49卷 1257-1265页

作者：席亮刘涵樊好义张凤斌哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080

针对已有的异常检测模型在高维、样本多样(类内多样)的数据背景下无法获得合理的潜在表示分布,不平衡数据较多(正常数据远大于异常数据)时特征提取准确性低,以及分类器超参数敏感等问题,本文提出一种基于深度对抗学习潜在表示分布的异... 详细信息

针对已有的异常检测模型在高维、样本多样(类内多样)的数据背景下无法获得合理的潜在表示分布,不平衡数据较多(正常数据远大于异常数据)时特征提取准确性低,以及分类器超参数敏感等问题,本文提出一种基于深度对抗学习潜在表示分布的异常检测模型.基于正则化约束改进自编码器,将数据的原始特征空间映射到潜在特征空间形成低维的潜在表示,使其保持合理的空间分布;配以基于多判别器的生成对抗网络,在有效避免重构特征循环不一致和训练不稳定的基础上,来精确估计潜在表示的概率分布;以获得的潜在表示概率分布为单类分类器的输入,解决单类分类器超参数敏感问题,从而有效提高异常检测的整体性能.实验结果表明,相比于最新的基于机器学习和深度学习的异常检测模型,本文模型可在高维、样本多样、不平衡数据较多的应用背景下获得更合理的潜在表示空间分布并有效估计其概率分布,对单类分类器的超参数不敏感,并有效提高模型的检测性能.

关键词：异常检测深度学习自编码器生成对抗网络潜在表示特征融合

来源：评论

学校读者我要写书评

暂无评论

二维基本矩形主方向关系的原关系推理

引用

西安交通大学学报 2020年第4期54卷 133-143页

作者：王淼王晓桐李松郝忠孝河南工程学院计算机学院郑州451191 中南大学计算机学院长沙410083 哈尔滨理工大学计算机科学与技术学院哈尔滨150080

为了实现二维基本矩形主方向关系的原关系自动推理,进一步提高对空间方向关系的智能推理与预测,给出了二维基本矩形主方向关系的原关系推理规则,并对其正确性进行了证明。进而,提出了一个二维矩形主方向关系的原关系推理算法,该算法借... 详细信息

为了实现二维基本矩形主方向关系的原关系自动推理,进一步提高对空间方向关系的智能推理与预测,给出了二维基本矩形主方向关系的原关系推理规则,并对其正确性进行了证明。进而,提出了一个二维矩形主方向关系的原关系推理算法,该算法借助队列对解空间进行搜索和剪枝,实现了方向关系矩阵模型下二维矩形主方向关系原关系的自动推理与计算。理论分析和实验验证的结果表明:该算法是正确的、完备的;该算法有效地解决了二维基本矩形主方向关系原关系的自动推理问题,避免了复杂、烦琐的手工推理,增强了模型的自动计算与推理能力,为实现二维基本主方向关系的复合、反关系推理及一致性检验等问题的自动推理与分析奠定了基础,完善和提高了空间数据库对空间方向关系的智能分析与处理能力。

关键词：矩形主方向关系原关系方向关系矩阵自动推理空间数据库

来源：评论

学校读者我要写书评

暂无评论

基于语境与语义模态的多任务情感原因对抽取

引用

北京邮电大学学报 2024年第2期47卷 18-23,89页

作者：刘宇鹏冯贤杰姚登举哈尔滨理工大学计算机科学与技术学院哈尔滨150006

为了综合考虑更多模态信息,对语境和语义特征进行了建模,并将它们融合在一起以提取情感原因对。针对语境模态,采用了子句嵌入方法来获取情绪和原因的表示,并通过双因素注意力机制得到全局语境矩阵。同时,通过构建子句间语义的图神经网络... 详细信息

为了综合考虑更多模态信息,对语境和语义特征进行了建模,并将它们融合在一起以提取情感原因对。针对语境模态,采用了子句嵌入方法来获取情绪和原因的表示,并通过双因素注意力机制得到全局语境矩阵。同时,通过构建子句间语义的图神经网络,得到了局部语义特征。最后,通过主模态和辅助模态的匹配,得到了融合特征,以进行多任务预测,包括情感句、原因句和情感-原因对的抽取。实验结果表明,在抽取经典中文情感原因对数据时,相较于最佳基线系统,所提模型的F测度提高了2.2%。

关键词：情感原因对全局语境局部语义模态匹配

来源：评论

学校读者我要写书评

暂无评论

遗传退火算法的模型相似性计算方法

引用

哈尔滨工程大学学报 2020年第7期41卷 1073-1079页

作者：高雪瑶谭涛张春祥哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学软件与微电子学院黑龙江哈尔滨150080

为了检索最相似的CAD模型,本文结合遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提出了基于遗传退火算法的模型相似性度量方法。利用面的边数差异来计算源模型面与目标模型面之间的形状相似性。结合面的形状相似性和面的邻接... 详细信息

为了检索最相似的CAD模型,本文结合遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提出了基于遗传退火算法的模型相似性度量方法。利用面的边数差异来计算源模型面与目标模型面之间的形状相似性。结合面的形状相似性和面的邻接关系来计算面的结构相似性。以面的形状相似性和结构相似性为基础,构造2个模型的整体相似度矩阵。利用遗传退火算法对该矩阵进行搜索,得到2个模型之间的最优面匹配序列。以最优面匹配序列为基础,计算2个模型的相似性。实验结果表明:相对于模拟退火算法,本文所提出方法使13.33%的模型的排序效果有所改善。该方法能够更准确地度量2个模型之间的差异。

关键词：遗传算法模拟退火算法遗传退火算法形状相似性邻接关系结构相似性整体相似度矩阵面匹配序列

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：