检索结果-内蒙古大学图书馆

计算机科学 2024年第3期51卷 81-89页

作者：陈潘陈红梅罗川西南交通大学唐山研究院河北唐山063000 西南交通大学计算机与人工智能学院成都611756 可持续城市交通智能化教育部工程研究中心成都611756 综合交通大数据应用技术国家工程实验室成都611756 四川省制造业产业链协同与信息化支撑技术重点实验室成都611756 四川大学计算机学院成都610065

有效地挖掘学术大数据,分析论文的学术影响力,有助于科研工作者获取重要的信息。文本内容与学术网络结构的动态变化,会对论文的学术影响力排名结果产生重要的影响。但现有的论文学术影响力排序算法或是缺乏对文本内容的考虑,或是缺乏对... 详细信息

有效地挖掘学术大数据,分析论文的学术影响力,有助于科研工作者获取重要的信息。文本内容与学术网络结构的动态变化,会对论文的学术影响力排名结果产生重要的影响。但现有的论文学术影响力排序算法或是缺乏对文本内容的考虑,或是缺乏对学术网络结构的动态变化的考虑。针对该问题,提出了一种学术影响力排序算法,称之为基于主题声望和动态异构网络的学术影响力排名(TND-Rank)。TND-Rank衡量了论文主题在某一时间对论文的影响,并将其嵌入考虑时间因素的论文影响力排序算法中。TND-Rank通过考虑影响主题声望水平、期刊、作者、时间等多种因素的综合影响来计算论文的动态学术影响力相关排名。在实验中,对AMiner数据集1936-2014年间发表且信息保存完整的文章进行了分析,将所提算法与近年来的4种相关算法进行了比较,采用Spearman相关系数、归一化折损累积增益(NDCG)和分级平均精度(GAP)对算法性能进行了评估。实验结果验证了TND-Rank算法的可行性和有效性,其可以有效地综合各种信息对论文的学术影响力进行排序。

关键词：异构网络学术影响力学术大数据主题声望论文排序

来源：评论

学校读者我要写书评

暂无评论

基于汽车价值链业务协同资源的配件销量预测模型

引用

现代计算机 2021年第26期27卷 32-37页

作者：孙磊任春华高雪芹王波西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都611756 北京机械工业自动化研究所有限公司北京100120 成都国龙信息工程有限责任公司成都610036

随着汽车售后服务市场竞争愈发激烈,为了提高市场占有率,配件代理商不仅要向客户提供优质的服务,还要减少库存成本。因此制定准确有效的配件销量预测模型对配件代理商至关重要。本文以汽车价值链业务协同过程中产生的配件销量数据为基础... 详细信息

随着汽车售后服务市场竞争愈发激烈,为了提高市场占有率,配件代理商不仅要向客户提供优质的服务,还要减少库存成本。因此制定准确有效的配件销量预测模型对配件代理商至关重要。本文以汽车价值链业务协同过程中产生的配件销量数据为基础,提出了一种BP-GRU组合预测模型,用于配件的销量预测。该模型利用BP网络对数据的特征进行初步提取,接着利用GRU捕获时间长期依赖性,将BP和GRU的预测结果进行加权融合。最后采用了包括平台某配件代理商的销售数据在内的3种数据集进行了5组对比实验。实验结果表明,该组合模型的预测效果比起其他单一模型的效果更好。

关键词：配件销量预测组合预测模型 BP神经网络 GRU模型

来源：评论

学校读者我要写书评

暂无评论

基于元图同构网络的分子毒性预测

引用

计算机应用 2024年第9期44卷 2964-2969页

作者：黄云川江永全黄骏涛杨燕西南交通大学计算机与人工智能学院成都611756 可持续城市交通智能化教育部工程研究中心(西南交通大学) 成都611756 四川省制造业产业链协同与信息化支撑技术重点实验室(西南交通大学) 成都611756 西南交通大学生命科学与工程学院成都611756

为了获得更准确的分子毒性预测结果,提出基于元图同构网络的分子毒性预测模型Meta-MTP。首先,使用图同构神经网络将原子作为节点、键作为边、分子作为图结构,以获取分子表征;使用预训练模型对图同构网络(GIN)初始化,使它获得更好的参数... 详细信息

为了获得更准确的分子毒性预测结果,提出基于元图同构网络的分子毒性预测模型Meta-MTP。首先,使用图同构神经网络将原子作为节点、键作为边、分子作为图结构,以获取分子表征;使用预训练模型对图同构网络(GIN)初始化,使它获得更好的参数;引入基于分层注意力和局部增强的前馈Transformer;使用原子类型预测和键预测作为辅助任务提取更多的分子内部信息;通过元学习双层优化策略对模型进行训练;最后使用Tox21和SIDER数据集对模型进行训练。实验结果表明,在Tox21和SIDER数据集上,Meta-MTP具有良好的分子毒性预测能力,当样本数为10时,相较于FSGNNTR(Few-Shot Graph Neural Network-TRansformer)模型,Meta-MTP的曲线下面积(AUC)分别提高了1.4%和5.4%,相较于图同构网络(GIN)、图卷积网络(GCN)和GraphSAGE(Graph Sample and AGgrEgate)3种传统的图神经网络模型,Meta-MTP的AUC提高了18.3%~23.7%和7.3%~22.2%。

关键词：深度学习分子毒性预测元学习图同构网络 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于对比共识图学习的多视图属性图聚类算法

引用

计算机科学 2024年第11期51卷 73-80页

作者：刘鹏仪胡节王红军彭博西南交通大学计算机与人工智能学院成都611756 教育部城市智能交通工程研究中心成都611756 西南交通大学综合交通大数据应用技术国家工程实验室成都611756 西南交通大学四川省制造业产业链协同与信息支撑技术重点实验室成都611756

多视图属性图聚类可以将具有多个视图的图数据的节点划分到不同的簇中,近年来受到了研究者的广泛关注。目前,已有许多基于图神经网络的多视图属性图聚类方法被提出并取得了较好的聚类性能。然而,由于图神经网络难以处理数据收集过程中... 详细信息

多视图属性图聚类可以将具有多个视图的图数据的节点划分到不同的簇中,近年来受到了研究者的广泛关注。目前,已有许多基于图神经网络的多视图属性图聚类方法被提出并取得了较好的聚类性能。然而,由于图神经网络难以处理数据收集过程中出现的图噪声,因此基于图神经网络的多视图属性图方法很难进一步提高聚类性能。为此,提出了一种新的基于对比共识图学习的多视图属性图聚类算法,以降低噪声对聚类的影响从而得到更好的结果。该算法包括4个步骤:首先,使用图滤波消除图上的噪声,并同时保留完整的图结构;然后,选择少量节点来学习共识图,以降低计算复杂度;随后,使用图对比正则化来帮助学习共识图;最后,利用谱聚类获得聚类结果。大量的实验结果表明,与当前最先进的方法相比,所提算法能够很好地减少图数据中噪声对聚类的影响,并以较高的执行效率取得良好的聚类结果。

关键词：多视图学习属性图数据图聚类对比共识图学习图过滤

来源：评论

学校读者我要写书评

暂无评论

基于汽车价值链业务协同资源的整车需求量预测模型

引用

现代计算机 2021年第25期27卷 26-30页

作者：张倩任春华高雪芹王波西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都611756 北京机械工业自动化研究所有限公司北京100120 成都国龙信息工程有限责任公司成都611756

针对汽车市场竞争不断加剧的现状,制定准确的整车需求量对制造厂的销售计划具有重要参考意义。本文提出了一种基于Prophet和LSTM(长短期记忆网络)模型相结合的组合预测模型(Prophet-LSTM)。为验证模型的可行性,对汽车价值链业务协同过... 详细信息

针对汽车市场竞争不断加剧的现状,制定准确的整车需求量对制造厂的销售计划具有重要参考意义。本文提出了一种基于Prophet和LSTM(长短期记忆网络)模型相结合的组合预测模型(Prophet-LSTM)。为验证模型的可行性,对汽车价值链业务协同过程中产生的整车销售时序数据资源进行了提取,首先利用Prophet模型对原始数据集进行特征提取,然后将特征放入到LSTM模型中进行多步时间序列预测,最后将两个模型的预测值进行加权融合得到最终的预测值。与单一模型进行实验对比,结果表明,Prophet-LSTM组合模型较单一模型具有更高的预测精度。

关键词：整车需求预测 Prophet LSTM模型组合预测模型汽车产业链

来源：评论

学校读者我要写书评

暂无评论

面向乳腺超声的跨模态注意力网络

引用

人工智能科学与工程 2023年第9期 48-56页

作者：古云豪龚勋周鸿西南交通大学计算机与人工智能学院成都611756 可持续城市交通智能化教育部工程研究中心成都611756 四川省制造业产业链协同与信息化支撑技术重点实验室成都610031 成都市第三人民医院西南交通大学附属医院成都610031

B型超声和超声造影是乳腺诊断中最常见的多模态数据,克服现有研究中广泛存在的肿瘤区域标注难、模态间关系剥离难、模态融合特征冗余的问题,能有效提升联合模态乳腺肿瘤诊断的准确率。该文提出了一个面向乳腺超声的跨模态注意力网络。... 详细信息

B型超声和超声造影是乳腺诊断中最常见的多模态数据,克服现有研究中广泛存在的肿瘤区域标注难、模态间关系剥离难、模态融合特征冗余的问题,能有效提升联合模态乳腺肿瘤诊断的准确率。该文提出了一个面向乳腺超声的跨模态注意力网络。该网络以双分支为基础结构。堆叠双模态数据分支能隐式地建立模态间的关系,同时提取单双模态数据特征。超声造影分支在缺乏手工标注的情况下,利用跨模态注意力模块,关注时空上的造影特征。最后利用压缩通道融合子网将两个分支融合,最大程度利用特征并降低模态融合特征冗余。在乳腺超声数据集BUS_Dataset上的实验表明,该网络优于现有乳腺肿瘤诊断方法。通过多项指标分析,该方法对乳腺肿瘤诊断具有较强的指导意义。

关键词：乳腺超声肿瘤分类多模态模态间关系特征冗余注意力机制双分支网络融合子网

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：