检索结果-内蒙古大学图书馆

软件学报 2023年第7期34卷 3226-3240页

作者：朱敏毛莺池程永陈程军王龙宝河海大学计算机与信息学院江苏南京211100 水利部水利大数据重点实验室(河海大学) 江苏南京211100

针对事件抽取存在未充分利用句法关系、论元角色缺失的情况,提出了基于双重注意力机制的事件抽取(event extraction based on dual attention mechanism,EEDAM)方法,有助于提高事件抽取的精确率和召回率.首先,基于4种嵌入向量进行句子编... 详细信息

针对事件抽取存在未充分利用句法关系、论元角色缺失的情况,提出了基于双重注意力机制的事件抽取(event extraction based on dual attention mechanism,EEDAM)方法,有助于提高事件抽取的精确率和召回率.首先,基于4种嵌入向量进行句子编码,引入依赖关系,构建依赖关系图,使深度神经网络可以充分利用句法关系.然后,通过图转换注意网络生成新的依赖弧和聚合节点信息,捕获长程依赖关系和潜在交互,加权融合注意力网络,捕捉句中关键的语义信息,抽取句子级事件论元,提升模型预测能力.最后,利用关键句检测和相似性排序,进行文档级论元填充.实验结果表明,采用基于双重注意力机制的事件抽取方法,在ACE2005数据集上,较最佳基线联合多中文事件抽取器(joint multiple Chinese event extractor,JMCEE)在精确率、召回率和F1-score分别提高17.82%、4.61%、9.80%;在大坝安全运行日志数据集上,较最佳基线JMCEE在精确率、召回率和F1-score上分别提高18.08%、4.41%、9.93%.

关键词：事件抽取双重注意力依赖关系论元填充神经网络

来源：评论

学校读者我要写书评

暂无评论

记忆增强型的重构粒子群算法

引用

计算机工程与应用 2025年第9期61卷 116-127页

作者：吴炳南刘建华力尚龙李牧元福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118

重构粒子群算法(RPSO)是基于粒子群算法(PSO)的线性系统理论分析结果而重新构建一种群体智能算法,其保留了粒子群算法的个体最优位置和全局最优位置作为学习样本的策略。RPSO具有比较好的收敛性理论支撑,简单易用。但是,重构粒子群算法... 详细信息

重构粒子群算法(RPSO)是基于粒子群算法(PSO)的线性系统理论分析结果而重新构建一种群体智能算法,其保留了粒子群算法的个体最优位置和全局最优位置作为学习样本的策略。RPSO具有比较好的收敛性理论支撑,简单易用。但是,重构粒子群算法丢失了种群的记忆,即粒子的历史位置和适应度等信息。为了加强对记忆的利用并提高种群的协作能力,提出了一种记忆增强型的重构粒子群算法(MERPSO)。该算法设计了经验选择策略和区块搜索策略储存记忆,构建了两个新的学习样本,并使用新的学习样本替代原本的学习样本。此外,通过引入带偏移量的加速度系数来平衡算法的局部开发和全局探索能力。实验证明,MERPSO算法在CEC2013基准测试函数集和工程设计问题上表现出更好的性能,并且所采用的策略具有一定的有效性。

关键词：重构粒子群算法记忆学习样本加速度系数 CEC2013

来源：评论

学校读者我要写书评

暂无评论

基于Transformer和GAN的对抗样本生成算法

引用

计算机工程 2024年第2期50卷 180-187页

作者：刘帅威李智王国美张丽贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550025

对抗攻击与防御是计算机安全领域的一个热门研究方向。针对现有基于梯度的对抗样本生成方法可视质量差、基于优化的方法生成效率低的问题,提出基于Transformer和生成对抗网络(GAN)的对抗样本生成算法Trans-GAN。首先利用Transformer强... 详细信息

对抗攻击与防御是计算机安全领域的一个热门研究方向。针对现有基于梯度的对抗样本生成方法可视质量差、基于优化的方法生成效率低的问题,提出基于Transformer和生成对抗网络(GAN)的对抗样本生成算法Trans-GAN。首先利用Transformer强大的视觉表征能力,将其作为重构网络,用于接收干净图像并生成攻击噪声;其次将Transformer重构网络作为生成器,与基于深度卷积网络的鉴别器相结合组成GAN网络架构,提高生成图像的真实性并保证训练的稳定性,同时提出改进的注意力机制Targeted Self-Attention,在训练网络时引入目标标签作为先验知识,指导网络模型学习生成具有特定攻击目标的对抗扰动;最后利用跳转连接将对抗噪声施加在干净样本上,形成对抗样本,攻击目标分类网络。实验结果表明:Trans-GAN算法针对MNIST数据集中2种模型的攻击成功率都达到99.9%以上,针对CIFAR10数据集中2种模型的攻击成功率分别达到96.36%和98.47%,优于目前先进的基于生成式的对抗样本生成方法;相比快速梯度符号法和投影梯度下降法,Trans-GAN算法生成的对抗噪声扰动量更小,形成的对抗样本更加自然,满足人类视觉不易分辨的要求。

关键词：深度神经网络对抗样本对抗攻击 Transformer模型生成对抗网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

SMCA:基于芯粒集成的存算一体加速器扩展框架

引用

电子与信息学报 2024年第11期46卷 4081-4091页

作者：李雯王颖何银涛邹凯伟李华伟李晓维山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 中国科学院计算技术研究所处理器芯片全国重点实验室北京100190 中国科学院大学北京100190 清华大学电子工程系北京100084

基于可变电阻式随机存取存储器(ReRAM)的存算一体芯片已经成为加速深度学习应用的一种高效解决方案。随着智能化应用的不断发展,规模越来越大的深度学习模型对处理平台的计算和存储资源提出了更高的要求。然而,由于ReRAM器件的非理想性... 详细信息

基于可变电阻式随机存取存储器(ReRAM)的存算一体芯片已经成为加速深度学习应用的一种高效解决方案。随着智能化应用的不断发展,规模越来越大的深度学习模型对处理平台的计算和存储资源提出了更高的要求。然而,由于ReRAM器件的非理想性,基于ReRAM的大规模计算芯片面临着低良率与低可靠性的严峻挑战。多芯粒集成的芯片架构通过将多个小芯粒封装到单个芯片中,提高了芯片良率、降低了芯片制造成本,已经成为芯片设计的主要发展趋势。然而,相比于单片式芯片数据的片上传输,芯粒间的昂贵通信成为多芯粒集成芯片的性能瓶颈,限制了集成芯片的算力扩展。因此,该文提出一种基于芯粒集成的存算一体加速器扩展框架—SMCA。该框架通过对深度学习计算任务的自适应划分和基于可满足性模理论(SMT)的自动化任务部署,在芯粒集成的深度学习加速器上生成高能效、低传输开销的工作负载调度方案,实现系统性能与能效的有效提升。实验结果表明,与现有策略相比,SMCA为深度学习任务在集成芯片上自动生成的调度优化方案可以降低35%的芯粒间通信能耗。

关键词：芯粒深度学习处理器存算一体任务调度

来源：评论

学校读者我要写书评

暂无评论

多尺度决策系统中测试代价敏感的属性与尺度同步选择

引用

模式识别与人工智能 2024年第4期37卷 368-382页

作者：廖淑娇吴迪卢亚倩范译文闽南师范大学数学与统计学院漳州363000 闽南师范大学福建省粒计算及其应用重点实验室漳州363000 闽南师范大学数字福建气象大数据研究所漳州363000 闽南师范大学数据科学与统计重点实验室漳州363000

属性与尺度同步选择方法可有效解决涉及代价因素的多尺度决策系统的知识约简问题,然而在现有研究中,少有基于代价进行属性与尺度的同步选择,并且大多数算法只针对协调的多尺度决策系统或不协调的多尺度决策系统.为了解决这一问题,文中... 详细信息

属性与尺度同步选择方法可有效解决涉及代价因素的多尺度决策系统的知识约简问题,然而在现有研究中,少有基于代价进行属性与尺度的同步选择,并且大多数算法只针对协调的多尺度决策系统或不协调的多尺度决策系统.为了解决这一问题,文中以最小化数据处理的总测试代价为目标,提出测试代价敏感的属性与尺度同步选择算法,同时适用于协调的多尺度决策系统和不协调的多尺度决策系统.首先,构造基于粗糙集的理论模型,模型中的概念及性质同时考虑属性因素和尺度因素.其次,基于粗糙集的理论模型,设计启发式算法,能基于测试代价对多尺度决策系统同时进行属性约简与尺度选择,并且不同的属性可选择不同的尺度.最后,在12个数据集上的实验验证文中算法的有效性、实用性及优越性.

关键词：属性与尺度选择代价敏感学习多尺度决策系统粗糙集单调性

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制与联合优化的表面缺陷检测

引用

计算机辅助设计与图形学学报 2024年第1期36卷 102-111页

作者：董永峰孙松毅王振刘晶河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省数据驱动工业智能工程研究中心天津300401 河北工业大学河北省大数据计算重点实验室天津300401

两段式缺陷检测模型中分割和分类网络的优化目标不一致,导致二者耦合性较差,且分割模块误差的积累可能进一步弱化分类模块的性能.针对上述问题,提出一种基于注意力机制的缺陷检测联合优化算法.首先基于混合注意力特征融合模块的分割网... 详细信息

两段式缺陷检测模型中分割和分类网络的优化目标不一致,导致二者耦合性较差,且分割模块误差的积累可能进一步弱化分类模块的性能.针对上述问题,提出一种基于注意力机制的缺陷检测联合优化算法.首先基于混合注意力特征融合模块的分割网络融合浅层特征和深层特征,提取更全面的缺陷位置信息;然后基于多感受野空间注意力模块的分类网络挖掘更具判别性的缺陷类别特征;最后通过联合优化目标实现分割和分类网络的学习优化,提升整个算法的耦合性以及性能.基于PyTorch框架,在公开工业缺陷检测数据集DAGM 2007, MAGNETIC-TILE和KolektorSDD2数据集上进行实验,并引入分段式算法及类U-Net算法进行横向对比的结果表明,所提算法的准确率相比分段式算法最高提升28.02%,相比类U-Net算法最高提升8.3%,且精确率、召回率、F1值均优于同类算法,具有更好的检测性能.

关键词：深度学习特征融合缺陷检测注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多模态学习的乳腺癌生存预测研究

引用

计算机工程 2024年第1期50卷 296-305页

作者：曹广硕黄瑞章陈艳平秦永彬贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550025

乳腺癌是最常见的癌症之一,基于患者的基因组学数据进行预后5年生存预测是乳腺癌研究中的常见任务。针对乳腺癌患者基因组学数据中存在嘈杂性、异质性、序列长以及正负样本不平衡等问题,提出基于多模态学习的乳腺癌预后5年生存预测模型M... 详细信息

乳腺癌是最常见的癌症之一,基于患者的基因组学数据进行预后5年生存预测是乳腺癌研究中的常见任务。针对乳腺癌患者基因组学数据中存在嘈杂性、异质性、序列长以及正负样本不平衡等问题,提出基于多模态学习的乳腺癌预后5年生存预测模型MLBSP。利用单模态模块提取基因表达数据、基因突变累积数、单核苷酸变异以及基因拷贝数变异数4种模态数据的有效信息。在此基础上,为了减少单一模态数据异质性对全局特征造成的影响,将深度可分离卷积和多头自注意力机制作为多模态模块架构对数据进行特征融合,捕获患者多模态基因组数据的全局信息,并使用Focal Loss解决正负样本不平衡的问题,以指导预后5年生存预测。实验结果表明,MLBSP模型在乳腺癌患者真实数据集BRCACell、METABRIC、PanCancer Altas上的AUC分别达到91.18%、71.49%、77.37%,与XGBoost、随机森林等主流癌症生存预测方法相比,平均提升了17.69%、6.51%、10.24%。此外,通过通路分析发现一些生物标志物SLC8A3、TP 53等,进一步验证多模态研究的新颖性和有效性。

关键词：乳腺癌基因组学深度学习深度可分离卷积多头自注意力多模态学习

来源：评论

学校读者我要写书评

暂无评论

融合显著视口提取与跨层注意力的全景图像质量评价方法

引用

计算机科学 2025年

作者：林恒纪庆革中山大学计算机学院广东省大数据分析与处理重点实验室

全景图像作为沉浸式多媒体的重要内容形式，提供360度水平和180度垂直视角的视觉体验，直接影响用户在虚拟现实（VR）中的沉浸感。为解决全景图像质量评价中投影失真处理不足和多尺度特征利用不充分的问题，本文提出了一种显著视口注意... 详细信息

全景图像作为沉浸式多媒体的重要内容形式，提供360度水平和180度垂直视角的视觉体验，直接影响用户在虚拟现实（VR）中的沉浸感。为解决全景图像质量评价中投影失真处理不足和多尺度特征利用不充分的问题，本文提出了一种显著视口注意力网络（Salient Viewport Attention Network， SVA-Net），由显著性引导的视口提取模块、跨层注意力依赖模块和多通道融合回归模块组成，旨在缓解投影失真问题，同时高效提取多尺度特征并增强特征表达能力。实验结果表明，SVA-Net在两个公开数据集上相比现有方法在图像质量预测精度上有显著提升，并展示了良好的泛化能力。该方法通过结合显著视口采样和跨层注意力机制，增强了特征表示，提升了全景图像质量评价的准确性，预测结果更接近人类主观评价。

关键词：全景图像客观图像质量评价显著性增强跨层注意力

来源：评论

学校读者我要写书评

暂无评论

面向车辆边缘计算的任务合作卸载

引用

工程科学与技术 2024年第1期56卷 89-98页

作者：鲁蔚锋印文徐王菁费汉明徐佳南京邮电大学计算机学院江苏南京210023 江苏省大数据安全与智能处理重点实验室江苏南京210023 国铁吉讯科技有限公司北京100081

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于... 详细信息

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于车辆应用设备计算资源的有限性,车辆用户的任务计算需求无法满足,需要提升车辆周边计算资源的利用率来完成计算任务。本文研究了车辆边缘计算中任务的合作卸载机制,以最小化车辆任务的计算时延。首先,考虑周边停泊车辆以及路边单元的计算资源,设计了由云服务器层、停泊车辆合作集群层和路边单元合作集群层组成的任务合作卸载3层系统架构,通过路边单元合作集群和停泊车辆合作集群的合作卸载,充分利用系统的空闲计算资源,进一步提高了系统的资源利用率。然后,基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分,并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后,通过将本文算法和其他算法方案进行实验仿真对比,仿真结果表明,本文算法在系统时延和系统吞吐量方面具有更好的性能表现,可以降低23%的系统时延,并且能提升28%的系统吞吐量。

关键词：边缘计算车辆边缘计算合作卸载 k-聚类计算卸载

来源：评论

学校读者我要写书评

暂无评论

持续学习的研究进展与趋势

引用

计算机研究与发展 2024年第6期61卷 1476-1496页

作者：李文斌熊亚锟范祉辰邓波曹付元高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 中国科学院空天信息创新研究院北京100094 山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据学院太原030006

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过... 详细信息

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过程中容易遭受灾难性遗忘的问题.因此,如何在动态、非平稳的序列任务及流式数据中不断学习新知识、同时保留旧知识是持续学习研究的核心.首先,通过对近年来持续学习国内外相关工作的调研与总结,将持续学习方法分为基于回放、基于约束、基于结构三大类,并对这3类方法做进一步的细分.具体而言,根据所使用的样本来源将基于回放的方法细分为采样回放、生成回放、伪样本回放3类;根据训练约束的来源将基于约束的方法细分为参数约束、梯度约束、数据约束3类;根据对于模型结构的使用方式将基于结构的方法细分为参数隔离、模型拓展2类.通过对比相关工作的创新点,对各类方法的优缺点进行总结.其次,对国内外研究现状进行分析.最后,针对持续学习与其他领域相结合的未来发展方向进行展望.

关键词：深度学习知识迁移持续学习灾难性遗忘序列任务

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：