检索结果-内蒙古大学图书馆

软件学报 2023年第10期34卷 4584-4600页

作者：乔少杰杨国平于泳韩楠覃晓屈露露冉黎琼李贺成都信息工程大学软件工程学院四川成都610225 数字媒体艺术四川省重点实验室(四川音乐学院) 四川成都610021 成都信息工程大学管理学院四川成都610225 广西人机交互与智能决策重点实验室(南宁师范大学) 广西南宁530100 西安电子科技大学计算机科学与技术学院陕西西安710071

基于知识图谱的问答系统可以解析用户问题,已成为一种检索知识、自动回答所询问题的有效途径.知识图谱问答系统通常是利用神经程序归纳模型,将自然语言问题转化为逻辑形式,在知识图谱上执行该逻辑形式能够得到答案.然而,使用预训练语言... 详细信息

基于知识图谱的问答系统可以解析用户问题,已成为一种检索知识、自动回答所询问题的有效途径.知识图谱问答系统通常是利用神经程序归纳模型,将自然语言问题转化为逻辑形式,在知识图谱上执行该逻辑形式能够得到答案.然而,使用预训练语言模型和知识图谱的知识问答系统包含两个挑战:(1)给定问答(questionanswering, QA)上下文,需要从大型知识图谱(knowledge graph, KG)中识别相关知识;(2)对QA上下文和KG进行联合推理.基于此,提出一种语言模型驱动的知识图谱问答推理模型QA-KGNet,将QA上下文和KG连接起来形成一个工作图,使用语言模型计算给定QA上下文节点与KG节点的关联度,并使用多头图注意力网络更新节点表示.在Commonsense QA、OpenBookQA和Med QA-USMLE真实数据集上进行实验来评估QA-KGNet的性能,实验结果表明:QA-KGNet优于现有的基准模型,表现出优越的结构化推理能力.

关键词：知识图谱预训练语言模型 QA上下文多头图注意力网络联合推理

来源：评论

学校读者我要写书评

暂无评论

离群点检测算法的评价指标

引用

计算机应用 2020年第9期40卷 2622-2627页

作者：宁进陈雷霆罗子娟周川曾慧茹电子科技大学计算机科学与工程学院成都611731 数字媒体技术四川省重点实验室(电子科技大学) 成都611731 电子科技大学广东电子信息工程研究院广东东莞523808 中国电子科技集团公司第二十八研究所信息系统工程重点实验室南京210007

随着离群点检测技术的深入研究和广泛应用,越来越多的优秀算法被提出来,然而,现有的离群点检测技术的评价仍然沿用传统分类算法的测量指标,存在着评价指标单一、适应性差的问题。针对这些问题,提出了一类高真正率指标(HT_AUC)和二类低... 详细信息

随着离群点检测技术的深入研究和广泛应用,越来越多的优秀算法被提出来,然而,现有的离群点检测技术的评价仍然沿用传统分类算法的测量指标,存在着评价指标单一、适应性差的问题。针对这些问题,提出了一类高真正率指标(HT_AUC)和二类低假正率指标(LF_AUC)。首先,整理常用的离群点检测评价指标,分析其优缺点和适用场景;然后,在已有的曲线下面积(AUC)方法的基础上,分别针对高真正率(TPR)要求和低假正率(FPR)要求,提出了一类高真正率指标和二类低假正率指标,为离群点检测算法的效果评价和量化集成提供了更合适的指标。在真实数据集上的实验结果表明,与传统评价指标的相比,所提出的方法更能满足一类高真正率和二类低假正率要求。

关键词：离群点检测评价指标曲线下面积真正率假正率

来源：评论

学校读者我要写书评

暂无评论

基于结构感知深度神经网络的显著性对象检测算法

引用

计算机应用研究 2019年第7期36卷 2195-2199页

作者：李鑫陈雷霆蔡洪斌电子科技大学计算机科学与工程学院成都611731 电子科技大学数字媒体技术四川省重点实验室成都611731 电子科技大学广东电子信息工程研究院广东东莞523000

由于现有的基于深度神经网络的显著性对象检测算法忽视了对象的结构信息,使得显著性图不能完整地覆盖整个对象区域,导致检测的准确率下降。针对此问题,提出一种结构感知的深度显著性对象检测算法。该算法基于一种多流结构的深度神经网络... 详细信息

由于现有的基于深度神经网络的显著性对象检测算法忽视了对象的结构信息,使得显著性图不能完整地覆盖整个对象区域,导致检测的准确率下降。针对此问题,提出一种结构感知的深度显著性对象检测算法。该算法基于一种多流结构的深度神经网络,包括特征提取网络、对象骨架检测子网络、显著性对象检测子网络和跨任务连接部件四个部分。首先,在显著性对象子网络的训练和测试阶段,通过对象骨骼检测子网络学习对象的结构信息,并利用跨任务连接部件使得显著性对象检测子网络能自动编码对象骨骼子网络学习的信息,从而感知对象的整体结构,克服对象区域检测不完整问题;其次,为了进一步提高所提方法的准确率,利用全连接条件随机场对检测结果进行进一步的优化。在三个公共数据集上的实验结果表明,该算法在检测的准确率和运行效率上均优于现有存在的基于深度学习的算法,这也说明了在深度神经网络中考虑对象结构信息的捕获是有意义的,有助于提高模型准确率。

关键词：显著性对象检测深度学习显著图卷积神经网络对象骨架检测

来源：评论

学校读者我要写书评

暂无评论

模型聚合解聚的智能触发机制

引用

计算机应用 2019年第6期39卷 1614-1618页

作者：宁进陈雷霆周川张磊电子科技大学计算机科学与工程学院成都611731 数字媒体技术四川省重点实验室(电子科技大学) 成都611731 电子科技大学广东电子信息工程研究院广东东莞523808

针对现有模型聚合解聚(AD)触发机制人工依赖性高、频繁聚合解聚的问题,提出了一种基于关注域的多实体时序离群点检测算法的智能触发机制。首先,基于关注近邻划分关注域;然后,计算关注域中实体的k距离离群值,得到关注域的离群值;最后,结... 详细信息

针对现有模型聚合解聚(AD)触发机制人工依赖性高、频繁聚合解聚的问题,提出了一种基于关注域的多实体时序离群点检测算法的智能触发机制。首先,基于关注近邻划分关注域;然后,计算关注域中实体的k距离离群值,得到关注域的离群值;最后,结合一种基于最强关注域阈值判定方法,构建聚合解聚触发机制。在真实数据集上的实验结果表明,与传统的单实体时序离群点检测算法相比,所提算法在指标Precision、Recall和综合指标F1-score上均提升了10个百分点以上,不仅能及时地判断聚合解聚操作的触发时机,而且能使得仿真系统智能地检测出发生突发情况的仿真实体,满足了多分辨率建模的要求。

关键词：聚合解聚触发机制时序离群点检测 k距离多分辨率建模

来源：评论

学校读者我要写书评

暂无评论

慢性阻塞性肺疾病的健康管理系统设计

引用

成都信息工程大学学报 2018年第3期33卷 250-257页

作者：何易晨黄杰熊仕奇耿合熙李庆成都信息工程大学电子工程学院物理场生物效应及仪器四川省高校重点实验室四川成都610225 成都信息工程大学计算机学院数字媒体技术实验室四川成都610225

设计并实现了一个慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)健康数据管理系统,用于监护社区或家庭慢性阻塞性肺疾病患者的康复情况。该数据管理系统基于HTML、CSS、Java Script、PHP开发,利用便携式肺功能检测仪... 详细信息

设计并实现了一个慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)健康数据管理系统,用于监护社区或家庭慢性阻塞性肺疾病患者的康复情况。该数据管理系统基于HTML、CSS、Java Script、PHP开发,利用便携式肺功能检测仪测出相关参数并通过蓝牙透传至Android移动终端,再将数据上传到健康管理服务系统平台并保存到My SQL数据库。该平台实现实时监督患者的肺功能检测数据变化过程、患者个人信息管理以及患者的在线咨询功能,医生根据患者上传的数据给出治疗方案。整个平台运行稳定、实时性高,达到了良好的慢性阻塞性肺疾病数据管理。

关键词： COPD Android客户端服务器远程监护健康管理

来源：评论

学校读者我要写书评

暂无评论

基于双层多尺度神经网络的显著性对象检测算法

引用

微电子学与计算机 2018年第11期35卷 1-7页

作者：李鑫陈雷霆蔡洪斌李建平杨帆电子科技大学计算机科学与工程学院四川成都611731 电子科技大学数字媒体技术四川省重点实验室四川成都611731 电子科技大学广东电子信息工程研究院广东东莞523000

为了提高显著性对象检测的准确率,本文提出一种基于双层多尺度神经网络的深度模型.不同于现有的深度神经网络模型.首先,该模型以由精到粗的方式进行深度特征学习,并且定位显著性对象的初始位置;然后,以由粗到精的方式整合多尺度上下文... 详细信息

为了提高显著性对象检测的准确率,本文提出一种基于双层多尺度神经网络的深度模型.不同于现有的深度神经网络模型.首先,该模型以由精到粗的方式进行深度特征学习,并且定位显著性对象的初始位置;然后,以由粗到精的方式整合多尺度上下文语义信息,从而精确检测整个显著性对象区域,输出相应的显著性图;最后,为了进一步提高检测结果的准确率,利用全连接条件随机场对输出的显著性图进行优化,得到最终的显著性对象检测结果.在多个显著性对象检测公共数据集的验证结果表明,本文算法在运行效率和准确率上均优于当前传统显著性对象检测算法以及现有的基于深度学习的显著性对象检测算法.

关键词：显著性对象检测深度学习深度卷积网络条件随机场

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：