检索结果-内蒙古大学图书馆

北京邮电大学学报 2022年第2期45卷 104-109页

作者：康玲王翊胡艳军蒋芳李莉萍安徽大学计算智能与信号处理教育部重点实验室合肥230601 中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室上海200050

超密集网络可以通过虚拟小区间的协作来提升用户体验,但由于小区的重叠覆盖使得用户间存在较复杂的干扰问题。因此,提出了一种基于判别函数的聚类算法来缓解强干扰带来吞吐量下降的问题。首先,利用用户间干扰信道的余弦相似度定义用户... 详细信息

超密集网络可以通过虚拟小区间的协作来提升用户体验,但由于小区的重叠覆盖使得用户间存在较复杂的干扰问题。因此,提出了一种基于判别函数的聚类算法来缓解强干扰带来吞吐量下降的问题。首先,利用用户间干扰信道的余弦相似度定义用户间的干扰网络;然后,基于干扰网络选出簇头并划分用户,同时为了解决虚拟小区下的模糊用户归属簇问题,以簇间干扰权重之和最大,簇内干扰权重之和最小为原则设计判别函数,对用户进行模糊归类。仿真结果表明,在不增加复杂度的同时,所提算法比其他方法的系统吞吐量提升了10%~30%,对于边缘用户具有一定优势。

关键词：超密集网络干扰网络判别函数模糊用户

来源：评论

学校读者我要写书评

暂无评论

一种用于三维复杂结构宽带吸收器的反向设计模型

一种用于三维复杂结构宽带吸收器的反向设计模型

引用

第十八届全国电波传播年会

作者：王璇王欢张玉贤杨利霞黄志祥冯乃星教育部智能计算与信号处理重点实验室安徽大学信息材料与智能传感实验室

目的近些年来,深度学习网络模型在光学中的应用引起了广泛的关注。在传统的数值算法中,需要科研人员进行大量的模拟和连续的试错。这必定需要大量的人工成本和计算成本,并且也难以解决局部最优解的问题.为了减少计算成本和人工成本等,... 详细信息

目的近些年来,深度学习网络模型在光学中的应用引起了广泛的关注。在传统的数值算法中,需要科研人员进行大量的模拟和连续的试错。这必定需要大量的人工成本和计算成本,并且也难以解决局部最优解的问题.为了减少计算成本和人工成本等,提出了一种用于三维复杂结构宽带吸收器的反向设计模型.方法用于数据集制作的三维复杂结构宽带吸收器由三层结构组成,第一层和第三层都是石墨烯-单层黑磷混合使用的矩形结构,第二层是石墨烯-单层黑磷混合使用的"+"字形结构,三层结构被氧化铝包围。其中石墨烯与单层黑磷之间使用二氧化硅作为绝缘层,衬底为氧化铝,底部为PEC材质.一共制作了51120条数据,其中50120条作为训练集,1000条作为测试集。在反向设计中我们将吸收光谱作为输入,每条光谱的结构参数作为其标签.反向设计模型采用了8层的全连接网络,每层网络含有800个神经元.且每个全连接网络后跟有批归一化处理和lrelu激活函数.结果实验结果表明,将测试集中的真实光谱输入到经训练集训练后的反向模型后获得的预测参数的光谱与真实结构参数光谱相比,准确度可以达到89.4%.结论该反向设计模型具有实现简单、准确度高、对硬件要求低、人工成本低和计算成本低等特点。在后续的研究中,这项工作可以为三维多材料复杂结构的结构体模型使用人工神经网络提供关键指导.

关键词：石墨烯单层黑磷深度学习反向设计 MLP

来源：评论

学校读者我要写书评

暂无评论

基于多关系网络的话题意见领袖挖掘

引用

数据采集与处理 2022年第3期37卷 576-585页

作者：段震倪云鹏陈洁张燕平赵姝计算与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601 安徽省信息材料与智能传感重点实验室合肥230601

社交网络中的意见领袖在信息传播过程中起着重要的作用。传统的意见领袖挖掘仅基于网络结构,没有考虑特定话题或者事件下的作用,且目前基于话题的意见领袖挖掘仅基于单一的网络结构,并没有考虑到节点间的多种交互关系。本文提出一种基... 详细信息

社交网络中的意见领袖在信息传播过程中起着重要的作用。传统的意见领袖挖掘仅基于网络结构,没有考虑特定话题或者事件下的作用,且目前基于话题的意见领袖挖掘仅基于单一的网络结构,并没有考虑到节点间的多种交互关系。本文提出一种基于多关系网络的话题意见领袖挖掘方法(Multi-relational networks,MRTRank),融合话题因素和节点间多种交互关系,通过一种属性网络表示学习算法,得到不同节点在多关系网络上的相似性,形成节点的转移概率矩阵,最终通过PageRank算法得到top-k个意见领袖。在真实Twitter数据集上的实验结果验证了本文提出的方法优于传统的意见领袖挖掘算法。

关键词：意见领袖两级传播社交网络 PageRank 属性网络表示学习

来源：评论

学校读者我要写书评

暂无评论

基于层次保留的知识图谱嵌入链路预测方法

引用

计算机科学与探索 2023年第9期17卷 2174-2183页

作者：钱付兰王文学郑文杰陈洁赵姝安徽大学计算机科学与技术学院合肥230601 计算智能与信号处理教育部重点实验室合肥230601 信息材料和智能感知安徽省实验室合肥230601 南京理工大学计算机科学与工程学院南京210094

知识图谱嵌入(KGE)是预测知识图谱(KGs)中缺失链接的重要工具,它将知识图谱中的实体和关系嵌入到连续低维空间中,并尽可能地保留原数据中隐含的各种信息。近年来,一些知识图谱嵌入方法利用极坐标系对知识图谱中普遍存在的语义层次结构... 详细信息

知识图谱嵌入(KGE)是预测知识图谱(KGs)中缺失链接的重要工具,它将知识图谱中的实体和关系嵌入到连续低维空间中,并尽可能地保留原数据中隐含的各种信息。近年来,一些知识图谱嵌入方法利用极坐标系对知识图谱中普遍存在的语义层次结构进行建模,提升了链路预测任务的性能。然而,这些方法在建模关系时,使用了简单的标度变换并过度关注于实体的层次差,这在一定程度上限制了模型的拟合力。为了应对上述问题,提出了基于层次保留的知识图谱嵌入方法(RHKE),它在建模知识图谱中的关系时考虑了实体本身的层次。具体来说,提出了混合变换,它包含一个倍率项和一个偏差项,当实体层次较低或较高时,标度变换主要受偏差项或倍率项影响。此外,由于变换后模型丢失了实体原本的层次,RHKE使用层次修正项,它将头尾实体的原本层次用不同比例组合后作为关系的附加信息。在多个公开数据集上的实验结果显示,RHKE在链路预测上的性能优于现有的语义层次模型。

关键词：知识图谱嵌入(KGE) 链路预测语义层次极坐标系

来源：评论

学校读者我要写书评

暂无评论

基于图粗化的层次图池化方法研究

引用

小型微型计算机系统 2023年第3期44卷 483-489页

作者：陈洁薛远远曹京晶赵姝张燕平计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601 安徽省信息材料与智能传感重点实验室合肥230601 科学技术部科技人才交流开发服务中心北京100045

图神经网络(Graph Neural Networks, GNNs)已被证明能有效对图结构数据进行建模,池化机制在使用GNN模型提取图层次特征过程中至关重要,近年来已经引起了越来越多研究者们的关注.现有基于聚类的层次图池化方法要么需要增加额外的神经网... 详细信息

图神经网络(Graph Neural Networks, GNNs)已被证明能有效对图结构数据进行建模,池化机制在使用GNN模型提取图层次特征过程中至关重要,近年来已经引起了越来越多研究者们的关注.现有基于聚类的层次图池化方法要么需要增加额外的神经网络层以实现特征图的粗化;要么不能从全局角度捕获节点在图中的重要性大小.针对以上问题,本文提出一种基于图粗化的层次图池化方法(Hierarchical Graph Pooling Based on Graph Coarsening, HGP-GC),用于学习图的层次特征表示.该方法主要包括图结构粗化和图属性粗化两个部分.利用结构粗化实现特征图尺寸的缩减;利用属性粗化突显图中重要节点对图级表示的关键作用.通过将HGP-GC池化策略与现有神经网络相结合,在不同规模公共数据集上的图分类实验结果证明了HGP-GC的有效性.

关键词：图神经网络图池化层次图表示学习节点重要性图分类

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络交互的用户属性偏好建模的推荐模型

引用

计算机应用 2022年第2期42卷 404-411页

作者：潘仁志钱付兰赵姝张燕平安徽大学计算机科学与技术学院合肥230601 计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601 信息材料和智能感知安徽省实验室(安徽大学) 合肥230601

潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何... 详细信息

潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型:基于卷积神经网络(CNN)交互的用户属性偏好建模的推荐模型(UAMC)。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差(RMSE)上与稀疏数据预测的神经网络分解机(NFM)模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。

关键词：潜在因子模型用户偏好用户属性偏好卷积神经网络特征交互注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于聚合多阶邻域信息的细化方法的多粒度网络表示学习

引用

小型微型计算机系统 2022年第12期43卷 2471-2478页

作者：赵姝刘梦婷杜紫维宋文超韩光洁计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601 安徽省信息材料与智能传感重点实验室合肥230601 北京智创信安信息科技有限公司北京100080 河海大学物联网工程学院江苏常州213022

多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,... 详细信息

多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,将粗粒度空间的节点表示细化回原始网络仍具有挑战.本文提出一种基于聚合多阶邻域信息的细化方法的多粒度网络表示学习方法NRAM(Network Refinement based on Aggregating Multi-neighboring information).首先,对于粗化阶段生成的多粒度网络,仅利用现有的网络表示学习方法学习最粗粒度网络的表示;然后将从粗粒度网络继承的节点表示和细粒度网络的结构信息相融合得到细粒度网络的初始嵌入;最后通过聚合节点多阶邻域信息的方式得到细粒度网络的节点表示,迭代该过程直到获得原始网络的节点向量.在3个公共数据集上节点分类的结果证明了NRAM的有效性.

关键词：网络网络表示学习多粒度网络表示学习节点分类

来源：评论

学校读者我要写书评

暂无评论

基于拓扑结构的无序免疫激光腔

基于拓扑结构的无序免疫激光腔

引用

第十七届全国电波传播年会

作者：徐珂方明黄志祥中国安徽大学教育部智能计算与信号处理重点实验室安徽省教育部电磁环境传感重点实验室

激光腔的品质因子极易受到外界干扰,这可能会导致激光品质的降低。为了避免上述情况的产生,利用时域有限差分方法建立了一个严格的物理模型来研究增益介质和腔模的自洽相互作用并设计了一种具有强鲁棒性的激光腔体结构。并从理论上阐明... 详细信息

激光腔的品质因子极易受到外界干扰,这可能会导致激光品质的降低。为了避免上述情况的产生,利用时域有限差分方法建立了一个严格的物理模型来研究增益介质和腔模的自洽相互作用并设计了一种具有强鲁棒性的激光腔体结构。并从理论上阐明了两种拓扑结构上沿界面传播的拓扑环腔(TRC)模式可以实现稳定的单模激光器。通过注入圆偏振光来选择在特定方向上具有期望轨道角动量的TRC模式。特别是,我们发现拓扑激光器可以承受40%以上的无序度。与光子晶体激光器相比,拓扑激光器在能量约束方面表现出优异的性能,即使无序干扰达到10%左右。

关键词：时域有限差分法激光腔拓扑性无序光子晶体

来源：评论

学校读者我要写书评

暂无评论

超密集异构网络中过载MEC服务器的协作卸载

引用

西安电子科技大学学报 2020年第2期47卷 126-134页

作者：王忍王翊胡艳军蒋芳许耀华安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601 中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室上海200050

由于移动边缘计算可通过借助边缘计算服务器实现计算任务卸载,不再受限于移动终端的计算能力,所以当边缘服务器过载时,往往会选择排队、推迟或拒绝移动终端的业务请求。但现有研究大都没有考虑此时服务器如何缓解负载压力,由于服务中断... 详细信息

由于移动边缘计算可通过借助边缘计算服务器实现计算任务卸载,不再受限于移动终端的计算能力,所以当边缘服务器过载时,往往会选择排队、推迟或拒绝移动终端的业务请求。但现有研究大都没有考虑此时服务器如何缓解负载压力,由于服务中断和等待延长,用户的服务质量将明显恶化。研究了将过载移动边缘计算服务器的任务卸载到与其同一协作区间的其他服务器来提高计算卸载能力。将罚函数与两步拟牛顿法相结合给出了优化方法,联合优化包含边缘计算网络总时延和能耗的联合效用函数。针对优化目标对时延或者能效的不同需要,使用经验因子灵活调整时延和能量消耗最小化之间的优化偏差。仿真结果表明,卸载优化方法在提高关于时延和能耗的系统性能方面优于现有的两种比较方法,且以更快的速度收敛。

关键词：移动边缘计算过载异构网络协作卸载联合优化

来源：评论

学校读者我要写书评

暂无评论

面向高功率微波反演的高效时序神经网络算法研究

引用

现代应用物理 2025年第1期16卷 159-165页

作者：董纯志黄志祥冯乃星安徽大学电子信息工程学院安徽大学智能计算与信号处理教育部重点实验室

柱状等离子体阵列（columnar plasma array, CPA）被证明是一种极佳的高功率微波（high-power microwave, HPM）防护手段。然而，并非任一的HPM都足以激发CPA产生电磁屏蔽效应，因此提出并实现一种新的基于Encoder-Decoder框架和multiva... 详细信息

柱状等离子体阵列（columnar plasma array, CPA）被证明是一种极佳的高功率微波（high-power microwave, HPM）防护手段。然而，并非任一的HPM都足以激发CPA产生电磁屏蔽效应，因此提出并实现一种新的基于Encoder-Decoder框架和multivariate attention机制的时间序列模型iiTransformer（improved iTransformer）,对HPM与CPA间的复杂非线性过程进行数学建模并实现高功率微波反演。使用有限元方法（finite element method, FEM）完成算法仿真和数据采集，分别使用iiTransformer模型和ResNet-18模型实现了对高功率微波的反演推断。在iiTransformer模型中，利用Encoder和Decoder架构分别对数据序列和目标序列进行了多头自注意力处理，用于提取多变量在多通道中的关系依赖。相比之下，ResNet-18模型拟合数据序列所映射出的热图与目标序列间呈非线性映射关系。研究结果表明，所设计的iiTransformer模型具有很强的表征学习和非线性拟合能力，不仅泛化能力强而且鲁棒性好，在训练集上的损失为3.4548×10-7,在验证集上的损失达到了1.804×10-7,在测试集上的准确度为99.923%,远远高于ResNet-18模型的反演精度。

关键词：高功率微波防护柱状等离子体阵列时间序列模型 Encoder-Decoder框架 multivariate attention机制

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：