检索结果-内蒙古大学图书馆

计算机应用 2025年第4期45卷 1169-1176页

作者：孙熠衡刘茂福武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

当前信息抽取任务主要依赖大语言模型(LLM),而标书信息中广泛存在领域术语,模型缺乏相关先验知识,导致微调效率低且抽取性能不佳。此外,模型的抽取和泛化性能在很大程度上依赖于提示信息的质量和提示模板的构建方式。针对上述问题,提出... 详细信息

当前信息抽取任务主要依赖大语言模型(LLM),而标书信息中广泛存在领域术语,模型缺乏相关先验知识,导致微调效率低且抽取性能不佳。此外,模型的抽取和泛化性能在很大程度上依赖于提示信息的质量和提示模板的构建方式。针对上述问题,提出一种基于提示学习的标书信息抽取方法(TIEPL)。首先,利用生成式信息抽取的提示学习方法对LLM注入领域知识,以实现预训练和微调阶段的统一优化;其次,以LoRA(Low-Rank Adaption)微调方法为框架,单独设计提示训练旁路,并设计标书场景关键词提示模板,从而增强模型信息抽取与提示的双向关联。在自建的招中标数据集上的实验结果表明,相较于次优的UIE(Universal Information Extraction)方法,TIEPL的ROUGE-L(Recall-Oriented Understudy for Gisting Evaluation)和BLEU-4(BiLingual Evaluation Understudy)分别提高1.05和4.71个百分点,能更准确和完整地生成抽取结果,验证了所提方法在提高标书信息抽取准确性和泛化性方面的有效性。

关键词：生成式信息抽取大语言模型提示学习 LoRA微调标书

来源：评论

学校读者我要写书评

暂无评论

基于全局密度更新策略的两阶段多模态多目标进化算法

引用

中国科学：信息科学 2024年第10期54卷 2385-2408页

作者：贺娟娟杨倩许志伟张凯张兴义葛明峰武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430065 安徽大学计算机科学与技术学院合肥230093 中国地质大学(武汉)机械与电子信息学院武汉430074

多模态多目标问题需要求解多个全局或局部最优帕累托解集,找到这些最优解集具有极大的理论意义和实际经济效益.近年来,学者们提出许多进化算法用于解决该问题.然而,多数算法在进化过程中首先选择收敛性好的个体构建交配池,然后再考虑决... 详细信息

多模态多目标问题需要求解多个全局或局部最优帕累托解集,找到这些最优解集具有极大的理论意义和实际经济效益.近年来,学者们提出许多进化算法用于解决该问题.然而,多数算法在进化过程中首先选择收敛性好的个体构建交配池,然后再考虑决策空间和目标空间的多样性.因此,决策空间中多样性好的个体可能被目标空间收敛性好的个体所替代.另外,由于帕累托最优子集在决策空间中有不同的形状和位置,因此个体很难均匀地收敛到每个帕累托子区域.本文提出了基于全局密度更新策略的两阶段多模态多目标进化算法.首先,为减轻交配池和亲本与子代一对一比较的负面影响,我们并不构建交配池,而是提出了新的算法框架,分两阶段寻优.该框架利用不同阶段进化算法的特征进行子代更新,有利于平衡种群的搜索和开发.然后,为了解决帕累托子集分布不均的问题,我们设计了目标空间密度自适应策略和全局密度估计更新种群策略,用于保持目标空间和决策空间种群多样性.我们将提出的算法与7种有代表性的多模态多目标算法进行比较.实验结果表明,我们的算法在决策空间中能找到更多等价的解,并且能更好地保持决策空间和目标空间多样性和收敛性的平衡,整体性能要好于所比较算法.

关键词：多目标进化算法多模态多目标优化问题进化算法全局密度参考向量边界点聚集

来源：评论

学校读者我要写书评

暂无评论

基于内在奖励机制的多机器人社交编队导航

引用

计算机应用研究 2025年第5期42卷 1426-1432页

作者：刘伟符浩周帅武汉科技大学计算机科学与技术学院武汉430081 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430081

针对多机器人社交编队导航存在的相对过度泛化问题,通过激励机器人探索联合观测空间的方式,提出了基于内在奖励机制的多机器人社交编队导航算法。首先,将随机网络蒸馏内在奖励与椭圆回合内在奖励相结合,形成双时间尺度内在奖励,提升多... 详细信息

针对多机器人社交编队导航存在的相对过度泛化问题,通过激励机器人探索联合观测空间的方式,提出了基于内在奖励机制的多机器人社交编队导航算法。首先,将随机网络蒸馏内在奖励与椭圆回合内在奖励相结合,形成双时间尺度内在奖励,提升多机器人的探索能力,从而获得最优的多机器人联合策略;其次,通过将内外奖励设计与集中式训练分布式执行的框架相结合,采用集中式的内在奖励学习方式,激励多机器人探索联合观测空间,克服多机器人社交编队导航的相对过度泛化问题;最后,通过所提算法与基线算法的仿真对比实验,建立多机器人社交编队导航的评估机制,并进行相关的定量与定性分析。实验结果表明,从成功率、碰撞率、导航时间和队形误差等指标的定量和定性评价来看,所提算法优于基线算法。与现有的多机器人社交编队导航算法相比,所提算法能够获得更好的编队导航性能。

关键词：强化学习多机器人社交编队导航内在奖励

来源：评论

学校读者我要写书评

暂无评论

一种基于双链的区块链共识机制

引用

计算机工程 2024年第5期50卷 139-148页

作者：旋逸昭赵红武金瑜武汉科技大学计算机科学与技术学院湖北武汉430065 湖北省智能信息处理与实时工业重点实验室湖北武汉430065

共识机制是区块链系统的核心技术,目前针对“非币”区块链系统提出的基于贡献值证明与工作量证明(Po C+Po W)的共识机制存在共识效率较低、可靠性和安全性不高、算力消耗大的缺点。提出一种新的基于双链的共识机制CON_DC_PBFT。在该共... 详细信息

共识机制是区块链系统的核心技术,目前针对“非币”区块链系统提出的基于贡献值证明与工作量证明(Po C+Po W)的共识机制存在共识效率较低、可靠性和安全性不高、算力消耗大的缺点。提出一种新的基于双链的共识机制CON_DC_PBFT。在该共识机制中设计一种业务链-系统链双链结构,将贡献值等系统数据和主要业务数据分离到双链中各自完成共识处理,双链的共识表现为半独立的形式,业务链共识消息流受系统链监督协调,并且系统链根据贡献值随机指定业务链的记账节点,双链的分工与协同实现并行化和流水化,改善共识的效率。由于贡献值数据不能被轻易获取,通过拜占庭通信机制和节点随机选择算法,降低节点遭受攻击和系统停滞的风险。通过实验综合分析出块选择概率、单点故障率、节点数、区块传输速率、CPU使用率对共识机制的性能影响,结果表明,与Po C+Po W机制相比,CON_DC_PBFT共识机制节省了50%以上内存、存储资源占用,在综合共识时延上有30%以上的改善。

关键词：区块链共识机制双链结构拜占庭容错协议非币场景下的区块链贡献值

来源：评论

学校读者我要写书评

暂无评论

结合多尺度注意力和动态构建的非均匀超图聚类模型

引用

计算机工程与应用 2025年第2期61卷 200-207页

作者：朱峰冉王慧颖林晓丽李全鑫庞俊武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065 国网辽宁省电力有限公司信息通信分公司沈阳110065

单个较大非均匀超图聚类旨在将非均匀超图包含的节点划分为多个簇,使得同一簇内的节点更相似,而不同簇中的节点更不相似,具有广泛的应用场景。目前,最优的基于超图神经网络的非均匀超图聚类方法CIAH(co-cluster the interactions via at... 详细信息

单个较大非均匀超图聚类旨在将非均匀超图包含的节点划分为多个簇,使得同一簇内的节点更相似,而不同簇中的节点更不相似,具有广泛的应用场景。目前,最优的基于超图神经网络的非均匀超图聚类方法CIAH(co-cluster the interactions via attentive hypergraph neural network)虽然较好地学习了非均匀超图的关系信息,但仍存在两点不足:(1)对于局部关系信息的挖掘不足;(2)忽略了隐藏的高阶关系。因此,提出一种基于多尺度注意力和动态超图构建的非均匀超图聚类模型MADC(non-uniform hypergraph clustering combining multi-scale attention and dynamic construction)。一方面,使用多尺度注意力充分学习了超边中节点与节点之间的局部关系信息;另一方面,采用动态构建挖掘隐藏的高阶关系,进一步丰富了超图特征嵌入。真实数据集上的大量实验结果验证了MADC模型在非均匀超图聚类上的聚类准确率(accuracy,ACC)、标准互信息(normalized mutual information,NMI)和调整兰德指数(adjusted Rand index,ARI)均优于CIAH等所有Baseline方法。

关键词：非均匀超图超图聚类超图神经网络多尺度注意力

来源：评论

学校读者我要写书评

暂无评论

基于多粒度注意力网络的知识超图链接预测

引用

软件学报 2023年第3期34卷 1259-1276页

作者：庞俊刘小琪谷峪王鑫赵宇海张晓龙于戈武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 湖北武汉430065 东北大学计算机科学与工程学院辽宁沈阳110169 天津大学智能与计算学部天津300354

在知识图谱中进行链接预测是图谱补全的有效方法,可以有效地改善知识图谱的数据质量.然而,现实生活中的关系往往是多元的,这些包含多元关系的知识图谱可称为知识超图(knowledgehypergraph,KHG).然而,现有的知识超图链接预测模型忽略了... 详细信息

在知识图谱中进行链接预测是图谱补全的有效方法,可以有效地改善知识图谱的数据质量.然而,现实生活中的关系往往是多元的,这些包含多元关系的知识图谱可称为知识超图(knowledgehypergraph,KHG).然而,现有的知识超图链接预测模型忽略了多元关系的平等性(多元关系中实体不存在先后关系)与整体性(多元关系缺少一个实体则不成立).针对以上问题,首先提出了一种知识超图多元关系表示模型,可以直接建模知识超图中的多元关系;然后研究了一种基于多粒度神经网络的链接预测方法(hyperedgepredictionbasedonmulti-granular attentionnetwork,HPMG).该模型将关系划分为多重粒度进行学习,从不同粒度联合完成知识超图的学习和预测,充分考虑了知识超图中不同维度多元关系的整体性.接下来,针对HPMG特征融合不充分的问题,提出了基于多粒度注意力网络的知识超图链接预测方法 HPMG+,结合全局和局部注意力,实现了不同特征的有区分融合,进一步提高了模型的性能.最后,真实数据集上的大量实验结果验证了所提方法的效果显著地优于所有基线方法.

关键词：知识超图链接预测多粒度嵌入学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于投票和以太坊智能合约的云数据审计方案

引用

计算机应用 2024年第7期44卷 2093-2101页

作者：黄河金瑜武汉科技大学计算机科学与技术学院武汉430065 湖北省智能信息处理与实时工业系统重点实验室武汉430065

确保云数据的完整性是亟待解决的安全挑战,受到广泛应用的区块链技术为应对该安全挑战提供了良好的解决方案。当前结合区块链和智能合约技术,并由矿工参与审计验证工作的方案存在审计效率低、通信开销大和数据拥有者(DO)审计负担重等不... 详细信息

确保云数据的完整性是亟待解决的安全挑战,受到广泛应用的区块链技术为应对该安全挑战提供了良好的解决方案。当前结合区块链和智能合约技术,并由矿工参与审计验证工作的方案存在审计效率低、通信开销大和数据拥有者(DO)审计负担重等不足。针对上述问题,提出一种基于投票和以太坊智能合约的云数据审计方案(CASVEC)。首先,结合投票机制和智能合约技术在以太坊上设计并部署了去中心化自治组织(DAO),DAO中节点投票选举出一个审计节点代替矿工的审计验证工作,从而有效解决验证审计证明阶段效率低的问题,并且投票机制引入信誉值保证投票公平可靠。其次,仅使用少量链上资源存储审计结果以降低通信过程中的数据量,从而有效解决验证审计证明阶段通信开销大的问题。此外,DO仅需向DAO委托一次审计请求以及查询最终的审计结果,无需频繁调用智能合约交换审计相关信息,减轻了审计负担。最后,从理论和实验角度验证了与当前基于区块链的云审计方案相比,CASVEC能够显著降低验证审计证明阶段的时间开销和通信开销,以及审计阶段DO的时间开销。

关键词：数据完整性区块链智能合约云数据审计投票机制

来源：评论

学校读者我要写书评

暂无评论

基于特征增强和语义相关性匹配的图像文本检索方法

引用

计算机应用 2024年第1期44卷 16-23页

作者：陈佳张鸿武汉科技大学计算机科学与技术学院武汉430081 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430081

为实现图像文本检索中图像与文本的精确语义连接,提出一种基于特征增强和语义相关性匹配(FESCM)的图像文本检索方法。首先,通过特征增强表示模块,引入多头自注意力机制增强图像区域特征和文本单词特征,以减少冗余信息对图像区域和文本... 详细信息

为实现图像文本检索中图像与文本的精确语义连接,提出一种基于特征增强和语义相关性匹配(FESCM)的图像文本检索方法。首先,通过特征增强表示模块,引入多头自注意力机制增强图像区域特征和文本单词特征,以减少冗余信息对图像区域和文本单词对齐的干扰;其次,通过语义相关性匹配模块,不仅利用局部匹配捕获局部显著对象之间的对应相关性,还把图像背景信息融入图像全局特征,利用全局匹配实现精确的全局语义相关性;最后,通过局部匹配分数和全局匹配分数获取图像和文本的最终匹配分数。实验结果表明,基于FESCM的图像文本检索方法在Flickr8k和Flickr30k基准数据集上的召回率总值比扩展的视觉语义嵌入方法分别提升了5.7和7.5个百分点,在MS-COCO数据集比双流层次相似度推理方法提升了3.7个百分点。因此该方法可以有效提高图像文本检索的准确度,实现图像与文本的语义连接。

关键词：图像文本检索特征增强表示多头自注意力机制语义相关性匹配

来源：评论

学校读者我要写书评

暂无评论

一种基于锚框质量分布的动态标签分配策略

引用

计算机工程 2023年第4期49卷 85-91,100页

作者：王璐璐陈东方王晓峰武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430065

传统的标签分配策略根据锚框与ground-truth之间的交并比(IoU)是否超过阈值来划分正负样本,但确定IoU阈值需要依靠大量的经验和实验,并且在不同的网络结构中需要重新设定新的阈值;其次固定的阈值无法保证正负样本数量变化的平缓,过多或... 详细信息

传统的标签分配策略根据锚框与ground-truth之间的交并比(IoU)是否超过阈值来划分正负样本,但确定IoU阈值需要依靠大量的经验和实验,并且在不同的网络结构中需要重新设定新的阈值;其次固定的阈值无法保证正负样本数量变化的平缓,过多或过少的正样本都将影响网络训练的稳定性。为解决这些问题,提出一种自适应标签分配策略。根据中心先验原则设计中心权重,通过联合分类得分和定位得分表示锚框质量,组成一个统一的锚框评分方案便于简化划分步骤。为了使网络能够根据训练程度自适应调整IoU阈值,保证网络训练的稳定性,利用锚框质量高斯函数模拟锚框总体质量得分的分布情况,使用极大似然估计算法获取最优参数,根据统计结果动态预测最佳IoU阈值。实验结果表明,该算法在基于锚框和基于无锚框的检测算法中均使检测性能得到有效提升,在PASCAL VOC数据集上分别提升3.1和6.6个百分点,并且可以有效降低漏检率。

关键词：标签分配目标检测深度学习样本交并比

来源：评论

学校读者我要写书评

暂无评论

基于半监督和多尺度级联注意力的超声颈动脉斑块分割方法

引用

计算机应用 2024年第8期44卷 2604-2610页

作者：李晨倩刘俊武汉科技大学计算机科学与技术学院武汉430081 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430081

由于超声图像具有噪声强、质量低和边界模糊等特征,获取可靠的注释非常耗时费力,提出基于半监督和多尺度级联注意力的超声颈动脉斑块分割方法。首先,通过不确定性修正金字塔一致性(URPC)的半监督分割方法充分利用未标记数据训练模型减... 详细信息

由于超声图像具有噪声强、质量低和边界模糊等特征,获取可靠的注释非常耗时费力,提出基于半监督和多尺度级联注意力的超声颈动脉斑块分割方法。首先,通过不确定性修正金字塔一致性(URPC)的半监督分割方法充分利用未标记数据训练模型减轻费时费力的标注压力。其次,提出一种基于边缘检测的双编码器结构,并利用边缘检测编码器辅助超声斑块图像特征编码器充分获取边缘信息;另外,设计了一个多尺度融合模块(MSFM),通过自适应融合多尺度特征改善提取不规则形状斑块的结果,并结合一个级联通道空间注意力(CCSA)模块更好地关注斑块区域;最后,在超声颈动脉斑块图像数据集上评估所提方法。实验结果表明,所提方法在该数据集上的Dice指标和交并比(IoU)指标比监督方法CA-Net(Comprehensive Attention convolutional neural Network)分别提升了约2.8和6.3个百分点,比半监督方法循环原型一致性学习(CPCL)分别提高了约1.8和1.3个百分点,所提方法可以有效提高超声颈动脉斑块图像的分割准确度。

关键词：颈动脉斑块分割半监督双编码器多尺度融合级联通道空间注意力

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：