检索结果-内蒙古大学图书馆

计算机应用研究 2024年第10期41卷 3188-3193页

作者：杨晨廉凯成徐昊吴秦柴志雷江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与人工智能工程实验室江苏无锡214122

在数字印刷领域,精确再现计算机图像的颜色是高质量印刷的前提,其中色彩特征化是关键环节。传统多项式回归模型由于高阶项会放大特征化样本集中的奇异值,导致模型振荡从而影响色彩特征化的准确性。基于神经网络的色彩特征化算法精度较高... 详细信息

在数字印刷领域,精确再现计算机图像的颜色是高质量印刷的前提,其中色彩特征化是关键环节。传统多项式回归模型由于高阶项会放大特征化样本集中的奇异值,导致模型振荡从而影响色彩特征化的准确性。基于神经网络的色彩特征化算法精度较高,但算法复杂度也呈数量级的提高,难以满足工业生产中的效率要求。为解决上述问题,提出残差修正的加权多项式回归算法,采用具有较强抗差能力的Huber损失函数来替代均方误差。通过自适应机制确定各个样本权重,并利用残差值迭代优化得到最佳权重矩阵,从而降低奇异值样本对系统的影响;此外,修正模块捕获第一个模型可能遗漏的非线性情况辅助调整转换结果,进而提高颜色再现准确性。结果表明,该算法与普通多项式回归相比,平均色差降低1.2,与基于深度置信网络的推理算法精度接近,但运行时间比其减少99.37%。

关键词：色彩特征化多项式回归自适应加权色彩复制色彩管理

来源：评论

学校读者我要写书评

暂无评论

基于EMA改进的图像语义分割算法

引用

Journal of Measurement Science and Instrumentation 2024年第2期15卷 185-194页

作者：杜佳栋李婷葛洪伟江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122

针对期望最大化注意(EMA)算法参数与图像的语义关联不足以及缺少对通道间信息关注的问题,本文提出一种双重注意力网络EMA+算法。该算法设计了2个模块:空间注意力模块和通道注意力模块。空间注意力模块以EMA算法为主体架构,在责任估计步... 详细信息

针对期望最大化注意(EMA)算法参数与图像的语义关联不足以及缺少对通道间信息关注的问题,本文提出一种双重注意力网络EMA+算法。该算法设计了2个模块:空间注意力模块和通道注意力模块。空间注意力模块以EMA算法为主体架构,在责任估计步骤采用特征图作为期望最大化(EM)算法的初始参数,增加参数与特征图语义上的关联。通道注意力模块使用高效通道注意力(ECA),通过使用一维卷积学习通道之间交互信息,避免由于降维操作导致的破坏通道与其权重之间的直接对应关系。EMA+通过融合空间注意力模块和通道注意力模块,显著提高了语义分割任务的性能。实验结果表明,EMA+在PASCAL VOC2012和一些更复杂的数据集上均取得了较EMANet等方法更优的交并比指标,有较好的泛化能力。

关键词：深度学习图像语义分割期望最大化注意双重注意力网络高效通道注意力模块

来源：评论

学校读者我要写书评

暂无评论

结合语义增强和感知注意力的关系抽取方法

引用

计算机应用 2024年

作者：杨大伟徐西海宋威江南大学人工智能与计算机学院无锡车联天下信息技术有限公司江苏省模式识别与计算智能工程实验室(江南大学)

针对文本特征提取时缺乏考虑句子的上下文判别性特征以及未能充分利用实例和关系标签之间的关联信息的问题，提出了一种结合语义增强和感知注意力的关系抽取方法。首先，在句子特征编码阶段，构建语义增强机制提取句子的显著性语义特征... 详细信息

针对文本特征提取时缺乏考虑句子的上下文判别性特征以及未能充分利用实例和关系标签之间的关联信息的问题，提出了一种结合语义增强和感知注意力的关系抽取方法。首先，在句子特征编码阶段，构建语义增强机制提取句子的显著性语义特征，通过实体感知词嵌入和显著特征感知得到显著信息增强的句子表示。其次，设计感知注意力机制来整合句子特征，通过感知句子与关系标签之间的语义信息、句子的实体类型与对应关系的实体类型之间的一致性信息和句子之间的相似性信息来评估句子与关系标签的匹配程度，以充分利用包中实例与关系标签的依赖关系，进一步提高方法的降噪能力。最后利用分类器进行关系预测，并根据预测结果与实际结果的交叉熵调整网络参数。本文在NYT-10和GDS数据集上进行了广泛的实验，实验结果表明，在NYT-10数据集上，与基于BERT(Bidirectional Encoder Representations from Transformers)的关系抽取方法 PARE(Passage-Attended Relation Extraction)相比，所提方法的AUC值提升了2.1个百分点，按置信度降序排列后前100、200和300条数据精准率Precision@N的平均值（P@M）提升了2.4个百分点；在GDS数据集上的AUC值和P@M也分别达到了最高90.5%和97.8%，所提方法在上述2个数据集上均明显优于其他主流的远程监督关系抽取方法，验证了所提方法的有效性。在主流的远程监督关系抽取任务中，所提方法能有效地提升模型对数据特征的学习能力。

关键词：远程监督关系抽取语义增强感知注意力降噪

来源：评论

学校读者我要写书评

暂无评论

基于OpenCL的超低延迟行情加速系统设计与实现

引用

计算机应用与软件 2025年第3期42卷 15-21页

作者：冯一飞丁楠叶钧超柴志雷江南大学物联网工程学院江苏无锡214122 江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122

针对量化高频交易中对数据处理的低延迟需求,定制一种超低延迟的行情系统,包含网络通信、数据解码和数据分析三部分功能,并在FPGA上进行实现。对各功能模块进行并行优化,构建全流水架构;对内存架构进行优化设计,提高数据传输速率;使用... 详细信息

针对量化高频交易中对数据处理的低延迟需求,定制一种超低延迟的行情系统,包含网络通信、数据解码和数据分析三部分功能,并在FPGA上进行实现。对各功能模块进行并行优化,构建全流水架构;对内存架构进行优化设计,提高数据传输速率;使用流接口实现模块间数据传输优化,降低数据处理延迟。实验结果表明:在Alveo U50上最大吞吐率可达38.4 Gbit/s,行情处理延迟最低为678 ns,波动稳定在10 ns间,与软件方案相比,性能提升12倍,吞吐率提升1.87倍,且延迟稳定。

关键词： Vitis OpenCL 现场可编程门阵列高频量化交易超低延迟系统开发设计

来源：评论

学校读者我要写书评

暂无评论

最近邻的密度峰值聚类标签传播算法

引用

计算机科学与探索 2022年第12期16卷 2809-2819页

作者：宋鹏葛洪伟江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与计算智能工程实验室(江南大学) 江苏无锡214122

基于动态图的密度峰值聚类标签传播算法(DPC-DLP)是密度峰值聚类算法(DPC)的一种改进算法,该算法涉及的相关参数过于复杂,并且算法在每次迭代时都会使用标签数据,会出现标签错误扩大化现象,存在迭代次数过多导致聚类效果恶化等问题。针... 详细信息

基于动态图的密度峰值聚类标签传播算法(DPC-DLP)是密度峰值聚类算法(DPC)的一种改进算法,该算法涉及的相关参数过于复杂,并且算法在每次迭代时都会使用标签数据,会出现标签错误扩大化现象,存在迭代次数过多导致聚类效果恶化等问题。针对上述问题,提出了一种最近邻的密度峰值聚类标签传播算法(DPC-NLP)。该算法主要有三个步骤:首先利用局部密度和最小距离对样本点进行打分,根据分数确定聚类中心,然后使用聚类中心的标签在其最近邻内形成簇骨干,最后使用最近邻的标签传播方法将簇骨干的标签传播到剩余样本上,并形成最终的聚类结果。最近邻标签传播算法充分考虑数据间的结构关联性情况,并在传播的过程中不断更新数据的状态,利用更充分的信息提高分配正确率。在人工和真实数据集上对算法进行验证,并与目前主流的聚类算法进行比较,实验结果表明,DPC-NLP在性能和鲁棒性方面表现优越,并可以处理流形和非线性等复杂数据。

关键词：聚类密度峰值聚类标签传播最近邻

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的无监督红外图像与可见光图像融合算法

引用

激光与光电子学进展 2022年第4期59卷 143-152页

作者：陈国洋吴小俊徐天阳江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122

卷积神经网络(CNN)由于出色的性能,被逐渐应用于图像融合领域。对于红外图像和可见光图像的融合任务而言,由于没有标签数据,对其进行无监督的学习建模具有重要意义。针对这个问题,提出了一种无监督的端到端的深度融合算法,该算法可以由... 详细信息

卷积神经网络(CNN)由于出色的性能,被逐渐应用于图像融合领域。对于红外图像和可见光图像的融合任务而言,由于没有标签数据,对其进行无监督的学习建模具有重要意义。针对这个问题,提出了一种无监督的端到端的深度融合算法,该算法可以由输入的红外源图像和可见光源图像,直接预测出包含源图像显著信息的融合图像。所提算法构建了一个自编码网络,并使用真实的数据集进行训练。网络所用损失函数为广泛应用于图像融合任务的图像结构相似度量(SSIM)。具体地说,设计了一种改进的无参考图像评价指标来计算损失函数,达到对网络进行无监督训练的目的。此外,将注意力机制引入到模型中进一步提升了融合结果。将所提算法与多种融合算法进行了对比实验,实验结果表明,所提算法融合结果无论在主观评价还是客观指标评价方面都十分具有竞争力。

关键词：图像处理图像融合红外图像可见光图像无监督学习卷积神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

用于成对PPI网络比对的分治与整合算法

引用

智能系统学报 2022年第5期17卷 960-968页

作者：刘晓陈璟王子祥江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122

生物网络比对是分析不同生物间进化关系的重要手段,它可以揭示不同物种间的保守功能并为物种间的注释转移提供重要信息。网络比对与子图同构类似,是一个NP-hard问题。本文提出了一种新的分治与整合策略的生物网络比对算法。首先进行模... 详细信息

生物网络比对是分析不同生物间进化关系的重要手段,它可以揭示不同物种间的保守功能并为物种间的注释转移提供重要信息。网络比对与子图同构类似,是一个NP-hard问题。本文提出了一种新的分治与整合策略的生物网络比对算法。首先进行模块划分,并根据已有的比对信息计算模块相似性;然后根据模块间结点的子比对获取候选结果集,最终通过超图匹配获得比对结果。使用已有的比对信息的集体行为预估模块间的相似性,大大提高了模块匹配的效率。基于路径和结点的得分函数保证了模块内结点的相似性。对于不同网络间结点的相似性,分别从结点自身和结点间的差异进行相似性判断。与现有算法相比,本文算法在生物和拓扑指标上均表现最佳。

关键词：蛋白质相互作用网络网络比对分治模块化二分图特征向量中心性度中心性复杂网络

来源：评论

学校读者我要写书评

暂无评论

融合多粒度特征的细粒度图像分类网络

引用

小型微型计算机系统 2023年第4期44卷 818-824页

作者：杨祺孙俊江南大学人工智能与计算机学院江苏无锡214122 江南大学、江苏省模式识别与计算智能工程实验室江苏无锡214122

在细粒度图像分类任务中,巨大的类内方差决定了该任务的分类依赖于粗粒度和细粒度信息.最近的工作主要关注于如何定位不同粒度的辨别性局部来解决这个问题.然而,在如何选择具有辨别性的粒度以及融合多粒度特征方面,现有的工作还缺乏一... 详细信息

在细粒度图像分类任务中,巨大的类内方差决定了该任务的分类依赖于粗粒度和细粒度信息.最近的工作主要关注于如何定位不同粒度的辨别性局部来解决这个问题.然而,在如何选择具有辨别性的粒度以及融合多粒度特征方面,现有的工作还缺乏一定研究.因此,本文提出了一个融合多粒度特征的细粒度图像分类网络,首先通过一个局部错位模块选择细粒度图像中的不同粒度,然后引入注意力机制定位它们并提取其多粒度特征,并且通过迭代学习的方式提取多粒度间的互补信息,最后采用可变形卷积融合这些多粒度特征,从而实现细粒度图像分类.本文所提出的方法在CUB-200-2011、FGVC-Aircraft和Stanford Cars三个数据集上准确率分别达到88.6%、93.6%和94.8%,这表明本文的方法能够获得优秀的分类性能.

关键词：细粒度图像分类特征融合注意力多粒度

来源：评论

学校读者我要写书评

暂无评论

强化类间区分的深度残差表情识别网络

引用

计算机科学与探索 2022年第8期16卷 1842-1849页

作者：黄浩葛洪伟江苏省模式识别与计算智能工程实验室(江南大学) 江苏无锡214122 江南大学人工智能与计算机学院江苏无锡214122

深度人脸表情识别是神经网络应用于模式识别上一项极具挑战性的任务。相对于身份认证和特征点识别等人脸识别任务,表情识别任务中存在着大量的冗余信息,要得到好的效果,需要更精确的分类。多数研究关注点在数据的泛化性和网络结构上,而... 详细信息

深度人脸表情识别是神经网络应用于模式识别上一项极具挑战性的任务。相对于身份认证和特征点识别等人脸识别任务,表情识别任务中存在着大量的冗余信息,要得到好的效果,需要更精确的分类。多数研究关注点在数据的泛化性和网络结构上,而忽视了数据的类间关系。提出了一种基于类间分析的深度残差表情识别网络RMRnet。首先,将数据通过骨干网络Resnet18得到混淆矩阵,进一步得到召回率矩阵分析类间关系;然后,凭借类间关系设计网络结构分支,进一步区分强联系类,设计补充支路平衡弱联系类;最后,将分支添加到骨干网络的相应位置,得到RMRnet网络模型。在流行的大型数据库上,与基准方法和近年来的先进方法的对比实验结果表明,提出的方法相较于基准方法效果良好,在一众先进方法中也有很强的竞争力。

关键词：表情识别神经网络混淆矩阵类间关联

来源：评论

学校读者我要写书评

暂无评论

跨模态检索的鉴别子空间学习方法

引用

计算机仿真 2023年第12期40卷 556-562页

作者：章浩明吴小俊徐天阳张东霖江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122

许多现有的基于子空间学习的跨模态检索方法只集中于学习一个潜在的子空间,忽略了对鉴别性信息的充分利用,没有很好地保留语义结构信息。为了弥补这一不足,提出了一种跨模态检索的鉴别子空间学习方法(DSL),首先构建一个共享语义图来保... 详细信息

许多现有的基于子空间学习的跨模态检索方法只集中于学习一个潜在的子空间,忽略了对鉴别性信息的充分利用,没有很好地保留语义结构信息。为了弥补这一不足,提出了一种跨模态检索的鉴别子空间学习方法(DSL),首先构建一个共享语义图来保留每个模态中的语义结构,随后引入希尔伯特-施密特独立性准则(HSIC)来保持样本的特征和语义相似度之间的一致性,最后构建角度重构方案。由此DSL可以弥补鉴别性数据使用不足的缺陷,更好地保留每个模态的语义结构信息。在两个常用的基准数据集上进行实验,结果表明上述方法相对于经典子空间学习方法更具有效性。

关键词：核相关性跨模态检索子空间学习监督学习鉴别性

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：