检索结果-内蒙古大学图书馆

西北大学学报（自然科学版） 2020年第1期50卷 31-38页

作者：张瑞林丁彦蕊江南大学理学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122 江南大学工业生物技术教育部重点实验室江苏无锡214122

该文研究了如何利用3D-CNN识别中枢神经系统(CNS)药物和non-CNS药物。首先,构建CNS药物和non-CNS药物数据集并优化小分子构象;然后,以3D网格矩阵编码小分子结构,作为3D-CNN模型的输入;接着,在模型训练中,采用正交实验法对3D-CNN模型的... 详细信息

该文研究了如何利用3D-CNN识别中枢神经系统(CNS)药物和non-CNS药物。首先,构建CNS药物和non-CNS药物数据集并优化小分子构象;然后,以3D网格矩阵编码小分子结构,作为3D-CNN模型的输入;接着,在模型训练中,采用正交实验法对3D-CNN模型的超参数进行快速优化;最后,使用外部测试集检验模型,达到ACC为84.3%,MCC为0.685,AUC为0.884的泛化性能。实验表明,在正交实验法获取可靠超参数组合的基础上,3D-CNN模型对于CNS药物的识别具有良好效果,所构建的模型为设计新的CNS药物提供了基础。

关键词： 3D卷积神经网络药物虚拟筛选正交实验

来源：评论

学校读者我要写书评

暂无评论

基于条件生成对抗网络的光场图像透视视图生成算法

引用

计算机应用研究 2023年第8期40卷 2501-2507,2536页

作者：张逸骋井花花晏涛江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122

光场图像新视图生成算法在视点内插和外插方面已经取得了良好的研究成果,但在视点位置平移和旋转一定角度情形下的透视视图生成仍然是一项具有挑战性的任务。针对上述问题,提出了一种基于条件生成对抗网络的光场图像透视视图生成算法LFI... 详细信息

光场图像新视图生成算法在视点内插和外插方面已经取得了良好的研究成果,但在视点位置平移和旋转一定角度情形下的透视视图生成仍然是一项具有挑战性的任务。针对上述问题,提出了一种基于条件生成对抗网络的光场图像透视视图生成算法LFIPTNet(light field image perspective transformation network),利用相机的位姿信息作为条件来引导条件生成对抗网络学习新视图的内容。提出了多个模块,充分利用相机位姿信息和光场宏像素图像(macro pixel image,MPI)记录空间信息、角度信息、深度信息来生成预测视图。提出的方法在构建的数据集上与最新的三种方法进行了比较,相比于性能第二的StereoMag模型,PSNR提高了7.77 dB,SSIM提高了0.35。消融实验部分对提出的模块进行了评估,验证了创新点的有效性。充分的实验结果表明LFIPTNet相比于现有算法,生成的预测视图更加准确。

关键词：光场图像视图生成透视变换深度估计宏像素图像条件生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

双特征的短文本聚类研究

引用

小型微型计算机系统 2024年第10期45卷 2420-2427页

作者：张桥男刘渊江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室(江南大学) 江苏无锡214122

短文本聚类的目的是根据表示空间中的距离来发现数据的语义类别.针对传统文本表示模型面对短文本时会造成特征高维稀疏的问题,以及基于Bert的多特征短文本聚类研究较少的问题,本文研究了一种基于Bert的双特征短文本聚类模型BCCA.首先利... 详细信息

短文本聚类的目的是根据表示空间中的距离来发现数据的语义类别.针对传统文本表示模型面对短文本时会造成特征高维稀疏的问题,以及基于Bert的多特征短文本聚类研究较少的问题,本文研究了一种基于Bert的双特征短文本聚类模型BCCA.首先利用Bert获取词向量表示;其次,利用CNN网络增强对文本局部特征的提取能力和语境感知自注意力网络增强对全局特征提取的能力.最后,为进一步提升聚类效果,将文本表示模块与聚类模块进行联合训练,同时优化文本表示和聚类.为了验证模型性能,在3个数据集上进行实验,实验结果表明,本文提出的模型在数据集SearchSnippets上准确率达到82.8%.

关键词：短文本聚类双特征语境感知 Bert CNN

来源：评论

学校读者我要写书评

暂无评论

融合BERT词嵌入表示和主题信息增强的自动摘要模型

引用

计算机科学 2022年第6期49卷 313-318页

作者：郭雨欣陈秀宏江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

自动文本摘要能够帮助人们快速筛选、辨别信息,掌握新闻关键内容,缓解信息过载问题。主流的生成式自动文摘模型主要基于编码器-解码器架构。针对解码器端在预测目标词时未充分考虑文本主题信息,并且传统的Word2Vec静态词向量无法解决一... 详细信息

自动文本摘要能够帮助人们快速筛选、辨别信息,掌握新闻关键内容,缓解信息过载问题。主流的生成式自动文摘模型主要基于编码器-解码器架构。针对解码器端在预测目标词时未充分考虑文本主题信息,并且传统的Word2Vec静态词向量无法解决一词多义问题的现状,提出了一种融合BERT词嵌入表示和主题信息增强的中文短新闻自动摘要模型。编码器端联合无监督算法获取文本主题信息并将其融入注意力机制中,提升了模型的解码效果;解码器端将BERT预训练语言模型抽取出的BERT句向量作为补充特征,以获取更多的语义信息,同时引入指针机制来解决词表外的单词问题,并利用覆盖机制有效抑制重复。在训练过程中,为了避免暴露偏差问题,针对不可微指标ROUGE采用强化学习方法来优化模型。在两个中文短新闻摘要数据集上的多组对比实验结果表明,该模型在ROUGE评价指标上有显著的提升,能有效融合文本主题信息,生成语句流畅、简明扼要的摘要。

关键词：生成式摘要 BERT 主题信息注意力机制强化学习

来源：评论

学校读者我要写书评

暂无评论

鲁棒联合稀疏不相关回归

引用

计算机科学 2022年第2期49卷 191-197页

作者：李宗然陈秀宏陆赟邵政毅江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

常见的无监督特征选择方法考虑的只是选择具有判别性的特征,而忽略了特征的冗余性,并且没有考虑到小类问题,故而影响到分类性能。基于此背景,提出鲁棒不相关回归算法。首先,对不相关回归进行研究,使用不相关正交约束,以便找出不相关但... 详细信息

常见的无监督特征选择方法考虑的只是选择具有判别性的特征,而忽略了特征的冗余性,并且没有考虑到小类问题,故而影响到分类性能。基于此背景,提出鲁棒不相关回归算法。首先,对不相关回归进行研究,使用不相关正交约束,以便找出不相关但具有判别性的特征,不相关约束使得数据结构保持在Stiefel流形中,使模型具有封闭解,避免了传统的岭回归模型引发的可能的平凡解。其次,损失函数与正则化项使用L_(2,1)范数,保证模型的鲁棒性,得到具有稀疏性的投影矩阵;同时将小类问题考虑进去,使投影矩阵数量不受类别数的限制,得到足够多的投影矩阵,从而提升模型的分类性能。理论分析和多个数据集上的实验结果表明,所提出的方法比其他特征选择方法具有更好的性能。

关键词：特征选择鲁棒联合不相关回归小类问题

来源：评论

学校读者我要写书评

暂无评论

基于波环粒子的实时水波仿真方法

引用

计算机应用 2022年第12期42卷 3876-3883页

作者：顾浩杰张军江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

为了降低水波模拟过程中的计算成本并提高其扩散现象的逼真度,提出一种基于波环粒子包的实时二维平面水波仿真方法。该方法采用波环粒子为基本计算单元,粒子内部继承“波包”的概念,使用多个频段水波叠加的方式再现水波视觉效果。在计... 详细信息

为了降低水波模拟过程中的计算成本并提高其扩散现象的逼真度,提出一种基于波环粒子包的实时二维平面水波仿真方法。该方法采用波环粒子为基本计算单元,粒子内部继承“波包”的概念,使用多个频段水波叠加的方式再现水波视觉效果。在计算水波反射过程时,通过添加镜像波源的形式减少碰撞计算,避免复杂几何判定。为适应不同硬件的计算性能差异,该方法提供额外的计算精度参数,可针对不同硬件计算能力调节水波反射计算复杂度。实验结果表明,该方法可使用较少的粒子模拟出较为真实的水波运动,且避免了碰撞反射后水波断裂的问题。在相同硬件平台上的性能测试显示,所提波环仿真方法的渲染帧率比传统波包算法高出至少60%,在一些水波状态特别复杂的情况下可达到400%以上的加速效果。

关键词：水波仿真波环粒子波包粒子系统渲染帧率

来源：评论

学校读者我要写书评

暂无评论

基于样本特征核矩阵的稀疏双线性回归

引用

计算机科学 2021年第10期48卷 185-190页

作者：邵政毅陈秀宏江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

在许多实际应用中出现了大量的冗余数据,这些数据可能是高维的,这时进行回归预测将会出现过拟合的现象,并且还会出现预测精度偏低等问题。另外,大多数回归方法都是基于向量的,忽略了矩阵数据原始位置之间的关系。为此,文中提出了一种基... 详细信息

在许多实际应用中出现了大量的冗余数据,这些数据可能是高维的,这时进行回归预测将会出现过拟合的现象,并且还会出现预测精度偏低等问题。另外,大多数回归方法都是基于向量的,忽略了矩阵数据原始位置之间的关系。为此,文中提出了一种基于样本特征核矩阵的稀疏双线性回归(Kernel Matrix-based Sparse Bilinear Regression,KMSBR)方法。该方法直接将数据矩阵作为输入,其是通过左右回归系数矩阵而建立的,利用样本的特征核矩阵和L 2,1范数,能够同时实现对样本及样本特征的选择,且考虑了数据的原始位置,提高了算法的性能。在若干数据集上的实验结果表明,KMSBR能有效地选择相对重要的样本和特征,从而提高算法的运行效率,且其预测精度优于已有的几种回归模型。

关键词：特征核矩阵线性回归样本与特征提取稀疏性左右回归矩阵

来源：评论

学校读者我要写书评

暂无评论

耦合演化采样和深度解码的可解释网络流量异常检测模型

引用

智能系统学报 2023年第5期18卷 1070-1078页

作者：孙俊谢振平王洪波江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122 拓尔思天行网安信息技术有限责任公司北京100089

针对现有网络流量异常检测模型缺乏可解释性的问题,本研究提出了耦合演化采样和深度解码的可解释网络流量异常检测模型。首先,引入演化采样学习抽取代表特征样本,依此实现了强可解释性的样本编码过程;其次,构建了可解释的演化采样样本... 详细信息

针对现有网络流量异常检测模型缺乏可解释性的问题,本研究提出了耦合演化采样和深度解码的可解释网络流量异常检测模型。首先,引入演化采样学习抽取代表特征样本,依此实现了强可解释性的样本编码过程;其次,构建了可解释的演化采样样本编码过程和不可解释的深度神经网络解码过程的耦合学习模型;最后,使用样本编码结果和重构误差进行异常检测。在NSL-KDD和CICIDS2017数据集上与现有方法的实验比较结果表明,该方法可显著提升模型可解释性和模型规模效率,并能取得与现有最优方法同等水平的检测性能。此外,上述新的学习策略,也可为可解释机器学习方法研究提供一种极具特色的技术方案参考。

关键词：机器学习无监督学习流量异常检测深度神经网络可解释性演化采样深度编码自编码器

来源：评论

学校读者我要写书评

暂无评论

跨层融合和感受野扩增的SSD目标检测算法

引用

计算机科学 2023年第3期50卷 231-237页

作者：张卫良陈秀宏江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

鉴于SSD(Single Shot Multibox Detector)不同层缺乏信息的交互以及模型感受野的限制,提出了一种改进的SSD目标检测算法——ESSD(Enhanced SSD),以提高目标检测的准确性。首先,使用SSD模型中原有的多尺度特征图,利用FPN(Feature Pyramid... 详细信息

鉴于SSD(Single Shot Multibox Detector)不同层缺乏信息的交互以及模型感受野的限制,提出了一种改进的SSD目标检测算法——ESSD(Enhanced SSD),以提高目标检测的准确性。首先,使用SSD模型中原有的多尺度特征图,利用FPN(Feature Pyramid Networks)的思想,设计了一种跨层信息交互模块,在增强了不同层的语义信息能力的同时减小了不同层的信息差异。然后,为了提高模型的感受野和多尺度检测能力,设计了一种感受野扩增模块。最后,采用批处理归一化层缩短训练时间,以提高模型的收敛速度。为了评价ESSD的有效性,在PASCAL VOC2007测试集以及PASCAL VOC2012测试集上进行了实验。实验结果表明,在PASCAL VOC2007数据集上其mAP为82.1%且检测速度为15.7FPS,相比原有的SSD512,其mAP提升了2.3%;在PASCAL VOC2012测试集上其mAP达到了80.6%,也比SSD512高2.1%。实验证明了ESSD检测器在达到较高检测精度的情况下,仍然可以满足实时性。

关键词：目标检测信息融合感受野多尺度 SSD

来源：评论

学校读者我要写书评

暂无评论

基于空间注意力图的知识蒸馏算法

引用

计算机应用研究 2024年第6期41卷 1693-1698页

作者：王礼乐刘渊江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

知识蒸馏算法对深度神经网络的精简具有很大的推动作用。当前基于特征的知识蒸馏算法或只关注单个部分进行改进,忽视了其他有益部分,或是对小模型应重点关注的部分提供有效指导,这使得蒸馏的效果有所欠缺。为了充分利用大模型的有益信... 详细信息

知识蒸馏算法对深度神经网络的精简具有很大的推动作用。当前基于特征的知识蒸馏算法或只关注单个部分进行改进,忽视了其他有益部分,或是对小模型应重点关注的部分提供有效指导,这使得蒸馏的效果有所欠缺。为了充分利用大模型的有益信息并处理,以提升小模型知识转换率,提出一种新型蒸馏算法。该算法首先使用条件概率分布对大模型中间层进行特征空间分布拟合,提取拟合后趋于相似的空间注意力图,将其与其他有益信息一起,通过用于缩小模型间差距的小型卷积层,将转换后的信息传递给小模型,实现蒸馏。实验结果表明,该算法具有多师生组合适用性与多数据集通用性,相比于当前较为先进的蒸馏算法,性能提升约1.19%,用时缩短0.16 h。对大型网络的优化与深度学习部署在低资源设备上的应用具有重要的工程意义与广泛的应用前景。

关键词：知识蒸馏知识迁移模型压缩深度学习图像分类

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：