检索结果-内蒙古大学图书馆

计算机科学与探索 2021年第4期15卷 690-701页

作者：张毅王士同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

极限学习机(ELM)会大量映射到激活函数的饱和区域,同时隐含层输入与输出远远不能获得共同的分布方式,导致泛化性能大打折扣。针对这一问题,研究了在高斯分布下优化激活函数中仿射变换(AT)的极限学习机,主要思想是在隐含层输入数据上引... 详细信息

极限学习机(ELM)会大量映射到激活函数的饱和区域,同时隐含层输入与输出远远不能获得共同的分布方式,导致泛化性能大打折扣。针对这一问题,研究了在高斯分布下优化激活函数中仿射变换(AT)的极限学习机,主要思想是在隐含层输入数据上引入新型的线性关系,利用梯度下降算法对误差函数中的缩放参数和平移参数进行优化,以满足隐含层输出能够高度服从高斯分布。基于高斯分布计算仿射参数的方法,能够保证隐节点相互独立的同时,也强调了高度的依赖关系。实验结果表明,在实际分类数据集和图像回归数据集中,隐含层输出数据不能很好地服从均匀分布,但服从高斯分布趋势,总体上能够达到更好的实验效果。与原始ELM算法和AT-ELM1算法比较,均有显著的改善。

关键词：极限学习机(ELM) 仿射变换(AT) 高斯分布分类

来源：评论

学校读者我要写书评

暂无评论

面向开放集图像分类的模糊域自适应方法

引用

计算机科学与探索 2021年第3期15卷 515-523页

作者：刘晓龙王士同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

目前大多的域自适应算法在源域与目标域具有相同类别的场景下,利用标签丰富的源域信息对标签稀少且分布相似的目标域数据进行迁移学习,取得了很多成果。然而,由于现实场景的复杂性和开放性,源域和目标域在类别空间上不尽相同,往往会各... 详细信息

目前大多的域自适应算法在源域与目标域具有相同类别的场景下,利用标签丰富的源域信息对标签稀少且分布相似的目标域数据进行迁移学习,取得了很多成果。然而,由于现实场景的复杂性和开放性,源域和目标域在类别空间上不尽相同,往往会各自包含一些类别未知且超出现有类别设定的样本。对于这样具有挑战性的开放集场景,传统的域自适应算法将无能为力。为了有效解决上述问题,提出一种面向开放集的模糊域自适应算法。该算法引用了不确定性的模糊化,计算目标域样本的模糊隶属度来学习源域特征到目标域特征空间的线性映射,通过迭代逐步将源域与目标域转化在同一特征空间下。通过对无监督和半监督的图像迁移任务的大量实验,验证了该算法对于开放集场景下图像分类的有效性。

关键词：开放集合域自适应模糊隶属度图像分类

来源：评论

学校读者我要写书评

暂无评论

融合知识图谱和短期偏好的推荐算法

引用

计算机科学与探索 2021年第6期15卷 1133-1144页

作者：高仰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

近年来,将知识图谱作为辅助信息来增强推荐越来越受到研究者的关注。由于知识图谱学习任务的目标是还原知识图谱中三元组的关系,并非是以推荐任务为目标,导致了知识图谱学习任务很难高效地帮助推荐任务提升推荐性能。另外,用户兴趣易被... 详细信息

近年来,将知识图谱作为辅助信息来增强推荐越来越受到研究者的关注。由于知识图谱学习任务的目标是还原知识图谱中三元组的关系,并非是以推荐任务为目标,导致了知识图谱学习任务很难高效地帮助推荐任务提升推荐性能。另外,用户兴趣易被短期的环境和心情所影响。针对以上两点,提出了一种融合了知识图谱信息和短期偏好的推荐模型(MKASR)。首先,通过RippleNet算法提取用户和知识图谱实体的关系对,然后将这些关系对按照知识图谱三元组的形式存储和参与训练;采用基于注意力机制的双向GRU网络从用户近期交互的物品序列中提取用户的短期偏好;其次,采用多任务学习的方法同时训练知识图谱学习模块和推荐模块,并得到用户和物品的特征表示;最后,通过这些特征表示和用户的短期偏好向用户综合推荐。在真实数据集MovieLens-1M和Book-Crossing上进行实验,采用AUC、ACC、Precision和Recall指标进行评估,实验结果表明,提出的模型优于其他的基准模型。

关键词：推荐系统知识图谱短期偏好偏好传播多任务学习

来源：评论

学校读者我要写书评

暂无评论

融合社交关系和标签信息的混合新闻推荐算法

引用

计算机应用研究 2021年第1期38卷 61-64页

作者：夏鸿斌刘春芹刘渊江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

针对传统新闻推荐的数据稀疏性和用户的兴趣爱好快速变化问题,提出了一种融合社交关系和标签信息的混合新闻推荐算法。首先,该算法充分利用社交网络中的社交关系和标签信息;然后使用概率主题模型(latent Dirichlet allocation,LDA)对用... 详细信息

针对传统新闻推荐的数据稀疏性和用户的兴趣爱好快速变化问题,提出了一种融合社交关系和标签信息的混合新闻推荐算法。首先,该算法充分利用社交网络中的社交关系和标签信息;然后使用概率主题模型(latent Dirichlet allocation,LDA)对用户兴趣进行建模;最后采用基于内容与协同过滤相结合的混合推荐算法来完成新闻推荐。实验结果表明,所提算法与已有的推荐算法相比较,在精确度上提升了10.7%、平均倒数排名上(mean reciprocal rank,MRR)提升了4.1%,在归一化折损累计增益(normalized discounted cumulative gain,NDCG)上提升了10%。该算法可在一定程度上提高新闻推荐算法的精度及推荐质量。

关键词：新闻推荐混合推荐社交关系用户标签

来源：评论

学校读者我要写书评

暂无评论

基于BERT模型的无监督候选词生成及排序算法

引用

南京大学学报（自然科学版） 2022年第2期58卷 286-297页

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

词汇简化的目的是在保持句子原始语义的前提下用更易于理解的简单词替代复杂词,同时使语句保持流畅.传统方法依赖人工标记的数据集或者只关注复杂词本身而未能有效地关注复杂词的上下文,导致生成的候选词不符合上下文语境.为了解决上述... 详细信息

词汇简化的目的是在保持句子原始语义的前提下用更易于理解的简单词替代复杂词,同时使语句保持流畅.传统方法依赖人工标记的数据集或者只关注复杂词本身而未能有效地关注复杂词的上下文,导致生成的候选词不符合上下文语境.为了解决上述两个问题,提出一种基于BERT(Bidirectional Encoder Representations from Transformers)模型的无监督候选词生成及排序算法Pretrained-LS,还同时考虑了复杂词和上下文.在候选词生成阶段,Pretrained-LS利用BERT模型生成候选词;在候选词排序阶段,除了常见的词频和BERT预测顺序排序特征,Pretrained-LS提出BERT词嵌入表示语义相似度、基于Roberta(A Robustly Optimized BERT Pretraining Approach)向量的上下文相似度以及常见词复杂分数字典三个排序特征.实验中,在候选词生成阶段,Pretrained-LS采用广泛使用的精确率P、召回率R以及两者的调和平均值F作为评价标准,在候选词排序阶段同样采用精确率P以及准确率A作为评价标准.在三个英语基准数据集上的实验结果表明,与目前表现最好的词汇简化算法相比,在候选词生成阶段,Pretrained-LS的评测指标F值提升5.70%;在候选词排序阶段,准确率A提升7.21%.

关键词：词汇简化预训练模型候选词生成候选词排序

来源：评论

学校读者我要写书评

暂无评论

食品科学大数据与人工智能技术

引用

中国食品学报 2021年第2期21卷 1-8页

作者：崔晓晖李伟顾诚淳武汉大学国家网络安全学院武汉430072 江南大学人工智能与计算机学院江苏省媒体设计与软件技术重点实验室未来食品科学中心江苏无锡214122

大数据技术是指从各类数据中,通过不同分析方法和工具获取有价值信息的能力。人工智能技术是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术。大数据技术与人工智能技术相辅相成,大数据是人工智能的基石,人工智能是大数... 详细信息

大数据技术是指从各类数据中,通过不同分析方法和工具获取有价值信息的能力。人工智能技术是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术。大数据技术与人工智能技术相辅相成,大数据是人工智能的基石,人工智能是大数据应用的体现。食品科学大数据与人工智能则是将大数据技术、人工智能技术与食品科学交叉融合。将人工智能与大数据技术融合到传统食品科学领域中,可以创新食谱并智能推荐,追踪溯源食品,分析用户口味偏好,监控食品安全等,使得食品科学获得更大发展,并为人们提供更好的服务。本文阐释当前食品领域大数据与人工智能交叉融合发展现状,分析其面临的挑战,讨论可行性解决方案,展望食品科学大数据与人工智能技术未来发展趋势。本文通过抛砖引玉,旨在吸引更多的大数据和人工智能技术与食品科学相结合,从而更好地预见并服务于未来食品的发展。

关键词：人工智能大数据食品科学未来食品

来源：评论

学校读者我要写书评

暂无评论

大范围云导风的直接可视化方法

引用

计算机应用研究 2021年第3期38卷 908-913页

作者：张军朱彬江南大学数字媒体学院江苏无锡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

针对传统大范围云导风生成及显示过程中存在较大计算冗余的问题,提出一种快速风场可视化算法,可使用卫星云图序列直接生成便于人眼观察的大范围云导风态势展示视频。该算法首先使用稀疏像素块匹配分析得到相邻帧之间的运动信息,再使用... 详细信息

针对传统大范围云导风生成及显示过程中存在较大计算冗余的问题,提出一种快速风场可视化算法,可使用卫星云图序列直接生成便于人眼观察的大范围云导风态势展示视频。该算法首先使用稀疏像素块匹配分析得到相邻帧之间的运动信息,再使用匹配结果形成图像形变网格,最后使用该网格对噪声纹理图像进行形变和颜色混合叠加操作,从而输出风场运动轨迹的动态视频。由于无须复杂的光流计算和额外流场可视化后处理等步骤,该算法在程序实现时更加便捷,对计算硬件依赖性较小。实验结果显示,这种直接可视化算法可以生成易于辨识的、时间一致性强的云导风动态可视化视频,能应对红外、可见光和水汽等各种波段的卫星图像数据,对云层无规则消散、生成等干扰具有较高鲁棒性。

关键词：大范围云导风流场可视化网格变形图像混合

来源：评论

学校读者我要写书评

暂无评论

基于精调LLaMA模型的中西医概念关系对比分析方法

引用

中文信息学报 2025年第2期39卷 162-170页

作者：叶淋潮邵会会谢振平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

中医知识的现代化与现代西医学知识可以建立深度的互通互解。在大语言模型背景下,以传统中医和现代西医的概念关系理解为切入点,该文提出一种基于精调LLaMA模型的中西医概念关系对比分析方法。研究中,首先选定中西医中一组相通的基本概... 详细信息

中医知识的现代化与现代西医学知识可以建立深度的互通互解。在大语言模型背景下,以传统中医和现代西医的概念关系理解为切入点,该文提出一种基于精调LLaMA模型的中西医概念关系对比分析方法。研究中,首先选定中西医中一组相通的基本概念术语,并进行了相应的文本数据集构建;随后基于LLaMA模型分别对两个数据集进行精调学习,得到关于同组基本概念术语的两个大语言模型;其次,基于基本概念术语集和两个文本数据集,设计了一套有关概念术语知识的填空和问答题集自动生成方法,并由训练得到的两个模型分别作答;最后,依据两个模型的作答结果,采用自动化比对和人工辅助判别的方法,进行概念术语的一致性或差异性理解分析。实验结果表明,精调LLaMA模型能够对构造的文本数据集进行有效的建模理解;而作答结果对比分析显示,在基本中西医术语概念关系的理解上,两个模型约70%呈现一致性,但也有近30%的测试理解存在不同。从中可知,传统中医知识在现代化过程中,与现代西医知识已有较深度的融合,但其中仍有较多的基本概念术语未能与现代医学知识建立有效的连接互通。

关键词：中西医差异分析术语概念关系问题自动生成 LLaMA模型

来源：评论

学校读者我要写书评

暂无评论

融合注意力LSTM的神经张量分解推荐模型

引用

中文信息学报 2021年第5期35卷 91-100页

作者：李晶晶夏鸿斌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

针对结合深度学习模型的协同过滤算法未考虑关联数据的多维交互随时间动态变化的问题,该文提出一种融合时间交互学习和注意力长短期记忆网络的张量分解推荐模型(LA-NTF)。通过采用基于注意力机制的长短期记忆网络从项目文本信息中提取... 详细信息

针对结合深度学习模型的协同过滤算法未考虑关联数据的多维交互随时间动态变化的问题,该文提出一种融合时间交互学习和注意力长短期记忆网络的张量分解推荐模型(LA-NTF)。通过采用基于注意力机制的长短期记忆网络从项目文本信息中提取项目的潜在向量,然后使用融合注意力机制的长短期记忆网络来表征用户—项目关系数据在时间上的多维交互,最后将用户—项目—时间三维张量嵌入多层感知器中,学习不同潜在因子之间的非线性结构特征,从而预测用户对项目的评分。在两个真实数据集上的大量实验表明,与其他传统方法和基于神经网络的矩阵分解模型相比,方根误差(RMSE)和平均绝对误差(MAE)指标均有明显提升,说明LA-NTF模型可显著改善各种动态关系数据的评级预测任务。

关键词：注意力机制长短期记忆网络时间交互学习推荐系统张量分解

来源：评论

学校读者我要写书评

暂无评论

基于DLSR的归纳式迁移学习

引用

控制与决策 2021年第12期36卷 2982-2990页

作者：姜志彬潘兴广周洁张远鹏王士同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 南通大学医学信息学系江苏南通226019

传统机器学习方法的有效性依赖于大量的有效训练数据,而这难以满足,因此迁移学习被广泛研究并成为近年来的研究热门.针对由于训练数据严重不足导致多分类场景下分类性能降低的挑战,提出一种基于DLSR(discriminative least squares regre... 详细信息

传统机器学习方法的有效性依赖于大量的有效训练数据,而这难以满足,因此迁移学习被广泛研究并成为近年来的研究热门.针对由于训练数据严重不足导致多分类场景下分类性能降低的挑战,提出一种基于DLSR(discriminative least squares regressions)的归纳式迁移学习方法(TDLSR).该方法从归纳式迁移学习出发,通过知识杠杆机制,将源域知识迁移到目标域并同目标域数据同时进行模型学习,在提升分类性能的同时保证源域数据的安全性.TDLSR继承了DLSR在多分类任务中扩大类别间间隔的优势,为DLSR注入了迁移能力以适应数据不足的挑战,更加适用于复杂的多分类任务.通过在12个真实UCI数据集上进行实验,验证了所提出方法的有效性.

关键词：多分类 DLSR 归纳式迁移学习知识杠杆机制安全性

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：