检索结果-内蒙古大学图书馆

计算机科学与探索 2024年第10期18卷 2727-2737页

作者：顾正华刘嘎琼邵长斌于化龙江苏科技大学计算机学院江苏镇江212100 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

深度目标检测模型的性能优势主要受益于主干网络的特征表达能力,其中的下采样操作是执行语义集成的关键步骤。然而,现有下采样方法采用的小感受野机制,通常会导致采样特征存在全局性结构信息不足的局面。对此,提出了一种即插即用的双支... 详细信息

深度目标检测模型的性能优势主要受益于主干网络的特征表达能力,其中的下采样操作是执行语义集成的关键步骤。然而,现有下采样方法采用的小感受野机制,通常会导致采样特征存在全局性结构信息不足的局面。对此,提出了一种即插即用的双支路下采样方法(DPDM)。该方法采用附加大感受野采样支路的方式来改善主干网络对后期检测的支撑效果。在保留传统小感受野下采样操作的前提下,DPDM构建了一个兼顾效率的大感受野采样支路,来添加采样特征的结构性信息。该支路借鉴空间转深度操作,实现了常规小卷积核设置下的大感受野采样功能。双支路采样操作增加了采样多样性,但并未考虑两者之间的协同。因此,该方法随后采用通道拼接和逐点卷积技术,将两者进行了融合。以当前性能占据优势的YOLO系列模型为基准,在三个不同模型(YOLOX、YOLOv5、YOLOv6)及多个数据集上的实验对比,验证了该方法在改善检测精度上的效用。

关键词：深度学习深度目标检测多尺度目标检测下采样策略

来源：评论

学校读者我要写书评

暂无评论

基于弱监督预训练CNN模型的情感分析方法

引用

计算机工程与应用 2018年第13期54卷 27-33页

作者：张越夏鸿斌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

传统的情感分析研究大多基于机器学习算法,此类方法依赖大量人工抽取的特征与领域知识。使用卷积神经网络自动学习文本的特征表示,进而判别文本的情感极性。为了解决情感分析中监督训练样本不足的问题,利用大规模弱监督数据来训练卷积... 详细信息

传统的情感分析研究大多基于机器学习算法,此类方法依赖大量人工抽取的特征与领域知识。使用卷积神经网络自动学习文本的特征表示,进而判别文本的情感极性。为了解决情感分析中监督训练样本不足的问题,利用大规模弱监督数据来训练卷积神经网络。同时引入"预训练-微调"策略,先在弱监督数据集上对卷积神经网络进行预训练,然后使用监督数据集进行微调训练来克服弱监督数据中的噪声问题。在SemEval-2013 Twitter情感分析数据集上进行实验验证,结果表明由于引入了弱监督数据参与训练,有效增强了卷积神经网络学习情感语义的能力,从而提升了模型的准确性。

关键词：情感分析弱监督预训练-微调卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

残基相互作用网络特征与木聚糖酶耐热性的关系

引用

中国生物化学与分子生物学报 2019年第11期35卷 1284-1293页

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

残基相互作用网络是体现蛋白质中残基与残基之间协同和制约关系的重要形式。残基相互作用网络的拓扑性质以及社团结构与蛋白质的功能和性质有密切的关系。本文在构建一系列耐热木聚糖酶和常温木聚糖酶的残基相互作用网络后,通过计算网... 详细信息

残基相互作用网络是体现蛋白质中残基与残基之间协同和制约关系的重要形式。残基相互作用网络的拓扑性质以及社团结构与蛋白质的功能和性质有密切的关系。本文在构建一系列耐热木聚糖酶和常温木聚糖酶的残基相互作用网络后,通过计算网络的度、聚类系数、连接强度、特征路径长度、接近中心性、介数中心性等拓扑参数来确定网络拓扑结构与木聚糖酶耐热性的关系。识别残基相互作用网络的hub点,分析hub点的亲疏水性、带电性以及各种氨基酸在hub点中所占的比例。进一步使用GA-Net算法对网络进行社团划分,并计算社团的规模、直径和密度。网络的高平均度、高连接强度、以及更短的最短路径等表明耐热木聚糖酶残基相互作用网络的结构更加紧密;耐热木聚糖酶网络中的hub节点比常温木聚糖酶网络hub节点具有更多的疏水性残基,hub点中Phe、Ile、Val的占比更高。社团检测后发现,耐热木聚糖酶网络拥有更大的社团规模、较小的社团直径和较大的社团密度。社团规模越大表明耐热木聚糖酶的氨基酸残基更倾向于形成大的社团,而较小的社团直径和较大的社团密度则表明社团内部氨基酸残基的相互作用比常温木聚糖酶更强。

关键词：木聚糖酶残基相互作用网络耐热性社团

来源：评论

学校读者我要写书评

暂无评论

在高斯分布下优化仿射变换的极限学习机

引用

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

多尺度特征融合的低照度光场图像增强算法

引用

计算机科学与探索 2023年第8期17卷 1904-1916页

作者：李明悦晏涛井花花刘渊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(LFI)记录了目标场景丰富的三维结构和纹理等信息,在多种计算机视觉任务中拥有巨大优势。但是,低光照条件下采集的光场图像存在亮度低、噪声大等问题,降低了图像质量。提出了一种多尺度特征融合的低照度光场图像增强算法,引入... 详细信息

光场图像(LFI)记录了目标场景丰富的三维结构和纹理等信息,在多种计算机视觉任务中拥有巨大优势。但是,低光照条件下采集的光场图像存在亮度低、噪声大等问题,降低了图像质量。提出了一种多尺度特征融合的低照度光场图像增强算法,引入数码单反相机(DSLR)图像来监督网络的训练以提升低照度光场图像的质量。为了充分挖掘和利用光场信息,通过角度和空间Transformer在不同尺度上对光场图像进行特征提取,捕获每个子孔径图像的互补信息以及局部和远程依赖关系。提出一个循环融合模块,利用长短时记忆网络保留不同尺度特征的长时记忆,同时通过局部和全局融合层自适应地聚合整个特征空间中的有用信息。设计了一个4D残差模块从聚合的特征重建目标光场子视图。此外,还构建了一个低照度LFI和正常光照DSLR图像配对的数据集来训练所提出的网络。实验结果表明,所提网络能够有效地提升低照度光场图像的质量,相比其他算法拥有明显的优势。

关键词：光场图像(LFI) 低照度图像增强 Transformer 4D卷积

来源：评论

学校读者我要写书评

暂无评论

多样性正则化极限学习机的集成方法

引用

计算机科学与探索 2022年第8期16卷 1819-1828页

作者：陈洋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)是一种单隐层前向网络的训练算法,随机确定输入层权值和隐含层偏置,通过分析的方法确定输出层的权值,ELM克服了基于梯度的学习算法的很多不足,如局部极小、不合适的学习速率、学习速度慢等,却不可避免地造成了过拟合的... 详细信息

极限学习机(ELM)是一种单隐层前向网络的训练算法,随机确定输入层权值和隐含层偏置,通过分析的方法确定输出层的权值,ELM克服了基于梯度的学习算法的很多不足,如局部极小、不合适的学习速率、学习速度慢等,却不可避免地造成了过拟合的隐患且稳定性较差,特别是对于规模较大的数据集。针对上述问题,提出多样性正则化极限学习机(DRELM)的集成方法。首先,从改变隐层节点参数的分布来为每个ELM随机选取输入权重,采用LOO交叉验证方法和MSE^(PRESS)方法来寻找每个基学习器的最优隐节点数,计算并输出最优隐含层输出权重,训练出较好且具有差异性的基学习器。然后,将有关多样性的新惩罚项显式添加到整个目标函数中,迭代更新每个基学习器的隐含层输出权重并输出结果。最后,集成所有基学习器的输出结果对其求平均值,得到整个网络模型最后的输出结果。该方法能够有效地实现多样性正则化极限学习机(RELM)的融合,兼顾准确率和多样性。在10个不同规模的UCI数据集上的实验结果表明所提出的方法是行之有效的。

关键词：极限学习机(ELM) 集成学习多样性正则化极限学习机(RELM)

来源：评论

学校读者我要写书评

暂无评论

中文纠错任务为例的数据集增强质量评价方法

引用

计算机工程与应用 2024年第3期60卷 331-339页

作者：宋程谢振平江南大学人工智能与计算机学院江苏无锡214000 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214000

数据增强被认为是一种有效提升模型效果的方案。但是在选取生成的数据时,需考虑固有的数据特征和相应的任务关联性。针对这一问题,以中文纠错任务场景为例,提出了一种可用于数据集增强质量的评价方法。该方法使用对比学习优化后的预训... 详细信息

数据增强被认为是一种有效提升模型效果的方案。但是在选取生成的数据时,需考虑固有的数据特征和相应的任务关联性。针对这一问题,以中文纠错任务场景为例,提出了一种可用于数据集增强质量的评价方法。该方法使用对比学习优化后的预训练模型提取数据集的特征向量,提出互覆盖度、总分散度、自支撑度等三个基本评价指标,并给出一个综合性的数据集质量融合指标。在四种数据增强方法、两个中文纠错数据集和三个中文纠错模型上的实验分析结果表明,上述评价方法能够独立于测试集性能检验方法,为不同增强数据集的选用提供重要依据。

关键词：数据集增强机器学习质量评价中文纠错深度学习

来源：评论

学校读者我要写书评

暂无评论

用于无监督域适应的深度对抗重构分类网络

引用

计算机科学与探索 2022年第5期16卷 1107-1116页

作者：林佳伟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

最近迁移学习的新方法对抗域适应,将生成对抗网络(GAN)的思想添加到深度网络中,能够学习数据的可迁移表示形式进行域适应。虽然通过GAN的思想能够很好地提取出源域数据和目标域数据的共同特征,有效地进行不同域之间的知识迁移,但现有的... 详细信息

最近迁移学习的新方法对抗域适应,将生成对抗网络(GAN)的思想添加到深度网络中,能够学习数据的可迁移表示形式进行域适应。虽然通过GAN的思想能够很好地提取出源域数据和目标域数据的共同特征,有效地进行不同域之间的知识迁移,但现有的对抗域适应算法不能有效地保留目标域数据的局部特征,而目标域数据的某些特征可能会对分类精度有显著的提升。为了避免原始数据的局部特征因对抗性学习遭到破坏,利用多任务神经网络来保留目标域数据的局部特征。提出了一个深度对抗重构分类网络的模型(DARCN)。DARCN受到自动编码器的启发,在对抗域适应的基础上,添加了自动编码器的解码部分,这样能够有效地从低维特征重建原始数据。该模型学习了以下任务的共享编码表示:带标签的源域数据的监督分类;不带标签的目标域数据的无监督重构;源域和目标域的不可区分性。最后,最小化标签分类器的分类损失和解码器的重构损失,同时最大化域判别器的分类损失,通过梯度下降法能够有效地解决此类优化问题。实验结果证明了目标域局部特征的保留对领域自适应任务是十分关键的。

关键词：迁移学习对抗域适应生成对抗网络(GAN) 深度对抗重构分类网络(DARCN) 自动编码器

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

基于文本摘要提取的双路情感分析模型

引用

计算机工程与应用 2023年第18期59卷 119-128页

作者：王郅翔刘渊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

针对传统文本分类模型存在识别能力受限、训练时间随着输入长度倍增的问题,提出了一种基于文本摘要提取的双路特征情感分析模型(BLAT)。BLAT模型引入Fastformer的加性注意力机制代替Transfomer的自注意力机制,使得模型能够在不损失精度... 详细信息

针对传统文本分类模型存在识别能力受限、训练时间随着输入长度倍增的问题,提出了一种基于文本摘要提取的双路特征情感分析模型(BLAT)。BLAT模型引入Fastformer的加性注意力机制代替Transfomer的自注意力机制,使得模型能够在不损失精度的情况下,面对长文本训练能够有较为出色的训练速度。模型通过对原始文本数据做摘要提取处理形成双路特征,融入长短期记忆网络与卷积神经网络组成双路特征提取网络,实现对文本情感倾向的高效识别。通过实验在中文电商评论数据集上进行验证,准确率可以达到92.26%,相较当下主流模型能够达到较好的效果。

关键词：摘要提取加性注意力机制特征融合情感分析

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：