检索结果-内蒙古大学图书馆

计算机学报 2009年第12期32卷 2403-2410页

作者：李国徽杨兵胡方晓许华杰杜建强华中科技大学计算机学院武汉430074 上海第二工业大学计算机与信息学院上海201209 江西中医学院计算机系南昌330006

嵌入式实时系统的实时特性、高度的系统可靠性和低系统能耗对综合考虑系统的容错和节能提出了要求.研究了嵌入式实时系统中如何达到上述三大目标的非周期任务调度和电压分配问题.在基于检验点容错技术的可调度性检测基础上,提出了对于... 详细信息

嵌入式实时系统的实时特性、高度的系统可靠性和低系统能耗对综合考虑系统的容错和节能提出了要求.研究了嵌入式实时系统中如何达到上述三大目标的非周期任务调度和电压分配问题.在基于检验点容错技术的可调度性检测基础上,提出了对于系统非周期任务的基于调度性检测的电压分配算法CST-VA,该算法在保证任务实时性的同时提高了系统的可靠性,节省了系统的能耗.模拟实验表明,该算法比现有电压分配算法更适合于嵌入式实时系统.

关键词：嵌入式实时系统非周期任务容错技术能量管理电压分配

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的医学实体和关系联合抽取研究综述

引用

计算机工程与应用 2024年第24期60卷 65-78页

作者：叶青张晓凤彭琳程春雷江西中医药大学计算机学院南昌330004

命名实体识别与关系抽取作为医学领域信息抽取的核心任务,能够从非结构化或半结构化的文本中自动识别实体边界、实体类型以及实体之间的关系。不仅能够促进知识的发现与整合,应用于临床决策,加强药物的发现和再利用,还可以助力公共卫生... 详细信息

命名实体识别与关系抽取作为医学领域信息抽取的核心任务,能够从非结构化或半结构化的文本中自动识别实体边界、实体类型以及实体之间的关系。不仅能够促进知识的发现与整合,应用于临床决策,加强药物的发现和再利用,还可以助力公共卫生监测和疾病预防。回顾了实体识别和关系抽取的发展历程,介绍了常用评价指标和医学领域实体关系联合抽取数据集,指出目前联合抽取领域存在医学文本结构比较复杂、实体关系重叠句子抽取率低等问题。根据这些问题,进一步探讨了基于深度学习的实体关系联合抽取方法在医学领域上的应用。这些方法根据模型解码的方式主要分为基于共享参数的联合抽取模型和基于联合解码的联合抽取模型,从问题解决角度对不同的模型的优缺点进行探讨分析和总结。讨论了医学领域实体关系抽取面临的挑战和未来的研究方向。

关键词：医学文本联合抽取关系抽取实体识别

来源：评论

学校读者我要写书评

暂无评论

姜制香薷的炮制工艺优选及其挥发性成分的HS-GC-MS分析

引用

中国实验方剂学杂志 2019年第14期25卷 162-167页

作者：张依欣龚千锋何雁钟凌云于欢凡若楠江西中医药大学药学院计算机学院

目的:优化生姜制香薷的炮制工艺,探讨炮制过程中挥发性成分的变化。方法:采用水蒸气蒸馏法分别提取香薷生品、生姜汁以及姜制香薷中的挥发性成分,采用顶空气相色谱-质谱(HS-GC-MS)联用技术进行分析,气相色谱条件为HP-5MS弹性石英毛细管... 详细信息

目的:优化生姜制香薷的炮制工艺,探讨炮制过程中挥发性成分的变化。方法:采用水蒸气蒸馏法分别提取香薷生品、生姜汁以及姜制香薷中的挥发性成分,采用顶空气相色谱-质谱(HS-GC-MS)联用技术进行分析,气相色谱条件为HP-5MS弹性石英毛细管柱(0. 25 mm×30 m,0. 25μm),载气为氦气,流速1. 0 m L·min^-1,进样口温度250℃,进样量0. 2μL,分流比50∶1,升温程序为柱温初始温度40℃,以5℃·min-1升温至60℃,保持2 min,再以5℃·min^-1升至160℃,保持3 min,最后以25℃·min-1升至250℃,保持2 min后结束。质谱条件为电子轰击离子源(EI),电子碰撞能量70 e V,离子源温度230℃,接口温度280℃,四极杆温度150℃;溶剂无延迟,电子倍增器电压设定2. 188 k V;全扫描模式,扫描范围m/z 35~550。通过检索比对NIST 11标准质谱图谱库,鉴定样品挥发油中化学成分。选择炒制时间、料液比、闷润时间为考察因素,以麝香草酚和香荆芥酚的相对质量分数、挥发性成分数目和挥发油提取量的综合评分为指标,通过正交试验优选姜制香薷的炮制工艺。结果:香薷生品中共检测出27种挥发性成分,辅料生姜中有81种挥发性成分,第1~9组正交试验样品中分别有31,38,29,35,38,33,34,22,26种挥发性成分,挥发油提取量从高到低排序为姜制香薷>生姜>香薷生品。姜制香薷最佳炮制工艺为香薷饮片加等体积生姜汁闷润6 h后炒制8 min。结论:炮制对香薷挥发油提取量与挥发性成分种类均有一定的影响。优选的炮制工艺稳定可行,可为香薷炮制品的质量评价提供实验数据,为阐明该炮制品的炮制机制提供基础数据。

关键词：香薷生姜汁炮制工艺顶空进样气相色谱挥发性成分正交试验

来源：评论

学校读者我要写书评

暂无评论

医学领域知识融合研究进展

引用

计算机工程与应用 2024年第9期60卷 48-64页

作者：彭琳宋珺熊玲珠杜建强叶青刘安栋江西中医药大学计算机学院南昌330004

医学领域知识融合旨在将分散在各个知识图谱或不同数据源中的医学知识进行整合,形成一个更全面的知识图谱,在提高知识质量、扩大规模、提高医学知识利用率和共享性等方面具有促进作用。围绕知识融合的问题和解决方案,首先系统地梳理了... 详细信息

医学领域知识融合旨在将分散在各个知识图谱或不同数据源中的医学知识进行整合,形成一个更全面的知识图谱,在提高知识质量、扩大规模、提高医学知识利用率和共享性等方面具有促进作用。围绕知识融合的问题和解决方案,首先系统地梳理了医学领域知识融合的定义、评价指标及数据集;分类讨论了知识融合过程中存在的问题与挑战;然后从问题、技术两个维度,综述了目前知识融合中实体对齐、实体链接任务各方法的优势与不足;详细讨论和总结了医学领域知识融合每一类问题的相关解决方案;最后,总结并展望了医学领域知识融合的发展方向。

关键词：医学领域知识融合实体对齐实体链接

来源：评论

学校读者我要写书评

暂无评论

基于多目标的三支决策边界域求解与分类方法

引用

计算机工程与应用 2024年第19期60卷 97-109页

作者：聂斌靳海科杜建强张玉超郑学鹏陈星鑫苗震江西中医药大学计算机学院南昌330004

三支决策将不确定样本划分至边界域进行延迟决策,但需基于损失函数确定阈值,以划分边界域,然而,损失函数通常需要先验知识,具有一定的主观性,因此对边界域划分能力不足。针对这种问题,构建一种多目标三支决策边界域求解方法,从而更好地... 详细信息

三支决策将不确定样本划分至边界域进行延迟决策,但需基于损失函数确定阈值,以划分边界域,然而,损失函数通常需要先验知识,具有一定的主观性,因此对边界域划分能力不足。针对这种问题,构建一种多目标三支决策边界域求解方法,从而更好地划分边界域,提升分类性能。采用贝叶斯规则获取样本的条件概率;设定3个目标,包括降低边界域的不确定性、缩小边界域的大小以及减小整个决策区域的错误分类率,通过融入熵权法的TOPSIS(technique for order preference by similarity to an ideal solution)方法求取最优阈值,该方法采用熵权法计算这3个目标所占的权重,得到最优阈值,获得边界域,进行延迟决策;结合不同分类器对边界域进行分类。通过UCI数据集进行对比实验,根据分类准确率和F1值,表明该方法学习到的阈值能合理地划分边界域,建立的模型能取得更好的分类性能。

关键词：分类不确定性三支决策边界域多目标最优阈值

来源：评论

学校读者我要写书评

暂无评论

中医症状信息抽取研究综述

引用

计算机工程与应用 2023年第17期59卷 35-47页

作者：易钧汇查青林江西中医药大学计算机学院南昌330004

随着我国医疗信息化水平的提高以及电子病历普及,医疗数据量呈爆炸式增长的趋势。中医电子病历是中医医案的结构化存储形式,其中包含大量的中医临床经验。症状是医家诊病、辨证的主要依据。对中医电子病历进行症状信息抽取可以得到文本... 详细信息

随着我国医疗信息化水平的提高以及电子病历普及,医疗数据量呈爆炸式增长的趋势。中医电子病历是中医医案的结构化存储形式,其中包含大量的中医临床经验。症状是医家诊病、辨证的主要依据。对中医电子病历进行症状信息抽取可以得到文本中的关键信息,对提高中医诊疗效率和后续病症、药症关系等研究分析工作提供帮助。简要介绍中医症状信息抽取流程;分别阐述中医症状命名实体识别和关系抽取的难点、评价标准和近年的研究成果,并对这些研究成果所采用的方法进行了对比分析;总结症状信息抽取的下游应用,给出症状信息抽取任务中问题的解决思路。

关键词：中医信息抽取命名实体识别关系抽取症状

来源：评论

学校读者我要写书评

暂无评论

基于知识表示学习的知识图谱补全研究进展

引用

计算机工程与应用 2023年第18期59卷 59-73页

作者：于梦波杜建强罗计根聂斌刘勇邱俊洋江西中医药大学计算机学院南昌330004

知识图谱(KG)是一种基于图的数据结构,其知识是以三元组的形式呈现,即(头实体,关系,尾实体)。随着人工智能的发展,知识图谱已在系统推荐、智能问答、知识搜索等领域发挥了重要作用。然而构建的知识图谱具有不完整性,影响了知识图谱的下... 详细信息

知识图谱(KG)是一种基于图的数据结构,其知识是以三元组的形式呈现,即(头实体,关系,尾实体)。随着人工智能的发展,知识图谱已在系统推荐、智能问答、知识搜索等领域发挥了重要作用。然而构建的知识图谱具有不完整性,影响了知识图谱的下游任务应用,知识图谱补全能够很好地解决这一问题。近年来,基于知识表示学习的知识图谱补全方法成为研究的热点,其以表示向量的形式在低维连续向量空间中学习实体和关系的嵌入特征,旨在预测未知的事实信息进行知识图谱补全。根据KG类型的不同,将其分为静态知识图谱补全、时序知识图谱补全以及多模态知识图谱补全,对这三类知识图谱补全方法拟解决的关键问题、设计思路、模型评价等方面进行对比总结,展望知识图谱补全未来的发展方向,为相关领域的研究人员提供参考。

关键词：知识图谱知识图谱补全知识表示学习

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的目标检测算法综述

引用

计算机工程与应用 2023年第10期59卷 48-64页

作者：李建杜建强朱彦陈郭永坤江西中医药大学计算机学院南昌330004

深度学习框架Transformer具有强大的建模能力和并行计算能力,目前基于Transformer的目标检测算法已经成为研究的热点。为了进一步探索目标检测的新思路、新方向,对基于Transformer的目标检测算法进行了归纳总结。概述了多种目标检测数... 详细信息

深度学习框架Transformer具有强大的建模能力和并行计算能力,目前基于Transformer的目标检测算法已经成为研究的热点。为了进一步探索目标检测的新思路、新方向,对基于Transformer的目标检测算法进行了归纳总结。概述了多种目标检测数据集及其应用场景,从特征学习、目标估计、标签匹配策略和算法应用四方面梳理了Transformer目标检测的相关算法,并与基于卷积神经网络的目标检测算法进行对比,分析了Transformer在目标检测任务中的优点和局限性,并提出了Transformer目标检测模型的一般性框架。对Transformer在目标检测领域中的发展趋势进行了展望。

关键词： Transformer 图像处理目标检测深度学习卷积神经网络(CNN)

来源：评论

学校读者我要写书评

暂无评论

多目标优化特征选择研究综述

引用

计算机工程与应用 2023年第3期59卷 23-32页

作者：张梦婷杜建强罗计根聂斌熊旺平刘明赵书含江西中医药大学计算机学院南昌330004

特征选择是模式识别领域中有效的降维方法,当特征选择涉及到的多个目标彼此冲突,难以平衡时,将特征选择视为多目标优化问题是时下的研究热点。为方便研究者系统地了解多目标特征选择领域的研究现状和发展趋势,对多目标特征选择方法进行... 详细信息

特征选择是模式识别领域中有效的降维方法,当特征选择涉及到的多个目标彼此冲突,难以平衡时,将特征选择视为多目标优化问题是时下的研究热点。为方便研究者系统地了解多目标特征选择领域的研究现状和发展趋势,对多目标特征选择方法进行综述。阐明了特征选择和多目标优化的本质;根据多目标优化方法的区别和特点,重点对比剖析各类多目标优化特征选择方法的优劣势;讨论现有多目标优化特征选择研究方法存在的问题以及对未来的展望。

关键词：特征选择多目标优化进化算法

来源：评论

学校读者我要写书评

暂无评论

融入关系形式化概念的端到端三元组抽取

引用

计算机工程与应用 2023年第9期59卷 182-189页

作者：程春雷邹静叶青张素华蓝勇杨瑞江西中医药大学计算机学院南昌330004

三元组抽取是知识学习、图谱构建的基础性工作。针对当前任务模型多存在实体识别与关系抽取语义关联不强、实体嵌套、关系重叠,以及既有概念知识关注不多等问题,融合形式化概念与神经网络模型,提出一种基于关系形式化概念的端到端三元... 详细信息

三元组抽取是知识学习、图谱构建的基础性工作。针对当前任务模型多存在实体识别与关系抽取语义关联不强、实体嵌套、关系重叠,以及既有概念知识关注不多等问题,融合形式化概念与神经网络模型,提出一种基于关系形式化概念的端到端三元组抽取方法。提出关系形式化概念标签,以统一实体与关系的语义表达,把实体识别问题转换为概念标签学习问题;将实体输入到关系形式化概念注意力模型,该注意力机制力图捕获关系主客体概念的连通内涵特征,即训练获得每个关系标签对应的主客体及它们上下文依存谓词的综合特征;通过多个关系分类器输出每对主客体的多关系标签,实现基于概念连通的多关系抽取;另外模型还可引入既有形式化概念的外延、内涵,以改善模型对语料标签的依赖,以及实体嵌套导致的标记难题。实验基于两份数据集,采用三种评价指标对模型性能进行评价分析。实验结果证明提出的模型在知识抽取上具有切实可行的效果,可改善实体嵌入、关系重叠问题。

关键词：三元组抽取形式化概念注意力关系重叠

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：