检索结果-内蒙古大学图书馆

应用数学和力学 2019年第3期40卷 332-342页

作者：曹建智谭军王培光河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002

研究了一类具有时滞的云杉蚜虫种群阶段结构模型的动力学行为.首先,讨论了模型正平衡点的存在唯一性,并分析了该平衡点的局部稳定性和出现Hopf分岔的充分条件;其次,利用中心流形定理和正规形理论,讨论了分岔周期解的稳定性及方向;最后,... 详细信息

研究了一类具有时滞的云杉蚜虫种群阶段结构模型的动力学行为.首先,讨论了模型正平衡点的存在唯一性,并分析了该平衡点的局部稳定性和出现Hopf分岔的充分条件;其次,利用中心流形定理和正规形理论,讨论了分岔周期解的稳定性及方向;最后,通过数值模拟验证了相关结论的正确性.该文所得结论具有广泛的实际应用价值.

关键词：云杉蚜虫种群模型平衡点稳定性 Hopf分岔

来源：评论

学校读者我要写书评

暂无评论

基于欠采样的零阶优化算法

引用

南京航空航天大学学报 2019年第5期51卷 609-617页

作者：鲁淑霞张罗幻蔡莲香河北大学数学与信息科学学院河北省机器学习与计算机智能重点实验室

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先... 详细信息

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。

关键词：欠采样零阶优化支持向量机非平衡数据集方差减小

来源：评论

学校读者我要写书评

暂无评论

非对称卷积编码器的聚类算法

引用

智能系统学报 2022年第5期17卷 900-907页

作者：杨梦茵陈俊芬翟俊海河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

基于深度神经网络的非监督学习方法通过联合优化特征表示和聚类指派,大大提升了聚类任务的性能。但大量的参数降低了运行速度,另外,深度模型提取的特征的区分能力也影响聚类性能。为此,提出一种新的聚类算法(asymmetric fully-connected... 详细信息

基于深度神经网络的非监督学习方法通过联合优化特征表示和聚类指派,大大提升了聚类任务的性能。但大量的参数降低了运行速度,另外,深度模型提取的特征的区分能力也影响聚类性能。为此,提出一种新的聚类算法(asymmetric fully-connected layers convolutional auto-encoder,AFCAE),其中卷积编码器结合非对称全连接进行无监督的特征提取,然后K-means算法对所得特征执行聚类。网络采用3×3和2×2的小卷积核,大大减少了参数个数,降低了算法复杂性。在MNIST上AFCAE获得0.960的聚类精度,比联合训练的DEC(deep embedding clustering)方法(0.840)提高了12个百分点。在6个图像数据集上实验结果表明AFCAE网络有优异的特征表示能力,能出色完成下游的聚类任务。

关键词：无监督聚类深度神经网络卷积神经网络自编码器特征学习特征表示算法复杂性

来源：评论

学校读者我要写书评

暂无评论

选择性集成学习多判别器生成对抗网络

引用

计算机科学与探索 2022年第6期16卷 1429-1438页

作者：申瑞彩翟俊海侯璎真河北大学数学与信息科学学院河北保定071002 河北大学河北省机器学习与计算智能重点实验室河北保定071002

生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的... 详细信息

生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的生成对抗网络模型。将生成对抗网络中的判别网络采用集成判别系统的形式,有效减少了由单判别器判别性能不佳导致判别误差的情况;同时考虑到若集成判别网络均采用统一网络设置,则在模型训练中基判别网络将趋近于一种表现形式,为鼓励判别网络判别结果多样且避免网络陷入雷同,设置拥有不同网络结构的判别网络,并在集成判别网络中引入具有动态调整基判别网络投票权重的多数投票策略,对集成判别网络的判别结果进行投票,有效地促进了模型的收敛且较大减少了实验误差。最后将提出的模型与同方向的模型在不同数据集上使用不同评价指标进行评价,实验结果表明提出的模型无论在生成样本多样性、生成样本质量还是在模型收敛速度上均明显优于几种竞争模型。

关键词：生成对抗网络(GAN) 集成判别系统选择性集成学习多数投票策略

来源：评论

学校读者我要写书评

暂无评论

基于动量加速零阶减小方差的鲁棒支持向量机

引用

计算机工程 2020年第12期46卷 88-95,104页

作者：鲁淑霞蔡莲香张罗幻河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002

在实际分类问题中,由于人为或其他因素的影响,数据中往往存在一定的噪声,而传统支持向量机(SVM)使用的铰链损失函数对噪声数据敏感,且分类性能较差。为消除噪声数据的影响,提出一种新的鲁棒SVM算法。通过引入新形式的损失函数,并基于间... 详细信息

在实际分类问题中,由于人为或其他因素的影响,数据中往往存在一定的噪声,而传统支持向量机(SVM)使用的铰链损失函数对噪声数据敏感,且分类性能较差。为消除噪声数据的影响,提出一种新的鲁棒SVM算法。通过引入新形式的损失函数,并基于间隔分布的思想,建立鲁棒SVM优化模型提高SVM的抗噪性,运用零阶减小方差算法并结合动量加速技术,给出一种新的优化模型求解方法。实验结果表明,该方法通过引入梯度修正项降低了方差对算法的影响,同时结合动量加速技术,明显提高了算法的收敛速度。

关键词：噪声零阶梯度方差动量加速鲁棒支持向量机

来源：评论

学校读者我要写书评

暂无评论

动态调整语义的词性加权多模态情感分析模型

引用

深圳大学学报（理工版） 2024年第3期41卷 283-292页

作者：花强陈卓张峰董春茹河北省机器学习与计算智能重点实验室河北大学数学与信息科学学院河北保定071002

为更好地利用单词词性包含的语义信息和伴随单词出现时的非自然语言上下文信息,提出动态调整语义的词性加权多模态情感分析(part of speech weighted multi-modal sentiment analysis model with dynamic semantics adjustment,PW-DS)模... 详细信息

为更好地利用单词词性包含的语义信息和伴随单词出现时的非自然语言上下文信息,提出动态调整语义的词性加权多模态情感分析(part of speech weighted multi-modal sentiment analysis model with dynamic semantics adjustment,PW-DS)模型.该模型以自然语言为主体,分别使用基于Transformer的双向编码器表示(bidirectional encoder representation from Transformers,BERT)模型、广义自回归预训练(generalized autoregressive pretraining for language understanding,XLNet)模型和一种鲁棒优化的BERT预训练(robustly optimized BERT pretraining approach,RoBERTa)模型为文本模态做词嵌入编码;创建动态调整语义模块将自然语言和非自然语言信息有效结合;设计词性加权模块,提取单词词性并赋权以优化情感判别.与张量融合网络和低秩多模态融合等当前先进模型的对比实验结果表明,PW-DS模型在公共数据集CMU-MOSI和CMU-MOSEI上的平均绝对误差分别达到了0.607和0.510,二分类准确率分别为89.02%和86.93%,优于对比模型.通过消融实验分析了不同模块对模型效果的影响,验证了模型的有效性.

关键词：人工智能多模态情感分析动态调整语义词性加权多模态向量位置可视化词性加权可视化

来源：评论

学校读者我要写书评

暂无评论

一种异构直推式迁移学习算法

引用

软件学报 2015年第11期26卷 2762-2780页

作者：杨柳景丽萍于剑交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 河北大学数学与信息科学学院河北保定071000 河北省机器学习与计算智能重点实验室(河北大学) 河北保定071000

目标领域已有类别标注的数据较少时会影响学习性能,而与之相关的其他源领域中存在一些已标注数据.迁移学习针对这一情况,提出将与目标领域不同但相关的源领域上学习到的知识应用到目标领域.在实际应用中,例如文本-图像、跨语言迁移学习... 详细信息

目标领域已有类别标注的数据较少时会影响学习性能,而与之相关的其他源领域中存在一些已标注数据.迁移学习针对这一情况,提出将与目标领域不同但相关的源领域上学习到的知识应用到目标领域.在实际应用中,例如文本-图像、跨语言迁移学习等,源领域和目标领域的特征空间是不相同的,这就是异构迁移学习.关注的重点是利用源领域中已标注的数据来提高目标领域中未标注数据的学习性能,这种情况是异构直推式迁移学习.因为源领域和目标领域的特征空间不同,异构迁移学习的一个关键问题是学习从源领域到目标领域的映射函数.提出采用无监督匹配源领域和目标领域的特征空间的方法来学习映射函数.学到的映射函数可以把源领域中的数据在目标领域中重新表示.这样,重表示之后的已标注源领域数据可以被迁移到目标领域中.因此,可以采用标准的机器学习方法(例如支持向量机方法)来训练分类器,以对目标领域中未标注的数据进行类别预测.给出一个概率解释以说明其对数据中的一些噪声是具有鲁棒性的.同时还推导了一个样本复杂度的边界,也就是寻找映射函数时需要的样本数.在4个实际的数据库上的实验结果,展示了该方法的有效性.

关键词：异构迁移学习直推式迁移学习异构特征空间映射函数

来源：评论

学校读者我要写书评

暂无评论

基于深度特征表示的Softmax聚类算法

引用

南京大学学报（自然科学版） 2020年第4期56卷 533-540页

作者：陈俊芬赵佳成韩洁翟俊海河北省机器学习与计算智能重点实验室河北大学数学与信息科学学院保定071002

图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码... 详细信息

图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码器的深度Softmax聚类算法(ASCAE‐Softmax).首先设计一种非对称的卷积自编码器网络结构(ASCAE),通过优化卷积和添加全连接层,使整个网络呈非对称;接着使用Softmax聚类器把特征映射成聚类概率分布,构造辅助目标概率分布,将特征学习与聚类判别联合在一起.通过迭代最小化KL(Kullback‐Leibler)散度损失达到清晰的聚类划分.实验结果表明,该方法能够学习出使同类更加紧凑、异类更加稀疏的特征表示,且聚类结果优于经典的深度聚类算法.

关键词：无监督学习特征表示卷积自编码器图像聚类 Softmax 分类器

来源：评论

学校读者我要写书评

暂无评论

非均衡加权随机梯度下降SVM在线算法

引用

计算机科学与探索 2017年第10期11卷 1662-1671页

作者：鲁淑霞周谧金钊河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002

随机梯度下降(stochastic gradient descent,SGD)方法已被应用于大规模支持向量机(support vector machine,SVM)训练,其在训练时采取随机选点的方式,对于非均衡分类问题,导致多数类点被抽取到的概率要远远大于少数类点,造成了计算上的... 详细信息

随机梯度下降(stochastic gradient descent,SGD)方法已被应用于大规模支持向量机(support vector machine,SVM)训练,其在训练时采取随机选点的方式,对于非均衡分类问题,导致多数类点被抽取到的概率要远远大于少数类点,造成了计算上的不平衡。为了处理大规模非均衡数据分类问题,提出了加权随机梯度下降的SVM在线算法,对于多数类中的样例被赋予较小的权值,而少数类中的样例被赋予较大的权值,然后利用加权随机梯度下降算法对SVM原问题进行求解,减少了超平面向少数类的偏移,较好地解决了大规模学习中非均衡数据的分类问题。

关键词：随机梯度下降(SGD) 权非均衡数据大规模学习支持向量机(SVM)

来源：评论

学校读者我要写书评

暂无评论

基于朝向对比度的无监督边界检测算法

引用

中国科学技术大学学报 2017年第1期47卷 26-31页

作者：张辉赵静河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 河北大学综合实验中心河北保定071002

针对网络上大规模图像集,没有真实标定边界或者获取成本较大,提出了基于朝向对比度的无监督边界检测算法;在朝向对比度的计算上,考虑了多个方向的差异.特别地,该模型尤其适合于检测自然纹理环绕的对象的边界.在Rug标准数据库上的测试结... 详细信息

针对网络上大规模图像集,没有真实标定边界或者获取成本较大,提出了基于朝向对比度的无监督边界检测算法;在朝向对比度的计算上,考虑了多个方向的差异.特别地,该模型尤其适合于检测自然纹理环绕的对象的边界.在Rug标准数据库上的测试结果表明,提出的算法优于当前最好的无监督边界检测算法,验证了该模型的有效性.

关键词：边界检测朝向对比度边缘检测谱聚类

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：