检索结果-内蒙古大学图书馆

应用科学学报 2024年第1期42卷 174-188页

作者：葛星秦丽沙瀛华中农业大学信息学院湖北武汉430070 湖北省农业大数据工程技术研究中心湖北武汉430070

针对多机器人协同编队任务中过度中心化、系统鲁棒性低、编队稳定性较差等问题,提出了基于投影奖励机制的多机器人协同编队与避障(projected reward for multi-robot formation and obstacle avoidance, PRMFO)模型,实现了多机器人基于... 详细信息

针对多机器人协同编队任务中过度中心化、系统鲁棒性低、编队稳定性较差等问题,提出了基于投影奖励机制的多机器人协同编队与避障(projected reward for multi-robot formation and obstacle avoidance, PRMFO)模型,实现了多机器人基于统一状态表征方法的去中心化决策过程。设计了一种多机器人统一状态表征方法,实现了机器人与外界环境交互信息处理的一致性;基于统一状态表征设计了基于投影的奖励机制,从距离和方向两个维度将奖励过程矢量化,丰富机器人的决策依据;为了解决多机器人系统中过度中心化问题,设置了自主决策层,融合统一状态表征与投影奖励机制的软演员评论家(soft actor-critic, SAC)算法,实现了多机器人协同编队与避障任务。在机器人操作系统(robot operating system,ROS)环境下进行仿真实验,实验数据表明PRMFO模型在单机器人平均回报值、成功率以及时间等指标上分别提高42%、8%、9%,基于PRMFO模型的多机器人编队误差控制在0~0.06范围内,实现了较高精度的多机器人编队。

关键词：深度强化学习多机器人协同编队与避障投影奖励

来源：评论

学校读者我要写书评

暂无评论

基于中文字邻接图的食品抽检公告实体及关系联合抽取

引用

农业工程学报 2023年第14期39卷 283-292页

作者：郝志刚刘冲秦丽华中农业大学信息学院武汉430070 华中农业大学农业农村部智慧养殖技术重点实验室武汉430070 华中农业大学湖北省农业大数据工程技术研究中心武汉430070 华中农业大学农业智能技术教育部工程研究中心武汉430070

在对中文食品抽检公告进行实体与关系抽取时,常会出现包含大量食品名称与食品分类的长句,现有深度学习模型在进行实体关系抽取时,只将文本看作一串字词序列来编码,当句子较长且词间距离过大时,词间强依赖关系的学习效果会减弱。而这一... 详细信息

在对中文食品抽检公告进行实体与关系抽取时,常会出现包含大量食品名称与食品分类的长句,现有深度学习模型在进行实体关系抽取时,只将文本看作一串字词序列来编码,当句子较长且词间距离过大时,词间强依赖关系的学习效果会减弱。而这一问题在食品领域的实体关系抽取中少有被关注,所以该研究提出基于改进中文依存句法树与多特征融合的实体关系联合抽取模型(TAG-JE),该模型将词间具有的强依赖关系通过句法依存树建立关系图,再根据中文BERT编码的字处理模式,将关系图转化为字邻接图,再由图神经网络学习字邻接图的结构特征,最后将之与BERT提取的文本上下文特征融合,融合权重通过门网络结构自主调节,以获得公告文本的多特征融合特征表示。获得的融合特征将采用主流的联合抽取模型进行实体与关系的抽取,并在关系判断时使用强化学习训练的关系选择器来优化关系的嵌入信息,以提升联合抽取方法在关系判断上的准确率。为了验证TAG-JE的效果,将其与主流的深度学习模型在自建的非结构化食品抽检公告数据集上进行了抽取效果对比,结果证明TAG-JE的精确率、召回率与F1值分别达到90.86%,90.50%,90.68%,相对其他基线模型都有较大提升,证明了其在中文食品抽检文档中的知识挖掘能力。针对中文公共数据集的试验中,该模型相对GraphRel与CasRel这些经典联合抽取模型也取得较好的结果,证明TAG-JE也有较好的泛化效果。研究结果可为食品安全中文知识图谱的构建提供技术参考。

关键词：模型食品食品抽检公告实体关系联合抽取中文依存句法树字邻接图多特征融合

来源：评论

学校读者我要写书评

暂无评论

一种不确定模态缺失的多模态对抗虚假新闻检测框架

引用

中文信息学报 2024年第6期38卷 151-160页

作者：张永成魏小梅王欢徐荣康华中农业大学信息学院湖北武汉430070 湖北省农业大数据工程技术研究中心湖北武汉430070

当前虚假新闻的检测方法已经从传统的单一模态数据分析转向了多模态数据融合技术的应用。然而现有的多模态虚假新闻检测方法未充分考虑到现实场景中可能存在的模态缺失问题。模态的缺失可能会导致无法完整地抽取和融合新闻特征,从而降... 详细信息

当前虚假新闻的检测方法已经从传统的单一模态数据分析转向了多模态数据融合技术的应用。然而现有的多模态虚假新闻检测方法未充分考虑到现实场景中可能存在的模态缺失问题。模态的缺失可能会导致无法完整地抽取和融合新闻特征,从而降低模型的性能。该文提出一种新的虚假新闻检测框架,该框架在多模态特征学习中,加入了一个模态鉴别器,其在与特征生成器进行对抗训练的过程中学习不同模态组合之间的迁移特征,实现了在不确定模态缺失场景下的虚假新闻检测。通过在真实数据集上进行实验证明,该文所提出的框架在不确定模态缺失场景下优于最新的多模态虚假新闻检测方法。

关键词：虚假新闻检测多模态对抗学习不确定模态缺失

来源：评论

学校读者我要写书评

暂无评论

用BERT和改进PCNN模型抽取食品安全领域关系

引用

农业工程学报 2022年第8期38卷 263-270页

作者：赵良张赵玥廖子逸王玲华中农业大学信息学院武汉430070 湖北省农业大数据工程技术研究中心(华中农业大学) 武汉430070 华中科技大学网络安全学院武汉430074 华中科技大学武汉国家光电研究中心武汉430074

为了提高食品安全领域关系抽取的效率和准确性,该研究在收集食品安全领域语料的基础上,对语料中相应的实体和关系进行标注,构建可用于食品安全领域关系抽取的专业数据集。同时,提出面向食品安全领域的基于BERT-PCNN-ATT-Jieba的关系抽... 详细信息

为了提高食品安全领域关系抽取的效率和准确性,该研究在收集食品安全领域语料的基础上,对语料中相应的实体和关系进行标注,构建可用于食品安全领域关系抽取的专业数据集。同时,提出面向食品安全领域的基于BERT-PCNN-ATT-Jieba的关系抽取模型,该模型使用基于转换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)预训练模型生成输入词向量,并结合分段卷积神经网络(Piecewise Convolutional Neural Network,PCNN)模型的分段最大池化层能极大程度捕获句子局部信息的特点,在分段最大池化层与分类层之间添加了注意力机制,以进一步提取高层语义。此外,考虑中文语料的特性,在BERT模型进行随机掩码切分之前,采用Jieba分词技术对中文语料进行分词,PCNN模型在执行掩码语言模型(Masked Language Model,MLM)时以词为单位进行掩码,使得输入到训练模型中的句子尽可能减少语义损失,以实现更高效的关系抽取。在该研究构建的数据集基础上,将BERT-PCNN-ATT-Jieba模型与经典的卷积神经网络(Convolutional Neural Network,CNN)、PCNN模型、以及结合BERT的CNN、PCNN、PCNN-ATT、PCNN-Jieba等6个模型进行比较,该研究提出的BERT-PCNN-ATT-Jieba模型取得更优的性能,其准确率达到84.72%,召回率达到81.78%,F值达到83.22%。该模型为食品安全领域的知识抽取提供参考,为该领域知识图谱的自动化构建节约了成本,同时为基于该领域知识图谱的知识问答、知识检索、数据共享及食品安全智慧监管等应用提供依据。

关键词：食品安全模型关系抽取知识图谱注意力机制 BERT PCNN

来源：评论

学校读者我要写书评

暂无评论

基于多属性综合评价的食品安全标准引用网络重要节点发现方法

引用

计算机应用 2022年第4期42卷 1178-1185页

作者：郝志刚秦丽华中农业大学信息学院武汉430070 湖北省农业大数据工程技术研究中心(华中农业大学) 武汉430070

针对如何利用食品安全标准引用网络来从众多的食品安全国家标准中找到对食品安全检验、检测影响较大的关键标准,提出了一种基于多属性综合评价的食品安全标准引用网络重要节点发现方法。首先,利用社交网络分析中的度中心性、紧密度中心... 详细信息

针对如何利用食品安全标准引用网络来从众多的食品安全国家标准中找到对食品安全检验、检测影响较大的关键标准,提出了一种基于多属性综合评价的食品安全标准引用网络重要节点发现方法。首先,利用社交网络分析中的度中心性、紧密度中心性、介数中心性以及Web页面重要度评价算法PageRank,分别对标准节点的重要性进行评价;然后,使用层次分析法(AHP)计算各个评价指标在重要性评价中的权重,通过基于逼近理想解排序法(TOPSIS)的多属性决策方法综合评价标准节点的重要性并寻找到重要节点;其次,将基于综合评价得到的重要节点与基于度的评价得到的重要节点分别从各自的引用网络中删除,并检验重要节点删除后引用网络的连通性,连通性越差,说明节点越重要;最后,使用Louvain社区发现算法检验网络的连通性,即对网络节点进行社区发现,没有被划入社区的节点越多,说明网络的连通性越差。实验结果表明,相较于基于度的评价方法,基于多属性的综合评价方法发现的重要节点被删除后不能划入社区的节点更多,证明后者能更好地发现引用网络中的重要节点。可见所提方法有助于标准制定者在修改、更新标准时,快速把握核心内容与关键节点,对食品安全国家标准的体系构建起到指导作用。

关键词：复杂网络节点重要性多属性决策网络连通性综合评价

来源：评论

学校读者我要写书评

暂无评论

基于DIND的大数据实验平台探索与应用研究

引用

实验室研究与探索 2022年第12期41卷 295-299,324页

作者：胡玉雪徐勋光王海燕沙灜华中农业大学信息学院武汉430070 华中农业大学湖北省农业大数据工程技术研究中心武汉430070

大数据实验教学平台是大数据专业人才培养的基础设施和关键保障。针对目前大数据集群部署复杂、资源利用率较低等问题,综合考虑大数据专业人才培养方案、行业技能要求、资源利用率等因素,提出了基于容器嵌套技术(docker in docker, DIND... 详细信息

大数据实验教学平台是大数据专业人才培养的基础设施和关键保障。针对目前大数据集群部署复杂、资源利用率较低等问题,综合考虑大数据专业人才培养方案、行业技能要求、资源利用率等因素,提出了基于容器嵌套技术(docker in docker, DIND)的大数据实验平台建设方案。平台主要由内外两层Docker容器组成:外层Docker容器提供大数据实验基础环境和交互式界面,内层Docker容器提供大数据计算集群环境。平台具有贴合培养方案、集群部署快、资源利用率高、投入成本低、使用便捷等优点。4个学期的教学实践表明,学生实验完成度高、实验投入时间长、能很好掌握大数据专业知识,实现了提高教学质量、培养学生工程实践能力的目的。

关键词：大数据实验教学平台大数据集群 DIND容器嵌套 Docker容器

来源：评论

学校读者我要写书评

暂无评论

基于自监督学习的委婉语识别方法

引用

中文信息学报 2023年第10期37卷 55-63,75页

作者：胡玉雪吴明民沙灜曾智张瑜琦华中农业大学信息学院湖北武汉430070 农业农村部智慧养殖技术重点实验室湖北武汉430070 湖北省农业大数据工程技术研究中心湖北武汉430070 农业智能技术教育部工程研究中心湖北武汉430070

委婉语常被用于社交媒体和暗网交易市场,以其表面含义掩盖潜在含义来逃避平台的监管,例如,用“weed”(杂草)代替“marijuana”(大麻)进行非法交易。委婉语识别是将给定的委婉语映射到特定的目标词(潜在含义)。当前委婉语识别的研究没有... 详细信息

委婉语常被用于社交媒体和暗网交易市场,以其表面含义掩盖潜在含义来逃避平台的监管,例如,用“weed”(杂草)代替“marijuana”(大麻)进行非法交易。委婉语识别是将给定的委婉语映射到特定的目标词(潜在含义)。当前委婉语识别的研究没有获得广泛关注,一方面缺乏有效标注的数据集,另一方面现有方法主要关注委婉语句子中的单个词汇,忽略了委婉语的语境信息。针对上述问题,该文提出了双层自监督学习模型——DSLM(Double Self-supervised Learning Method)用于委婉语识别:外层自监督学习框架用来自动构建含标签数据集,以解决缺乏有效标注数据集的问题;内层使用语境对比学习方法,利用委婉语语境信息,拉近委婉语语境表示和目标词的语义距离。实验表明,该方法优于当前最先进的方法,且结果更稳定、模型收敛更快。

关键词：委婉语识别自监督学习对比学习

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的羊群疾病问答系统的构建与实现

引用

华中农业大学学报 2023年第3期42卷 63-70页

作者：杨喆许甜靳哲孔玫李国亮杜小勇华中农业大学信息学院/农业农村部智慧养殖技术重点实验室/农业智能技术教育部工程研究中心/湖北省农业大数据工程技术研究中心武汉430070 华中农业大学动物科学技术学院/农业动物遗传育种与繁殖教育部重点实验室武汉430070

为解决羊群疾病检索过程中出现的大量冗余数据及检索后仍需人工挑选准确答案造成的资源浪费,本研究通过以下3个步骤构建基于知识图谱的羊群疾病问答系统:(1)通过爬虫获取数据,人工提取部分信息,再进行自动化信息抽取,在命名实体识别任... 详细信息

为解决羊群疾病检索过程中出现的大量冗余数据及检索后仍需人工挑选准确答案造成的资源浪费,本研究通过以下3个步骤构建基于知识图谱的羊群疾病问答系统:(1)通过爬虫获取数据,人工提取部分信息,再进行自动化信息抽取,在命名实体识别任务中使用双向长短期记忆循环神经网络Bi-LSTM模型,并添加注意力机制提高识别效率,然后使用BIO规则进行实体标注,完成信息抽取,将数据融合后存储在Neo4j图数据库中,构建羊群疾病知识图谱。(2)针对属性映射,构建Bert-softmax模型;根据用户提问,采用Bert模型计算问句和属性的语义相似度,并通过softmax算法进行归一化处理,返回合适答案给用户,实现羊群疾病问答系统算法设计。(3)构建羊群疾病诊断平台,使用Bootstrap、Echarts、Vue组件实现羊群疾病问答系统的可视化,利用Python语言包含的flask框架搭建后台,封装疾病信息,通过web前端呈现给用户,并于后端建立连接,实现数据之间的交互。试验结果显示,基于Bi-LSTM+Attention+CRF模型实体识别的F1值为83.16%,构建的知识图谱包含实体4 576个,实体关系超13 000条;问答系统添加了预训练模型Bert,对问题识别的F1值为85.24%。结果表明,该系统实现了对羊群疾病的防治措施等多类问题进行快速检索和精准回答,可以辅助养殖人员在面临羊群疾病时进行生产决策。

关键词：疾病诊断知识图谱问答系统 Neo4j Bert 智慧养殖

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的图像分割在畜禽养殖中的应用研究进展

引用

华中农业大学学报 2023年第3期42卷 39-46页

作者：姚超倪福川李国亮华中农业大学信息学院/农业农村部智慧养殖技术重点实验室/农业智能技术教育部工程研究中心/湖北省农业大数据工程技术研究中心武汉430070 武汉软件工程职业学院信息学院武汉430205 华中农业大学深圳营养与健康研究院/中国农业科学院深圳农业基因组研究所/岭南现代农业科学与技术广东省实验室深圳分中心深圳518000

图像分割作为智慧农业养殖中“视觉系统”的重要组成部分,被广泛应用于畜禽的智慧养殖中。近年来,深度学习算法飞速发展,基于深度学习的图像分割技术也取得了重大突破。这些方法赋予了分割区域更准确的语义信息,使得图像分割更加精准和... 详细信息

图像分割作为智慧农业养殖中“视觉系统”的重要组成部分,被广泛应用于畜禽的智慧养殖中。近年来,深度学习算法飞速发展,基于深度学习的图像分割技术也取得了重大突破。这些方法赋予了分割区域更准确的语义信息,使得图像分割更加精准和智能,为畜禽智慧养殖提供了更强的技术支持。本文通过广泛收集和整理国内外研究的相关文献,重点阐述了图像分割技术在畜禽养殖中的畜禽计数、体尺体质量测量、姿态估计与行为识别、体况及疾病检测、精准饲养等方面的应用现状,给出了如何根据实际性能需求(精度、处理速度)、数据集、计算资源等方面选择合适图像分割方法的建议,总结分析了当前研究中与畜禽养殖相关且可用于图像分割训练的公开数据集;并指出了基于深度学习的图像分割技术在畜禽养殖中所面临的挑战与未来的发展趋势,希望能为畜禽养殖中图像分割技术的具体应用提供参考。

关键词：图像分割深度学习畜禽养殖智慧农业计算机视觉

来源：评论

学校读者我要写书评

暂无评论

国家食品安全标准图谱的构建及关联性分析

引用

计算机应用 2021年第4期41卷 1005-1011页

作者：秦丽郝志刚李国亮华中农业大学信息学院武汉430070 湖北省农业大数据工程技术研究中心(华中农业大学) 武汉430070

国家食品安全标准(NFSS)既是食品生产者的操作规范,也是食品安全监督的执法准绳。然而,NFSS种类繁多,它们涉及内容广泛,且相互引用关系复杂。为了系统地研究NFSS的内容与结构,对NFSS进行了知识抽取与引用关系挖掘。首先,利用知识图谱(KG... 详细信息

国家食品安全标准(NFSS)既是食品生产者的操作规范,也是食品安全监督的执法准绳。然而,NFSS种类繁多,它们涉及内容广泛,且相互引用关系复杂。为了系统地研究NFSS的内容与结构,对NFSS进行了知识抽取与引用关系挖掘。首先,利用知识图谱(KG)技术提取了标准文件的内容与标准文件之间的引用关系,以这些提取出来的内容作为三元组来构建NFSS知识图谱。然后将这个知识图谱与人工构建的基于危害分析关键控制点(HACCP)标准的食品生产过程本体相关联,使食品安全标准与相关的食品生产过程可以建立联系。同时利用Louvain社区发现算法对图谱中的标准引用网络进行分析,发现了在NFSS中引用度较高的标准及其类型。最后,利用gStore的应用程序接口(API)和Django搭建了一个问答系统,实现了基于自然语言的知识检索与推理,可以在指定需求下查询图谱中影响力较高的NFSS。

关键词：食品安全国家标准知识图谱食品生产过程本体社区发现算法问答系统

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：