检索结果-内蒙古大学图书馆

四川大学学报（工程科学版） 2010年第2期42卷 126-131页

作者：秦小林冯勇陈经纬李骏电子科技大学计算机推理与可信计算实验室四川成都610054 中国科学院成都计算机应用研究所四川成都610041 中国科学院研究生院北京100049

针对如何保证实代数数的二进制展开不形成伪随机序列的问题,提出了通过实代数数的近似值重构它的准确极小多项式的算法,以此为基础提供了一种新的计算机实代数数表示方法。采用1个三元组序列:适当误差控制的实代数数近似值,极小多项式... 详细信息

针对如何保证实代数数的二进制展开不形成伪随机序列的问题,提出了通过实代数数的近似值重构它的准确极小多项式的算法,以此为基础提供了一种新的计算机实代数数表示方法。采用1个三元组序列:适当误差控制的实代数数近似值,极小多项式的次数和高度的上界。与目前的3种实代数数的计算机表示方法相比,在稀疏极小多项式情况下,新表示方法占有的二进制比特位与区间方法一致,低于符号方法,而略高于序方法;在稠密极小多项式情况下,比目前的3种表示方法都低。同时利用近似值重构极小多项式的方法,可获得多项式的准确因式分解。通过理论的分析和试验的验证,显示新的实代数数准确表示方法和应用是高效合理的。

关键词：实代数数近似计算符号计算符号与数值混合计算

来源：评论

学校读者我要写书评

暂无评论

基于行为和结构特征的相似语义工作流检索

引用

计算机研究与发展 2017年第9期54卷 1880-1891页

作者：孙晋永古天龙闻立杰钱俊彦孟瑜西安电子科技大学计算机学院西安710071 广西可信软件重点实验室(桂林电子科技大学) 广西桂林541004 清华大学软件学院北京100084

相似语义工作流检索是语义工作流重用的首要任务.现有的相似语义工作流检索方法仅关注结构特征,忽略了行为特征,影响了检索到的相似语义工作流的整体质量,提高了语义工作流重用的代价.为此,提出一种结合行为和结构特征的2阶段相似语义... 详细信息

相似语义工作流检索是语义工作流重用的首要任务.现有的相似语义工作流检索方法仅关注结构特征,忽略了行为特征,影响了检索到的相似语义工作流的整体质量,提高了语义工作流重用的代价.为此,提出一种结合行为和结构特征的2阶段相似语义工作流检索算法.使用任务紧邻关系集表达语义工作流的执行行为,结合领域知识构造语义工作流库的任务紧邻关系树索引和数据索引.针对查询语义工作流,先基于任务紧邻关系树索引和数据索引进行过滤得到候选语义工作流集;然后使用图匹配相似性算法对候选语义工作流集进行验证,得到排序的候选语义工作流集.实验结果表明,较主流的语义工作流检索算法,该方法的检索性能有较大提升,可以为工作流重用提供更高质量的语义工作流.

关键词：工作流重用语义工作流相似性检索结构特征行为特征任务紧邻关系树索引

来源：评论

学校读者我要写书评

暂无评论

用于面向过程的基于实例推理的语义工作流相似性算法

引用

计算机集成制造系统 2016年第2期22卷 381-394页

作者：孙晋永古天龙闻立杰钱俊彦西安电子科技大学计算机学院陕西西安710071 桂林电子科技大学广西可信软件重点实验室广西桂林541004 清华大学软件学院北京100084

为了对同时包含控制流和数据流元素的语义工作流进行相似性度量,定义有代表性的迹集合表达语义工作流行为,提出获取有代表性的迹集合的方法。基于迹比对方法计算有代表性的迹的相似性,使用A*算法结合剪枝策略确定有代表性的迹集合的最... 详细信息

为了对同时包含控制流和数据流元素的语义工作流进行相似性度量,定义有代表性的迹集合表达语义工作流行为,提出获取有代表性的迹集合的方法。基于迹比对方法计算有代表性的迹的相似性,使用A*算法结合剪枝策略确定有代表性的迹集合的最优匹配,进而完成语义工作流的相似性计算。实验评估表明,该方法在语义工作流检索性能评价上具有良好的效果。

关键词：面向过程CBR 语义工作流有代表性的迹迹比对相似性

来源：评论

学校读者我要写书评

暂无评论

基于轨迹挖掘模型的旅游景点推荐

引用

模式识别与人工智能 2019年第5期32卷 463-471页

作者：张舜尧常亮古天龙宾辰忠孙彦鹏朱桂明贾中浩桂林电子科技大学计算机与信息安全学院桂林541004 桂林电子科技大学广西可信软件重点实验室桂林541004 桂林电子科技大学机电工程学院桂林541004

针对旅游推荐系统中基于内容的推荐和基于协同过滤的推荐方法的数据稀疏性和冷启动问题,以及现有轨迹挖掘方法忽略旅游轨迹中高级语义的问题,提出基于门控循环单元轨迹挖掘模型的推荐方法.为了充分利用旅游轨迹的高级语义信息,基于循环... 详细信息

针对旅游推荐系统中基于内容的推荐和基于协同过滤的推荐方法的数据稀疏性和冷启动问题,以及现有轨迹挖掘方法忽略旅游轨迹中高级语义的问题,提出基于门控循环单元轨迹挖掘模型的推荐方法.为了充分利用旅游轨迹的高级语义信息,基于循环神经网络设计轨迹挖掘表示模型,对游客的旅游轨迹进行建模,在利用游客历史轨迹建模后向游客提供个性化旅游景点推荐.在真实旅游轨迹数据集上的实验表明,相比广泛使用的基线方法,文中方法在景点推荐的准确性和质量上都有一定提高.

关键词：推荐系统旅游推荐旅游轨迹门控循环单元轨迹挖掘表示模型

来源：评论

学校读者我要写书评

暂无评论

完全图高阶关系驱动的链接预测

引用

计算机研究与发展 2024年第7期61卷 1825-1835页

作者：张惠鹃黄钦阳胡诗彦杨青张敬伟广西可信软件重点实验室(桂林电子科技大学) 广西桂林541004 广西自动检测技术与仪器重点实验室(桂林电子科技大学) 广西桂林541004 桂林电子科技大学计算机与信息安全学院广西桂林541004

图卷积网络(graph convolutional network,GCN)因其在处理图数据方面的独特优势而被广泛应用于推荐系统中,它通过利用图中节点之间的依赖关系传播节点属性信息,极大地提高了节点表示的准确度从而提升推荐性能.然而现有基于GCN的推荐方... 详细信息

图卷积网络(graph convolutional network,GCN)因其在处理图数据方面的独特优势而被广泛应用于推荐系统中,它通过利用图中节点之间的依赖关系传播节点属性信息,极大地提高了节点表示的准确度从而提升推荐性能.然而现有基于GCN的推荐方法仍因过平滑问题而难以进行更深层的建模,从而限制了用户与项目间高阶关系的表达.为此,提出了一种基于项目间关系的完全图高阶关系驱动的链接预测(link prediction driven by high-order relations in complete graph,LinkCG)方法.LinkCG通过用户-项目交互图与项目间隐式关联关系全局图组成的异构图预测用户到项目的链接,跳过了中间的用户节点直接利用完全图建模每个用户历史交互的项目间的局部隐式关联关系,获得项目间的高阶关系从而缓解数据稀疏性问题;此外,不同于基于节点嵌入的推荐方法,LinkCG通过赋予项目间的链接权重来表示项目间关系的紧密程度,并根据紧密程度进行链接预测,优化了模型的训练过程.在3个公开数据集上的实验结果表明,LinkCG作为只包含2个超参数的非深度学习模型,与一些先进的基于深度学习的基线方法相比提供了更好的性能.在社交关系数据上的应用进一步表明LinkCG能够从用户历史交互项目中获取足够丰富的用户偏好信息.

关键词：推荐系统链接预测完全图高阶关系关联关系

来源：评论

学校读者我要写书评

暂无评论

基于OPNET的改进型Zigbee传感器网络仿真系统

引用

江苏大学学报（自然科学版） 2012年第6期33卷 671-677页

作者：李小龙彭美平桂林电子科技大学计算机科学与工程学院广西桂林541004 桂林电子科技大学广西可信软件重点实验室广西桂林541004

为解决基于OPNET网络仿真器的Zigbee传感器网络仿真系统的控制开销大、网络延时大、可扩展性差、不能保证节点全部接入网络等问题,提出一种改进的仿真系统.利用OPNET仿真开发平台提供的IEEEE802.15.4协议的MAC层进程模型和无线管道模型... 详细信息

为解决基于OPNET网络仿真器的Zigbee传感器网络仿真系统的控制开销大、网络延时大、可扩展性差、不能保证节点全部接入网络等问题,提出一种改进的仿真系统.利用OPNET仿真开发平台提供的IEEEE802.15.4协议的MAC层进程模型和无线管道模型,设计了与Zigbee协议兼容的网络层协议、路由算法,创建了嵌入路由功能的网络层进程模型.给出了其模型结构和功能实现方法,将所提出的模型与Zigbee自带模型进行了试验对比,对网络接入开销、端到端延时等性能进行了分析,并总结了建模过程中的一些经验.结果表明,新系统在不同网络规模下入网控制开销小、网络延时小;而且可扩展性强、节点全部入网所需的路由器节点少,可有效应用于面向工业监控的传感器网络.

关键词：无线传感器网络工业监控 Zigbee 仿真 OPNET

来源：评论

学校读者我要写书评

暂无评论

物联网环境下多智能体决策信息支持技术

引用

软件学报 2014年第10期25卷 2325-2345页

作者：徐杨王晓峰何清漪电子科技大学计算机科学与工程学院四川成都610054 中国科学院计算技术研究所北京100190 广西可信软件重点实验室(桂林电子科技大学) 广西桂林541004

随着物联网技术的不断发展,传感器网络得到了广泛的应用并成为信息技术领域重要的基础设施.尤其是传感网络提供的实时感知信息,为许多智能应用提供了充分的信息支持和必要的决策依据.然而,由于智能应用的实时感知信息需求通常无法转化... 详细信息

随着物联网技术的不断发展,传感器网络得到了广泛的应用并成为信息技术领域重要的基础设施.尤其是传感网络提供的实时感知信息,为许多智能应用提供了充分的信息支持和必要的决策依据.然而,由于智能应用的实时感知信息需求通常无法转化为简单的查询请求与传感器底层查询接口准确匹配,因此,基于物联网的智能决策常常无法准确获取到决策相关的实时信息.针对此问题,提出一个基于语义覆盖网的物联网信息资源描述、推理和应用模型,并以多智能体系统决策支持为应用基础,研究了新型物联网环境下的多智能体决策信息支持技术.该技术以基于多智能体系统的团队导向规划的任务分解方法为核心,将复杂任务分解为若干简单子任务,并基于本体推理方法把子任务执行时需要的决策信息转化为精确、完备的传感器信息查询,从而实现从物联网中准确定位具体的传感器并获取相应感知信息的实时决策信息支持机制.

关键词：语义覆盖层本体团队导向规划物联网多智能体系统

来源：评论

学校读者我要写书评

暂无评论

GP-WIRGAN:梯度惩罚优化的Wasserstein图像循环生成对抗网络模型

引用

计算机学报 2020年第2期43卷 190-205页

作者：冯永张春平强保华张逸扬尚家兴重庆大学计算机学院重庆400044 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 桂林电子科技大学广西可信软件重点实验室广西桂林541004 桂林电子科技大学广西光电信息处理重点实验室培育基地广西桂林541004

通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画... 详细信息

通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画时的不断更新迭代,以提升生成样本多样性并增强样本语义,同时引入Wasserstein距离,提出了Wasserstein图像循环生成对抗网络模型,简称WIRGAN(Wasserstein Image Recurrent Generative Adversarial Networks Model).WIRGAN定义了生成模型和判别模型,其中,生成模型是由一系列结构相同的神经网络模型组成的循环结构,用时间步骤T控制生成模型的循环次数,用于迭代式生成图像,并以最后一个循环结构的生成图像作为整个生成模型的输出;判别模型也由神经网络构建,结合权重剪枝技术,用来判别输入图像是生成的还是真实的.WIRGAN利用Wasserstein距离作为目标函数,将生成模型和判别模型进行博弈对抗训练.另外,由于模型存在难以优化的问题,本文引入了梯度惩罚来解决此类问题,进一步提出了梯度惩罚优化的Wasserstein图像循环生成对抗网络模型(Gradient Penalty Optimized Wasserstein Image Recurrent Generative Adversarial Networks Model,GP-WIRGAN).最后,WIRGAN和GP-WIRGAN在MNIST、CIFAR10、CeUN四个数据集上进行了基础学习能力、模型间GAM自比较、模型内GAM自比较、初始得分比较、图像生成可视化、时间效率比较等6组实验,采用生成对抗矩阵(Generative Adversarial Metric,GAM)和起始分数(Inception Scores)进行评估,结果表明,本文提出的WIRGAN、GP-WIRGAN具有良好的稳定性,可以生成高质量的图像.

关键词：图像生成生成对抗网络 Wasserstein距离深度学习权重剪枝梯度惩罚

来源：评论

学校读者我要写书评

暂无评论

SiamCross:孪生交叉的目标跟踪对象感知网络

引用

计算机学报 2022年第10期45卷 2151-2166页

作者：黄旺辉冯永强保华裴钰璇罗越重庆大学计算机学院重庆400044 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 桂林电子科技大学广西可信软件重点实验室广西桂林541004 桂林电子科技大学广西光电信息处理重点实验室培育基地广西桂林541004

近来,基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注.然而,孪生网络分支通常是独立的,缺乏信息交互,这限制了模型性能的进一步提升.为了增强孪生网络分支的协作能力,本文提出基于孪生架... 详细信息

近来,基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注.然而,孪生网络分支通常是独立的,缺乏信息交互,这限制了模型性能的进一步提升.为了增强孪生网络分支的协作能力,本文提出基于孪生架构的交叉感知网络模型——SiamCross(Siamese Cross Object-Aware Network).孪生网络双分支特征提取是提升模型性能的首要核心操作,区分目标和语义背景在很大程度上依赖模型挖掘的特征鲁棒性.在SiamCross中,我们首先基于孪生网络分支的互监督,设计了全新的孪生交叉感知子网络(Siamese Cross-Aware Network,SCAN)用来提取鲁棒特征.SCAN允许孪生分支彼此全方位高效协同工作,使模板分支可充分利用特征丰富的上下文语义信息,对目标产生更具有区分性的表示;搜索分支结合模板特征,也主动学习到了目标的本质信息.另一方面,无锚框算法将跟踪任务直接映射为对每个像素的分类和回归,网络分支特征可各自聚焦于目标的局部与全局空间信息.以上两种特征具有很好的潜在局部-全局互补性.具体而言,回归特征学习到了更多的目标全局尺寸信息,但同时也引入了周围背景信息,而分类分支专注于学习局部中心定位信息.二者结合,有利于抑制回归特征的背景信息表达.同时,回归特征会在目标周边位置进行突出响应,揭示目标所在区域,也为分类分支进行定位提供了有益参考.为充分利用以上不同的分支空间特征信息来获得更精确的跟踪结果,我们又提出了新型的目标注意力交互网络(Obejct-Attention Interaction Network,OAIN),并将其融入到SiamCross中.OAIN包含并行交叉注意力模块(Parallel Cross Attention Module,PCA)和自适应可形变交叉对齐模块(Adaptive Deformable Cross Align Module,ADCA).PCA模块通过对分支中局部与全局信息的巧妙融合,提升了目标状态估计的准确性.为了进一步使回归特征和目标区域对齐,缓解特征对齐失焦导致的分类分支参考信源可靠性大幅度降低,我们为ADCA模块设计了自适应空间转换操作,可以使得回归特征更好反映目标所在区域.最终,ADCA模块完善了无锚框网络的高效交互机制.最后,我们在OTB2015、VOT2018/2019、GOT-10k和LaSOT五个具有挑战性的公开基准中对SiamCross进行了详尽的实验评估.实验结果显示,SiamCross与当前先进的跟踪器SiamRPN++、ATOM及DiMP相比,均取得了更优异的综合表现,并且可实现实时跟踪.

关键词：视觉目标跟踪孪生网络信息交互交叉注意力

来源：评论

学校读者我要写书评

暂无评论

MN-HDRM:长短兴趣多神经网络混合动态推荐模型

引用

计算机学报 2019年第1期42卷 16-28页

作者：冯永张备强保华张逸扬尚家兴重庆大学计算机学院重庆400044 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 桂林电子科技大学广西可信软件重点实验室广西桂林541004 桂林电子科技大学广西云计算与大数据协同创新中心广西桂林541004

动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于... 详细信息

动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于前馈神经网络(Feedforward Neural Networks,简称FNN)的推荐模型对用户长期兴趣建模.通过两种神经网络的融合,该文构建了一个兼顾用户短期动态兴趣和稳定长期兴趣的多神经网络混合动态推荐模型(Hybrid Dynamic Recommendation Model based on Multiple Neural Networks,简称MN-HDRM).实验结果表明相对于目前比较流行的多种动态推荐算法:TimeSVD++、基于HMM(Hidden Markov Model)的推荐模型、基于RNN(Recurrent Neural Networks)的推荐模型、基于LSTM(Long Short-Term Memory)的推荐模型和STG(Session-based Temporal Graph)推荐模型,MN-HDRM在精确率、召回率和平均倒数排名等多项评价指标上展现出更加优越的性能.

关键词：循环神经网络前馈神经网络动态推荐模型长短期兴趣时间因素

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：