检索结果-内蒙古大学图书馆

计算机科学 2024年第3期51卷 128-134页

作者：郑伟楠於志勇黄昉菀福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持。然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失。虽然已有很多方法被提出... 详细信息

随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持。然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失。虽然已有很多方法被提出用于解决这一问题,但这些方法在数据相关性方面或考虑不够全面,或计算成本过高。而且,现有方法仅关注对缺失值的补全,未能兼顾下游应用。针对上述不足,设计了一种兼顾补全与预测任务的双通道回声状态网络。两个通道的网络虽共用输入层,但具有各自的储备池和输出层。两者最大的区别是左/右通道的输出层分别表示输入层前/后一个时刻对应的目标值或预补值。最后将两个通道的估计值进行融合,充分利用来自缺失时刻之前和之后的数据相关性以进一步提升性能。两种缺失现象下(随机缺失和分段缺失)不同缺失率的实验结果表明,所提模型无论是在补全精度还是预测精度上都优于目前流行的各类方法。

关键词：数据相关性时间序列外生变量双通道ESN 缺失补全单步预测

来源：评论

学校读者我要写书评

暂无评论

网络社区发现的多目标分解粒子群优化算法

引用

计算机应用 2013年第9期33卷 2444-2449页

作者：应加炜陈羽中福州大学数学与计算机科学学院福州350108 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350108

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构... 详细信息

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构进行挖掘,并引入了一种新颖的基于局部搜索的变异策略以提高算法的搜索效率和收敛速度,该算法克服了单目标优化算法存在的解单一以及难以发现社区层次结构的缺陷。人工网络及真实网络上的实验结果表明,该算法能够快速准确地挖掘网络社区并揭示社区的层次结构。

关键词：社会网络社区发现多目标分解粒子群优化变异策略

来源：评论

学校读者我要写书评

暂无评论

车联网中基于联邦深度强化学习的任务卸载算法

引用

计算机科学 2023年第9期50卷 347-356页

作者：林欣郁姚泽玮胡晟熙陈哲毅陈星福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

随着车联网应用服务体系日益丰富,计算资源有限的车辆难以处理这些计算密集和时延敏感的车联网应用。计算卸载作为移动边缘计算中的一种关键技术可以解决这一难题。对于车联网中动态的多车辆多路侧单元的任务卸载环境,提出了一种基于联... 详细信息

随着车联网应用服务体系日益丰富,计算资源有限的车辆难以处理这些计算密集和时延敏感的车联网应用。计算卸载作为移动边缘计算中的一种关键技术可以解决这一难题。对于车联网中动态的多车辆多路侧单元的任务卸载环境,提出了一种基于联邦深度强化学习的任务卸载算法。该算法将每辆车都看作是智能体,采用联邦学习的框架训练各智能体,各智能体分布式决策卸载方案,以最小化系统的平均响应时间。设置评估实验,在多种动态变化的场景下对提出的算法的性能进行对比分析。实验结果显示,提出的算法求解出的系统平均响应时间短于基于规则的算法和多智能体深度强化学习算法,接近于理想方案,且求解时间远短于理想方案。实验结果表明,所提算法能够在可接受的算法执行时间内求解出接近于理想方案的系统平均响应时间。

关键词：边缘计算任务卸载车联网深度强化学习联邦学习

来源：评论

学校读者我要写书评

暂无评论

云边协同计算中基于强化学习的依赖型任务调度方法

引用

计算机科学 2023年第S02期50卷 700-707页

作者：胡晟熙宋日荣陈星陈哲毅福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

云边协同计算中,计算资源分散在移动设备、边缘服务器和云服务器。将应用程序中的计算密集型任务从本地卸载到远程设备执行,利用远程资源来扩展本地资源,是解决移动设备资源受限问题的一个有效途径。针对云边协同计算中存在依赖关系的... 详细信息

云边协同计算中,计算资源分散在移动设备、边缘服务器和云服务器。将应用程序中的计算密集型任务从本地卸载到远程设备执行,利用远程资源来扩展本地资源,是解决移动设备资源受限问题的一个有效途径。针对云边协同计算中存在依赖关系的任务调度问题,提出一种基于强化学习的无模型方法。首先,将移动应用程序建模为有向无环图,建立云边协同计算中的任务调度问题模型。其次,将任务调度过程建模为马尔可夫决策过程,即使用Q学习通过与网络环境交互学习合理的调度策略。实验结果表明,所提出的基于Q学习的依赖型任务调度方法在不同场景下均优于所对比的基准算法,有效地减少了应用程序的执行时间。

关键词：云边协同计算任务调度依赖型任务强化学习

来源：评论

学校读者我要写书评

暂无评论

无线传感器网络中基于马尔科夫链的数据预测算法

引用

小型微型计算机系统 2016年第11期37卷 2498-2503页

作者：吏济新张雅云黄福川程红举福州大学数学与计算机科学学院福州350108 福州大学福建省网络计算与智能信息处理重点实验室福州350108

无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该... 详细信息

无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该算法首先对传感器节点感知的数据进行弱化处理来提高数据序列的光滑性,然后采用离散灰色预测模型对节点需要向sink传输的数据序列进行预测,当节点预测的数据精度不够时,进一步使用基于马尔科夫链的数据修正过程来对其进行改进.实验结果表明,MC-DP算法预测准确率更高,预测序列的数据误差率更低,使用该预测算法使得传感器节点可以节约更多能量.

关键词：无线传感器网络离散灰色模型马尔科夫链数据预测

来源：评论

学校读者我要写书评

暂无评论

一种增强机器阅读理解鲁棒性的上下文感知多任务学习框架

引用

小型微型计算机系统 2023年第7期44卷 1486-1493页

作者：张睿陈羽中福州大学计算机与大数据学院福州350116 福建省网络计算与智能信息处理重点实验室福州350116

机器阅读理解(MRC)是自然语言处理领域的一个具有挑战性的任务,其目标是在给定文章中预测出相关问题的答案.随着深度学习和预训练语言模型的发展,许多端到端的机器阅读理解模型展现出优秀的性能,但是这些模型普遍存在鲁棒性不足的问题,... 详细信息

机器阅读理解(MRC)是自然语言处理领域的一个具有挑战性的任务,其目标是在给定文章中预测出相关问题的答案.随着深度学习和预训练语言模型的发展,许多端到端的机器阅读理解模型展现出优秀的性能,但是这些模型普遍存在鲁棒性不足的问题,当文本中存在干扰句时,它们的表现便显著下降.本文从人类做阅读理解任务的角度来解决这个问题,提出了一种端到端的多任务学习框架ASMI(Answer-Span Context Prediction and Mutual Information Estimation and Maximization)来提高MRC模型的鲁棒性.ASMI在预训练语言模型下游微调,包含两种辅助任务:(i)答案上下文预测;(ii)答案与上下文之间的互信息估计.本文设计了一种上下文注意力机制来预测答案上下文软标签,从而强化上下文对于问答任务的指导作用,并降低干扰句对模型的影响.本文还提出了一种新的负样本生成策略,并结合基于JS散度的互信息估计器来估计互信息,从而有效辨析答案上下文和干扰句之间的语义差异,使得模型学习到更加鲁棒的表示.在3个阅读理解基准数据集上的实验结果表明,本文提出的ASMI模型在EM和F1指标上均优于对比模型.

关键词：机器阅读理解模型鲁棒性多任务学习答案上下文

来源：评论

学校读者我要写书评

暂无评论

一种用于答案选择的知识增强图卷积网络

引用

小型微型计算机系统 2024年第2期45卷 278-284页

作者：郑超凡陈羽中徐俊杰福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

答案选择是问答领域的一个重要子任务,目标是根据问题从候选答案集合中选择最合适的答案.该任务的核心是问答语义匹配.近年来,随着深度神经网络和预训练语言模型的应用,许多端对端的问答匹配模型展现出优异的性能.但是,现有模型仍然存... 详细信息

答案选择是问答领域的一个重要子任务,目标是根据问题从候选答案集合中选择最合适的答案.该任务的核心是问答语义匹配.近年来,随着深度神经网络和预训练语言模型的应用,许多端对端的问答匹配模型展现出优异的性能.但是,现有模型仍然存在语义信息提取不充分以及未有效利用外部知识信息等问题.针对上述问题,本文提出一种知识增强图卷积网络(A Knowledge-enhanced Graph Convolutional Network,KEGCN).首先,KEGCN提出一种基于图卷积神经网络的问题-答案结构信息提取机制,在利用BERT获得文本语义信息的基础上,KEGCN通过图卷积神经网络学习问答对之间的结构信息,增强语义信息.其次,KEGCN设计了一种基于自注意力门控网络的扩展知识语义构建机制,利用自注意力门控网络获取扩展知识实体之间的上下文语义关联并过滤知识噪声,增强模型的鲁棒性.最后,KEGCN利用多尺寸卷积神经网络提取多粒度的全局语义信息,以进一步提高答案选择推理的准确性.WikiQA和TrecQA数据集上的实验结果表明,与对比模型相比较,KEGCN的综合性能更加优异.

关键词：答案选择图卷积神经网络知识图谱多粒度语义自注意力门控网络

来源：评论

学校读者我要写书评

暂无评论

用于问题生成的知识增强双图交互网络

引用

小型微型计算机系统 2024年第5期45卷 1032-1038页

作者：李亚峰叶东毅陈羽中福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

问题生成是一项具有挑战性的自然语言处理任务,旨在生成具有给定答案和上下文的问题,近年来受到了广泛关注.最近,由于神经网络的发展,问题生成任务取得了较大的进展.然而,现有模型仍然存在未有效利用外部知识以及在利用图神经网络捕获... 详细信息

问题生成是一项具有挑战性的自然语言处理任务,旨在生成具有给定答案和上下文的问题,近年来受到了广泛关注.最近,由于神经网络的发展,问题生成任务取得了较大的进展.然而,现有模型仍然存在未有效利用外部知识以及在利用图神经网络捕获隐藏结构信息未捕获语法信息等问题.针对上述问题本文提出知识增强双图交互网络KE-BGINN(Knowledge-Enhanced Bi-Graph Interaction Neural Network).首先为了有效利用外部知识信息,KE-BGINN通过知识图谱本身的图结构信息构造知识增强图,并利用图卷积网络对文本以及答案上下文语义信息进行扩充.其次,KE-BGINN引入一种双图交互机制,利用两个图卷积网络学习上下文的隐藏结构信息以及语法信息,在图间信息融合时,构造一个虚拟图来充分融合不同图之间的异构信息.最后,KE-BGINN利用指针网络解码机制来解决问题生成时罕见和未知词的问题.在SQuAD数据集上的实验结果证明,与对比模型相比较,KE-BGINN模型的综合性能更加优异.

关键词：问题生成知识图谱图卷积网络双图交互虚拟图

来源：评论

学校读者我要写书评

暂无评论

多尺度特征融合与极限学习机的玉米种子检测

引用

中国图象图形学报 2016年第1期21卷 24-38页

作者：柯逍杜明智福州大学数学与计算机科学学院福州350116 福州大学福建省网络计算与智能信息处理重点实验室福州350116

目的玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法。方法首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采... 详细信息

目的玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法。方法首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采用多尺度方向梯度直方图特征,而在全局特征上则提取HSV颜色模型特征。其次,针对传统的BP神经网络以及SVM等存在训练时间长、检测速度慢的不足,采用极限学习机作为其检测算法。此外,为了避免样本在训练时带来的过多时间消耗,该检测模型上采用了并行训练算法。再次,针对原始图像分辨率过高问题所带来的检测时间以及内存消耗较大的问题,采用一种基于局部均值的图像缩小算法。最后,针对该文采用的滑动窗口扫描可能带来的同一对象多窗口重叠的问题,提出了一种基于模糊聚类的局部窗口融合算法。结果仿真结果表明,提出的方法可实现对玉米种子的准确检测,对检测样本的测试精度达到97.66%,同时误差控制在0.1%。结论相比传统的方法,提出的方法在检测速度、检测准确率上均有所改善,无需严格的硬件设备要求并且对玉米种子检测时不会产生任何损伤。

关键词：极限学习机特征融合目标检测窗口融合模糊聚类

来源：评论

学校读者我要写书评

暂无评论

一种基于动态异构图的谣言检测模型

引用

小型微型计算机系统 2024年第2期45卷 319-326页

作者：朱文龙陈羽中饶孟宇福州大学计算机与大数据学院福州350116 福建省网络计算与智能信息处理重点实验室福州350116

随着互联网技术和自媒体行业的快速发展,人们可以方便快捷地从社交媒体中获取最新信息,但也让更多的谣言在网络中盛行.现有谣言检测模型多从文本内容、用户信息和传播模式中挖掘有效特征.然而,现有模型未充分学习文本的语义信息和谣言... 详细信息

随着互联网技术和自媒体行业的快速发展,人们可以方便快捷地从社交媒体中获取最新信息,但也让更多的谣言在网络中盛行.现有谣言检测模型多从文本内容、用户信息和传播模式中挖掘有效特征.然而,现有模型未充分学习文本的语义信息和谣言传播过程中的结构信息,并忽略了谣言传播的动态过程.针对上述问题,本文提出一种基于动态异构图的谣言检测模型DHGNN(Dynamic Heterogeneous Graph Neural Network).首先,为了增强帖子的文本语义表示,本文提出一种多级注意力网络,引导模型关注源帖子和相应评论中关键的词和句子,充分学习源帖与相应评论之间的语义关联.其次,引入了基于异构图的图神经网络,通过对异构传播图中的用户、帖子节点和转发(或评论)关系进行建模,为不同类型的节点和边生成特定的表示,充分学习异构传播图中的结构信息.最后,提出一种基于旋转记忆单元的时序注意力,分别为每个异构传播图快照建立记忆,捕获谣言动态传播的演化模式.在Twitter15、Twitter16数据集上的实验结果表明,DHGNN模型的性能优于最新的对比模型.

关键词：谣言检测多级注意力异构传播图图神经网络时序注意力

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：