检索结果-内蒙古大学图书馆

软件学报 2023年第11期34卷 5191-5204页

作者：徐平安刘全郝少璞张立华苏州大学计算机科学与技术学院江苏苏州215006 软件新技术与产业化协同创新中心(南京) 江苏南京210093 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

近年来,深度强化学习在复杂控制任务中取得了令人瞩目的效果,然而由于超参数的高敏感性和收敛性难以保证等原因,严重影响了其对现实问题的适用性.元启发式算法作为一类模拟自然界客观规律的黑盒优化方法,虽然能够有效避免超参数的敏感性... 详细信息

近年来,深度强化学习在复杂控制任务中取得了令人瞩目的效果,然而由于超参数的高敏感性和收敛性难以保证等原因,严重影响了其对现实问题的适用性.元启发式算法作为一类模拟自然界客观规律的黑盒优化方法,虽然能够有效避免超参数的敏感性,但仍存在无法适应待优化参数量规模巨大和样本使用效率低等问题.针对以上问题,提出融合引力搜索的双延迟深度确定策略梯度方法(twin delayed deep deterministic policy gradient based on gravitational search algorithm,GSA-TD3).该方法融合两类算法的优势:一是凭借梯度优化的方式更新策略,获得更高的样本效率和更快的学习速度;二是将基于万有引力定律的种群更新方法引入到策略搜索过程中,使其具有更强的探索性和更好的稳定性.将GSA-TD3应用于一系列复杂控制任务中,实验表明,与前沿的同类深度强化学习方法相比,GSA-TD3在性能上具有显著的优势.

关键词：深度强化学习元启发式算法引力搜索确定策略梯度策略搜索

来源：评论

学校读者我要写书评

暂无评论

一种跨区域跨评分协同过滤推荐算法

引用

计算机研究与发展 2024年第12期61卷 3134-3153页

作者：于旭彭庆龙詹定佳杜军威刘金环林俊宇巩敦卫张子迎于婕青岛科技大学信息科学技术学院山东青岛266061 中国石油大学(华东)计算机科学与技术学院山东青岛266580 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 中国科学院信息工程研究所北京100093 中国矿业大学信息与控制工程学院江苏徐州221116 嘉应学院计算机学院广东梅州514011

传统跨评分协同过滤范式忽视了目标域中评分密度对用户和项目隐向量精度的影响,导致评分稀疏区域评分预测不够准确.为克服区域评分密度对评分预测的影响,基于迁移学习思想提出一种跨区域跨评分协同过滤推荐算法(cross-rating collaborat... 详细信息

传统跨评分协同过滤范式忽视了目标域中评分密度对用户和项目隐向量精度的影响,导致评分稀疏区域评分预测不够准确.为克服区域评分密度对评分预测的影响,基于迁移学习思想提出一种跨区域跨评分协同过滤推荐算法(cross-rating collaborative filtering recommendation algorithm,CRCRCF),相对于传统跨评分协同过滤范式,该算法不仅能有效挖掘辅助域重要知识,而且可以挖掘目标域中评分密集区域的重要知识,进一步提升目标域整体,尤其是评分稀疏区域的评分预测精度.首先,针对用户和项目,分别进行活跃用户和非活跃用户、热门项目和非热门项目的划分.利用图卷积矩阵补全算法提取目标域活跃用户和热门项目、辅助域中全体用户和项目的隐向量.其次,对活跃用户和热门项目分别构建基于自教学习的深度回归网络学习目标域和辅助域中隐向量的映射关系.然后,将映射关系泛化到全局,利用非活跃用户和非热门项目在辅助域上相对较准确的隐向量推导其目标域上的隐向量,依次实现了跨区域映射关系迁移和跨评分的隐向量信息迁移.最后,以求得的非活跃用户和非热门项目在目标域上的隐向量为约束,提出受限图卷积矩阵补全模型,并给出相应推荐结果.在MovieLens和Netflix数据集上的仿真实验显示CRCRCF算法较其他最先进算法具有明显优势.

关键词：协同过滤跨区域跨评分推荐图卷积矩阵补全自教学习深度回归网络受限图卷积矩阵补全

来源：评论

学校读者我要写书评

暂无评论

逆向强化学习研究综述

引用

软件学报 2023年第10期34卷 4772-4803页

作者：张立华刘全黄志刚朱斐苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 软件新技术与产业化协同创新中心江苏南京210023

逆向强化学习(inverse reinforcement learning,IRL)也称为逆向最优控制(inverse optimal control,IOC),是强化学习和模仿学习领域的一种重要研究方法,该方法通过专家样本求解奖赏函数,并根据所得奖赏函数求解最优策略,以达到模仿专家... 详细信息

逆向强化学习(inverse reinforcement learning,IRL)也称为逆向最优控制(inverse optimal control,IOC),是强化学习和模仿学习领域的一种重要研究方法,该方法通过专家样本求解奖赏函数,并根据所得奖赏函数求解最优策略,以达到模仿专家策略的目的.近年来,逆向强化学习在模仿学习领域取得了丰富的研究成果,已广泛应用于汽车导航、路径推荐和机器人最优控制等问题中.首先介绍逆向强化学习理论基础,然后从奖赏函数构建方式出发,讨论分析基于线性奖赏函数和非线性奖赏函数的逆向强化学习算法,包括最大边际逆向强化学习算法、最大熵逆向强化学习算法、最大熵深度逆向强化学习算法和生成对抗模仿学习等.随后从逆向强化学习领域的前沿研究方向进行综述,比较和分析该领域代表性算法,包括状态动作信息不完全逆向强化学习、多智能体逆向强化学习、示范样本非最优逆向强化学习和指导逆向强化学习等.最后总结分析当前存在的关键问题,并从理论和应用方面探讨未来的发展方向.

关键词：逆向强化学习模仿学习生成对抗模仿学习逆向最优控制强化学习

来源：评论

学校读者我要写书评

暂无评论

基于正向软标签的轻量级关系抽取

引用

吉林大学学报（理学版） 2023年第2期61卷 317-324页

作者：宋函宇欧阳丹彤叶育鑫吉林大学计算机科学与技术学院长春130012 一汽-大众汽车有限公司长春130011 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题... 详细信息

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题,使用教师助手知识蒸馏模式;其次,使用标签的余弦相似度筛选出正向软标签,在每步蒸馏中都动态赋予正向软标签更高的权重,以此削弱知识传递中错误标签导致的影响.在数据集SemEval-2010 Task 8上的实验结果表明,该模型不仅能完成轻量化关系抽取任务,还能提升抽取精度.

关键词：轻量级关系抽取知识筛选正向软标签知识蒸馏余弦相似度

来源：评论

学校读者我要写书评

暂无评论

基于多方向局部二值模式与稳定特征的虹膜识别

引用

吉林大学学报（工学版） 2021年第2期51卷 650-658页

作者：朱晓冬张齐贤刘元宁吴迪吴祖慷王超群李昕龙吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为... 详细信息

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法。通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的稳定特征图像。然后基于局部二进制模式,提出多方向局部二值模式提取特征向量,该方法不仅能描述虹膜图像的整体空间信息,而且还能降低特征图像的维度。最后用Hamming距离进行虹膜识别。对CASIA、JLU-6.0等虹膜库进行了识别和评价,实验结果表明:该方法不仅可以保证稳定特征的有效性,而且能有效提取局部纹理特征,具有更高的识别率和鲁棒性。

关键词：局部纹理虹膜识别局部二进制模式鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3改进的用户界面组件检测算法

引用

吉林大学学报（工学版） 2021年第3期51卷 1026-1033页

作者：刘元宁吴迪朱晓冬张齐贤李双双郭书君王超吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

针对传统方法识别用户界面(UI)组件时,无法进行组件分类的问题,本文提出了基于经典目标检测算法YOLOv3改进的算法用于UI组件检测任务,包括识别和分类。特征提取网络采用DenseNet紧密连接结构使提取到的特征能够充分使用;在特征提取网络... 详细信息

针对传统方法识别用户界面(UI)组件时,无法进行组件分类的问题,本文提出了基于经典目标检测算法YOLOv3改进的算法用于UI组件检测任务,包括识别和分类。特征提取网络采用DenseNet紧密连接结构使提取到的特征能够充分使用;在特征提取网络中加入通道注意力机制和空间注意力机制,使用加权的特征代替原来的特征用于后面的特征融合;构造4个维度的特征金字塔网络完成组件检测任务;使用Focalloss作为分类损失函数。在收集的真实UI数据集上进行实验,实验结果表明:在检测精度上,本文方法的召回率达到了91.97%,平均精度mAP达到了48.21%,相比传统检测方法,本文方法具有更好的性能。

关键词：计算机应用组件检测注意力机制焦损失函数

来源：评论

学校读者我要写书评

暂无评论

故障响应指导下基于测试集的故障诊断方法

引用

吉林大学学报（工学版） 2021年第3期51卷 1017-1025页

作者：欧阳丹彤刘扬刘杰吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单... 详细信息

通过对电路中故障输出特征进行研究,结合增强故障诊断(ADD)测试候选诊断求解方法,提出了故障响应指导下的候选诊断求解方法ALFDD。依据当前测试激励下实际输出响应与预期输出响应不相同的单故障更可能是故障诊断解的原理,提出了候选单故障集合的概念。针对ADD方法中需对电路的所有单故障求解F_(same)的问题,给出仅对候选单故障集合求解F_(same)的方法。该方法一方面避免了对所有单故障都进行对比并求解F_(same)的问题,提高了诊断求解效率;另一方面有效删除了F_(same)中包含的冗余候选诊断解,提高了候选诊断解的分辨率;此外,还增加了候选故障集中所包含的真实诊断解的数量,提高了候选诊断解的准确率。实验结果表明,与ADD方法相比,ALFDD方法候选诊断分辨率和准确率明显提高,求解效率也有较大提高。

关键词：计算机应用模型故障故障诊断候选单故障集合诊断准确性诊断分辨率

来源：评论

学校读者我要写书评

暂无评论

分布式机器学习作业性能干扰分析与预测

引用

计算机应用 2022年第6期42卷 1649-1655页

作者：李洪亮张弄孙婷李想吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首... 详细信息

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首先,通过实验获取分布式机器学习作业运行时的GPU参数和干扰率,并分析出各类参数对性能干扰的影响;其次,依托多种预测技术建立GPU参数-干扰率模型进行作业干扰率误差分析;最后,建立自适应的作业干扰率预测算法,面向给定的设备环境和作业集合自动选择误差最小的预测模型,快速、准确地预测作业干扰率。选取5种常用的神经网络作业,在两种GPU设备上设计实验并进行结果分析。结果显示,所提出的自适应干扰预测(AIP)机制能够在不提供任何预先假设信息的前提下快速完成预测模型的选择和性能干扰预测,耗时在300 s以内,预测干扰率误差在2%~13%,可应用于作业调度和负载均衡等场景。

关键词：分布式机器学习性能干扰集群调度资源共享干扰预测

来源：评论

学校读者我要写书评

暂无评论

基于全局有向图的商品会话序列推荐算法

引用

吉林大学学报（理学版） 2022年第2期60卷 361-368页

作者：苗启朋何丽莉姜宇白洪涛吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并... 详细信息

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并用图数据库存储该有向图;其次,给出在有向图上的全局偏好传播策略,同时考虑点击时间因素对推荐的重要影响;最后,获得待推荐商品的评分.在Diginetica和Yoochoose标准数据集上,该算法根据P@20标准,比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%;根据MRR@20标准,则分别提升了15.04%和33.88%.实验结果表明,该全局有向图搜索和评分策略有效.

关键词：推荐系统会话序列图数据库全局有向图全局偏好传播

来源：评论

学校读者我要写书评

暂无评论

基于邻域信息的网络结构表示学习

引用

吉林大学学报（理学版） 2022年第2期60卷 343-350页

作者：王喆李鑫吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节... 详细信息

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节点结构相似度作为监督信息优化网络表示,在网络嵌入过程中学习节点结构信息.与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明,该方法有更好的网络结构识别能力,能学习到节点间的结构相关性,所得到的网络表示能适用于角色识别相关任务.此外,跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.

关键词：结构识别网络表示学习网络分析自编码器角色识别

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：