检索结果-内蒙古大学图书馆

计算机科学 2024年第3期51卷 198-204页

作者：廖梦贾真李天瑞西南交通大学计算机与人工智能学院成都611756 四川省制造业产业链协同与信息化支撑技术重点实验室成都611756 综合交通大数据应用技术国家工程实验室成都611756

随着中文命名实体识别研究的不断深入,大多数模型关注融入词汇或字形信息来丰富特征表示,但是却忽略了标签信息。因此文中提出了一种融合标签信息的中文命名实体识别模型。首先,通过预训练模型BERT-wwm得到字符的嵌入表示,并将标签向量... 详细信息

随着中文命名实体识别研究的不断深入,大多数模型关注融入词汇或字形信息来丰富特征表示,但是却忽略了标签信息。因此文中提出了一种融合标签信息的中文命名实体识别模型。首先,通过预训练模型BERT-wwm得到字符的嵌入表示,并将标签向量化,使用Transformer解码器结构将字符表示与标签表示进行交互学习,捕捉字符与标签的相互依赖关系,丰富字符的特征表示。为了促进标签信息的学习,构建了基于文本句的监督信号,增加了多标签文本分类任务,采用多任务学习的方式进行训练。其中,命名实体识别任务采用条件随机场进行解码预测,多标签文本分类任务采用双仿射机制进行解码预测,两任务共享除解码层以外的所有参数,保证了不同的监督信息反馈到每个子任务。在公开数据集MSRA,Weibo和Resume上进行了多组对比实验,分别获得了95.75%,72.17%,96.23%的F1值。与多个基准模型相比,所提模型的实验效果有一定的提升,证明了该模型的有效性与可行性。

关键词：命名实体识别标签信息注意力机制双仿射机制预训练模型

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的建筑工程施工事故智能分析

引用

中国安全生产科学技术 2023年第3期19卷 46-52页

作者：许慧廖桧铭重庆邮电大学经济管理学院重庆400065 重庆工业大数据创新中心有限公司工业大数据应用技术国家工程实验室重庆400707

为预防和减少建筑工程施工事故,应用人工智能领域知识图谱技术,对建筑工程施工事故进行分析。通过定义领域知识图谱概念体系结构,从建筑工程施工事故数据中提取关键知识要素,构建建筑工程施工事故知识图谱,将其储存在Neo4j图数据库中,... 详细信息

为预防和减少建筑工程施工事故,应用人工智能领域知识图谱技术,对建筑工程施工事故进行分析。通过定义领域知识图谱概念体系结构,从建筑工程施工事故数据中提取关键知识要素,构建建筑工程施工事故知识图谱,将其储存在Neo4j图数据库中,并提出基于知识图谱的建筑工程施工事故分析流程,针对事故相关信息开展查询、统计分析以及关联路径分析等智能分析。研究结果表明:基于知识图谱技术,将建筑工程施工事故知识以可视化图形或表格等进行展示,将事故信息以知识形式结构化存储及表达,可有效提高事故分析工作效率,为事故预防以及安全管理提供决策支持。

关键词：知识图谱建筑工程施工事故事故分析安全管理图数据库

来源：评论

学校读者我要写书评

暂无评论

基于Transformer结构增强的神经网络架构搜索性能预测器

引用

计算机学报 2024年第7期47卷 1469-1484页

作者：王继禾吴颖迟恒喆王党辉梅魁志西北工业大学计算机学院西安710129 嵌入式系统集成教育部工程中心西安710129 空天地海一体化大数据应用技术国家工程实验室西安710129 西安交通大学人工智能与机器人研究所西安710049

神经网络架构搜索(Neural Architecture Search,NAS)作为一种通过搜索算法设计神经网络架构的方法,在计算机视觉和自然语言处理等领域得到广泛应用,相较于人工设计网络,NAS方法可以减少设计成本并提高模型性能.但是NAS的性能评估需要对... 详细信息

神经网络架构搜索(Neural Architecture Search,NAS)作为一种通过搜索算法设计神经网络架构的方法,在计算机视觉和自然语言处理等领域得到广泛应用,相较于人工设计网络,NAS方法可以减少设计成本并提高模型性能.但是NAS的性能评估需要对候选架构进行大量训练,由此带来的计算量占整个NAS的80%以上.为降低计算开销和时间成本,近年来已提出许多基于Transformer的NAS预测器,由于Transformer出色的结构编码能力可以更好地表示拓扑信息,因而得到广泛应用.但是,现有基于Transformer的NAS预测器依然存在三个问题:其一是在预处理阶段,传统的One-hot编码方式描述节点特征的能力较弱,只能区分不同操作节点类型,而难以表达操作的细节特征,如卷积核尺寸等.其二是在编码阶段,Transformer的自注意力机制导致模型结构信息缺失;其三是在评估阶段,现有的Transformer预测器仅使用多层感知机(Multilayer Perceptron,MLP)对前向传播图进行精度预测,忽略了反向传播梯度流对预测精度的影响,因此难以真正拟合NAS评估中的正、反向交替信息流图,导致预测器精度与实际运行精度误差波动极大(10%~90%).为解决上述问题,本文提出了一种基于Transformer结构增强的NAS性能预测方法.首先,在预处理阶段,本文提出了一种超维嵌入方法增加输入数据维度以强化节点操作的参数描述能力,其次,在编码阶段将Transformer编码后的信息与图结构信息共同输人一个图卷积网络(Graph Convolutional Network,GCN),弥补由自注意力机制引起的结构缺失.最后,在性能评估阶段,本文构建了同时包含前向传播和反向传播的全训练图,并将数据集信息、图结构编码与梯度编码共同输入到GCN网络预测器中,使预测结果更贴近模型真实性能.实验结果表明,本方法与目前最先进方法相比,肯德尔相关系数提高了7.45%,训练时间减少了1.55倍。

关键词：预测器 NAS Transformer GCN Embedding

来源：评论

学校读者我要写书评

暂无评论

基于频域叠加和深度学习的频谱信号识别

引用

计算机应用研究 2023年第3期40卷 874-879页

作者：周宇航侯进李嘉新李惠森西南交通大学信息科学与技术学院智能感知智慧运维实验室成都611756 西南交通大学综合交通大数据应用技术国家工程实验室成都611756

针对频谱监测领域频带较宽、接收机采样步进受限而造成的宽带频谱信号难以识别的问题,提出了一种频域叠加预处理和目标检测相结合的频谱信号识别方法。该方法利用频域叠加对频谱数据进行多帧叠加来突出频谱中的弱信号,将叠加处理后的频... 详细信息

针对频谱监测领域频带较宽、接收机采样步进受限而造成的宽带频谱信号难以识别的问题,提出了一种频域叠加预处理和目标检测相结合的频谱信号识别方法。该方法利用频域叠加对频谱数据进行多帧叠加来突出频谱中的弱信号,将叠加处理后的频谱图像送入改进的目标检测网络中进行信号类型的识别。经过实验证明,此方法能够有效地识别7种类型的频谱信号,提出的频域叠加预处理能够提升目标检测算法的精度,并提高频谱中弱信号的识别能力,在信噪比为6 dB时,算法能够达到89.7%的平均识别率。

关键词：宽带频谱检测频域叠加卷积神经网络目标检测

来源：评论

学校读者我要写书评

暂无评论

智能网联环境下信号交叉口车辆轨迹重构模型

引用

西南交通大学学报 2024年第5期59卷 1148-1157页

作者：杨涛马玉琴刘梦姚志洪蒋阳升中铁第一勘察设计院集团有限公司陕西西安710043 西南交通大学交通运输与物流学院四川成都611756 中南勘察设计院集团有限公司湖北武汉430074 西南交通大学综合交通大数据应用技术国家工程实验室四川成都611756 西南交通大学综合交通运输智能化国家地方联合工程实验室四川成都611756

车辆轨迹数据提供了大量的时空交通流信息,可用于各类交通研究.传统车辆轨迹模型多以人工驾驶环境为研究对象,普遍未考虑由常规车(RV)、网联人工驾驶车(CV)以及智能网联车(CAV)组成的混合交通流的影响.为解决该问题,构建智能网联环境下... 详细信息

车辆轨迹数据提供了大量的时空交通流信息,可用于各类交通研究.传统车辆轨迹模型多以人工驾驶环境为研究对象,普遍未考虑由常规车(RV)、网联人工驾驶车(CV)以及智能网联车(CAV)组成的混合交通流的影响.为解决该问题,构建智能网联环境下信号交叉口全样本车辆轨迹重构模型.首先,介绍并分析智能网联环境下城市道路交叉口处车辆组成及排队通过情况;然后,构建城市道路混合交通流轨迹数量估计模型,并针对前后车的排队情况提出虚拟车的概念,用于估计不同车辆的交通状态;最后,设计数值仿真实验分析交通流密度和网联车渗透率对模型的影响,并基于NGSIM数据进行实例验证.结果表明:轨迹重构模型的数量误差和位置误差均随着交通流密度和网联车渗透率的增大而减小,如交通流密度由20 veh/km增大至50 veh/km的过程中,模型数量误差和位置误差均呈现下降趋势,且最大误差分别不超过6.88%和8.02 m;与网联人工驾驶车渗透率相比,智能网联车的渗透率对模型结果影响更大.

关键词：智能交通跟驰模型交通波理论智能网联车混合交通流信号交叉口

来源：评论

学校读者我要写书评

暂无评论

考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型

引用

华南理工大学学报（自然科学版） 2023年第6期51卷 10-19页

作者：赵建东焦岚馨赵志敏屈云超孙会君北京交通大学交通运输学院北京100044 北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044 北京交通大学轨道交通控制与安全国家重点实验室北京100044

为分析受侧向车辆换道影响下的目标车辆跟驰行为,结合多速度差理论跟驰模型和深度学习方法,提出了一种理论-数据组合驱动跟驰模型。首先考虑了跟驰车辆对于前向车辆和侧向车辆保持安全车距和受车辆速度差影响的特性,提出了双车道多速度... 详细信息

为分析受侧向车辆换道影响下的目标车辆跟驰行为,结合多速度差理论跟驰模型和深度学习方法,提出了一种理论-数据组合驱动跟驰模型。首先考虑了跟驰车辆对于前向车辆和侧向车辆保持安全车距和受车辆速度差影响的特性,提出了双车道多速度差跟驰模型(FS-MAVD模型),并利用差分进化算法进行模型参数标定。构建了CNN-Bi-LSTM-Attention数据驱动车辆跟驰模型,利用卷积神经网络层(CNN)充分提取前向和侧向车辆交通特征,双向长短期记忆网络层(Bi-LSTM)考虑驾驶员记忆效应,注意力机制层(Attention)用于分配模型权重,并基于数据进行驾驶员记忆时长、模型训练批次和训练轮数参数的训练。考虑理论模型广泛适用性和数据驱动模型接近真实值且平滑的特点,采用最优加权法将两种模型进行组合预测。利用无人机拍摄的快速路车辆轨迹数据,建立跟驰行为样本集,对所建模型进行训练和测试,并与LSTM模型、Bi-LSTM模型、CNN-Bi-LSTM-Attention模型、FS-MAVD理论模型的预测效果进行对比,并分别比对不同模型对不同车辆的预测精度和误差。结果表明,本研究构建的组合模型在加速度预测精度达到97.64%,预测均方根误差低至0.027,相比其他模型能更好地预测车辆受侧方车辆换道影响时的加减速情况,更好地分析目标车辆跟驰行为。

关键词：交通流车辆跟驰数据驱动模型组合模型预测深度学习

来源：评论

学校读者我要写书评

暂无评论

基于MI-PSO-RBF神经网络的铁路客货运量预测研究

引用

铁道运输与经济 2024年第9期46卷 123-135页

作者：薛锋吴林鸿汪雯文周琳西南交通大学交通运输与物流学院四川成都611756 西南交通大学综合交通运输智能化国家地方联合工程实验室四川成都611756 西南交通大学综合交通大数据应用技术国家工程实验室四川成都611756

准确地预测铁路客货运量对合理配置运输资源、提高铁路客货运组织工作效率有重要作用。为提高铁路客货运量的预测精度,提出一种基于MI-PSO-RBF神经网络的客货运量组合预测模型。本研究对铁路客货运量的影响因素及其内在关联进行分析,选... 详细信息

准确地预测铁路客货运量对合理配置运输资源、提高铁路客货运组织工作效率有重要作用。为提高铁路客货运量的预测精度,提出一种基于MI-PSO-RBF神经网络的客货运量组合预测模型。本研究对铁路客货运量的影响因素及其内在关联进行分析,选取相关指标,利用互信息素法对指标进行筛选,构建影响因素指标体系。基于该指标体系,运用粒子群算法优化的RBF神经网络模型分别对铁路客货运量进行预测,并与传统的BP神经网络、RBF神经网络预测模型进行比较。结果显示,经过参数调整优化后的MI-PSO-RBF神经网络在铁路客运量及货运量的预测精度方面表现最佳,测试集R2分别达到了0.9481与0.9911,具有较高的精度及泛化能力,表明该组合预测模型能够进一步提升神经网络模型预测铁路客货运量精确度。

关键词：客货运量预测互信息素粒子群算法 RBF神经网络影响因素法

来源：评论

学校读者我要写书评

暂无评论

考虑伤员健康状态变化的紧急医疗救援路径优化

引用

安全与环境工程 2024年第4期31卷 116-124页

作者：蒲港杨佳鑫杨磊李国旗西南交通大学交通运输与物流学院四川成都611756 西南交通大学综合交通运输智能化国家地方联合工程实验室四川成都611756 西南交通大学综合交通大数据应用技术国家工程实验室四川成都611756

重大突发事件造成的伤员人数往往超出现场急救、转运和处理能力,邻近医院仅能提供有限的医疗救援服务,高效地转运不同受伤程度的伤员成为紧急医疗救援的关键。以全部伤员的健康状态总和最大为目标,考虑伤员病情随时间动态恶化的程度,提... 详细信息

重大突发事件造成的伤员人数往往超出现场急救、转运和处理能力,邻近医院仅能提供有限的医疗救援服务,高效地转运不同受伤程度的伤员成为紧急医疗救援的关键。以全部伤员的健康状态总和最大为目标,考虑伤员病情随时间动态恶化的程度,提出了一种救护车与社会车辆共同救援的多车场、多车型、多周期紧急医疗救援路径优化模型,并以成都市的部分安置点和医院的实际数据为例,采用启发式邻域搜索算法对模型进行求解,验证了模型的有效性。结果表明:采用共同救援模式可有效提高伤员整体健康水平。研究结果可为重大突发事件下的伤员转运及通道保障提供决策参考。

关键词：重大突发事件紧急医疗救援共同救援路径优化伤员健康状态启发式邻域搜索算法

来源：评论

学校读者我要写书评

暂无评论

基于机动车比功率分布的生态驾驶评价与轨迹优化

引用

清华大学学报（自然科学版） 2023年第11期63卷 1760-1769页

作者：臧金蕊焦朋朋宋国华王天实王健宇北京建筑大学土木与交通工程学院通用航空技术北京实验室北京100044 北京交通大学交通运输学院综合交通运输大数据应用技术交通运输行业重点实验室北京100044 清华大学土木工程系北京100084

生态驾驶是节能减排的重要手段。为对驾驶行为的生态性水平进行定量评价及优化,该文基于大量驾驶员逐秒轨迹数据,构建了大量驾驶员整体与驾驶员个体的机动车比功率(vehicle specific power,VSP)分布模型,并基于整体与个体VSP分布差异提... 详细信息

生态驾驶是节能减排的重要手段。为对驾驶行为的生态性水平进行定量评价及优化,该文基于大量驾驶员逐秒轨迹数据,构建了大量驾驶员整体与驾驶员个体的机动车比功率(vehicle specific power,VSP)分布模型,并基于整体与个体VSP分布差异提出驾驶行为生态性定量评价模型,识别实际生态驾驶轨迹,构建了基于人类实际驾驶特征的生态驾驶轨迹优化方法。结果表明:整体与个体VSP分布差异可量化评估油耗水平,实现对驾驶行为生态性的定量评价。该文构建的正弦函数多项式生态轨迹曲线,对不环保驾驶可达到7.63%的节油效果,可为驾驶员提供符合人类驾驶特征且易于遵循的生态轨迹优化曲线。

关键词：生态驾驶驾驶行为轨迹优化机动车比功率

来源：评论

学校读者我要写书评

暂无评论

建成环境对地铁节假日客流影响的时空异质性研究

引用

现代城市研究 2024年第9期39卷 100-106页

作者：薛锋郭东琦张新宇西南交通大学交通运输与物流学院西南交通大学综合交通大数据应用技术国家工程实验室内蒙古锦华路港物流有限责任公司铁路运输分公司

地铁客流的时空特征与线网空间结构有较强相关性,因此明确建成环境对客流影响的时空异质性十分重要,时空异质性是指在不同时空状态下存在差异。文章以杭州地铁为实例,结合城市多源数据的挖掘与应用、构建建成环境因素集,建立了基于高德... 详细信息

地铁客流的时空特征与线网空间结构有较强相关性,因此明确建成环境对客流影响的时空异质性十分重要,时空异质性是指在不同时空状态下存在差异。文章以杭州地铁为实例,结合城市多源数据的挖掘与应用、构建建成环境因素集,建立了基于高德点阵分布法的4种车站聚类模型,结合最优聚类结果、基于时空地理加权回归模型细化时空维度,得出了6种建成环境因素对五一节假日、十一节假日客流在每日和每类车站的影响程度结论及原因分析。

关键词：车站聚类直接吸引范围城市数据挖掘时空地理加权回归模型建成环境

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：