检索结果-内蒙古大学图书馆

计算机学报 2019年第8期42卷 1812-1826页

作者：朱斐吴文伏玉琛刘全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京210000 吉林大学符号计算与知识工程教育部重点实验室长春130012 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 常熟理工学院计算机科学与工程学院江苏常熟215500

深度强化学习利用深度学习感知环境信息,使用强化学习求解最优决策,是当前人工智能领域的主要研究热点之一.然而,大部分深度强化学习的工作未考虑安全问题,有些方法甚至特意加入带随机性质的探索来扩展采样的覆盖面,以期望获得更好的近... 详细信息

深度强化学习利用深度学习感知环境信息,使用强化学习求解最优决策,是当前人工智能领域的主要研究热点之一.然而,大部分深度强化学习的工作未考虑安全问题,有些方法甚至特意加入带随机性质的探索来扩展采样的覆盖面,以期望获得更好的近似最优解.可是,不受安全控制的探索性学习很可能会带来重大风险.针对上述问题,提出了一种基于双深度网络的安全深度强化学习(Dual Deep Network Based Secure Deep Reinforcement Learning,DDN-SDRL)方法.DDN-SDRL方法设计了危险样本经验池和安全样本经验池,其中危险样本经验池用于记录探索失败时的临界状态和危险状态的样本,而安全样本经验池用于记录剔除了临界状态和危险状态的样本.DDN-SDRL方法在原始网络模型上增加了一个深度Q网络来训练危险样本,将高维输入编码为抽象表示后再解码为特征;同时提出了惩罚项描述临界状态,并使用原始网络目标函数和惩罚项计算目标函数.DDN-SDRL方法以危险样本经验池中的样本为输入,使用深度Q网络训练得到惩罚项.由于DDN-SDRL方法利用了临界状态、危险状态及安全状态信息,因此Agent可以通过避开危险状态的样本、优先选取安全状态的样本来提高安全性.DDN-SDRL方法具有通用性,能与多种深度网络模型结合.实验验证了方法的有效性.

关键词：强化学习深度强化学习深度Q网络安全深度强化学习安全人工智能经验回放

来源：评论

学校读者我要写书评

暂无评论

基于五星教学原理的算法导论混合式教学设计

引用

电脑知识与技术 2020年第18期16卷 139-141页

作者：权丽君吴剑计算机科学与技术学院苏州大学江苏苏州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 中移(苏州)软件技术有限公司江苏苏州215000

《算法导论》作为计算机专业一门重要的专业必修课,具有多学科性、强理论性和高概括性。在高校教学中,线上教学可以辅助传统的线下教学。这样的混合式教学不仅发挥了教学者的主导性,也提高了学习者的主观能动性。目前,现有的研究大多只... 详细信息

《算法导论》作为计算机专业一门重要的专业必修课,具有多学科性、强理论性和高概括性。在高校教学中,线上教学可以辅助传统的线下教学。这样的混合式教学不仅发挥了教学者的主导性,也提高了学习者的主观能动性。目前,现有的研究大多只局限于线上本身的特点,缺乏重要的教学原理指导,从而影响了混合式教学的实际教学效能。因此,尝试使用五星教学原理指导算法导论的混合式教学模式构建,用以提高教学效果,丰富学科教学理论。

关键词：算法导论混合式教学五星教学原理高校教学新型教学环境

来源：评论

学校读者我要写书评

暂无评论

基于下采样的局部判别矩阵型分类的心衰死亡率预测

引用

华东理工大学学报（自然科学版） 2019年第1期45卷 156-162页

作者：陈钊志李冬冬王喆阮彤高炬华东理工大学信息科学与工程学院上海200237 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 上海曙光医院上海200021

不平衡分类问题的特征是样本集中每类样本个数相差较大,导致分类结果偏向多数类样本,少数类样本被忽视。而在不平衡分类问题中,少数类样本需要更多的关注。本文基于上海曙光医院提供的心衰医疗数据,提出了一个针对心衰病人死亡率预测的... 详细信息

不平衡分类问题的特征是样本集中每类样本个数相差较大,导致分类结果偏向多数类样本,少数类样本被忽视。而在不平衡分类问题中,少数类样本需要更多的关注。本文基于上海曙光医院提供的心衰医疗数据,提出了一个针对心衰病人死亡率预测的框架,为心衰的辅助治疗和诊断提供有效的信息。心衰医疗病例属于典型的不平衡分类问题,心衰病人在总的病人数量中只占少数,在检查中,应尽可能重点关注心衰病例。本文提出的框架采用下采样方法调整样本的比例,使类与类之间的规模平衡;使用主成分分析方法对高维数据进行特征选择;并在采样后的数据集上训练局部敏感判别矩阵型分类器,提高局部样本的关注度以获得更好的分类性能。实验结果表明,该框架能对心衰医疗数据提供较好的预测结果,与同类算法比较,表现出了更好的性能,是一个有效且实用的方法。

关键词：机器学习分类器心衰死亡率预测医疗辅助系统

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的HP模型优化方法研究

引用

计算机工程与应用 2019年第12期55卷 132-139页

作者：吴宏杰杨茹傅启明陈建平陆卫忠苏州科技大学电子与信息工程学院江苏苏州215009 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

蛋白质结构预测问题一直是生物信息学中的重要问题。基于疏水极性模型的蛋白质二维结构预测问题是一个典型的NP难问题。目前疏水极性模型优化的方法有贪心算法、粒子群算法、遗传算法、蚁群算法和蒙特卡罗模拟方法等,但这些方法成功收... 详细信息

蛋白质结构预测问题一直是生物信息学中的重要问题。基于疏水极性模型的蛋白质二维结构预测问题是一个典型的NP难问题。目前疏水极性模型优化的方法有贪心算法、粒子群算法、遗传算法、蚁群算法和蒙特卡罗模拟方法等,但这些方法成功收敛的鲁棒性不高,容易陷入局部最优。由此提出一种基于强化学习的HP模型优化方法,利用其连续马尔可夫最优决策与最大化全局累计回报的特点,在全状态空间中,构建基于能量函数的奖赏函数,引入刚性重叠检测规则,充分挖掘生物序列中的全局进化关系,从而进行有效与稳定的预测。以3条经典论文序列和5条Uniref50序列为实验对象,与贪心算法和粒子群算法分别进行了鲁棒性、收敛性与运行时间的比较。贪心算法只能在62.5%的序列上进行收敛,该文方法能在5万次训练后稳定的在所有序列上达到了收敛。与粒子群算法相比,两者都能找到最低能量结构,但该文的运行时间较粒子群算法降低了63.9%。

关键词：强化学习 HP模型结构预测

来源：评论

学校读者我要写书评

暂无评论

IP语音电话仿真实验设计与实现

引用

实验室研究与探索 2019年第1期38卷 95-98,102页

作者：唐灯平凌兴宏王林苏州大学文正学院江苏苏州215006 苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

随着因特网的普及,IP语音电话以其众多优点被广泛采用。学生在掌握IP语音电话工作原理基础上需要熟练掌握IP语音电话网络组建及配置过程。在实验条件有限、学生不能完成该实验情况下,采用模拟仿真技术能够使学生体验IP语音电话搭建配置... 详细信息

随着因特网的普及,IP语音电话以其众多优点被广泛采用。学生在掌握IP语音电话工作原理基础上需要熟练掌握IP语音电话网络组建及配置过程。在实验条件有限、学生不能完成该实验情况下,采用模拟仿真技术能够使学生体验IP语音电话搭建配置过程。采用Packet Tracer仿真软件模拟设置工作场景,搭建网络拓扑结构,并对网络进行详细配置,最终对实验效果进行验证。实践证明,模拟仿真技术提高学生动手能力,达到较好教学效果。为高校教师开展类似实验提供借鉴意义。

关键词： Packet Tracer仿真软件 IP语音电话动态主机配置协议

来源：评论

学校读者我要写书评

暂无评论

万有引力近邻的多视角分类学习

引用

计算机工程与应用 2019年第17期55卷 137-142,179页

作者：李艳琼李冬冬王喆张静华东理工大学信息科学与工程学院上海200237 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

不平衡数据问题对传统的近邻分类器带来了很大的挑战,它的准则函数往往会使测试样本类别偏向于多数类,且参数对数据集有很强的依赖性。基于万有引力的固定半径近邻分类器(GFRNN)算法通过引入万有引力定律的思想,实现了一个针对不平衡数... 详细信息

不平衡数据问题对传统的近邻分类器带来了很大的挑战,它的准则函数往往会使测试样本类别偏向于多数类,且参数对数据集有很强的依赖性。基于万有引力的固定半径近邻分类器(GFRNN)算法通过引入万有引力定律的思想,实现了一个针对不平衡数据的无参、高效的分类器,但GFRNN算法仅采用欧氏距离方法来计算半径和候选集。因此,基于GFRNN算法,在算法构造层面上提出了一种多视角学习框架MGFRNN。考虑到距离计算的多样性及所对应候选集的不确定性,在距离的计算中,采用欧式距离、一范数距离和切比雪夫距离三种度量方法,根据三种距离度量方法分别计算候选集半径,并计算候选集中各类样本对测试样本的万有引力大小,从而进行分类。实验结果证明,所提MGFRNN算法在比较算法中具有最高的分类精确度。

关键词：万有引力近邻策略多视角学习不平衡数据机器学习

来源：评论

学校读者我要写书评

暂无评论

5G动态异构场景下无线回程优化算法

引用

计算机工程与应用 2020年第16期56卷 62-68页

作者：张晖李风乐赵海涛孙雁飞朱洪波南京邮电大学江苏省无线通信重点实验室南京210003 南京邮电大学通信与网络技术国家工程研究中心南京210003 南京邮电大学教育部泛在网络健康服务系统工程研究中心南京210003 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

为解决面向5G动态异构场景的无线回程问题,提出一种考虑时延抖动的无线回程优化算法。对5G动态异构场景下的时延和时延抖动问题进行了系统的分析,建立了优化指标,进一步构建了基本回程模型。在此基础上,考虑时延优化需求,引入时延约束... 详细信息

为解决面向5G动态异构场景的无线回程问题,提出一种考虑时延抖动的无线回程优化算法。对5G动态异构场景下的时延和时延抖动问题进行了系统的分析,建立了优化指标,进一步构建了基本回程模型。在此基础上,考虑时延优化需求,引入时延约束构建改进模型1;考虑网络超载情况,松弛信道个数分配变量构建改进模型2,进而提出相应分层算法进行快速求解。仿真结果表明,与三类已有无线回程优化算法相比,所提算法具有更优的时延抖动性能。

关键词： 5G环境动态异构网络无线回程优化时延时延抖动

来源：评论

学校读者我要写书评

暂无评论

基于多示例遗传神经网络的室内PM_(2.5)预测

引用

计算机应用与软件 2019年第5期36卷 235-241页

作者：陈成吴宏杰柳维生傅启明汤烨苏州科技大学电子与信息工程学院江苏苏州215009 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 苏州市立医院(北区) 江苏苏州215000

在医疗环境中病员在室内停留的时间占全天的80%以上,因此开展室内空气质量的研究对病员康复具有重要意义。现有的PM_(2.5)预测方法主要存在两个问题:样本采集粒度与预测粒度不一致;对室内PM_(2.5)预测的相关特征研究不足。对此提出一种... 详细信息

在医疗环境中病员在室内停留的时间占全天的80%以上,因此开展室内空气质量的研究对病员康复具有重要意义。现有的PM_(2.5)预测方法主要存在两个问题:样本采集粒度与预测粒度不一致;对室内PM_(2.5)预测的相关特征研究不足。对此提出一种基于多示例遗传神经网络的PM_(2.5)预测方法。利用多示例机制有效解决采样间隔与预测时间的平衡问题,并引入与室内环境质量密切相关的通风率特征。以空气质量敏感的医疗单位中采集的实际数据进行验证。实验结果表明,该方法的相对误差为5.60%,比传统遗传神经网络降低7.55%,比支持向量回归方法降低5.98%,比随机森林方法低8.36%,比线性回归低7.66%,比决策树低14.69%,比LASSO回归低8.21%。

关键词：多示例 PM2.5预测神经网络遗传算法

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算的建筑设备状态感知模型与应用

引用

计算机工程与应用 2019年第18期55卷 263-270页

作者：吴宏杰沈华祥凌华靖傅启明陆卫忠付保川苏州科技大学电子与信息工程学院江苏苏州215009 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 苏州科技大学江苏省建筑智慧节能重点实验室江苏苏州215009

随着智能化建筑数量的剧增与智能化水平的提高,建筑智能设备状态感知成为了关系到社会公共安全方面重要问题之一。目前,建筑设备感知系统大多基于服务器集中计算架构,存在存储数据量大、通信带宽要求高、节点自主性不够等问题,往往容易... 详细信息

随着智能化建筑数量的剧增与智能化水平的提高,建筑智能设备状态感知成为了关系到社会公共安全方面重要问题之一。目前,建筑设备感知系统大多基于服务器集中计算架构,存在存储数据量大、通信带宽要求高、节点自主性不够等问题,往往容易造成建筑设备感知实时性不足、网络成本高的问题。由此,提出一种基于边缘计算的建筑设备状态感知模型,设计了边缘状态感知与缓存算法,建立了一组边缘通信与状态感知协议,形成了边缘隐私数据信任与安全机制,同时,引入基于边缘数据的智能决策技术,从而不仅缓解了中心服务器的计算与存储压力,而且有效提升了整个系统的自主感知能力、安全性与健壮性。最后,依托该模型实现了一个运维示范系统,在S城市管理中进行了应用。

关键词：边缘计算建筑设备状态感知

来源：评论

学校读者我要写书评

暂无评论

基于多模型的新闻标题分类

引用

中文信息学报 2018年第10期32卷 69-77页

作者：董孝政宋睿洪宇朱芬红朱巧明苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

该文研究中文新闻标题的领域分类方法(domain-oriented headline classification,DHC)。现有研究将DHC限定为一种短文本分类问题,并将传统分类模型和基于卷积神经网络的分类模型应用于这一问题的求解。然而,这类方法忽视了新闻标题的内... 详细信息

该文研究中文新闻标题的领域分类方法(domain-oriented headline classification,DHC)。现有研究将DHC限定为一种短文本分类问题,并将传统分类模型和基于卷积神经网络的分类模型应用于这一问题的求解。然而,这类方法忽视了新闻标题的内在特点,即为"标题是建立在凝练全文且弱相关的词语之上的一种强迫性的语义表述"。目前,融合了序列化记忆的循环神经网络在语义理解方面取得了重要成果。借助这一特点,该文将长短时记忆网络模型(long-short term memory,LSTM)及其变型——门控循环单元(gated recurrent unit,GRU)也应用于标题的语义理解与领域分类,实验验证其性能可达81%的F1值。此外,该文对目前前沿的神经网络分类模型进行综合分析,尝试寻找各类模型在DHC任务上共有的优势和劣势。通过对比"全类型多元分类"与"单类型二元分类",发现在领域性特征较弱和领域歧义性较强的样本上,现有方法难以取得更为理想的结果(F1值<81%)。借助上述分析,该文旨在推动DHC研究在标题语言特性上投入更为充分的关注。

关键词：领域标题分类卷积神经网络循环神经网络

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：