检索结果-内蒙古大学图书馆

电脑知识与技术 2021年第4期17卷 138-140页

作者：吴庭芳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

算法设计与分析是计算机相关专业的核心课程之一,但在课程教学实践中,存在课堂教学方式单一、缺乏实践环节、教学内容未与时俱进等问题。鉴于此,结合算法设计与分析课程的特点和教学经验,从该课程的理论教学、实践教学和自主研学三个方... 详细信息

算法设计与分析是计算机相关专业的核心课程之一,但在课程教学实践中,存在课堂教学方式单一、缺乏实践环节、教学内容未与时俱进等问题。鉴于此,结合算法设计与分析课程的特点和教学经验,从该课程的理论教学、实践教学和自主研学三个方面进行改革探讨,提出一些具体的教学改革措施,构建基于理论教学、实践教学和自主研学"三位一体"的算法设计与分析课程新型教学模式,从而激发学生学习的主观能动性,提高课程教学效能。

关键词：高校课程算法设计与分析教学模式教学改革三位一体

来源：评论

学校读者我要写书评

暂无评论

一种基于改进向量投影距离的知识图谱表示方法

引用

计算机科学 2020年第4期47卷 189-193页

作者：李鑫超李培峰朱巧明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江苏苏州215006

表示学习在知识图谱推理中有着重要的研究价值,将知识库中的实体和关系用连续低维向量进行表示,可实现知识的可计算。基于向量投影距离的知识表示学习模型在面对复杂关系时有较好的知识表达能力,但在处理一对一简单关系时容易受到无关... 详细信息

表示学习在知识图谱推理中有着重要的研究价值,将知识库中的实体和关系用连续低维向量进行表示,可实现知识的可计算。基于向量投影距离的知识表示学习模型在面对复杂关系时有较好的知识表达能力,但在处理一对一简单关系时容易受到无关信息的干扰,并且在一对多、多对一和多对多等复杂关系上存在性能提升空间。为此,文中提出了一个基于改进向量投影距离的知识表示学习模型SProjE,该模型引入自适应度量方法,降低了噪声信息的影响。在此基础上,通过进一步优化损失函数来提高复杂关系三元组的损失权重。该模型适用于大规模知识图谱的表示学习任务。最后,在标准知识图谱数据集WN18和FB15K上分析和验证了所提方法的有效性,基于链路预测任务的评测实验结果表明,相较于现有的模型和方法,SProjE在各项性能指标上均取得了明显的进步。

关键词：知识图谱表示学习自适应度量链路预测

来源：评论

学校读者我要写书评

暂无评论

基于双重注意力机制的异步优势行动者评论家算法

引用

计算机学报 2020年第1期43卷 93-106页

作者：凌兴宏李杰朱斐刘全伏玉琛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 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000 常熟理工学院计算机科学与工程学院江苏常熟215500

深度强化学习是目前机器学习领域发展最快的技术之一.传统的深度强化学习方法在处理高维度大状态的空间任务时,庞大的计算量导致其训练时间过长.虽然异步深度强化学习利用异步方法极大缩短了训练时间,但会忽略某些更具价值的图像区域和... 详细信息

深度强化学习是目前机器学习领域发展最快的技术之一.传统的深度强化学习方法在处理高维度大状态的空间任务时,庞大的计算量导致其训练时间过长.虽然异步深度强化学习利用异步方法极大缩短了训练时间,但会忽略某些更具价值的图像区域和图像特征.针对上述问题,本文提出了一种基于双重注意力机制的异步优势行动者评论家算法.新算法利用特征注意力机制和视觉注意力机制来改进传统的异步深度强化学习模型.其中,特征注意力机制为卷积神经网络卷积后的所有特征图设置不同的权重,使得智能体聚焦于重要的图像特征;同时,视觉注意力机制为图像不同区域设置权重参数,权重高的区域表示该区域信息对智能体后续的策略学习有重要价值,帮助智能体更高效地学习到最优策略.新算法引入双重注意力机制,从表层和深层两个角度对图像进行编码表征,帮助智能体将聚焦点集中在重要的图像区域和图像特征上.最后,通过Atari 2600部分经典实验验证了基于双重注意力机制的异步优势行动者评论家算法的有效性.

关键词：注意力机制双重注意力机制行动者评论家异步优势行动者评论家异步深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于带权词格的循环神经网络句子语义表示建模

引用

计算机研究与发展 2019年第4期56卷 854-865页

作者：张祥文陆紫耀杨静林倩卢宇王鸿吉苏劲松厦门大学福建厦门361000 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

目前,循环神经网络(recurrent neural network, RNN)已经被广泛应用于自然语言处理的文本序列语义表示建模.对于没有词语分隔符的语言,例如中文,该网络以经过分词预处理的词序列作为标准输入.然而,非最优的分词粒度和分词错误会对句子... 详细信息

目前,循环神经网络(recurrent neural network, RNN)已经被广泛应用于自然语言处理的文本序列语义表示建模.对于没有词语分隔符的语言,例如中文,该网络以经过分词预处理的词序列作为标准输入.然而,非最优的分词粒度和分词错误会对句子语义表示建模产生负面作用,影响后续自然语言处理任务的进行.针对这些问题,提出基于带权词格的循环神经网络模型.该模型以带权词格作为输入,在每个时刻融合多个输入向量和对应的隐状态,融合生成新的隐状态.带权词格是一种包含指数级别分词结果的压缩数据结构,词格中的边权重在一定程度上体现了不同分词结果的一致性.特别地,利用词格权重作为融合函数中权重建模的监督信息,进一步提升了模型句子语义表示的学习效果.相比于传统循环神经网络,该模型不仅能够缓解分词错误对句子语义建模产生的负面影响,同时使得语义建模具有更强的灵活性.在情感分类和问句分类2个任务上的实验结果证明了该模型的有效性.

关键词：带权词格循环神经网络句子语义建模情感分类问句分类

来源：评论

学校读者我要写书评

暂无评论

李群机器学习为解决“定性+定量”复杂问题提供新范式

引用

智能系统学报 2023年第4期18卷 642-642页

作者：李凡长俄罗斯工程院江苏省机器学习与网络安全交叉研究工程中心江苏省计算机信息处理技术重点实验室苏州大学机器学习与类脑计算国际合作实验室江苏省计算机学会江苏省人工智能学会苏州市人工智能学会中国人工智能学会

自2022年12月OpenAI发布ChatGPT以来,以通用人工智能(artificial general intelligence,AGI)为代表的人工智能技术变革进入了加速发展的快车道。机器学习作为通用人工智能的核心技术,能否帮助人们解决“线性+非线性”“单参数+多参数”... 详细信息

自2022年12月OpenAI发布ChatGPT以来,以通用人工智能(artificial general intelligence,AGI)为代表的人工智能技术变革进入了加速发展的快车道。机器学习作为通用人工智能的核心技术,能否帮助人们解决“线性+非线性”“单参数+多参数”“离散+连续”“定性+定量”“局部+全局”等复杂问题。这已是考验机器学习的关键。机器学习该如何发展?正如北京大学数学科学学院鄂维南院士所说:“机器学习已开创应用数学新机遇。”因此,利用“数学方法+机器学习”模式进行交叉研究是研究机器学习的发展新方向。

关键词：数学科学学院机器学习人工智能技术数学方法应用数学交叉研究单参数发展新方向

来源：评论

学校读者我要写书评

暂无评论

汉语篇章理解研究综述

引用

软件学报 2019年第7期30卷 2052-2072页

作者：孔芳王红玲周国栋苏州大学计算机科学与技术学院自然语言处理实验室江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006

人们理解自然语言通常是在篇章级进行的,随着词汇级及句子级研究的日益成熟,自然语言处理研究的焦点已转向篇章级。篇章分析的主要任务就是从整体上分析出篇章结构及其构成单元之间的语义关系,并利用上下文理解篇章。根据不同的篇章分... 详细信息

人们理解自然语言通常是在篇章级进行的,随着词汇级及句子级研究的日益成熟,自然语言处理研究的焦点已转向篇章级。篇章分析的主要任务就是从整体上分析出篇章结构及其构成单元之间的语义关系,并利用上下文理解篇章。根据不同的篇章分析目的,篇章单元及其关系可以表示为不同的篇章基本结构,不同篇章基本结构及其关系的研究可提供不同层面的篇章理解。目前对汉语篇章内在规律的研究较少,缺乏对篇章进行有效分析和深入理解的理论方法体系,这严重制约了篇章级的相关研究及应用。重点关注篇章的两个最基本特征,即衔接性和连贯性,从篇章结构分析的理论研究、资源建设和计算模型这3个方面,分别探讨篇章修辞结构(体现篇章连贯性)和话题结构(体现篇章衔接性),对篇章理解的国内外研究现状进行了归纳和整理,并给出了目前存在的主要问题和研究趋势。

关键词：自然语言理解篇章分析篇章修辞结构篇章话题结构

来源：评论

学校读者我要写书评

暂无评论

密度峰值聚类算法综述

引用

计算机研究与发展 2020年第2期57卷 378-394页

作者：陈叶旺申莲莲钟才明王田陈谊杜吉祥华侨大学计算机科学与技术学院福建厦门361021 食品安全大数据技术北京市重点实验室(北京工商大学) 北京100048 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 福建省大数据智能与安全重点实验室(华侨大学) 福建厦门361021 宁波大学信息学院浙江宁波315211

密度峰值聚类(density peak,DPeak)算法是一种简单有效的聚类算法,它可将任意维度数据映射成2维,在降维后的空间中建构出数据之间的层次关系,可以非常容易地从中挑选出密度高、且与其他密度更高区域相隔较远的数据点.这些点被称为密度... 详细信息

密度峰值聚类(density peak,DPeak)算法是一种简单有效的聚类算法,它可将任意维度数据映射成2维,在降维后的空间中建构出数据之间的层次关系,可以非常容易地从中挑选出密度高、且与其他密度更高区域相隔较远的数据点.这些点被称为密度峰值点,可以用来作为聚类中心.根据建构好的层次关系,该算法提供了2种不同的方式完成最后聚类:一种是与用户交互的决策图,另一种是自动化方式.跟踪了DPeak近年来的发展与应用动态,对该算法的各种改进或变种从以下3方面进行了总结和梳理:首先,介绍了DPeak算法原理,对其在聚类算法分类体系中的位置进行了讨论.将其与5个主要的聚类算法做了比较之后,发现DPeak与均值漂移聚类算法(mean shift)有诸多相似之处,因而认为其可能为mean shift的一个特殊变种.其次,讨论了DPeak的几个不足之处,如复杂度较高、自适应性不足、精度低和高维数据适用性差等,将针对这些缺点进行改进的相关算法做了分类讨论.此外,梳理了DPeak算法在不同领域中的应用,如自然语言处理、生物医学应用、光学应用等.最后,探讨了密度峰值聚类算法所存在的问题及挑战,同时对进一步的工作进行展望.

关键词：聚类算法密度峰值大数据数据挖掘密度聚类

来源：评论

学校读者我要写书评

暂无评论

基于高效注意力机制的人脸超分辨网络

引用

计算机与数字工程 2024年第10期52卷 3065-3071页

作者：许子祥豆锐李佳雯高广谓南京邮电大学自动化学院南京210023 苏州大学江苏省计算机信息处理技术重点实验室苏州215000

目前,通过与面部先验联合的深度学习方法已经能够较好地恢复退化后的人脸图像细节。然而这些方法存在着一些不足。一方面,多任务联合训练需要在数据集上进行额外先验标记,并且引入先验预估将显著增加网络的计算量。另一方面,大多数方法... 详细信息

目前,通过与面部先验联合的深度学习方法已经能够较好地恢复退化后的人脸图像细节。然而这些方法存在着一些不足。一方面,多任务联合训练需要在数据集上进行额外先验标记,并且引入先验预估将显著增加网络的计算量。另一方面,大多数方法仅使用卷积神经网络(CNN),然而CNN有限的感受野会降低重构的完整性和面部图像的准确性。针对上述问题,提出了一种基于高效注意力机制的人脸超分辨率网络。该网络在不需要任何先验信息的辅助下,通过结合CNN与Transformer等注意力机制,能够有效地恢复人脸的全局结构与局部纹理细节。在各个数据集的大量实验都表明该网络可以达到理想的结果。

关键词：人脸超分辨率 Transformer 卷积神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种基于迁移深度强化学习的建筑能耗预测方法

引用

计算机应用研究 2020年第S01期37卷 92-94页

作者：傅启明吴少波戴大东杨正霞陈建平吴宏杰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 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

建筑能耗在我国总能耗中占比超过了35%。建筑能耗预测是能源科学管理、高效节能、低碳绿色发展的重要课题。但建筑能耗数据的成因复杂、独立同分布性弱、目标域样本不足,导致现有预测模型泛化性不足。由此提出了一种基于迁移深度强化学... 详细信息

建筑能耗在我国总能耗中占比超过了35%。建筑能耗预测是能源科学管理、高效节能、低碳绿色发展的重要课题。但建筑能耗数据的成因复杂、独立同分布性弱、目标域样本不足,导致现有预测模型泛化性不足。由此提出了一种基于迁移深度强化学习的建筑能耗预测方法,充分利用隐藏层结构模型迁移共享建筑能耗的有用信息,通过堆叠去噪自动编码器挖掘建筑能耗中深层特征,结合强化学习Q-Learning方法进行建筑能耗建模。为了验证方法性能,采用了美国加利福尼亚州弗里蒙特的零售建筑真实能耗数据,与Q-Learning、ADE-BPNN、BP-Adaboost进行了比较,所提方法在MSE、RMSE、MAE、MAPE方面分别比上述三种方法的平均值降低了25.9%、13.1%、23.7%、19.3%,有效提高了建筑能耗预测的精度。

关键词：特征迁移堆叠去噪自动编码器深度强化学习建筑能耗预测

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘的双权重学习法

引用

计算机科学 2020年第12期47卷 210-217页

作者：李斌刘全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 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

强化学习是人工智能领域中的一个研究热点。在求解强化学习问题时,传统的最小二乘法作为一类特殊的函数逼近学习方法,具有收敛速度快、充分利用样本数据的优势。通过对最小二乘时序差分算法(Least-Squares Temporal Difference,LSTD)的... 详细信息

强化学习是人工智能领域中的一个研究热点。在求解强化学习问题时,传统的最小二乘法作为一类特殊的函数逼近学习方法,具有收敛速度快、充分利用样本数据的优势。通过对最小二乘时序差分算法(Least-Squares Temporal Difference,LSTD)的研究与分析,并以该方法为基础提出了双权重最小二乘Sarsa算法(Double Weights With Least Squares Sarsa,DWLS-Sarsa)。DWLS-Sarsa算法将两权重通过一定方式进行关联得到目标权重,并利用Sarsa方法对时序差分误差进行控制。在算法训练过程中,两权重会因为更新样本的不同而产生不同的值,保证了算法可以有效地进行探索;两权重也会因为样本数据的分布而逐渐缩小之间的差距直到收敛至同一最优值,确保了算法的收敛性能。最后将DWLS-Sarsa算法与其他强化学习算法进行实验对比,结果表明DWLS-Sarsa算法具有较优的学习性能与鲁棒性,可以有效地处理局部最优问题并提高算法收敛时的表现效果。

关键词：强化学习函数逼近最小二乘时序差分 Sarsa

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：