检索结果-内蒙古大学图书馆

支持PC终端的数字化语音交换系统的设计

引用

小型微型计算机系统 2003年第8期24卷 1549-1551页

作者：吴刚吕强赵雷杨季文苏州大学计算机工程系江苏省计算机信息处理技术重点实验室江苏苏州215006

Vo IP技术是指通过 TCP/ IP网络传输分组语音和传真 ,本文设计一个基于 Vo IP的实时语音交换系统 .该系统在企业内部网络中利用现有计算机和网络等硬件条件 ,实现了一套电话分机系统的功能 ,基于本系统能够方便地实现电话会议。

关键词： VolP 语音传输 IP电话企业内部网

来源：评论

学校读者我要写书评

暂无评论

一个网格服务工作流的动态调度算法

引用

计算机应用研究 2008年第11期25卷 3285-3287,3295页

作者：李超朱巧明李培峰马峰明苏州大学计算机学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006

针对服务网格环境中资源的动态性,提出了一种并行调度算法PGSWA(parallel grid service workflowscheduling),该算法引入了性能预测模型和并行就绪队列来预测下一段时间资源的性能并使得成员服务能够并行执行。实验证明,该算法能较好地... 详细信息

针对服务网格环境中资源的动态性,提出了一种并行调度算法PGSWA(parallel grid service workflowscheduling),该算法引入了性能预测模型和并行就绪队列来预测下一段时间资源的性能并使得成员服务能够并行执行。实验证明,该算法能较好地缩短工作流的执行时间,提高工作流的执行性能。

关键词：网格服务工作流动态调度性能预测模型并行队列

来源：评论

学校读者我要写书评

暂无评论

基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法

引用

四川大学学报（工程科学版） 2011年第6期43卷 119-126页

作者：丁卫平王建东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 南通大学计算机科学与技术学院江苏南通226019 南京航空航天大学计算机科学与技术学院江苏南京210016

针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法(NCNPSO-IAR)。该算法通过圆锥分层空间构造小生境半径邻域子... 详细信息

针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法(NCNPSO-IAR)。该算法通过圆锥分层空间构造小生境半径邻域子集向量,避免过多地依赖于先验领域知识生成小生境半径和早熟收敛,始终保持种群多样性,提高算法收敛速度。另外粒子种群在圆锥解空间充分进行约简集子矢量的协同学习,使属性约简集较好收敛到最优集。相关仿真实验表明:该属性约简优化算法是高效和鲁棒的,适用于不完备、含噪音决策表的属性约简。

关键词：小生境粒子群自适应邻域向量不完备决策表属性约简鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于受限MDP的无模型安全强化学习方法

引用

软件学报 2022年第8期33卷 3086-3102页

作者：朱斐葛洋洋凌兴宏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江苏南京210093 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

很多强化学习方法较少地考虑决策的安全性,但研究领域和工业应用领域都要求的智能体所做决策是安全的.解决智能体决策安全问题的传统方法主要有改变目标函数、改变智能体的探索过程等,然而这些方法忽略了智能体遭受的损害和成本,因此不... 详细信息

很多强化学习方法较少地考虑决策的安全性,但研究领域和工业应用领域都要求的智能体所做决策是安全的.解决智能体决策安全问题的传统方法主要有改变目标函数、改变智能体的探索过程等,然而这些方法忽略了智能体遭受的损害和成本,因此不能有效地保障决策的安全性.在受限马尔可夫决策过程的基础上,通过对动作空间添加安全约束,设计了安全Sarsa(λ)方法和安全Sarsa方法.在求解过程中,不仅要求智能体得到最大的状态-动作值,还要求其满足安全约束的限制,从而获得安全的最优策略.由于传统的强化学习求解方法不再适用于求解带约束的安全Sarsa(λ)模型和安全Sarsa模型,为在满足约束条件下得到全局最优状态-动作值函数,提出了安全强化学习的求解模型.求解模型基于线性化多维约束,采用拉格朗日乘数法,在保证状态-动作值函数和约束函数具有可微性的前提下,将安全强化学习模型转化为凸模型,避免了在求解过程中陷入局部最优解的问题,提高了算法的求解效率和精确度.同时,给出了算法的可行性证明.最后,实验验证了算法的有效性.

关键词：受限马尔可夫决策过程安全强化学习多维约束 Sarsa(λ)算法 Sarsa算法

来源：评论

学校读者我要写书评

暂无评论

槽填充中抽取模式的优化方法

引用

中文信息学报 2015年第2期29卷 199-206页

作者：沈晓卫李培峰朱巧明苏州大学计算机科学与技术学院、江苏省计算机信息处理技术重点实验室江苏苏州215006

在传统的信息抽取中,模式匹配已经被证实为简便而有效的方法,而依存路径也是最为常用的模式之一。在槽填充任务中就有众多的参与者引入了以依存路径为基础的模式匹配方法;该文就针对该方法中存在的包括模式平衡性,模式抽取方式和模式筛... 详细信息

在传统的信息抽取中,模式匹配已经被证实为简便而有效的方法,而依存路径也是最为常用的模式之一。在槽填充任务中就有众多的参与者引入了以依存路径为基础的模式匹配方法;该文就针对该方法中存在的包括模式平衡性,模式抽取方式和模式筛选策略等方面的问题,提出了模式裁剪、模式转置、模式扩展和模式语义定义等主要的优化方法并实现了相关系统,在TAC-KBP2010的目标语料上进行了测试。该文提出的方法F值为20.8%,比基准系统的14.3%提高了6.5%。

关键词：槽填充模式优化信息抽取

来源：评论

学校读者我要写书评

暂无评论

指代消解中距离特征的研究

引用

中文信息学报 2008年第5期22卷 39-44页

作者：杨勇李艳翠周国栋朱巧明苏州大学计算机科学与技术学院江苏省计算机信息处理技术重点实验室江苏苏州215006

指代消解是自然语言处理中的一个重要问题,包括专有名词、普通名词、代词的指代识别。本文实现了一个基于机器学习的英语名词短语的指代消解平台,通过对原始语料进行命名实体识别和名词短语识别等一系列预处理,选取了多个有效特征及其组... 详细信息

指代消解是自然语言处理中的一个重要问题,包括专有名词、普通名词、代词的指代识别。本文实现了一个基于机器学习的英语名词短语的指代消解平台,通过对原始语料进行命名实体识别和名词短语识别等一系列预处理,选取了多个有效特征及其组合,分别采用最大熵和SVM两种分类算法对名词短语进行分类,在此基础上着重研究了距离特征对指代消解的影响。在传统的基于机器学习的指代消解研究方法中,候选词和先行语的距离被定义为特征,而没有考虑距离在生成训练样例中的作用,本文通过把候选词和先行语的距离作为一个特征加入机器学习算法和作为限制条件用于指代关系候选实例的产生两方面进行详细研究,在MUC-6基准语料库上评测,实验结果表明,合理利用距离特征能够大大提高系统的性能。最终,本文采用最大熵和SVM两种分类器在测试集上分别获得了67.5和68.7的F1值,该结果优于同类型的其他系统。

关键词：计算机应用中文信息处理指代消解机器学习距离特征最大熵分类器 SVM分类器

来源：评论

学校读者我要写书评

暂无评论

语料对中文名词短语指代消解影响研究

引用

中文信息学报 2013年第3期27卷 61-68页

作者：高俊伟孔芳朱巧明李培峰苏州大学计算机科学与技术学院江苏省计算机信息处理技术重点实验室江苏苏州215006

指代是自然语言中一种常见的语言现象,对简化语言,减少冗余有很大的作用。指代消解是用计算机找出这些指代现象的一个过程。近几年英文指代消解研究取得了很大的成就,然而,中文指代消解研究目前还较少,一方面是由于中文自然语言处理的... 详细信息

指代是自然语言中一种常见的语言现象,对简化语言,减少冗余有很大的作用。指代消解是用计算机找出这些指代现象的一个过程。近几年英文指代消解研究取得了很大的成就,然而,中文指代消解研究目前还较少,一方面是由于中文自然语言处理的研究起步较晚,相关的知识较少,另外一方面就是中文相关的语料库较少,目前已知的仅有ACE2005,OntoNotes等。为了探讨语料库对中文名词短语指代消解的影响,该文实现了一个基于有监督学习方法的中文名词短语指代消解平台和一个基于无监督聚类方法的中文名词短语指代消解平台,在此平台的基础上从语料库的数量和质量两个方面来探讨语料对中文名词短语指代消解的影响。

关键词：指代消解名词短语无监督聚类语料

来源：评论

学校读者我要写书评

暂无评论

一种最大置信上界经验采样的深度Q网络方法

引用

计算机研究与发展 2018年第8期55卷 1694-1705页

作者：朱斐吴文刘全伏玉琛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) 长春130012 常熟理工学院计算机科学与工程学院江苏常熟215500

由深度学习(deep learning,DL)和强化学习(reinforcement learning,RL)结合形成的深度强化学习(deep reinforcement learning,DRL)是目前人工智能领域的一个热点.深度强化学习在处理具有高维度输入的最优策略求解任务中取得了很大的突破... 详细信息

由深度学习(deep learning,DL)和强化学习(reinforcement learning,RL)结合形成的深度强化学习(deep reinforcement learning,DRL)是目前人工智能领域的一个热点.深度强化学习在处理具有高维度输入的最优策略求解任务中取得了很大的突破.为了减少转移状态之间暂时的相关性,传统深度Q网络使用经验回放的采样机制,从缓存记忆中随机采样转移样本.然而,随机采样并不考虑缓存记忆中各个转移样本的优先级,导致网络训练过程中可能会过多地采用信息较低的样本,而忽略一些高信息量的样本,结果不但增加了训练时间,而且训练效果也不理想.针对此问题,在传统深度Q网络中引入优先级概念,提出基于最大置信上界的采样算法,通过奖赏、时间步、采样次数共同决定经验池中样本的优先级,提高未被选择的样本、更有信息价值的样本以及表现优秀的样本的被选概率,保证了所采样本的多样性,使智能体能更有效地选择动作.最后,在Atari 2600的多个游戏环境中进行仿真实验,验证了算法的有效性.

关键词：强化学习深度强化学习最大置信上界经验回放深度Q网络

来源：评论

学校读者我要写书评

暂无评论

面向事件时序与因果关系的联合识别方法

引用

计算机工程 2020年第7期46卷 65-71页

作者：张义杰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

从事件时序关系与因果关系的关联性出发,提出基于神经网络的联合识别方法。将时序关系和因果关系识别分别作为主任务和辅助任务,设计共享辅助任务中编码层、解码层和编解码层的3种联合识别模型,通过主任务模型和辅助任务模型中的网络层... 详细信息

从事件时序关系与因果关系的关联性出发,提出基于神经网络的联合识别方法。将时序关系和因果关系识别分别作为主任务和辅助任务,设计共享辅助任务中编码层、解码层和编解码层的3种联合识别模型,通过主任务模型和辅助任务模型中的网络层进行信息共享,学习联合识别模型之间的特征信息。实验结果表明,联合识别方法能利用事件之间的因果信息有效提升时序关系的识别性能,且共享辅助任务中编解码层的联合识别模型更适用于事件时序关系与因果关系的联合识别。

关键词：事件时序关系因果关系神经网络联合识别

来源：评论

学校读者我要写书评

暂无评论

基于语义和真值程度的相关查询客观度量

引用

情报学报 2012年第6期31卷 574-582页

作者：张卫丰张迎周周国强南京邮电学院计算机学院南京210003 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

相关查询可以给用户推荐合适的查询以辅助用户快速获得需要的信息，其中根据原始查询选择相关查询的优劣是相关查询有效性的关键。提出利用用户查询日志获得查询语义相关性，其关键是定义了三个与原始查询相关的相似性测度：查询串流行... 详细信息

相关查询可以给用户推荐合适的查询以辅助用户快速获得需要的信息，其中根据原始查询选择相关查询的优劣是相关查询有效性的关键。提出利用用户查询日志获得查询语义相关性，其关键是定义了三个与原始查询相关的相似性测度：查询串流行程度、查询串字面相似性和查询串之间语义相似性。使用真值程度度量，将查询串的三个测度度量值映射成一个查询相关性客观评价值，在计算过程中还能得到每个特性的优劣程度。实验结果表明：语义相关查询及其客观评价方法可以显著提高相关查询质量，主、客观评价值之间具有相当高的相关性，表明了本方法挖掘相关查询和评价相关查询的有效性。

关键词：相关查询日志挖掘语义相关性真值程度度量

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：