检索结果-内蒙古大学图书馆

计算机应用 2019年第12期39卷 3445-3449页

作者：陆金刚张莉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

针对尺度和视角变化导致的监控视频和图像中的人数估计性能差的问题,提出了一种基于多尺度多列卷积神经网络(MsMCNN)的密集人群计数模型。在使用MsMCNN进行特征提取之前,使用高斯滤波器对数据集进行处理得到图像的真实密度图,并且对数... 详细信息

针对尺度和视角变化导致的监控视频和图像中的人数估计性能差的问题,提出了一种基于多尺度多列卷积神经网络(MsMCNN)的密集人群计数模型。在使用MsMCNN进行特征提取之前,使用高斯滤波器对数据集进行处理得到图像的真实密度图,并且对数据集进行数据增强。MsMCNN以多列卷积神经网络的结构为主干,首先从具有多尺度的多个列中提取特征图;然后,用MsMCNN在同一列上连接具有相同分辨率的特征图,以生成图像的估计密度图;最后,对估计密度图进行积分来完成人群计数的任务。为了验证所提模型的有效性,在Shanghaitech数据集和UCFCC50数据集上进行了实验,与经典模型Crowdnet、多列卷积神经网络(MCNN)、级联多任务学习(CMTL)方法、尺度自适应卷积神经网络(SaCNN)相比,所提模型在Shanghaitech数据集PartA和UCFCC50数据集上平均绝对误差(MAE)分别至少减小了10.6和24.5,均方误差(MSE)分别至少减小了1.8和29.3;在Shanghaitech数据集PartB上也取得了较好的结果。MsMCNN更注重特征提取过程中的浅层特征的结合以及多尺度特征的结合,可以有效减少尺度和视角变化带来的精确度偏低的影响,提升人群计数的性能。

关键词：密集人群计数密度图卷积神经网络多尺度尺度和视角变化

来源：评论

学校读者我要写书评

暂无评论

基于多层感知机的蛋白质变性温度预测

引用

计算机应用研究 2019年第8期36卷 2421-2423页

作者：丁雪松黄立群张步忠杨洋吕强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

准确预测蛋白质变性温度在蛋白质工程和药物研制等领域具有重要意义。将全局特征和序列特征作为初始特征向量,利用提出的基于权值的降维算法对初始特征向量进行降维,降维后的特征输入多层感知机模型预测蛋白质变性温度。在盲测数据集上... 详细信息

准确预测蛋白质变性温度在蛋白质工程和药物研制等领域具有重要意义。将全局特征和序列特征作为初始特征向量,利用提出的基于权值的降维算法对初始特征向量进行降维,降维后的特征输入多层感知机模型预测蛋白质变性温度。在盲测数据集上,该方法预测结果与实验测定结果的PCC值由降维前的0.77增加到0.8,RMSE值由降维前的0.17降低到了0.16,蛋白质变性温度预测值的分类准确率与现有方法比较有明显提升。

关键词：蛋白质变性温度多层感知机回归预测

来源：评论

学校读者我要写书评

暂无评论

超密集场景下考虑业务动态的功率匹配算法

引用

北京邮电大学学报 2019年第5期42卷 48-53页

作者：张晖刘姝赵海涛孙雁飞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 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

提出了一种面向超密集场景的考虑业务动态的无线网络功率资源匹配算法.首先,根据网络异构和业务动态变化特征,建立双层动态博弈模型.针对不同博弈层参与者的需求特性,以最大化效用函数为准则,设计不同的效益模型,并通过对网络中业务动... 详细信息

提出了一种面向超密集场景的考虑业务动态的无线网络功率资源匹配算法.首先,根据网络异构和业务动态变化特征,建立双层动态博弈模型.针对不同博弈层参与者的需求特性,以最大化效用函数为准则,设计不同的效益模型,并通过对网络中业务动态性的预测调整定价因子,以更准确地反映网络环境的变化;其次,根据双层非合作博弈的特性进行分层功率博弈求解,通过宏蜂窝用户与微基站以及微蜂窝用户之间的多次非合作功率博弈达到均衡;最后,通过与现有功率资源匹配算法仿真比较,所提算法具有优越的性能.

关键词：热点高容量场景双层动态博弈业务预测资源匹配

来源：评论

学校读者我要写书评

暂无评论

基于自注意力机制的事件时序关系分类方法

引用

计算机科学 2019年第8期46卷 244-248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

事件时序关系分类是事件抽取的重要后续任务。随着深度学习技术的发展,神经网络在事件时序关系分类任务中发挥着重要作用。但是,对于传统的循环神经网络或卷积神经网络而言,处理结构信息和捕获长距离依赖关系仍然是一个重大挑战。针对... 详细信息

事件时序关系分类是事件抽取的重要后续任务。随着深度学习技术的发展,神经网络在事件时序关系分类任务中发挥着重要作用。但是,对于传统的循环神经网络或卷积神经网络而言,处理结构信息和捕获长距离依赖关系仍然是一个重大挑战。针对这个问题,文中提出了一种基于自注意力机制的事件时序关系分类模型架构,它可以直接捕获句子中任意两个词例之间的关系。将该机制与非线性网络层结合,可以使事件时序关系分类的性能得到显著提高。在TimeBank-Dense和Richer Event Description数据集上的对比实验证明:所提方法优于现有的大多数神经网络方法。

关键词：时序关系深度学习自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多注意力机制的事件同指消解方法

引用

计算机科学 2019年第8期46卷 277-281页

作者：方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

事件同指消解是信息抽取的一项重要任务,在信息融合、问答系统、阅读理解中都有着重要的作用。文中提出了一种基于多种注意力机制的卷积神经网络的CorefNet方法,用于消解文档级事件同指。该方法通过深层卷积网络抽取事件特征,并使用多... 详细信息

事件同指消解是信息抽取的一项重要任务,在信息融合、问答系统、阅读理解中都有着重要的作用。文中提出了一种基于多种注意力机制的卷积神经网络的CorefNet方法,用于消解文档级事件同指。该方法通过深层卷积网络抽取事件特征,并使用多种注意力机制获取重要信息。相比过去大部分建立在概率模型和图模型上的传统方法,所提方法仅使用了少量特征;与目前主流的神经网络模型相比,文中方法可以提取深层的事件特征,明显提高了事件同指消解的准确率。在ACE2005数据集上的实验验证了CorefNet优于目前最优的基准系统。

关键词：事件同指文档级注意力机制深层卷积网络

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

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

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

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

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：