检索结果-内蒙古大学图书馆

电子科技大学学报 2022年第1期51卷 117-122页

作者：张强朱刘涛王彦琦东北石油大学计算机与信息技术学院黑龙江大庆163318

针对传统胶囊神经网络特征提取结构单一,模型参数量大以及动态路由算法中相似度衡量粗糙等问题,该文提出一种改进的胶囊神经网络。应用Fire Module模块,将网络中特征图通道数先进行压缩,再通过多尺度的卷积核提取特征信息,进而提升网络... 详细信息

针对传统胶囊神经网络特征提取结构单一,模型参数量大以及动态路由算法中相似度衡量粗糙等问题,该文提出一种改进的胶囊神经网络。应用Fire Module模块,将网络中特征图通道数先进行压缩,再通过多尺度的卷积核提取特征信息,进而提升网络的特征提取能力和减少网络模型的参数。将Dropout思想引入胶囊神经网络来增加模型的多样性,并在动态路由结构中应用Tanimoto系数提高动态路由算法性能,加快模型收敛提高精度。为验证改进胶囊神经网络的有效性,将改进的胶囊神经网络与双卷积胶囊神经网络和传统卷积神经网络以及VGG网络模型进行对比。实验结果表明,改进的模型具有更高的准确率和更快的训练速度。

关键词：胶囊神经网络 fire module模块示功图诊断 Tanimoto系数

来源：评论

学校读者我要写书评

暂无评论

一种基于转发图的域内路由保护算法

引用

计算机研究与发展 2024年第2期61卷 529-538页

作者：耿海军孟卓姚姗姗杨静池浩田尹霞山西大学计算机与信息技术学院太原030006 山西大学自动化与软件学院太原030006 山西大学大数据科学与产业研究院太原030006 清华大学计算机科学与技术系北京100084

业界提出利用路由保护算法来解决网络中的故障问题,然而已有的路由保护算法存在4个方面的问题:1)无法应对网络中所有可能的单故障情形;2)需要额外辅助机制的协助;3)不支持增量部署;4)每个结点存储多个到达目的地址的备份下一跳.提出一... 详细信息

业界提出利用路由保护算法来解决网络中的故障问题,然而已有的路由保护算法存在4个方面的问题:1)无法应对网络中所有可能的单故障情形;2)需要额外辅助机制的协助;3)不支持增量部署;4)每个结点存储多个到达目的地址的备份下一跳.提出一种基于转发图的域内路由保护算法(an intradomain routing protection algorithm based on forwarding graph,RPBFG)来解决这4个问题.首先建立了以最大化故障保护率为目标、以转发图包含反向最短路径树为约束条件的路由保护模型;然后提出了利用遗传算法构造满足上述目标的转发图;最后根据构造的转发图计算出所有结点到达目的结点的备份下一跳.在11个真实拓扑结构中比较了RPBFG,NPC,U-turn,MARA-MA,MARA-SPE在故障保护率和路径拉伸度的性能.实验结果表明,RPBFG可以应对网络中所有可能的单故障;在平均路径拉伸度方面,RPBFG比NPC,U-turn,MARA-MA,MARA-SPE分别降低了0.11%,0.72%,37.79%,36.26%.

关键词：路由保护网络故障故障保护率路径拉伸度有向无环图转发图

来源：评论

学校读者我要写书评

暂无评论

基于双域联合编码和秘密共享的密文域可逆信息隐藏

引用

应用科学学报 2023年第2期41卷 197-217页

作者：翁科秦健豪宋天然石慧辽宁师范大学计算机与信息技术学院辽宁大连116029

针对如何提高可逆信息隐藏算法的安全性和嵌入容量的问题,提出了一种基于双域联合编码和密码反馈秘密共享的密文域可逆信息隐藏算法。首先,对图像进行中值边缘检测器(median-edge detector,MED)预测,计算最优水平l,并将像素分成可预测... 详细信息

针对如何提高可逆信息隐藏算法的安全性和嵌入容量的问题,提出了一种基于双域联合编码和密码反馈秘密共享的密文域可逆信息隐藏算法。首先,对图像进行中值边缘检测器(median-edge detector,MED)预测,计算最优水平l,并将像素分成可预测像素和不可预测像素;其次,使用双域联合编码分别在像素域和比特域上压缩辅助信息,以便提供更多的可嵌入空间;再次,使用密码反馈秘密共享技术将原始图像加密生成多个加密图像,并将辅助信息和多方的秘密数据嵌入到多个加密图像中;最后,根据提取的辅助信息,100%恢复秘密数据以及原始图像。实验结果表明,该算法显著提高了嵌入容量和安全性。

关键词：密文域可逆信息隐藏双域联合编码秘密共享密码反馈高容量强安全

来源：评论

学校读者我要写书评

暂无评论

概率故障条件下k元(n-m)方体子网络的可靠性

引用

计算机应用 2023年第4期43卷 1198-1205页

作者：冯凯刘彤山西大学计算机与信息技术学院太原030006

k元n方体具有许多优良特性,已成为多处理器系统最常用的互连网络拓扑结构之一。当系统互连网络中发生故障时,系统子网络的保持能力对系统实际应用至关重要。为了精确度量k元n方体中任意规模子网络的容错能力,研究了有故障发生时k元n方体... 详细信息

k元n方体具有许多优良特性,已成为多处理器系统最常用的互连网络拓扑结构之一。当系统互连网络中发生故障时,系统子网络的保持能力对系统实际应用至关重要。为了精确度量k元n方体中任意规模子网络的容错能力,研究了有故障发生时k元n方体中k元(n-m)方体子网络的可靠性。当k(k≥3)为奇整数时,在概率故障条件下得出了k元n方体中存在无故障k元(n-m)方体子网络的概率的上界和下界,并给出了该可靠性的一种近似评估方法。实验结果表明,随着顶点可靠性的降低,k元(n-m)方体子网络可靠性的上下界趋于一致;当顶点可靠性较高时,利用近似评估方法得出的结果更为准确。

关键词：多处理器系统互连网络 k元n方体子网络可靠性概率故障

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的事件抽取研究综述

引用

软件学报 2023年第8期34卷 3905-3923页

作者：王浩畅周郴莲 Marius Gabriel PETRESCU 东北石油大学计算机与信息技术学院黑龙江大庆163318 Universitatea Petrol-gaze din Ploiesti Bucharest 100680Romania

事件抽取是从非结构化的自然语言文本中自动抽取用户感兴趣的事件信息,并以结构化的形式表示出来.事件抽取是自然语言处理与理解中的重要方向,在政府公共事务管理、金融业务、生物医学等不同领域有着很高的应用价值.根据对人工标注数据... 详细信息

事件抽取是从非结构化的自然语言文本中自动抽取用户感兴趣的事件信息,并以结构化的形式表示出来.事件抽取是自然语言处理与理解中的重要方向,在政府公共事务管理、金融业务、生物医学等不同领域有着很高的应用价值.根据对人工标注数据的依赖程度,目前基于深度学习的事件抽取方法主要分为两类:有监督和远程监督学习方法.对当前深度学习中事件抽取技术进行了全面的综述.围绕有监督中CNN、RNN、GAN、GCN与远程监督等方法,系统地总结了近几年的研究情况,并对不同的深度学习模型的性能进行了详细对比与分析.最后,对事件抽取面临的挑战进行了分析,针对研究趋势进行了展望.

关键词：事件抽取有监督学习深度学习远程监督信息抽取

来源：评论

学校读者我要写书评

暂无评论

基于融合通道注意力的Uformer的CT图像稀疏重建

引用

计算机应用 2023年第9期43卷 2948-2954页

作者：陈蒙蒙乔志伟山西大学计算机与信息技术学院太原030006

针对解析法稀疏重建中产生的条状伪影问题,提出一种融合通道注意力的U型Transformer(CA-Uformer),以实现高精度计算机断层成像(CT)的稀疏重建。CA-Uformer融合了通道注意力和Transformer中的空间注意力,双注意力机制使网络更容易学习到... 详细信息

针对解析法稀疏重建中产生的条状伪影问题,提出一种融合通道注意力的U型Transformer(CA-Uformer),以实现高精度计算机断层成像(CT)的稀疏重建。CA-Uformer融合了通道注意力和Transformer中的空间注意力,双注意力机制使网络更容易学习到图像细节信息;采用优秀的U型架构融合多尺度图像信息;采用卷积操作实现前向反馈网络设计,从而进一步耦合卷积神经网络(CNN)的局部信息关联能力和Transformer的全局信息捕捉能力。实验结果表明,与经典U-Net相比,CA-Uformer的峰值信噪比(PSNR)、结构相似性(SSIM)提高了3.27 dB、3.14%,均方根误差(RMSE)降低了35.29%,提升效果明显。可见,CA-Uformer稀疏重建精度更高,压制伪影能力更强。

关键词：计算机断层成像稀疏重建条状伪影 Transformer 通道注意力

来源：评论

学校读者我要写书评

暂无评论

基于卷积与自注意力的红外与可见光图像融合

引用

系统工程与电子技术 2024年第8期46卷 2641-2649页

作者：陈晓萱徐书文胡绍海马晓乐北京交通大学计算机与信息技术学院北京100044 中国电子科技集团公司电视电声研究所北京100015

由于卷积运算过于关注图像的局部特征,在对源图像进行融合时容易造成融合图像的全局语义信息丢失。为了解决该问题,提出一种基于卷积与自注意力的红外与可见光图像融合模型。该模型在使用卷积模块提取图像局部特征的同时,还使用自注意... 详细信息

由于卷积运算过于关注图像的局部特征,在对源图像进行融合时容易造成融合图像的全局语义信息丢失。为了解决该问题,提出一种基于卷积与自注意力的红外与可见光图像融合模型。该模型在使用卷积模块提取图像局部特征的同时,还使用自注意力来提取图像全局特征。此外,由于简单运算无法满足不同层次特征的融合,提出使用嵌入式块残差融合模块来实现多层次特征融合。实验结果表明,相比无监督深度融合算法,所提的方法在主观评价与6项客观指标上的结果具有一定优势。其中,互信息、标准差和视觉保真度分别提升了61.33%、9.96%和19.46%。

关键词：图像融合全局特征自注意力机制自编码器深度学习

来源：评论

学校读者我要写书评

暂无评论

无源反向散射通信系统载波频偏位置快速检测算法

引用

电子与信息学报 2023年第7期45卷 2311-2316页

作者：王公仆许亚婷许荣涛陈霞艾渤北京交通大学计算机与信息技术学院北京100044 北京交通大学电子信息工程学院北京100044

近来无源反向散射通信技术作为绿色物联网的关键技术,引起了广泛的关注。在无源反向散射通信系统中,收发节点与反射节点的振荡器差异、相对运动以及环境变化,导致接收端和发送端存在载波频率偏移(CFO)。CFO对信号检测和系统性能有重要影... 详细信息

近来无源反向散射通信技术作为绿色物联网的关键技术,引起了广泛的关注。在无源反向散射通信系统中,收发节点与反射节点的振荡器差异、相对运动以及环境变化,导致接收端和发送端存在载波频率偏移(CFO)。CFO对信号检测和系统性能有重要影响,而当前多数无源反向散射通信系统研究忽略了CFO。该文设计了一种适用于频移键控调制(FSK)的CFO快速检测方法,不需要导频就能快速有效检测出CFO是否存在并找出存在的位置。首先,根据信号在CFO存在与否的不同,采用去直流后取模方法对信号进行处理,而后根据处理后的信号的特点,基于累积和(CUSUM)设计快速检测算法对载波频偏出现的位置进行检测,并对理论分析结果进行仿真验证,仿真结果表明取模检测可以有效检测出CFO出现的位置。

关键词：反向散射通信载波频偏快速检测物联网

来源：评论

学校读者我要写书评

暂无评论

基于多粒度实体异构图的篇章级事件抽取方法

引用

计算机科学 2023年第5期50卷 255-261页

作者：张虎张广军山西大学计算机与信息技术学院太原030006

篇章级事件抽取是一项面向多个句子长文本的事件抽取任务,现有的篇章级事件抽取研究一般将事件抽取分为候选实体抽取、事件检测和论元识别3个子任务,且通常采用联合学习的方式进行训练。然而,已有篇章级事件抽取方法大都采用逐句的方式... 详细信息

篇章级事件抽取是一项面向多个句子长文本的事件抽取任务,现有的篇章级事件抽取研究一般将事件抽取分为候选实体抽取、事件检测和论元识别3个子任务,且通常采用联合学习的方式进行训练。然而,已有篇章级事件抽取方法大都采用逐句的方式抽取候选实体,未考虑跨句的上下文信息,明显降低了实体抽取和论元识别的精度,影响了最终的事件抽取效果。基于此,文中提出了一种基于多粒度实体异构图的篇章级事件抽取方法。该方法分别采用Transformer和RoBerta两个独立的编码器进行句子级和段落级实体抽取;同时,提出了多粒度实体选择策略,从句子实体集和段落实体集中选择更可能是论元的实体,并进一步构造融入多粒度实体的异构图;最后,利用图卷积网络获得具有篇章级上下文感知的实体和句子表示,进行事件类型和事件论元的多标签分类,实现事件检测和论元识别。在ChFinAnn和Duee-fin数据集上进行了实验,结果表明,所提方法比以往的方法在F1值方面分别提高了约1.3%和3.9%,证明了该方法的有效性。

关键词：篇章级事件抽取事件抽取异构图实体抽取多粒度

来源：评论

学校读者我要写书评

暂无评论

基于双端联合学习的多视图聚类

引用

计算机研究与发展 2025年

作者：杜亮李晓东陈艳周芃钱宇华山西大学计算机与信息技术学院太原理工大学计算机科学与技术学院安徽大学计算机科学与技术学院山西大学大数据科学与产业研究院

多锚点图作为解决大规模多视图聚类问题的关键方法受到了广泛关注.然而，现有的多锚点图聚类方法在应对这一挑战时都面临多个问题.其中，一致性锚点图学习方法难以处理锚点图不对齐问题，并且过度依赖一致性图，限制了其聚类结果的准确... 详细信息

多锚点图作为解决大规模多视图聚类问题的关键方法受到了广泛关注.然而，现有的多锚点图聚类方法在应对这一挑战时都面临多个问题.其中，一致性锚点图学习方法难以处理锚点图不对齐问题，并且过度依赖一致性图，限制了其聚类结果的准确性和可靠性；锚点图集成聚类方法则是在基聚类器的生成与融合过程中割裂了不同锚点图之间的联系，影响了其聚类效果的有效性和稳定性.为解决这些问题，提出了一种基于双端联合学习的新型多视图聚类方法.该方法充分考虑了多锚点图信息和锚点端聚类对样本端聚类的联合作用，实现了锚点端聚类和样本端聚类同步进行，并通过对多锚点图信息的综合实现了样本端聚类与多个锚点端聚类的集成对齐.与现有方法不同，该方法无需直接学习一致性锚点图，可以处理任意类型的锚点不对齐问题，并且规避了图学习与图划分分步处理对聚类性能的不利影响.此外，其在一个完整的优化框架中同时利用多个锚点图进行锚点端聚类和样本端聚类，有效解决了基聚类器生成阶段无法利用除自身外的其他锚点图和集成阶段无法充分利用所有锚点图的问题.实验结果表明，所提出的方法在聚类性能和时间消耗方面均优于多个对比方法，有效增强了多视图数据的聚类性能.所提出方法以及所采用对比方法的相关代码附在：http://***/lxd1204/DLMC.

关键词：多视图聚类锚点端样本端对齐集成

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：