检索结果-内蒙古大学图书馆

计算机工程与科学 2023年第2期45卷 363-369页

作者：谭红叶行覃杰山西大学计算机与信息技术学院山西太原030006

目前抽取式机器阅读理解已经取得了很好的成果。然而,许多研究工作表明,机器阅读理解模型在过敏感性、过稳定性等方面的鲁棒性还有待提高。为了解决该问题,提出了一种面向鲁棒性增强的多任务抽取式阅读理解模型,加强模型在篇章和问题2... 详细信息

目前抽取式机器阅读理解已经取得了很好的成果。然而,许多研究工作表明,机器阅读理解模型在过敏感性、过稳定性等方面的鲁棒性还有待提高。为了解决该问题,提出了一种面向鲁棒性增强的多任务抽取式阅读理解模型,加强模型在篇章和问题2方面的理解能力。通过多任务学习方式,将答案抽取作为主要任务,证据句判断和问题分类作为辅助任务,实现编码器之间的信息共享。在鲁棒性测试集上的实验结果表明,所提模型对比基线模型有明显的性能提升。

关键词：鲁棒多任务学习机器阅读理解

来源：评论

学校读者我要写书评

暂无评论

模糊语言属性偏序结构图的逐层属性约简算法

引用

模式识别与人工智能 2022年第9期35卷 774-788页

作者：庞阔周爱杨鑫冉李楠邹丽鲁明羽大连海事大学信息科学与技术学院大连116026 辽宁师范大学计算机与信息技术学院大连116081 山东建筑大学计算机科学与技术学院济南250102

在形式概念分析中,属性偏序结构图作为一种数据可视化工具,可有效解决用户认知过载的问题.在现实生活中,人们往往通过模糊语言值表达偏好信息,会产生大量的模糊语言值数据.为了解决在模糊语言环境下的属性约简问题,文中提出模糊语言属... 详细信息

在形式概念分析中,属性偏序结构图作为一种数据可视化工具,可有效解决用户认知过载的问题.在现实生活中,人们往往通过模糊语言值表达偏好信息,会产生大量的模糊语言值数据.为了解决在模糊语言环境下的属性约简问题,文中提出模糊语言属性偏序结构图的逐层属性约简算法.首先,基于模糊语言值形式背景构建模糊语言属性偏序结构图,将模糊语言值数据嵌入属性偏序结构图中.通过语言真值格蕴涵代数作为模糊语言值表示模型,表达模糊语言值间的序关系和不可比关系.然后,为了获取保持模糊语言值形式背景区分能力不变的最小属性子集,结合模糊语言值属性偏序结构图,搜索未与底层节点建立边的节点.在保证模糊语言值属性偏序结构图类等价的前提下,计算该节点及其子节点间的差别属性,并构造相应的逐层属性约简模型.最后,通过实例与对比实验验证文中算法的有效性和实用性.

关键词：模糊语言属性偏序结构图属性约简模糊语言值形式背景语言真值格蕴涵代数模糊语言值分层概念格

来源：评论

学校读者我要写书评

暂无评论

显著性引导的目标互补隐藏弱监督语义分割

引用

中国图象图形学报 2024年第4期29卷 1041-1055页

作者：白雪飞卢立彬王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

目的图像级弱监督语义分割方法利用类别标签训练分割网络,可显著降低标注成本。现有方法大多采用类激活图定位目标物体,然而传统类激活图只能挖掘出物体中最具辨识性的区域,直接将其作为伪标签训练的分割网络精度较差。本文提出一种显... 详细信息

目的图像级弱监督语义分割方法利用类别标签训练分割网络,可显著降低标注成本。现有方法大多采用类激活图定位目标物体,然而传统类激活图只能挖掘出物体中最具辨识性的区域,直接将其作为伪标签训练的分割网络精度较差。本文提出一种显著性引导的弱监督语义分割算法,可在获取更完整类激活图的基础上提高分割模型的性能。方法首先通过显著图对目标进行互补随机隐藏,以获得互补图像对,然后融合互补图像对的类激活图作为监督,提高网络获取完整类激活图的能力。其次引入双重注意力修正模块,利用全局信息修正类激活图并生成伪标签训练分割网络。最后使用标签迭代精调策略,结合分割网络的初始预测、类激活图以及显著图生成更精确的伪标签,迭代训练分割网络。结果在PASCAL VOC 2012(pattern analysis,statistical modeling and computational learning visual object classes 2012)数据集上进行类激活图生成实验与语义分割实验,所生成的类激活图更加完整,平均交并比有10.21%的提升。语义分割结果均优于对比方法,平均交并比提升6.9%。此外在COCO 2014(common object in context 2014)数据集上进行了多目标的语义分割实验,平均交并比提升0.5%。结论该算法可获得更完整的类激活图,缓解了弱监督语义分割中监督信息不足的问题,提升了弱监督语义分割模型的精度。

关键词：深度学习弱监督语义分割显著性引导类激活图(CAM) 注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多样真实任务生成的鲁棒小样本分类方法

引用

软件学报 2024年第4期35卷 1587-1600页

作者：刘鑫景丽萍于剑交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 北京交通大学计算机与信息技术学院北京100044

随着大数据、计算机与互联网等技术的不断进步,以机器学习和深度学习为代表的人工智能技术取得了巨大成功,尤其是最近不断涌现的各种大模型,极大地加速了人工智能技术在各个领域的应用.但这些技术的成功离不开海量训练数据和充足的计算... 详细信息

随着大数据、计算机与互联网等技术的不断进步,以机器学习和深度学习为代表的人工智能技术取得了巨大成功,尤其是最近不断涌现的各种大模型,极大地加速了人工智能技术在各个领域的应用.但这些技术的成功离不开海量训练数据和充足的计算资源,大大限制了这些方法在一些数据或计算资源匮乏领域的应用.因此,如何利用少量样本进行学习,也就是小样本学习成为以人工智能技术引领新一轮产业变革中一个十分重要的研究问题.小样本学习中最常用的方法是基于元学习的方法,这类方法通过在一系列相似的训练任务上学习解决这类任务的元知识,在新的测试任务上利用元知识可以进行快速学习.虽然这类方法在小样本分类任务上取得了不错的效果,但是这类方法的一个潜在假设是训练任务和测试任务来自同一分布.这意味着训练任务需要足够多才能使模型学到的元知识泛化到不断变化的测试任务中.但是在一些真正数据匮乏的应用场景,训练任务的数量也是难以保证的.为此,提出一种基于多样真实任务生成的鲁棒小样本分类方法(DATG).该方法通过对已有少量任务进行Mixup,可以生成更多的训练任务帮助模型进行学习.通过约束生成任务的多样性和真实性,该方法可以有效提高小样本分类方法的泛化性.具体来说,先对训练集中的基类进行聚类得到不同的簇,然后从不同的簇中选取任务进行Mixup以增加生成任务的多样性.此外,簇间任务Mixup策略可以减轻学习到与类别高度相关的伪判别特征.同时,为了避免生成的任务与真实分布太偏离,误导模型学习,通过最小化生成任务与真实任务之间的最大均值差异(MMD)来保证生成任务的真实性.最后,从理论上分析了为什么基于簇间任务Mixup的策略可以提高模型的泛化性能.多个数据集上的实验结果进一步证明了所提出的基于多样性和真实性任务扩充方法的有效性.

关键词：小样本学习元学习任务Mixup 多样性真实性

来源：评论

学校读者我要写书评

暂无评论

基于工人长短期时空偏好的众包任务分配

引用

软件学报 2024年第10期35卷 4710-4728页

作者：王府鑫王宁曾奇雄北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044

近年来,随着移动设备的计算能力和感知能力的提高,基于位置信息的时空众包应运而生,任务分配效果的提升面临许多挑战,其中之一便是如何给工人分配他们真正感兴趣的任务.现有的研究方法只关注工人的时间偏好而忽略了空间因素对偏好的影响... 详细信息

近年来,随着移动设备的计算能力和感知能力的提高,基于位置信息的时空众包应运而生,任务分配效果的提升面临许多挑战,其中之一便是如何给工人分配他们真正感兴趣的任务.现有的研究方法只关注工人的时间偏好而忽略了空间因素对偏好的影响,仅关注长期偏好却忽略了短期偏好,同时面临历史数据稀疏导致的预测不准的问题.研究基于长短期时空偏好的任务分配问题,从长期和短期两个角度以及时间和空间两个维度全面考虑工人的偏好,进行时空众包任务分配,提高任务的成功分配率和完成效率.为提升时空偏好预测的准确性,提出分片填充的张量分解算法(SICTD)减小偏好张量的空缺值占比,提出时空约束下的ST-HITS算法,综合考虑工人短期活跃范围,计算短期时空偏好.为了在众包任务分配中最大化任务总收益和工人偏好,设计基于时空偏好的贪心与Kuhn-Munkres(KM)算法,优化任务分配的结果.在真实数据集上的大量实验结果表明,提出的分片填补张量分解算法对时间和空间偏好的RMSE预测误差较基线算法分别下降22.55%和24.17%;在任务分配方面,提出的基于偏好的KM算法表现出色,对比基线算法,在工人总收益和工人完成任务平均偏好值上分别提升40.86%和22.40%.

关键词：时空众包任务分配张量分解偏好预测

来源：评论

学校读者我要写书评

暂无评论

量子内积及其模的计算方法综述

引用

北京工业大学学报 2023年第6期49卷 703-716页

作者：张蕊王健姜楠王子臣北京交通大学计算机与信息技术学院北京100044 北京工业大学信息学部北京100124

量子计算机是计算机科学未来的发展方向之一,它是一类遵循量子力学规律的物理装置,能够高效地存储和处理量子信息.狄拉克和冯·诺依曼用希尔伯特空间理论描述量子力学系统,该空间是一个内积赋予的向量空间.随着量子计算的快速发展,... 详细信息

量子计算机是计算机科学未来的发展方向之一,它是一类遵循量子力学规律的物理装置,能够高效地存储和处理量子信息.狄拉克和冯·诺依曼用希尔伯特空间理论描述量子力学系统,该空间是一个内积赋予的向量空间.随着量子计算的快速发展,量子态的内积及其模在量子机器学习、量子密码、量子信号处理等各个领域得到广泛关注.因此该文对量子内积及其模进行综述.和经典的内积计算方法不同,计算量子内积需要对量子态执行酉操作以及测量.量子态的内积为复数,该复数与其模在量子计算中都起着非常重要的作用.因此该文的主要内容分为量子内积模和量子内积2个部分.而量子态一般是从初始态|0〉■n由酉算子演化而来,因此再根据计算过程是否用到此酉算子将量子内积模和内积的计算方法分为直接方法和间接方法,并总结了量子内积及其模的应用.最后提出了当前研究存在的不足以及未来的研究方向.

关键词：量子内积量子内积模量子计算量子应用欧几里得内积物理内积

来源：评论

学校读者我要写书评

暂无评论

面向节点分类任务的节点级自适应图卷积神经网络

引用

模式识别与人工智能 2024年第4期37卷 287-298页

作者：王鑫隆胡睿郭亚梁杜航原张槟淇王文剑山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西警察学院网络安全保卫系太原030401

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convoluti... 详细信息

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convolutional Neural Network,NA-GCN).设计基于节点重要性的采样策略,自适应地确定各节点的邻域规模.同时,提出基于自注意力机制的聚合策略,自适应地融合给定邻域内的节点信息.在多个基准图数据集上的实验表明,NA-GCN在节点分类任务上具有较优性能.

关键词：自适应采样自适应聚合节点分类图神经网络(GNNs) 谱图理论

来源：评论

学校读者我要写书评

暂无评论

融入BioCopy机制的医疗报告抽取生成模型

引用

计算机工程与应用 2024年第6期60卷 155-162页

作者：刘岚谭红叶山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

智慧医疗是融合了人工智能技术的新型健康医疗服务模式,其中医疗报告自动生成是智慧医疗领域的一项重要任务,该任务依据病人自述和医患对话,生成半结构化的医疗报告。医疗报告不仅包含主诉等多个子部分,而且包含大量来自原文的医疗术语... 详细信息

智慧医疗是融合了人工智能技术的新型健康医疗服务模式,其中医疗报告自动生成是智慧医疗领域的一项重要任务,该任务依据病人自述和医患对话,生成半结构化的医疗报告。医疗报告不仅包含主诉等多个子部分,而且包含大量来自原文的医疗术语。针对这些特点,采用了融入BioCopy机制的抽取与生成结合的摘要模型,模型首先对每个子部分进行关键句抽取,排除无关信息的干扰;然后在生成医疗报告时加入BioCopy机制以复制关键句中的医疗术语,保证结果的准确性。在CCL 2021相关数据集上的实验结果表明:该模型优于主要baseline,取得了较好的效果。

关键词：医疗报告自动生成抽取与生成 BioCopy

来源：评论

学校读者我要写书评

暂无评论

双通道小UNet级联网络法重建低剂量CT图像

引用

核电子学与探测技术 2022年第1期42卷 7-12页

作者：杨雯晶乔志伟山西大学计算机与信息技术学院太原030006

为改善低剂量重建CT图像产生的噪声问题,提出了一种双通道小UNet级联网络的低剂量CT图像重建方法.该方法采用低剂量的CT图像作为网络结构的输入,通过两个通道分别对输入的图像进行处理,确保生成的特征图具有多样性,能更好地提升图像质量... 详细信息

为改善低剂量重建CT图像产生的噪声问题,提出了一种双通道小UNet级联网络的低剂量CT图像重建方法.该方法采用低剂量的CT图像作为网络结构的输入,通过两个通道分别对输入的图像进行处理,确保生成的特征图具有多样性,能更好地提升图像质量.试验结果表明:该方法与DnCNN、UNet、TV方法相比,能更好地保留图像细节信息.

关键词：低剂量CT重建图像去噪卷积神经网络 UNet网络

来源：评论

学校读者我要写书评

暂无评论

基于空间注意力机制的Mask R-CNN致密储层岩石薄片图像鉴定

引用

中国石油大学学报（自然科学版） 2024年第4期48卷 24-32页

作者：李春生刘涛刘宗堡张可佳刘芳刘晓文田梦晴白玉磊尹靖淞卢羿州东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学地球科学学院黑龙江大庆163318

针对陆相致密储层岩石薄片鉴定识别难、制片成本高、时间消耗长和人为主观强等难题,选取鄂尔多斯盆地临兴区块上古生界和松辽盆地三肇凹陷扶余油层为靶区,提出一种基于深度学习的致密油储层岩石薄片人工智能鉴定方法,引入图像预处理技... 详细信息

针对陆相致密储层岩石薄片鉴定识别难、制片成本高、时间消耗长和人为主观强等难题,选取鄂尔多斯盆地临兴区块上古生界和松辽盆地三肇凹陷扶余油层为靶区,提出一种基于深度学习的致密油储层岩石薄片人工智能鉴定方法,引入图像预处理技术去除岩石薄片图像噪声并统一图像像素大小,构建空间几何增广机制,基于空间注意力机制改进Mask R-CNN算法,并将上述方法应用于实例靶区进行有效性验证。结果表明:图像预处理技术能够在保障图像特征的前提下,有效提高图像质量,减少噪声干扰;空间几何图像增广机制能够在在一定程度上增加可用样本的数量;基于空间注意力机制的Mask R-CNN算法可以同时完成复杂岩石薄片成分的分割与智能识别工作,分割精度在不同数据集情况下的平均精度为89.2%,整体识别准确率为93%,适用于致密油储层岩石薄片特征鉴定。

关键词：致密储层岩石薄片深度学习 Mask R-CNN算法分割与识别

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：