检索结果-内蒙古大学图书馆

中文信息学报 2022年第6期36卷 80-89页

作者：张虎季泽王宇杰李茹山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

随着人工智能与大数据技术的快速发展,基于自然语言理解的智慧司法服务研究已受到越来越多的关注。裁判文书是记载人民法院审理过程和结果的法律文本,记录了法院庭审过程中诉辩双方的完整陈述,但其缺点是未展现出具有鲜明逻辑交互关系... 详细信息

随着人工智能与大数据技术的快速发展,基于自然语言理解的智慧司法服务研究已受到越来越多的关注。裁判文书是记载人民法院审理过程和结果的法律文本,记录了法院庭审过程中诉辩双方的完整陈述,但其缺点是未展现出具有鲜明逻辑交互关系的诉辩互动论点对,难以为法官梳理案件争议焦点提供更好的服务。目前针对互动论点对识别的研究主要面向英文论坛数据,且主要从获取论点不同层面的特征入手,所提方法的鲁棒性与泛化能力较差。该文以识别司法裁判文书中存在逻辑交互关系的诉辩论点对为目标,重点从互动论点的语义表示、互动论点对之间的交互关系和模型鲁棒性等方面进行研究,基于此,提出了结合预训练语言模型、注意力机制和对抗训练的互动论点对识别方法。实验结果表明,该文方法既提升了裁判文书诉辩互动论点对识别的精度,也提升了模型的鲁棒性。

关键词：互动论点对裁判文书智慧司法对抗训练

来源：评论

学校读者我要写书评

暂无评论

多模块联合的阅读理解候选句抽取

引用

中文信息学报 2022年第6期36卷 109-116页

作者：吉宇王笑月李茹郭少茹关勇山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

机器阅读理解作为自然语言理解的关键任务,受到国内外学者广泛关注。针对多项选择型阅读理解中无线索标注且涉及多步推理致使候选句抽取困难的问题,该文提出一种基于多模块联合的候选句抽取模型。首先采用部分标注数据微调预训练模型;... 详细信息

机器阅读理解作为自然语言理解的关键任务,受到国内外学者广泛关注。针对多项选择型阅读理解中无线索标注且涉及多步推理致使候选句抽取困难的问题,该文提出一种基于多模块联合的候选句抽取模型。首先采用部分标注数据微调预训练模型;然后通过TF-IDF递归式抽取多跳推理问题中的候选句;最后结合无监督方式进一步筛选模型预测结果降低冗余性。该文在高考语文选择题及RACE数据集上进行验证,在候选句抽取中,该方法相比于最优基线模型F_(1)值提升3.44%,在下游答题任务中采用候选句作为模型输入较全文输入时准确率分别提高3.68%和3.6%,上述结果证实该文所提方法的有效性。

关键词：机器阅读理解候选句抽取递归抽取

来源：评论

学校读者我要写书评

暂无评论

MA-CDMR: 多域SDWN中一种基于多智能体深度强化学习的智能跨域组播路由方法

引用

计算机学报 2025年

作者：叶苗胡洪文王勇何倩王晓丽文鹏郑基浩桂林电子科技大学认知无线电与信息处理教育部重点实验室桂林电子科技大学计算机与信息安全学院西安电子科技大学计算机科学与技术学院

多域软件定义无线网络(SDWN)中的跨域组播路由问题不仅是NP难组合优化问题，随着网络规模的增加和组播组成员的动态变化，构建高效的跨域组播路由路径还需要及时灵活获取和维护全局网络状态信息并设计出最优跨域组播树问题的求解算法。... 详细信息

多域软件定义无线网络(SDWN)中的跨域组播路由问题不仅是NP难组合优化问题，随着网络规模的增加和组播组成员的动态变化，构建高效的跨域组播路由路径还需要及时灵活获取和维护全局网络状态信息并设计出最优跨域组播树问题的求解算法。针对现有求解方法对网络流量状态感知性能欠缺影响组播业务对QoS方面需求的满足，并且收敛速度慢难于适应网络状态高度动态变化的问题，本文设计和实现了一种基于多智能体深度强化学习的SDWN跨域组播路由方法（MA-CDMR）。首先，设计了组播组管理模块和多控制器之间的通信机制来实现不同域之间网络状态信息的传递和同步，有效管理跨域组播组成员的加入和离开；其次，在通过理论分析和证明最优跨域组播树包括最优的域间组播树和域内组播树两个部分的结论后，本文对每个控制器设计了一个智能体，并设计了这些多智能体之间的协作机制，以保证为跨域组播路由决策提供网络状态信息表示的一致性和有效性；然后，通过设计一种在线与离线相结合的多智能体强化学习训练方式，以减少对实时环境的依赖并加快多智能体收敛速度；最后，通过系列实验及其结果表明所提方法在不同网络链路信息状态下具有达到了很好的网络性能，平均瓶颈带宽相较于现有KMB、SCTF、DRL-M4MR和MADRL-MR方法分别提升了7.09%、46.01%、9.61%和10.11%；平均时延在与MADRL-MR方法表现相近的同时，比KMB、SCTF和DRL-M4MR方法有明显提升，而丢包率和组播树平均长度等也均优于这些现有方法。本文工作源代码已提交至开源平台https://***/GuetYe/MA-CDMR。

关键词：组播树软件定义无线网络跨域组播路由多智能体深度强化学习

来源：评论

学校读者我要写书评

暂无评论

融合BERT语义表示的高考语文阅读理解问答研究

引用

中文信息学报 2022年第5期36卷 59-66页

作者：杨陟卓韩晖张虎钱揖丽李茹山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

高考语文阅读理解问答相对普通阅读理解问答难度更大,同时高考问答任务中的训练数据较少,目前的深度学习方法不能取得良好的答题效果。针对这些问题,该文提出融合BERT语义表示的高考阅读理解答案候选句抽取方法。首先,采用改进的MMR算... 详细信息

高考语文阅读理解问答相对普通阅读理解问答难度更大,同时高考问答任务中的训练数据较少,目前的深度学习方法不能取得良好的答题效果。针对这些问题,该文提出融合BERT语义表示的高考阅读理解答案候选句抽取方法。首先,采用改进的MMR算法对段落进行筛选;其次,运用微调之后的BERT模型对句子进行语义表示;再次,通过SoftMax分类器对答案候选句进行抽取,最后利用PageRank排序算法对输出结果进行二次排序。该方法在北京近十年高考语文阅读理解问答题上的召回率和准确率分别达到了61.2%和50.1%,验证了该方法的有效性。

关键词：高考阅读理解自动问答段落评价 BERT PageRank

来源：评论

学校读者我要写书评

暂无评论

基于约束分层加权的多度量学习算法

引用

山东大学学报（理学版） 2022年第4期57卷 12-20,29页

作者：韩露郭鑫垚魏巍梁吉业山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

为解决经典的多度量学习算法从预先获得的样本划分中学习度量时,样本划分不精确所导致局部度量拟合能力不足的问题,基于约束分层加权的思想,提出了为约束逐层分配度量并使其度量尽可能满足当前所有约束的优化模型,同时添加正则项使得不... 详细信息

为解决经典的多度量学习算法从预先获得的样本划分中学习度量时,样本划分不精确所导致局部度量拟合能力不足的问题,基于约束分层加权的思想,提出了为约束逐层分配度量并使其度量尽可能满足当前所有约束的优化模型,同时添加正则项使得不同度量对应的约束应该尽可能不同。由于单个样本所形成的不同约束可能对应不同的局部度量,相比于传统的多度量学习方法,提出的算法能够获得更精细的局部度量且更具有灵活性,使得度量的拟合能力更强。实验结果表明,提出的算法在真实数据集上对比代表性的单度量学习算法和多度量学习算法具有明显的优势。

关键词：度量学习约束加权马氏距离三元约束多度量学习

来源：评论

学校读者我要写书评

暂无评论

MEPM模型:基于深度学习的多变量厄尔尼诺-南方涛动预测模型

引用

地球科学与环境学报 2024年第3期46卷 285-297页

作者：方巍张霄智齐媚涵南京信息工程大学计算机学院江苏南京210044 南京信息工程大学数字取证教育部工程研究中心江苏南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室江苏南京210041 中国气象局武汉暴雨研究所中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室湖北武汉430205 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

厄尔尼诺-南方涛动(ENSO)是发生在热带太平洋年际时间尺度的海-气相互作用的异常现象,并由Nino3.4指数表征其发生情况;除此之外,ENSO与众多极端气候事件密切相关。因此,有效的ENSO预测对于预防极端气候事件和深入研究全球气候变化具有... 详细信息

厄尔尼诺-南方涛动(ENSO)是发生在热带太平洋年际时间尺度的海-气相互作用的异常现象,并由Nino3.4指数表征其发生情况;除此之外,ENSO与众多极端气候事件密切相关。因此,有效的ENSO预测对于预防极端气候事件和深入研究全球气候变化具有重要意义。然而,目前基于深度学习的ENSO预测大多数是预测一个指数或者单一变量,对于模拟多气候要素下的ENSO预测研究较少。通过提出一种利用多气候变量的ENSO预测模型——MEPM模型,其中包括多变量信息提取模块(MIEM)和时空融合模块(STFM),捕获不同气候变量在时空上的相互依赖性,进而提高ENSO预测的准确性。选取了纬向风应力异常(τ_(x))、经向风应力异常(τ_(y))、海表温度异常(SSTA)和海表下150 m温度异常(SSTA150)4个变量的距平值进行ENSO预测。结果表明:MEPM模型在提前11个月的Nino3.4指数相关技巧上分别比北美多模型集合中的动力预报系统CanCM4、CCSM3和GFDL-aer04高10%、20%和14%。此外,MEPM模型在中期Nino3.4指数相关技巧上显著优于其他深度学习模型,并可提供长达17个月的有效预测。

关键词：气候变化厄尔尼诺-南方涛动多气候变量深度学习时空序列预测卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算中基于Actor-Critic深度强化学习的任务调度方法

引用

计算机应用 2024年第S01期44卷 150-155页

作者：黄一帆曾旺陈哲毅于正欣苗旺福州大学计算机与大数据学院福州350116 空间数据挖掘与信息共享教育部重点实验室(福州大学) 福州350002 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350116 兰卡斯特大学计算与通信学院英国兰卡斯特LA14YW 普利茅斯大学工程、计算与数学学院英国普利茅斯PL48AA

移动边缘计算(MEC)通过将计算与存储资源部署至网络边缘,有效降低了任务响应时间并提高了资源利用率。由于MEC系统状态的动态性和用户需求的多变性,如何进行有效的任务调度面临着巨大的挑战,不合理的任务调度策略将严重影响系统的整体... 详细信息

移动边缘计算(MEC)通过将计算与存储资源部署至网络边缘,有效降低了任务响应时间并提高了资源利用率。由于MEC系统状态的动态性和用户需求的多变性,如何进行有效的任务调度面临着巨大的挑战,不合理的任务调度策略将严重影响系统的整体性能。现有工作通常对任务采用平均分配资源或基于规则的策略,不能有效地处理动态的MEC环境,这可能造成过多的资源消耗,进而导致服务质量(QoS)下降。针对上述重要问题,提出了一种MEC中基于Actor-Critic深度强化学习的任务调度方法(TSAC)。首先,提出了一种面向边缘环境的任务调度模型并将任务等待时间和任务完成率作为优化目标;其次,基于所提系统模型与深度强化学习框架,将联合优化问题形式化为马尔可夫决策过程;最后,基于近端策略优化方法,设计了一种新型的掩码机制,在避免智能体做出违反系统约束的动作和策略突变的同时提高了TSAC的收敛性能。基于谷歌集群真实运行数据集进行仿真实验,与深度Q网络方法相比,至少降低6%的任务等待时间,同时提高4%的任务完成率,验证了的可行性和有效性。

关键词：移动边缘计算任务调度深度强化学习掩码机制多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于聚合多阶邻域信息的细化方法的多粒度网络表示学习

引用

小型微型计算机系统 2022年第12期43卷 2471-2478页

作者：赵姝刘梦婷杜紫维宋文超韩光洁计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601 安徽省信息材料与智能传感重点实验室合肥230601 北京智创信安信息科技有限公司北京100080 河海大学物联网工程学院江苏常州213022

多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,... 详细信息

多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,将粗粒度空间的节点表示细化回原始网络仍具有挑战.本文提出一种基于聚合多阶邻域信息的细化方法的多粒度网络表示学习方法NRAM(Network Refinement based on Aggregating Multi-neighboring information).首先,对于粗化阶段生成的多粒度网络,仅利用现有的网络表示学习方法学习最粗粒度网络的表示;然后将从粗粒度网络继承的节点表示和细粒度网络的结构信息相融合得到细粒度网络的初始嵌入;最后通过聚合节点多阶邻域信息的方式得到细粒度网络的节点表示,迭代该过程直到获得原始网络的节点向量.在3个公共数据集上节点分类的结果证明了NRAM的有效性.

关键词：网络网络表示学习多粒度网络表示学习节点分类

来源：评论

学校读者我要写书评

暂无评论

基于置乱矩阵的短参差分混沌键控系统

引用

系统工程与电子技术 2019年第10期41卷 2365-2370页

作者：徐磊林文珂林文豪张公泉方红雨李晓辉安徽大学计算智能与信号处理教育部重点实验室

短参差分混沌键控(short reference differential chaos shift keying,SR-DCSK)有效提升了系统的传输速率,但也导致安全性能大幅度降低。针对该问题,提出了基于置乱矩阵的SR-DCSK(SR-DCSK based on scrambling matrix,SMSR-DCSK)系统。基于前向移位矩阵设计了一种结构简单并且具有正交性的置乱矩阵。该置乱矩阵能够打乱混沌序列的顺序,从而降低混沌参考信号与信息信号之间的相关性。采用高斯近似法推导了在加性高斯白噪声信道中的系统误比特率(bit error rate,BER)公式,并依此进行了最优化性能参数的求解。仿真结果表明,推导的BER公式能够准确衡量系统BER性能。相对于SR-DCSK系统,SMSR-DCSK系统在安全性和BER性能方面均有明显提升,并且具有实现复杂度低的优点。

关键词：差分混沌键控基于置乱矩阵的短参差分混沌键控系统置乱矩阵误比特率

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合和双重注意力机制的肝脏CT图像分割

引用

计算机科学 2022年第S02期49卷 549-557页

作者：黄扬林胡凯郭建强彭诚湘潭大学智能计算与信息处理教育部重点实验室湖南湘潭411105 湘潭大学计算机学院·网络空间安全学院湖南湘潭411105

肝脏疾病是医学上最常见的疾病之一,对其进行精确的分割是辅助肝脏疾病诊断及手术规划的必要步骤。然而,由于肝脏CT图像的复杂性,肝脏分割仍然是一个极具挑战性的问题。以往的研究大多简单地使用拼接或求和操作来融合不同语义,导致无法... 详细信息

肝脏疾病是医学上最常见的疾病之一,对其进行精确的分割是辅助肝脏疾病诊断及手术规划的必要步骤。然而,由于肝脏CT图像的复杂性,肝脏分割仍然是一个极具挑战性的问题。以往的研究大多简单地使用拼接或求和操作来融合不同语义,导致无法充分利用其互补性。针对这一问题,提出了一种基于多尺度特征融合和双重注意力机制的网络模型MD-AUNet。首先利用分层多尺度注意力下采样模块中分层级的双重注意力机制有效地融合不同尺度特征信息,提取富含空间信息的特征表示。然后通过全局注意力上采样模块获取高层特征的全局上下文用于对低层特征信息加权,从而选择更为精确的空间信息。同时在网络训练时采用深层监督策略,以学习不同解码层的层次表示。最后提出了一种简洁有效的后处理方法,用于进一步细化MD-AUNet粗分割结果。在医院采集的肝脏数据集(经专家手动标注)上的实验结果表明,所提算法在主观视觉感受和客观评价指标方面均优于其他现有肝脏分割算法,其平均像素精度、平均交并比和Dice相似系数分别为97.6%,95.4%和95.5%。

关键词： CT图像肝脏分割多尺度特征融合双重注意力机制 MD-AUNet

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：