检索结果-内蒙古大学图书馆

吉林大学学报（理学版） 2023年第3期61卷 583-591页

作者：霍光林大为刘元宁朱晓冬袁梦东北电力大学计算机学院吉林吉林132012 吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对复杂分割网络在小样本虹膜数据集上无法收敛的问题,提出一个基于轻量级卷积神经网络的虹膜分割模型.首先,该模型采用基于深度可分离卷积的特征提取模块提取虹膜图像特征,可在保持分割精度的同时显著减少模型参数;其次,在编码器和解... 详细信息

针对复杂分割网络在小样本虹膜数据集上无法收敛的问题,提出一个基于轻量级卷积神经网络的虹膜分割模型.首先,该模型采用基于深度可分离卷积的特征提取模块提取虹膜图像特征,可在保持分割精度的同时显著减少模型参数;其次,在编码器和解码器之间引入一个高效的注意力机制模块,可有效获取丰富的上下文信息,并提高虹膜区域像素的可辨别性;最后,在虹膜数据库UBIRIS.V2上的实验结果表明,该方法不仅在小样本数据库上性能优势显著,且在大样本数据库上也具有较高的分割精度.

关键词：虹膜分割深度学习虹膜识别小样本轻量级注意力机制

来源：评论

学校读者我要写书评

暂无评论

引入激活扩散的类分布关系近邻分类器

引用

吉林大学学报（理学版） 2024年第4期62卷 915-922页

作者：董飒欧阳若川徐海啸刘杰刘大有李婷婷王鑫禄吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学党委教师工作部长春130012 吉林大学国际教育学院长春130012

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同... 详细信息

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同质性,从而降低分类错误率.对比实验结果表明,该方法扩大了待分类节点的邻域,在网络数据上分类精度较好.

关键词：人工智能网络数据分类激活扩散类分布关系近邻分类器协作推理

来源：评论

学校读者我要写书评

暂无评论

采用分类经验回放的深度确定性策略梯度方法

引用

自动化学报 2022年第7期48卷 1816-1823页

作者：时圣苗刘全苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

深度确定性策略梯度(Deep deterministic policy gradient,DDPG)方法在连续控制任务中取得了良好的性能表现.为进一步提高深度确定性策略梯度方法中经验回放机制的效率,提出分类经验回放方法,并采用两种方式对经验样本分类:基于时序差... 详细信息

深度确定性策略梯度(Deep deterministic policy gradient,DDPG)方法在连续控制任务中取得了良好的性能表现.为进一步提高深度确定性策略梯度方法中经验回放机制的效率,提出分类经验回放方法,并采用两种方式对经验样本分类:基于时序差分误差样本分类的深度确定性策略梯度方法(DDPG with temporal difference-error classification,TDCDDPG)和基于立即奖赏样本分类的深度确定性策略梯度方法(DDPG with reward classification,RC-DDPG).在TDCDDPG和RC-DDPG方法中,分别使用两个经验缓冲池,对产生的经验样本按照重要性程度分类存储,网络模型训练时通过选取较多重要性程度高的样本加快模型学习.在连续控制任务中对分类经验回放方法进行测试,实验结果表明,与随机选取经验样本的深度确定性策略梯度方法相比,TDC-DDPG和RC-DDPG方法具有更好的性能.

关键词：连续控制任务深度确定性策略梯度经验回放分类经验回放

来源：评论

学校读者我要写书评

暂无评论

基于正向软标签的轻量级关系抽取

引用

吉林大学学报（理学版） 2023年第2期61卷 317-324页

作者：宋函宇欧阳丹彤叶育鑫吉林大学计算机科学与技术学院长春130012 一汽-大众汽车有限公司长春130011 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题... 详细信息

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题,使用教师助手知识蒸馏模式;其次,使用标签的余弦相似度筛选出正向软标签,在每步蒸馏中都动态赋予正向软标签更高的权重,以此削弱知识传递中错误标签导致的影响.在数据集SemEval-2010 Task 8上的实验结果表明,该模型不仅能完成轻量化关系抽取任务,还能提升抽取精度.

关键词：轻量级关系抽取知识筛选正向软标签知识蒸馏余弦相似度

来源：评论

学校读者我要写书评

暂无评论

基于轨迹掩膜的在线多目标跟踪方法

引用

山东大学学报（工学版） 2023年第2期53卷 61-69页

作者：余明骏刁红军凌兴宏苏州大学计算机科学与技术学院江苏苏州215006 苏州城市学院计算科学与人工智能学院江苏苏州215104 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask,OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨... 详细信息

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask,OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨迹掩膜,设计轨迹掩膜网络对轨迹掩膜提取多维度特征,包含目标可见区域的估计值、大致位置及形状等信息;将该特征与基础骨干网络提取的原始图像特征融合后进行多目标检测跟踪。OMTMTM的目标跟踪器具备先验判断能力,可实现遮挡情况下的准确跟踪;OMTMTM利用目标跟踪轨迹的时空信息,恢复出部分漏检或低置信待检目标,使轨迹掩膜更加合理,有利于后续跟踪。对OMTMTM的性能进行多维度评估,并结合基线模型进行对比分析。试验结果表明,OMTMTM具有先进的多目标跟踪性能。

关键词：多目标跟踪目标检测轨迹掩膜视频流遮挡

来源：评论

学校读者我要写书评

暂无评论

分布式机器学习作业性能干扰分析与预测

引用

计算机应用 2022年第6期42卷 1649-1655页

作者：李洪亮张弄孙婷李想吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首... 详细信息

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首先,通过实验获取分布式机器学习作业运行时的GPU参数和干扰率,并分析出各类参数对性能干扰的影响;其次,依托多种预测技术建立GPU参数-干扰率模型进行作业干扰率误差分析;最后,建立自适应的作业干扰率预测算法,面向给定的设备环境和作业集合自动选择误差最小的预测模型,快速、准确地预测作业干扰率。选取5种常用的神经网络作业,在两种GPU设备上设计实验并进行结果分析。结果显示,所提出的自适应干扰预测(AIP)机制能够在不提供任何预先假设信息的前提下快速完成预测模型的选择和性能干扰预测,耗时在300 s以内,预测干扰率误差在2%~13%,可应用于作业调度和负载均衡等场景。

关键词：分布式机器学习性能干扰集群调度资源共享干扰预测

来源：评论

学校读者我要写书评

暂无评论

基于邻域信息的网络结构表示学习

引用

吉林大学学报（理学版） 2022年第2期60卷 343-350页

作者：王喆李鑫吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节... 详细信息

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节点结构相似度作为监督信息优化网络表示,在网络嵌入过程中学习节点结构信息.与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明,该方法有更好的网络结构识别能力,能学习到节点间的结构相关性,所得到的网络表示能适用于角色识别相关任务.此外,跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.

关键词：结构识别网络表示学习网络分析自编码器角色识别

来源：评论

学校读者我要写书评

暂无评论

基于全局有向图的商品会话序列推荐算法

引用

吉林大学学报（理学版） 2022年第2期60卷 361-368页

作者：苗启朋何丽莉姜宇白洪涛吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并... 详细信息

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并用图数据库存储该有向图;其次,给出在有向图上的全局偏好传播策略,同时考虑点击时间因素对推荐的重要影响;最后,获得待推荐商品的评分.在Diginetica和Yoochoose标准数据集上,该算法根据P@20标准,比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%;根据MRR@20标准,则分别提升了15.04%和33.88%.实验结果表明,该全局有向图搜索和评分策略有效.

关键词：推荐系统会话序列图数据库全局有向图全局偏好传播

来源：评论

学校读者我要写书评

暂无评论

基于改进YoloV4网络的虹膜定位算法

引用

吉林大学学报（理学版） 2022年第2期60卷 369-380页

作者：杨亚男朱晓冬刘元宁朱琳董霖吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012

针对传统虹膜定位算法很难完成准确定位导致识别效果不稳定的问题,提出一种基于改进YoloV4网络的虹膜定位算法.首先利用YoloV4结合MobileNetV3对虹膜内外圆进行粗定位,再利用瞳孔、虹膜和巩膜的灰度差值分别对虹膜内外圆进行精定位.同时... 详细信息

针对传统虹膜定位算法很难完成准确定位导致识别效果不稳定的问题,提出一种基于改进YoloV4网络的虹膜定位算法.首先利用YoloV4结合MobileNetV3对虹膜内外圆进行粗定位,再利用瞳孔、虹膜和巩膜的灰度差值分别对虹膜内外圆进行精定位.同时,使用K-means++聚类算法生成先验框;使用快速soft-DIoU-NMS算法去除预测过程冗余框,提高算法检测率;使用Focal Loss作为类别损失函数.对比实验结果表明,该算法运行速度更快,定位准确率更高,识别算法的效果更明显.

关键词：虹膜定位 YoloV4 快速soft-DIoU-NMS算法 K-means++聚类

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的猪脸特征点检测方法

引用

吉林大学学报（理学版） 2022年第3期60卷 609-616页

作者：李向宇李慧盈吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对牲畜面部识别在养殖行业广泛需求的问题,提出一种基于卷积神经网络的猪脸特征点检测方法,解决了猪脸特征点难检测的问题.首先,采集猪面部数据并进行特征点标注,使用新的采集方法以解决猪口部通常不可见的问题;其次,对猪脸数据和人... 详细信息

针对牲畜面部识别在养殖行业广泛需求的问题,提出一种基于卷积神经网络的猪脸特征点检测方法,解决了猪脸特征点难检测的问题.首先,采集猪面部数据并进行特征点标注,使用新的采集方法以解决猪口部通常不可见的问题;其次,对猪脸数据和人脸数据进行结构计算,匹配相似度较高的猪脸和人脸,构建猪脸人脸匹配数据集;再次,利用匹配数据集训练TPS(thin plate spline)形变卷积神经网络,得到形变后的猪脸数据集以适配人脸特征点检测模型;最后,使用形变猪脸数据集对人脸特征点检测神经网络模型进行微调,得到猪脸特征点检测模型.实验结果表明,用该方法进行猪脸特征点检测,错误率仅为5.60%.

关键词：猪脸特征点检测卷积神经网络猪脸特征点数据集深度学习

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：