检索结果-内蒙古大学图书馆

模式识别与人工智能 2023年第2期36卷 108-119页

作者：李迎港童向荣烟台大学计算机与控制工程学院烟台264005

序列推荐可形式化为马尔科夫决策过程,进而转化为深度强化学习问题,其关键是从用户序列中挖掘关键信息,如偏好漂移、序列之间的依赖关系等,但当前大多数基于深度强化学习的推荐系统都是以固定序列长度作为模型输入.受知识图谱的启发,文... 详细信息

序列推荐可形式化为马尔科夫决策过程,进而转化为深度强化学习问题,其关键是从用户序列中挖掘关键信息,如偏好漂移、序列之间的依赖关系等,但当前大多数基于深度强化学习的推荐系统都是以固定序列长度作为模型输入.受知识图谱的启发,文中设计基于知识引导的自适应序列强化学习模型.首先,利用知识图谱的实体关系,从完整的用户反馈序列中截取部分序列作为漂移序列,其中漂移序列中的项目集合表示用户的当前偏好,序列长度表示用户的偏好变化速度.然后,通过门控循环单元提取漂移序列中用户的偏好变化和项目之间的依赖关系,同时利用自注意力机制对关键的项目信息进行选择性关注.最后,设计复合奖励函数,包括折扣序列奖励和知识图谱奖励,用于缓解奖励稀疏的问题.在4个真实世界数据集上的实验表明,文中模型的推荐准确率较优.

关键词：自适应序列深度强化学习知识图谱自注意力机制循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于立体图像的多路径特征金字塔网络3D目标检测

引用

北京航空航天大学学报 2022年第8期48卷 1487-1494页

作者：苏凯祺阎维青徐金东烟台大学计算机与控制工程学院烟台264005

3D目标检测是计算机视觉和自动驾驶中一项重要的场景理解任务。当前基于立体图像的3D目标检测方法大多没有充分考虑多个目标之间的尺度存在较大差异,从而尺度小的物体容易被忽略,导致检测精度低。针对这一问题,提出了一种基于立体图像... 详细信息

3D目标检测是计算机视觉和自动驾驶中一项重要的场景理解任务。当前基于立体图像的3D目标检测方法大多没有充分考虑多个目标之间的尺度存在较大差异,从而尺度小的物体容易被忽略,导致检测精度低。针对这一问题,提出了一种基于立体图像的多路径特征金字塔网络(MpFPN)3D目标检测方法。MpFPN对特征金字塔网络进行了扩展,增加了自底向上的路径、由上至下的路径及输入特征图到输出特征图之间的连接,为联合区域提议网络提供了更高语义信息和更细粒度空间信息的多尺度特征信息。实验结果表明:在3D目标检测KITTI数据集上,无论在场景简单、中等、复杂情况下,所提方法获得的结果都优于比较方法的结果。

关键词： 3D目标检测特征金字塔网络(FPN) 立体图像多尺度深度学习

来源：评论

学校读者我要写书评

暂无评论

信任和效用关系约束的联盟结构生成

引用

电子与信息学报 2021年第7期43卷 2055-2062页

作者：童向荣任子仪烟台大学计算机与控制工程学院烟台264005

联盟结构生成是分布式人工智能的重要研究内容,一般仅依据智能体效用生成任意数量的联盟,这导致最优联盟结构生成的计算复杂度NP难。实际上,信任是合作的基础,信任关系对最终效用有直接的影响,应该综合考虑信任和效用关系。针对以上问题... 详细信息

联盟结构生成是分布式人工智能的重要研究内容,一般仅依据智能体效用生成任意数量的联盟,这导致最优联盟结构生成的计算复杂度NP难。实际上,信任是合作的基础,信任关系对最终效用有直接的影响,应该综合考虑信任和效用关系。针对以上问题,该文扩展效用约束为信任和效用约束,用信任和效用二元组表示,以此作为联盟结构生成的依据。借鉴图割的s-t-cut算法,研究了基于信任和效用关系的联盟结构生成,在保证智能体个体理性和联盟稳定(无块)的前提下,使用信任和效用关系对网络进行切割,从而形成联盟。由此,该文提出了两种多项式时间的精确算法:信任关系约束下的MT-s-t-cut算法和信任效用关系约束下的MTU-s-t-cut算法,这两种算法均能够在多项式时间内得到最优联盟结构。仿真实验验证了信任关系影响所形成的联盟结构,社会整体效用随智能体数量的增加而增加,并且算法的运行时间远小于动态规划法(DP)和ODP-IP算法。

关键词：联盟结构生成信任效用关系信任传递图割

来源：评论

学校读者我要写书评

暂无评论

加工时间可控的多主体调度问题

引用

计算机集成制造系统 2013年第9期19卷 2187-2192页

作者：王刚陈秋双全雄文南开大学计算机与控制工程学院天津300071

为了解决加工时间可控条件下的并行机调度问题,设计了一种基于重复叫价组合拍卖的多主体调度机制。该机制将组合拍卖的一般形式与机器调度的建模技术相结合,将可控加工时间引入竞胜标模型,使生产资源得到更加有效的配置;在价格更新方法... 详细信息

为了解决加工时间可控条件下的并行机调度问题,设计了一种基于重复叫价组合拍卖的多主体调度机制。该机制将组合拍卖的一般形式与机器调度的建模技术相结合,将可控加工时间引入竞胜标模型,使生产资源得到更加有效的配置;在价格更新方法上,设计了一种基于次梯度的自适应价格更新机制,提高了拍卖的收敛速度。对该机制进行了仿真实验。结果表明,与传统的"刚性"加工时间的调度模型相比,该机制在提高资源拥有者收益的同时,使生产资源得到了更加充分的利用。

关键词：机器调度可控加工时间多主体组合拍卖分布式调度

来源：评论

学校读者我要写书评

暂无评论

基于双向分层语义模型的多源新闻评论情绪预测

引用

计算机研究与发展 2018年第5期55卷 933-944页

作者：张莹王超郭文雅袁晓洁南开大学计算机与控制工程学院天津300350

随着在线新闻服务的迅猛发展,用户在阅读新闻后可以非常方便地表达自己的主观情绪,有效分析和预测用户的情绪有助于新闻服务提供商为新闻用户提供更好的服务.情绪标注研究已经取得了很多优秀的成果,但仍然存在着一些问题:1)传统的方法... 详细信息

随着在线新闻服务的迅猛发展,用户在阅读新闻后可以非常方便地表达自己的主观情绪,有效分析和预测用户的情绪有助于新闻服务提供商为新闻用户提供更好的服务.情绪标注研究已经取得了很多优秀的成果,但仍然存在着一些问题:1)传统的方法将整个文档看作单词流或词袋,不能对句子间的逻辑关系进行建模,在文档中的句子间包含逻辑关系时,这些方法无法适当地表达文档的语义;2)这些方法只用了文档本身的语义,忽略了与该文档相关的其他信息源中信息,而这些信息源对该文档的语义表达也有一定的影响.为了解决这些问题,提出了一种基于多信息源的在线新闻评论双向分层语义表示模型,称为双向分层语义神经网络(bi-directional hierarchical semantic neural network,Bi-HSNN),该模型既捕获句子中词语所表达的情感,又自底向上地学习文档中句子间的逻辑关系,并利用评论、新闻和用户投票等多种信息源对在线新闻评论的情绪进行标注.在真实数据集上的一系列实验,验证了该模型的有效性.

关键词：在线新闻评论情绪标注分层语义表示多信息源神经网络

来源：评论

学校读者我要写书评

暂无评论

自监督学习的单幅透射图像恢复

引用

自动化学报 2023年第1期49卷 219-228页

作者：徐金东马咏莉梁宗宝倪梦莹烟台大学计算机与控制工程学院烟台264005

现有基于学习的单幅透射图像恢复方法常需要大量成对的标签数据来训练模型,因缺乏成对图像集的监督约束,致使透射图像恢复效果欠佳,限制了其实用性.提出了一种基于自监督学习的单幅透射图像恢复方法,利用循环一致性生成对抗网络的循环... 详细信息

现有基于学习的单幅透射图像恢复方法常需要大量成对的标签数据来训练模型,因缺乏成对图像集的监督约束,致使透射图像恢复效果欠佳,限制了其实用性.提出了一种基于自监督学习的单幅透射图像恢复方法,利用循环一致性生成对抗网络的循环结构和约束转移学习能力实现非成对图像的模型训练,通过设计自学习模块,从大规模的无监督数据中挖掘自身的监督信息对网络进行训练,以此形成有效的从浅层到深层的特征提取,提高透射图像正面内容的纹理、边缘等细节信息恢复质量,实现单幅图像的透射去除.实验结果表明,该方法在合成图像数据集、公共图像数据集以及真实图像数据集上都取得了较好的透射图像恢复结果.

关键词：特征提取透射去除图像恢复自监督生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

具有N-S磁极效应的最大间隔模糊分类器

引用

电子科技大学学报 2016年第2期45卷 227-232,239页

作者：刘忠宝裴松年杨秋翔中北大学计算机与控制工程学院太原030051

该文提出一种具有N-S磁极效应的最大间隔模糊分类器(MPMMFC)。该方法寻求一个具有N-S磁极效应的最优超平面,使得一类样本受磁极吸引离超平面尽可能近,另一类样本受磁极排斥离超平面尽可能远。针对传统支持向量机面临的对噪声和野点敏感... 详细信息

该文提出一种具有N-S磁极效应的最大间隔模糊分类器(MPMMFC)。该方法寻求一个具有N-S磁极效应的最优超平面,使得一类样本受磁极吸引离超平面尽可能近,另一类样本受磁极排斥离超平面尽可能远。针对传统支持向量机面临的对噪声和野点敏感问题,引入模糊技术来降低噪声和野点对分类的影响,从而进一步提高泛化性能和分类效率。通过人工数据集和实际数据集上的实验,证明了MPMMFC的有效性。

关键词：模糊技术核方法磁极效应模式分类

来源：评论

学校读者我要写书评

暂无评论

IncPR:一种基于增量计算的并行PageRank算法

引用

计算机研究与发展 2016年第8期53卷 1806-1818页

作者：姜双双廖群杨愚鲁李涛南开大学计算机与控制工程学院天津300350

广泛的互联网的商业应用使PageRank算法有重要地位.网络规模不断地增大,同时网络变化带来的时效性要求,也使PageRank计算对计算资源的要求不断地提高.为降低该问题对计算资源的消耗水平,降低计算成本,一种基于增量计算思想的PageRank算... 详细信息

广泛的互联网的商业应用使PageRank算法有重要地位.网络规模不断地增大,同时网络变化带来的时效性要求,也使PageRank计算对计算资源的要求不断地提高.为降低该问题对计算资源的消耗水平,降低计算成本,一种基于增量计算思想的PageRank算法:IncPR被提出.IncPR通过重用已有的结果,增量地获得数据变化后的结果.该算法在并行计算环境中,能够有效地降低计算量,缩短计算时间.理论分析表明,该算法计算结果的误差范围与蒙特卡罗PageRank算法相当,其时间复杂度优于其他已有的相关算法,且不引入额外的存储开销.在分布式集群Hama上进行的实验验证了理论分析的结果,IncPR在得到与蒙特卡罗PageRank算法同等(甚至更高)结果精度的情况下,显著地降低了计算量.

关键词： PageRank Web数据挖掘增量计算蒙特卡罗算法并行与分布式处理

来源：评论

学校读者我要写书评

暂无评论

基于死区补偿的氧调器平稳切换自抗扰控制

引用

航空学报 2018年第5期39卷 185-196页

作者：董方酉孙青林张晓雷蒋玉新孙明玮陈增强南开大学计算机与控制工程学院天津300350

歼击机中供氧系统内的氧气气压调节系统(氧调器系统)对飞行员的飞行质量至关重要。但是氧调器系统易受飞行环境和飞行员呼吸状态等因素的影响,而且氧调器所用阀门大多含有死区,会给控制系统带来稳态误差,导致控制难度增大,一般的控制策... 详细信息

歼击机中供氧系统内的氧气气压调节系统(氧调器系统)对飞行员的飞行质量至关重要。但是氧调器系统易受飞行环境和飞行员呼吸状态等因素的影响,而且氧调器所用阀门大多含有死区,会给控制系统带来稳态误差,导致控制难度增大,一般的控制策略难以兼顾补偿较大死区和抗扰两个条件。针对此问题,建立了基于音圈电机驱动阀的氧调器系统模型,并针对模型死区特性采用了死区补偿和双限幅模块,设计了基于死区补偿的平稳切换自抗扰控制策略。仿真及对比结果表明:采用同一套控制参数,可以使氧气面罩内压强在各个呼吸频率时有效,并快速地控制在呼吸阻力容许界限以内;并且其呼吸阻力低于将死区看作扰动的一般自抗扰控制(ADRC)。同时,验证了此策略的鲁棒性和抗扰性。

关键词：自抗扰控制(ADRC) 供氧系统氧调器限幅死区补偿

来源：评论

学校读者我要写书评

暂无评论

基于深度堆叠卷积神经网络的图像融合

引用

计算机学报 2017年第11期40卷 2506-2518页

作者：蔺素珍韩泽中北大学计算机与控制工程学院太原030051

该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为... 详细信息

该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为高频和低频图像序列;其次,基于He K方法初始化其余层卷积核,获得与源图像尺寸相同的高频和低频重构图像各一幅,并将二者合成源图像的近似图像;再以源图像和近似图像像素值之差的平方和的均值为误差函数,进行反向传播训练形成基本神经单元;之后,将多个基本单元堆叠起来利用end-to-end的方式调整整个网络得到深度堆叠神经网络.然后,利用该堆叠网络分别分解测试图像对,得到各自的高频和低频图像,再基于局部方差取大和区域匹配度合并的规则分别融合高频和低频图像,并将高频融合图像和低频融合图像放回最后一层网络,得到最终的融合图像.实验结果表明:与基于双树复小波变换(Dual-Tree Complex Wavelet Transform,DTCWT)、非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)的融合结果相比,用高斯拉普拉斯滤波器和高斯滤波器初始化的深度堆叠卷积神经网络融合效果主观效果好,客观指标最优个数为NSCT的3.3倍,运行时间为NSCT的30.3%和NSST的11.6%.

关键词：图像融合深度学习卷积神经网络堆叠自动编码滤波器

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：