检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于多尺度标签传播的小样本图像分类

计算机研究与发展 2022年第7期59卷 1486-1495页

作者：汪航田晟兆唐青陈端兵电子科技大学大数据研究中心成都611731 中国石油西南油气田分公司通信与信息技术中心成都610051 成都数之联科技股份有限公司成都610041 四川省社会科学数字文化与传媒重点研究基地成都611731

在小样本条件下,由于低数据问题,即标记数据较少且难以收集,采用传统的深度学习很难训练出一个好的分类器.最近的研究中,基于低维局部信息度量方法和标签传播网络(transductive propagation network, TPN)算法取得了较好的分类效果,并... 详细信息

在小样本条件下,由于低数据问题,即标记数据较少且难以收集,采用传统的深度学习很难训练出一个好的分类器.最近的研究中,基于低维局部信息度量方法和标签传播网络(transductive propagation network, TPN)算法取得了较好的分类效果,并且局部信息可以很好地度量特征与特征之间的关系,但是低数据问题依然存在.为了解决低数据问题,提出基于多尺度的标签传播网络(multi-scale label propagation network, MSLPN)方法,其核心思想在于利用多尺度生成器生成多个尺度的图像特征,通过关系度量模块获得多个不同尺度特征下的样本相似性得分,并通过集成不同尺度的相似性得分获得分类结果,具体地,方法首先通过多尺度生成器生成不同尺度的图像特征,然后利用多尺度信息的相似性得分进行标签传播,最后通过多尺度标签传播结果计算获得分类结果.与TPN相比,在数据集miniImageNet上,5-way 1-shot和5-way 5-shot设置中的分类准确率分别提高了2.77%和4.02%;在数据集tieredImageNet上,5-way 1-shot和5-way 5-shot设置中分类准确率分别提高了1.16%和1.27%.实验结果表明,利用多尺度特征信息可有效提高分类准确率.

关键词：小样本学习度量学习多尺度特征特征增强标签传播

在线全文

学校读者我要写书评

暂无评论

弹性异质电网的重要目标识别算法

电子科技大学学报 2023年第2期52卷 280-288页

作者：王磊陈端兵周俊临傅彦成都数之联科技股份有限公司成都610041 电子科技大学大数据研究中心成都611731

在现代信息化战争中,识别电网中的重要目标能有效指导攻击方或防御方战术的制定。而现有的电网攻防策略研究通常忽略真实电网具有弹性这一特性,因此提出RHGEle_Rank方法用于在电网的多轮攻防博弈中识别重要的变电站和输电线。首先基于... 详细信息

在现代信息化战争中,识别电网中的重要目标能有效指导攻击方或防御方战术的制定。而现有的电网攻防策略研究通常忽略真实电网具有弹性这一特性,因此提出RHGEle_Rank方法用于在电网的多轮攻防博弈中识别重要的变电站和输电线。首先基于仿真的弹性电力网络模型,考虑电站节点的工作效率,设计了节点的自我恢复策略用于模拟多轮攻防博弈下变电站的自我修复场景。然后,针对电网的异质特征,构建了基于过载式和断电式的级联失效模型。最后,利用贪心算法,识别每轮攻防博弈中的最佳攻击(防御)目标。实验表明,相较于传统的度中心性、介数中心性方法,攻击RHGEle_Rank选择出的重要目标能更大程度上破坏电网的供电能力。同时,考虑网络弹性的贪心算法能有效避免多轮攻防博弈中出现“无效攻击”。

关键词：级联失效复杂网络贪心算法弹性异质电网

在线全文

学校读者我要写书评

暂无评论

知识与数据联合驱动建模技术综述

电子科技大学学报 2023年第6期52卷 932-943页

作者：田晟兆胡迎茜谷成陈端兵电子科技大学大数据研究中心成都611731 中国航天科工集团公司第二研究院北京海淀区100854 航天科工防御技术研究试验中心北京海淀区100854 成都数之联科技股份有限公司成都610041

当前,基于深度学习的目标识别建模技术面临标注样本不足、模型可解释性不高、稳定性不够等新的挑战,限制了深度学习解决更复杂、更抽象问题的可能性。采用知识与数据联合驱动的方式进行智能模型构建是突破现有瓶颈的一条重要途径。该文... 详细信息

当前,基于深度学习的目标识别建模技术面临标注样本不足、模型可解释性不高、稳定性不够等新的挑战,限制了深度学习解决更复杂、更抽象问题的可能性。采用知识与数据联合驱动的方式进行智能模型构建是突破现有瓶颈的一条重要途径。该文以外部经验与认知知识在模型构建中的引入方式为区分准则,提出了模型构建方法的分类标准,包括基于显式知识的建模方法、基于隐式知识的建模方法以及基于融合知识的建模方法;然后围绕每类方法在解决小样本、模型可解释性等问题上的探索进行综述,并总结设想了一种未来的知识与数据联合驱动建模方式。这种方式吸取了不同建模方式的优点,通过解耦知识建模与数据建模,以无监督、弱监督为核心训练方式,可以有效解决小样本条件下模型构建问题,提高模型可解释性。最后,该文总结了需要进一步研究的问题和未来的研究方向,以促进目标识别模型构建技术的发展。

关键词：人工智能深度学习知识与数据联合驱动模型构建目标识别

基于DRSN-CW和LSTM的轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2022年第6期51卷 921-927页

作者：王磊孙志成王磊陈端兵蒋家玮中国人民解放军63861部队吉林137001 成都数之联科技股份有限公司成都610041 电子科技大学大数据研究中心成都611731

利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点... 详细信息

利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点,充分提取振动信号的内部时域特征。同时,注意力机制的引入可以使得模型自动提取出重要的时域特征用于后续的故障类型识别。在凯斯西储大学(CWRU)数据集上对提出的模型进行了测试,实验表明提出的方法在无降噪处理的情况下,相比于最新的MCNN-LSTM模型能更准确地诊断轴承故障。在训练数据不足的情况下,提出的方法依旧能较好地实现轴承故障诊断,平均准确率能达到98.16%,比MCNN-LSTM平均提升了2.62%。

关键词：注意力机制残差收缩模块故障诊断长短时记忆网络信号处理

基于DynamicRank的重要节点集挖掘算法

在线全文

学校读者我要写书评

暂无评论

重庆邮电大学学报（自然科学版） 2022年第5期34卷 869-876页

作者：朱华潘侃王磊陈端兵云南电网有限责任公司电力科学研究院昆明650217 成都数之联科技股份有限公司成都610041 电子科技大学大数据研究中心成都611731

为了更为有效地挖掘复杂网络中综合影响力高的节点集、提高重要节点集挖掘算法的准确性,针对节点集中各节点在信息传播中不同程度的相互促进和相互抑制作用,基于DynamicRank算法设计了一种新的级联概率计算模型。通过增强贪心策略,优先... 详细信息

为了更为有效地挖掘复杂网络中综合影响力高的节点集、提高重要节点集挖掘算法的准确性,针对节点集中各节点在信息传播中不同程度的相互促进和相互抑制作用,基于DynamicRank算法设计了一种新的级联概率计算模型。通过增强贪心策略,优先从种子集邻居以外的节点中选取备选节点,减小种子集内重叠邻居对信息传播引发的抑制作用;利用级联概率计算模型,增强种子集对信息传播的级联促进作用。在4个实际网络上采用SIR模型进行了测试,实验结果表明,相较于已有重要节点挖掘方法H-index、Degree、DynamicRank、VoteRank和EnRenew,提出的算法挖掘出的节点集具有更高影响力。特别地,在Grid数据集上,本文方法挖掘出的种子集的传播范围比对比算法平均提升了49.3%。提出的算法针对信息传播概率和贪心策略的改进有利于重要节点集的挖掘和识别。

关键词：复杂网络重要节点动力学排序贪心算法

在线全文

学校读者我要写书评

暂无评论

基于子图特征的节点排序算法

计算机科学 2023年第S2期50卷 431-437页

作者：陈端兵杨志杰曾卓傅彦周俊临赵俊严电子科技大学大数据研究中心成都611731 北京特种车辆研究所北京100072

复杂网络理论已被广泛应用于各个领域,节点重要性排序研究是复杂网络领域的重要分支。复杂网络中节点重要性排序及重要节点挖掘对分析和理解复杂网络的结构与功能具有重要意义。众多学者针对复杂网络的关键节点识别和节点重要性排序问... 详细信息

复杂网络理论已被广泛应用于各个领域,节点重要性排序研究是复杂网络领域的重要分支。复杂网络中节点重要性排序及重要节点挖掘对分析和理解复杂网络的结构与功能具有重要意义。众多学者针对复杂网络的关键节点识别和节点重要性排序问题进行了深入研究,取得了大量研究成果。但随着人工智能的发展和数据体量的飞速增长,复杂网络规模呈指数级增长,传统算法的准确性和泛化性已经无法满足现实需求。文中基于节点的二阶邻域信息,提出了一种基于子图特征的节点重要性排序(Subgraph Feature Extraction Rank,SFE Rank)的机器学习模型。利用二阶邻域信息,建立局部子图的含权邻接矩阵,通过矩阵特征分解提取能够有效反映节点局部特征信息的向量表征,在此基础上,建立机器学习模型,用于学习节点子图特征向量和节点重要性的关联关系。在9个真实网络上进行实验,结果表明,相比已有的节点重要性排序方法,所提方法具有更优的排序效果和更好的泛化性能。

关键词：复杂网络重要节点特征提取子图特征机器学习

在线全文

学校读者我要写书评

暂无评论

企业数据资产价值评估研究

中国资产评估 2023年第4期 20-30页

作者：石磊何天翔陈端兵中国电子科技集团有限公司第十四研究所江苏南京210013 成都数之联科技股份有限公司四川成都610041 电子科技大学大数据研究中心四川成都611731

随着大数据技术的发展,数据资产逐渐成为企业的核心资产,数据资产的价值也在多个方面得到体现。准确评估数据资产价值不仅能够促进企业降本增效,还能推动数据交易市场的构建规范。本文从影响企业数据资产的因素出发,分析并构建了数据资... 详细信息

随着大数据技术的发展,数据资产逐渐成为企业的核心资产,数据资产的价值也在多个方面得到体现。准确评估数据资产价值不仅能够促进企业降本增效,还能推动数据交易市场的构建规范。本文从影响企业数据资产的因素出发,分析并构建了数据资产价值评估指标体系。结合层次分析法、成本法、市场法、收益法和综合法等多种方法建立了数据资产价值评估模型,为企业评估数据资产价值提供了借鉴和依据。

关键词：数据资产指标体系价值评估评估模型

在线全文

学校读者我要写书评

暂无评论

基于最大熵的新型冠状病毒代际间隔分布估计

复杂系统与复杂性科学 2023年第2期20卷 20-28,37页

作者：高远东李华龙王小华陈端兵梁义娟温涛周涛陶勇西南大学经济管理学院重庆400715 电子科技大学大数据研究中心成都611731

传染病代际间隔τ对于探究病毒传播规律具有重要的理论与实用价值,而通常其概率分布函数是未知的。因此,尝试利用最大熵方法推断代际间隔分布函数的最概然形式,详细分析了全球20个国家4986个新型冠状病毒病例信息,在充分考虑样本多样性... 详细信息

传染病代际间隔τ对于探究病毒传播规律具有重要的理论与实用价值,而通常其概率分布函数是未知的。因此,尝试利用最大熵方法推断代际间隔分布函数的最概然形式,详细分析了全球20个国家4986个新型冠状病毒病例信息,在充分考虑样本多样性的基础上估计了该病毒代际间隔的总体均值和方差,然后基于此方法推定了全球新型冠状病毒代际间隔分布函数并以此计算了中国的基本再生数。研究结论有助于进一步客观地分析病毒传播特征,为制定常态化疫情防控对策和相关领域研究提供重要的参考价值。

关键词：新型冠状病毒最大熵原理代际间隔分布函数阶矩信息

在线全文

学校读者我要写书评

暂无评论

微博用户兴趣主题抽取方法

电子科技大学学报 2018年第4期47卷 633-640页

作者：杨仁凤陈端兵谢文波电子科技大学计算机科学与工程学院成都611731 电子科技大学大数据研究中心成都611731

根据社交媒体短文本特征改进了词袋模型,利用特征之间的语义关系提出了语义表示模型,采用句子中特征先后顺序构建了次序图模型,在此基础上引入时间因素,提出了基于Single-Pass算法的用户兴趣主题模型用于抽取微博用户关注的话题。实验... 详细信息

根据社交媒体短文本特征改进了词袋模型,利用特征之间的语义关系提出了语义表示模型,采用句子中特征先后顺序构建了次序图模型,在此基础上引入时间因素,提出了基于Single-Pass算法的用户兴趣主题模型用于抽取微博用户关注的话题。实验结果表明,该方法的FM、AA和F指标相比FSC-LDA方法分别提高了200.40%、46.50%、80.05%。

关键词：兴趣抽取微博 Single-Pass 文本聚类主题模型