检索结果-南通市图书馆

基于样本内外协同表示和自适应融合的多模态学习方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第5期61卷 1310-1324页

作者：黄学坚马廷淮王根生江西财经大学虚拟现实(VR)现代产业学院南昌330013 南京信息工程大学计算机学院南京210044 江西财经大学信息管理学院南昌330013

多模态机器学习是一种新的人工智能范式,结合各种模态和智能处理算法以实现更高的性能.多模态表示和多模态融合是多模态机器学习的2个关键任务.目前,多模态表示方法很少考虑样本间的协同,导致特征表示缺乏鲁棒性,大部分多模态特征融合... 详细信息

多模态机器学习是一种新的人工智能范式,结合各种模态和智能处理算法以实现更高的性能.多模态表示和多模态融合是多模态机器学习的2个关键任务.目前,多模态表示方法很少考虑样本间的协同,导致特征表示缺乏鲁棒性,大部分多模态特征融合方法对噪声数据敏感.因此,在多模态表示方面,为了充分学习模态内和模态间的交互,提升特征表示的鲁棒性,提出一种基于样本内和样本间多模态协同的表示方法.首先,分别基于预训练的BERT,Wav2vec 2.0,Faster R-CNN提取文本特征、语音特征和视觉特征;其次,针对多模态数据的互补性和一致性,构建模态特定和模态共用2类编码器,分别学习模态特有和共享2种特征表示;然后,利用中心矩差异和正交性构建样本内协同损失函数,采用对比学习构建样本间协同损失函数;最后,基于样本内协同误差、样本间协同误差和样本重构误差设计表示学习函数.在多模态融合方面,针对每种模态可能在不同时刻表现出不同作用类型和不同级别的噪声,设计一种基于注意力机制和门控神经网络的自适应的多模态特征融合方法.在多模态意图识别数据集MIntRec和情感数据集CMU-MOSI,CMU-MOSEI上的实验结果表明,该多模态学习方法在多个评价指标上优于基线方法.

关键词：多模态表示多模态融合多模态学习协同表示自适应融合

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

融合干预与反事实的知识感知型去偏推理模型

计算机科学与探索 2024年

作者：孙圣杰马廷淮黄凯南京信息工程大学计算机学院南京信息工程大学软件学院江苏海洋大学计算机工程学院

溯因自然语言推理任务旨在根据给定前提事件和结果事件选择更加合理的假设事件。针对推理过程中由中介变量与混杂变量导致的“逻辑缺陷”与“单句标签泄露”偏差问题，提出一种基于干预与反事实原理推理模型（Knowledge-aware Debiased ... 详细信息

溯因自然语言推理任务旨在根据给定前提事件和结果事件选择更加合理的假设事件。针对推理过程中由中介变量与混杂变量导致的“逻辑缺陷”与“单句标签泄露”偏差问题，提出一种基于干预与反事实原理推理模型（Knowledge-aware Debiased inference model integrating Intervention and Counterfactual，KDIC）。该模型中包含了中介变量调节器、单句假设偏差、外部知识融合三个模块。首先，中介变量调节器由因果图干预与假设对比学习组成。因果图干预旨在基于给定事件构建一个因果图，基于注意力机制和图卷积网络提取中介变量指导深度网络编码，去捕获未观察事件的潜在特征。同时，引入假设对比学习，激励模型主动区分影响假设判断的关键因素并弥补“逻辑缺陷”。其次，基于反事实问题构建单据假设偏差模块，以主动识别“单句标签泄露”带来的推理偏差，减少模型对假设中某些特定词汇或短语的依赖。最后，采用预训练常识知识图谱编码器ComET引入外部知识，确保模型全面理解观察事件发生的动机和可能结果，增强事件间的整体逻辑性。在αNLI数据集上进行了实验，证明KDIC的推理能力仅次于基于自监督训练得到的Electra-large-discriminator，但KDIC具有更强的鲁棒性以缓解推理过程中的偏差。

关键词：自然语言推理去偏推理干预反事实

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合知识和语义信息的双编码器自动摘要模型

计算机工程与应用 2024年

作者：贾莉马廷淮桑晨扬潘倩南京信息工程大学计算机学院网络空间安全学院江苏海洋大学计算机工程学院南京信息工程大学软件学院

为了解决自动文本摘要任务存在的文本语义信息不能充分编码、生成的摘要语义冗余、原始语义信息丢失等语义问题，本文提出了一种融合知识和文本语义信息的双编码器自动摘要模型（Dual-encoder Automatic Summarization model incorporat... 详细信息

为了解决自动文本摘要任务存在的文本语义信息不能充分编码、生成的摘要语义冗余、原始语义信息丢失等语义问题，本文提出了一种融合知识和文本语义信息的双编码器自动摘要模型（Dual-encoder Automatic Summarization model incorporating Knowledge and Semantic Information，KSDASum）。该方法采用双编码器对原文语义信息进行充分编码，文本编码器获取全文的语义信息，图结构编码器维护全文上下文结构信息。解码器部分采用基于Transformer结构和指针网络，更好地捕捉文本和结构信息进行交互，并利用指针网络的优势提高生成摘要的准确性。同时，训练过程中采用强化学习中自我批判的策略梯度优化模型能力。该方法在CNN/Daily Mail和XSum公开数据集上与GSUM生成式摘要方法相比，在评价指标上均获得最优的结果，证明了本文所提模型能够有效地利用知识和语义信息，提升了生成文本摘要的能力。

关键词：知识图谱编码器图注意力机制指针网络增强训练自动摘要

基于注意力机制与自适应时序分解的气温预报模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

气象 2024年第6期50卷 723-732页

作者：杨彬马廷淮黄学坚南京信息工程大学计算机学院南京210044

针对传统方法在捕捉气象序列长期依赖关系及泛化性能上的不足,提出了一种基于稀疏注意力与自适应时序分解的气温预报模型(ATFSAS)。该模型整体采用编码器解码器架构,结合稀疏注意力机制以有效捕捉气象观测数据间的长期依赖性。为减少... 详细信息

针对传统方法在捕捉气象序列长期依赖关系及泛化性能上的不足,提出了一种基于稀疏注意力与自适应时序分解的气温预报模型(ATFSAS)。该模型整体采用编码器解码器架构,结合稀疏注意力机制以有效捕捉气象观测数据间的长期依赖性。为减少编码过程中造成的冗余,提出了一种信息蒸馏方法。通过结合多层解码器与自适应时序分解单元,逐步细化预报信号中的周期性和趋势性分量,实现了较为精准的气温预报。基于德国耶拿气象数据集,进行24h精细化气温预报,其平均绝对误差为1.7108℃。基于中国地面气候资料日值数据集,进行中短期日平均气温预报和多地区单日平均气温预报,相比传统模型LSTM,ATFSAS模型的预报性能分别提升了35.56%和23.66%。

关键词：人工智能深度学习时序预测气温预报

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

适用于多领域少样本的元适配器整合学习方法

计算机工程与应用 2024年

作者：于信马廷淮彭可兴贾莉蒋永溢南京信息工程大学软件学院南京信息工程大学雷丁学院南京信息工程大学计算机学院

针对多域少样本文本摘要任务中迁移学习面临的诸多挑战，尤其是源域数据的多样性以及目标域数据的数据稀缺性问题，提出了一种创新的学习方法，名为元适配器整合学习方法（Meta-Adapter Integration Learning， MAIL）。MAIL使用基于Tra... 详细信息

针对多域少样本文本摘要任务中迁移学习面临的诸多挑战，尤其是源域数据的多样性以及目标域数据的数据稀缺性问题，提出了一种创新的学习方法，名为元适配器整合学习方法（Meta-Adapter Integration Learning， MAIL）。MAIL使用基于Transformer的预训练模型作为基础模型，融合适配器模块限制模型参数及层数，并采用元学习方法微调适配器。此外，为了增强在不同领域间的迁移和泛化能力，设计了一种元适配器整合算法，旨在最大化利用多域信息，增强模型跨领域泛化能力。实验结果显示，MAIL在标准文本生成评价指标上超越现有主流模型，并能有效应对跨领域迁移中常见的灾难性遗忘、任务干扰和训练不稳定等问题。

关键词：文本摘要生成少样本学习迁移学习预训练模型适配器元学习

面向长期时间序列预测的多项式投影与信息交换架构

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：刘建鑫马廷淮苏昱铭荣欢南京信息工程大学软件学院江苏海洋大学计算机工程学院南京信息工程大学人工智能学院

长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测，为长期预警、规划和决策提供支持。现有方法在进行长期预测时，普遍存在分布偏移和长期依赖关系难捕获的问题。本文提出一种面向长期时间序列预测的多项式投影与信息交... 详细信息

长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测，为长期预警、规划和决策提供支持。现有方法在进行长期预测时，普遍存在分布偏移和长期依赖关系难捕获的问题。本文提出一种面向长期时间序列预测的多项式投影与信息交换架构LPPIEA。首先，引入可逆实例数据归一化，降低长期时间序列中分布偏移对预测的影响。其次，使用勒让德多项式投影来处理复杂的时间模式，获取数据的高维特征表示以增强模型推理长期时间序列的能力。然后，为了有效捕获长期时间依赖关系，构建轻量化的信息交换架构来高效捕获长期时间依赖关系，从而实现准确高效的长期时间序列预测。在4个常用的公开数据集上的实验结果表明，LPPIEA的预测误差相比于基线方法平均降低11.4％，同时还具有较高的计算效率。模型代码可在此仓库中获取：https://***/JoeDoex/LPPIEA。

关键词：时间序列预测长期时间依赖多项式投影信息交换架构深度学习

基于BVMD-Attention-GRU的中长期干旱预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水电能源科学 2024年第4期42卷 25-29页

作者：谢颂扬马廷淮南京信息工程大学计算机学院江苏南京210044 江苏海洋大学计算机工程学院江苏连云港222005

干旱是一种由长期缺水导致的现象,及早发现干旱现象并预测其程度,对于科学防旱抗旱至关重要。为此,提出一种基于变分模态分解算法(VMD)和融合注意力机制(Attention)的门控循环单元(GRU)的干旱指数预测方法。首先使用蝴蝶优化算法(BOA)对... 详细信息

干旱是一种由长期缺水导致的现象,及早发现干旱现象并预测其程度,对于科学防旱抗旱至关重要。为此,提出一种基于变分模态分解算法(VMD)和融合注意力机制(Attention)的门控循环单元(GRU)的干旱指数预测方法。首先使用蝴蝶优化算法(BOA)对VMD进行参数寻优,将标准化降水蒸散发指数(SPEI)数据分解为一组波动性较小的子序列;然后将注意力机制引入GRU模型,对各子序列进行预测;最后将各子序列预测结果加和得到SPEI预测值。使用BVMD-Attention-GRU模型对乌鲁木齐市SPEI进行预见期为6个月的中长期预测,并构建GRU、VMD-GRU、BVMD-GRU模型进行对比试验。试验结果表明,BVMDAttention-GRU模型具有更高的预测精度,适用于中长期干旱预测。

关键词：干旱预测蝴蝶优化算法变分模态分解注意力机制门控循环单元

维普期刊数据库

语义信息提取和图结构挖掘的事件骨架生成方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：黄凯马廷淮孙圣杰龚智恒汤毅翔陈思南京信息工程大学软件学院江苏海洋大学计算机工程学院南京信息工程大学计算机学院网络安全学院南京信息工程大学人工智能学院(未来技术学院)

事件骨架生成旨在从一系列的事件图中归纳出包含事件类型及其时序关系的事件骨架图。这是在时间复杂事件模式归纳任务中的一个核心步骤。尽管现有的方法在这项任务上已经取得了一定的效果，但是由于事件图的复杂性和多变性，这些方法在... 详细信息

事件骨架生成旨在从一系列的事件图中归纳出包含事件类型及其时序关系的事件骨架图。这是在时间复杂事件模式归纳任务中的一个核心步骤。尽管现有的方法在这项任务上已经取得了一定的效果，但是由于事件图的复杂性和多变性，这些方法在挖掘事件图的结构信息和语义信息方面仍显不足。因此，为解决该问题，文中提出了一种事件骨架生成模型。在图编码阶段，模型使用了拉普拉斯位置编码，以精准捕捉和编码图结构的局部信息。同时，模型采用了多头注意力机制和图卷积网络，以提取语义信息和图结构信息，全面总结事件发展的全局结构信息，构建出更泛化，更全面的事件骨架图。实验证明，在事件骨架生成任务上，该模型在Event Match指标上提升了8.83%，Event Sequence Match指标上提升了11.2%（l=2）和7.6%（l=3），实现了较大的性能提升。

关键词：事件模式归纳事件骨架生成图生成语义信息提取图结构挖掘

基于GF-1卫星影像数据融合的冬小麦田空间信息提取

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

麦类作物学报 2024年第8期 1056-1062页

作者：韩振强毛星李卫国李伟马廷淮张宏刘力源江苏大学农业工程学院江苏省农业科学院农业信息研究所南京信息工程大学江苏大学流体机械工程技术研究中心

为给高标准农田建设规划和粮食安全生产措施的制定提供准确信息，在对国产GF-1/PMS卫星影像进行辐射定标、大气校正、几何校正和裁剪等预处理的基础上，经过影像融合提取了高标准麦田多地物的点像元光谱信息，通过分析不同地物光谱特征... 详细信息

为给高标准农田建设规划和粮食安全生产措施的制定提供准确信息，在对国产GF-1/PMS卫星影像进行辐射定标、大气校正、几何校正和裁剪等预处理的基础上，经过影像融合提取了高标准麦田多地物的点像元光谱信息，通过分析不同地物光谱特征，利用波段反射率、归一化差值植被指数（NDVI）和差值植被指数（DVI）构建植被光谱特征指标阈值，进而对冬小麦田及非麦田进行分类，以获取高标准麦田的空间分布信息。结果表明，光谱特征指标选择BR4>0.3、NDVI>0.619和DVI>0.317,可以较准确地从影像中识别出冬小麦田，并减少田间道路被误判为冬小麦田像元。在非麦田分类中，选择BR3>0.15和BR4>0.2,可将建筑用地与河流（沟渠）区分开。利用田间样方统计面积和遥感提取面积进行精度验证，总体精度可达97.33%,说明通过中、高空间分辨率遥感数据融合，结合多重光谱特征指标建立合理的分类阈值，可以准确提取冬小麦田及非麦田的分布信息。

关键词：冬小麦多光谱指标高标准麦田决策树分类空间信息提取