检索结果-南通市图书馆

Global-Attention-Based Neural Networks for Vision Language Intelligence

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

IEEE/CAA Journal of Automatica Sinica 2021年第7期8卷 1243-1252页

作者： Pei Liu Yingjie Zhou dezhong peng Dapeng Wu the College of Computer Science Sichuan UniversityChengdu 610065China the College of Computer Science Sichuan UniversityChengdu 610065 Sichuan Zhiqian Technology Co. Ltd.Chengdu 610041 Shenzhen peng Cheng Laboratory Shenzhen 518052China the Department of Electrical and Computer Engineering University of FloridaGainesville FL 32611 USA

In this paper,we develop a novel global-attentionbased neural network(GANN)for vision language intelligence,specifically,image captioning(language description of a given image).As many previous works,the encoder-decoder framework is adopted in our proposed model,in which the encoder is responsible for encoding the region proposal features and extracting global caption feature based on a specially designed module of predicting the caption objects,and the decoder generates captions by taking the obtained global caption feature along with the encoded visual features as inputs for each attention head of the decoder layer.The global caption feature is introduced for the purpose of exploring the latent contributions of region proposals for image captioning,and further helping the decoder better focus on the most relevant proposals so as to extract more accurate visual feature in each time step of caption generation.Our GANN is implemented by incorporating the global caption feature into the attention weight calculation phase in the word predication process in each head of the decoder layer.In our experiments,we qualitatively analyzed the proposed model,and quantitatively evaluated several state-of-the-art schemes with GANN on the MS-COCO dataset.Experimental results demonstrate the effectiveness of the proposed global attention mechanism for image captioning.

关键词： Global attention image captioning latent contribution

基于特征对比学习和图卷积的社交网络用户分类

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年第4期50卷 258-266页

作者：李政学李枝名彭德中陈杰四川大学计算机学院四川成都610065

社交网络用户分类旨在通过用户属性和社交关系确定用户的兴趣爱好,可通过图类数据的节点分类实现。多数基于图卷积神经网络(GCN)的节点分类方法仅能处理高同质率数据集,但社交网络数据集通常具有较高的异质率。针对社交网络数据集同质... 详细信息

社交网络用户分类旨在通过用户属性和社交关系确定用户的兴趣爱好,可通过图类数据的节点分类实现。多数基于图卷积神经网络(GCN)的节点分类方法仅能处理高同质率数据集,但社交网络数据集通常具有较高的异质率。针对社交网络数据集同质率较低的问题,提出一种基于特征对比学习的图卷积神经网络(CLGCN)模型。通过预训练的组合标签构造相似性矩阵,根据相似性矩阵进行图卷积。利用特征对比学习分别定义类别相同和不同的邻居节点对为正负样本对,最小化特征对比的损失函数,使同类节点对的特征表达相似性更高及异类节点对的特征表达可区分性更强。实验结果表明,CLGCN模型在3个低同质率社交网络数据集上的节点分类准确率分别达到93.5%、81.4%和67.9%,均高于对比模型。

关键词：社交网络对比学习同质率图卷积神经网络节点分类

Transcriptomic and Macroscopic Architectures of Multimodal Covariance Network Reveal Molecular–Structural–Functional Co-alterations

在线全文

学校读者我要写书评

暂无评论

Research 2024年第1期2023卷 471-487页

作者： Lin Jiang Yueheng peng Runyang He Qingqing Yang Chanlin Yi Yuqin Li Bin Zhu Yajing Si Tao Zhang Bharat B.Biswal dezhong Yao Lan Xiong Fali Li peng Xu The Clinical Hospital of Chengdu Brain Science Institute MOE Key Lab for NeuroinformationUniversity of Electronic Science and Technology of ChinaChengdu 611731China School of Life Science and Technology Center for Information in BioMedicineUniversity of Electronic Science and Technology of ChinaChengdu 611731China School of Psychology Xinxiang Medical UniversityXinxiang 453003China School of Science Xihua UniversityChengdu 610039China Department of Biomedical Engineering New Jersey Institute of TechnologyNewarkNJUSA School of Electrical Engineering Zhengzhou UniversityZhengzhou 450001China Research Unit of NeuroInformation Chinese Academy of Medical Sciences2019RU035ChengduChina Montreal Neurological Institute and Hospital McGill UniversityMontrealQCCanada Department of Electrical and Computer Engineering Faculty of Science and TechnologyUniversity of MacaoMacaoChina Radiation Oncology Key Laboratory of Sichuan Province 610041 ChengduChina Rehabilitation Center Qilu Hospital of Shandong UniversityJinan 250012China

Human cognition is usually underpinned by intrinsic structure and functional neural co-activation in spatially distributed brain regions.Owing to lacking an effective approach to quantifying the covarying of structure and functional responses,how the structural–functional circuits interact and how genes encode the relationships,to deepen our knowledge of human cognition and disease,are still unclear.Here,we propose a multimodal covariance network(MCN)construction approach to capture interregional covarying of the structural skeleton and transient functional activities for a single individual.We further explored the potential association between brain-wide gene expression patterns and structural–functional covarying in individuals involved in a gambling task and individuals with major depression disorder(MDD),adopting multimodal data from a publicly available human brain transcriptomic atlas and 2 independent *** analysis showed a replicable cortical structural–functional fine map in healthy individuals,and the expression of cognition-and disease phenotype-related genes was found to be spatially correlated with the corresponding MCN differences.Further analysis of cell type-specific signature genes suggests that the excitatory and inhibitory neuron transcriptomic changes could account for most of the observed correlation with task-evoked MCN differences.

关键词： alterations evoked spatially

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

一种模糊多粒度用电行为异常检测方法

计算机应用研究 2023年第11期40卷 3348-3352,3357页

作者：李琪林严平陈白杨袁钟彭德中刘益志国网四川省电力公司计量中心成都610045 四川大学计算机学院成都610065

异常用电检测旨在识别和定位电力系统中与常规用电行为显著偏离的用户。现有基于机器学习、深度学习的有监督的检测方法通常需要大量人工标记数据,且对于离散型数据需要进行类型转换,因而容易导致重要信息的丢失。模糊粗糙集理论提供了... 详细信息

异常用电检测旨在识别和定位电力系统中与常规用电行为显著偏离的用户。现有基于机器学习、深度学习的有监督的检测方法通常需要大量人工标记数据,且对于离散型数据需要进行类型转换,因而容易导致重要信息的丢失。模糊粗糙集理论提供了一种处理离散数据的有效工具,并能直接应用于包含连续数据和离散数据在内的异质信息的知识分类。在文本模糊粗糙集理论的基础上,提出了一个基于多粒度模糊相对差的无监督异常检测方法,并将其应用于智能电网的异常用电检测。具体而言,首先利用模糊近似空间的信息熵来度量属性在知识分类中的重要性,然后根据属性集重要性构造模糊信息粒序列,接着在此序列上定义样本的模糊相对差,最后构建基于多粒度模糊相对差的异常检测方法,并在公开的数据集上进行验证。实验结果表明了所提检测算法的有效性和优越性。实验相关的代码和数据已在网络上公开(http://***/chenbaiyang/FRAD)。

关键词：无监督异常用电检测异质信息模糊粗糙集模糊相对差模糊多粒度

基于深度孪生自回归网络的无监督异常用电检测

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2023年第12期40卷 3717-3722,3727页

作者：李琪林严平宿欣宇袁钟彭德中刘益志国网四川省电力公司营销服务中心成都610045 四川大学计算机学院成都610065

异常用电检测旨在识别出不符合正常用电规律或者违反用电合约的用电行为。针对现有基于重构的检测方法依赖标记的正常样本和难以捕捉复杂时间依赖性的问题,提出一种基于深度孪生自回归网络的无监督异常用电行为检测模型(DSAD)。所提模... 详细信息

异常用电检测旨在识别出不符合正常用电规律或者违反用电合约的用电行为。针对现有基于重构的检测方法依赖标记的正常样本和难以捕捉复杂时间依赖性的问题,提出一种基于深度孪生自回归网络的无监督异常用电行为检测模型(DSAD)。所提模型通过两个孪生自回归子网络来分别独立地对无标记的输入数据进行重构,再将两个子网络的重构误差相结合来预测数据中的正常样本,并利用多头自注意力机制来有效地捕捉时间依赖性、周期性和随机性等复杂特征。在大规模时序数据集和国家电网真实用电数据集上进行实验,所获得的结果表明,DSAD模型在AUC以及AP等性能指标上取得了更好的检测效果。

关键词：智能电网异常用电检测深度孪生自回归网络多头注意力机制无监督学习

在线全文

学校读者我要写书评

暂无评论

基于典型相关分析的脑网络研究方法综述

中国生物医学工程学报 2024年第2期43卷 240-251页

作者：尹顺杰陈凯薛开庆尧德中徐鹏张涛西华大学理学院成都610039 西华大学计算机与软件工程学院成都610039 电子科技大学神经信息教育部重点实验室成都610054

脑网络分析在研究大脑的认知活动、探究大脑的信息处理模式和辅助精神类疾病的诊断等方面都起着重要作用。近年来,基于多变量数据集的脑网络研究方法得到了普遍关注。典型相关分析(CCA)作为一种基于数据驱动的多元统计方法,能够有效捕... 详细信息

脑网络分析在研究大脑的认知活动、探究大脑的信息处理模式和辅助精神类疾病的诊断等方面都起着重要作用。近年来,基于多变量数据集的脑网络研究方法得到了普遍关注。典型相关分析(CCA)作为一种基于数据驱动的多元统计方法,能够有效捕捉多变量数据间的隐含关系,被广泛地应用于脑网络研究。综述CCA在脑网络研究中的作用、具体应用模式、存在的优势和局限性。首先,对传统的CCA其及常见变体的算法原理进行归纳总结;然后,阐述基于CCA分析方法在脑网络构建、脑网络分析、脑网络标记物识别方面的研究现状;最后,对基于CCA的脑网络研究方法进行总结并探讨未来研究的方向。

关键词：典型相关分析脑网络功能连接功能性磁共振成像(fMRI)

在线全文

学校读者我要写书评

暂无评论

基于选穴规律探析针灸治疗抽动障碍

智慧健康 2022年第19期8卷 31-35页

作者：胡骁佟昊琛徐定涛彭德忠成都中医药大学针灸推拿学院四川成都610075

目的运用统计分析相关技术完成对针灸治疗抽动障碍的取穴规律研究,以期为临床工作提供更有价值的参考意见。方法使用计算机检索近10年收录于中国知网(CNKI)、万方(WanFang Data)、中国生物医学文献数据库(CBM)、维普(VIP)数据库中关于... 详细信息

目的运用统计分析相关技术完成对针灸治疗抽动障碍的取穴规律研究,以期为临床工作提供更有价值的参考意见。方法使用计算机检索近10年收录于中国知网(CNKI)、万方(WanFang Data)、中国生物医学文献数据库(CBM)、维普(VIP)数据库中关于针灸治疗抽动障碍的随机对照研究。借助Microsoft Excel 2019软件建立针灸治疗抽动障碍选穴处方数据库,并对汇总的数据进行统计与分析。结果本研究纳入符合要求文献共94篇,涉及有效穴位43个,使用频次较多的腧穴依次为百会、太冲、内关、神门、风池及合谷等,使用较多的经络依次为督脉、足阳明胃经、手阳明大肠经、足太阳膀胱经等,特定穴中多选用原穴、输穴与交会穴。结论针灸治疗抽动障碍的取穴具有明显规律性,通过对相关文献数据的统计分析,能够为针灸临床提供更有价值的依据。

关键词：针灸抽动障碍选穴规律

基于双向时间深度卷积网络的中文文本情感分类

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2019年第12期36卷 225-231页

作者：韩建胜陈杰陈鹏刘杰彭德中四川大学计算机学院(软件学院)

普通时间卷积网络对文本进行单向特征提取不能充分捕捉文本特征,对文本的分析能力较弱。提出一种基于双向时间卷积网络(Bi TCN)的情感分析模型。模型使用单向多层空洞因果卷积结构分别对文本进行前向和后向特征提取,将两个方向的序列特... 详细信息

普通时间卷积网络对文本进行单向特征提取不能充分捕捉文本特征,对文本的分析能力较弱。提出一种基于双向时间卷积网络(Bi TCN)的情感分析模型。模型使用单向多层空洞因果卷积结构分别对文本进行前向和后向特征提取,将两个方向的序列特征融合后进行情感分类。研究并分析模型中卷积层数、卷积核大小和空洞因子三个参数对情感分类结果的影响。实验证明,与单向时间卷积网络情感分析模型相比,双向时间卷积网络模型在四个中文情感分析数据集上的准确率分别提高了2.5%、0.25%、2.33%和2.5%。

关键词：情感分析自然语言处理空洞卷积因果卷积双向时间卷积网络

消毒供应中心应用可追溯管理系统对风险事件及管理满意度的影响

在线全文

学校读者我要写书评

暂无评论

国际护理学杂志 2022年第4期41卷 577-580页

作者：梁慧范玉红彭德忠崔晓丹滨州市中心医院消毒供应室 251700

目的探究消毒供应中心(CSSD)应用可追溯管理系统对风险事件及管理满意度的影响。方法滨州市中心医院CSSD 2017年3月1日至5月31日采用可重复使用医疗器械集中式管理;于2017年6月1日至8月31日采用可追溯管理系统管理。比较两个阶段风险事... 详细信息

目的探究消毒供应中心(CSSD)应用可追溯管理系统对风险事件及管理满意度的影响。方法滨州市中心医院CSSD 2017年3月1日至5月31日采用可重复使用医疗器械集中式管理;于2017年6月1日至8月31日采用可追溯管理系统管理。比较两个阶段风险事件发生情况、工作管理情况、工作人员管理满意度。结果 2017年6月1日至8月31日CSSD风险事件的总发生率显著低于2017年3月1日至5月31日, 差异有统计学意义(P<0.05);CSSD包装合格及灭菌合格率均显著高于2017年3月1日至5月31日, 而器械损耗率显著低于2017年3月1日至5月31日, 差异有统计学意义(P<0.05);CSSD工作人员的规范操作、仪器清点、故障排除及工作效率得分均显著高于2017年3月1日至5月31日, 差异有统计学意义(P<0.05)。结论 CSSD应用可追溯管理系统后, 降低了医疗风险事件的发生率, 提高了包装合格及灭菌合格率, 降低了器械损耗率, 同时提高了工作人员的使用及管理满意度, 从而提高了CSSD的风险控制能力及综合管理水平。

关键词：消毒供应中心可追溯管理系统风险事件管理满意度