检索结果-南通市图书馆

Understanding and improving fairness in cognitive diagnosis

Science China(Information Sciences) 2024年第5期67卷 99-114页

作者： Zheng ZHANG Le WU Qi LIU Jiayu LIU Zhenya HUANG Yu YIN Yan ZHUANG Weibo GAO enhong chen Anhui Province Key Laboratory of Big Data Analysis and Application School of Computer Science and Technology& School of Data Science University of Science and Technology of China State Key Laboratory of Cognitive Intelligence School of Computer Science and Information Engineering Hefei University of Technology

Intelligent education is a significant application of artificial intelligence. One of the key research topics in intelligence education is cognitive diagnosis, which aims to gauge the level of proficiency among students on specific knowledge concepts(e.g., Geometry). To the best of our knowledge, most of the existing cognitive models primarily focus on improving diagnostic accuracy while rarely considering fairness issues; for instance, the diagnosis of students may be affected by various sensitive attributes(e.g., region). In this paper,we aim to explore fairness in cognitive diagnosis and answer two questions:(1) Are the results of existing cognitive diagnosis models affected by sensitive attributes?(2) If yes, how can we mitigate the impact of sensitive attributes to ensure fair diagnosis results? To this end, we first empirically reveal that several wellknown cognitive diagnosis methods usually lead to unfair performances, and the trend of unfairness varies among different cognitive diagnosis models. Then, we make a theoretical analysis to explain the reasons behind this phenomenon. To resolve the unfairness problem in existing cognitive diagnosis models, we propose a general fairness-aware cognitive diagnosis framework, FairCD. Our fundamental principle involves eliminating the effect of sensitive attributes on student proficiency. To achieve this, we divide student proficiency in existing cognitive diagnosis models into two components: bias proficiency and fair *** design two orthogonal tasks for each of them to ensure that fairness in proficiency remains independent of sensitive attributes and take it as the final diagnosed result. Extensive experiments on the Program for International Student Assessment(PISA) dataset clearly show the effectiveness of our framework.

关键词： fairness intelligent education cognitive diagnosis psychometrics adversarial learning

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于图核同构网络的图分类方法

引用

计算机研究与发展 2024年第4期61卷 903-915页

作者：徐立祥葛伟陈恩红罗斌合肥学院人工智能与大数据学院合肥230601 大数据分析与应用安徽省重点实验室(中国科学技术大学计算机科学与技术学院) 合肥230027 安徽大学计算机科学与技术学院合肥230601

图表示学习已成为图深度学习领域的一个研究热点.大多数图神经网络存在过平滑现象,这类方法重点关注图节点特征,对图的结构特征关注度不高.为了提升对图结构特征的表征能力,提出了一种基于图核同构网络的图分类方法,即KerGIN.该方法首... 详细信息

图表示学习已成为图深度学习领域的一个研究热点.大多数图神经网络存在过平滑现象,这类方法重点关注图节点特征,对图的结构特征关注度不高.为了提升对图结构特征的表征能力,提出了一种基于图核同构网络的图分类方法,即KerGIN.该方法首先通过图同构网络(graph isomorphism network,GIN)对图进行节点特征编码,并使用图核方法对图进行结构编码,进一步利用Nystrom方法降低图核矩阵的维度.其次借助MLP将图核矩阵与图特征矩阵对齐,通过注意力机制将图的特征编码和结构编码进行自适应加权融合,进而得到图的最终特征表示,提升了图结构特征信息的表达能力.最后在7个公开的图分类数据集上对模型进行了实验评估:与现有图表示模型相比,KerGIN模型能够在图分类准确度上有较大幅度提升,它可以增强GIN对图结构特征信息的表达能力.

关键词：图分类图神经网络图核 Nystrom方法图注意力机制

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于大语言模型隐含语义增强的细粒度虚假新闻检测方法

引用

计算机研究与发展 2024年第5期61卷 1250-1260页

作者：柯婧谢哲勇徐童陈宇豪廖祥文陈恩红中国科学技术大学大数据学院合肥230026 中国科学技术大学计算机科学与技术学院合肥230027 福州大学计算机与大数据学院福州350108

随着生成式人工智能技术的发展,许多领域都得到了帮助与发展,但与此同时虚假信息的构建与传播变得更加简单,虚假信息的检测也随之难度增加.先前的工作主要聚焦于语法问题、内容煽动性等方面的特点,利用深度学习模型对虚假新闻内容进行建... 详细信息

随着生成式人工智能技术的发展,许多领域都得到了帮助与发展,但与此同时虚假信息的构建与传播变得更加简单,虚假信息的检测也随之难度增加.先前的工作主要聚焦于语法问题、内容煽动性等方面的特点,利用深度学习模型对虚假新闻内容进行建模.这样的方式不仅缺乏对内容本身的判断,还无法回溯模型的判别原因.针对上述问题提出一种基于大语言模型隐含语义增强的细粒度虚假新闻检测方法.该方法充分挖掘并利用了现有的生成式大语言模型所具有的总结与推理能力,按照主干事件、细粒度次要事件和隐含信息推理的顺序进行层级式推导,逐步判别新闻的真实性.通过分解任务的方式,该方法最大程度发挥了模型的能力,提高了对虚假新闻的捕获能力,同时该方法也具有一定的可解释性,能够为检测提供判别依据.

关键词：社交媒体虚假新闻检测大语言模型事件抽取知识增强

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

腹腔镜下背腹侧结合路径解剖性肝S7段切除术治疗肝细胞癌的临床分析

引用

中华肝胆外科杂志 2024年第2期30卷 99-102页

作者：陈武强何友钊胡浩金成陈恩洪江南大学附属医院肝胆外科无锡214000

目的探讨腹腔镜下背腹侧结合路径解剖性肝S7段切除术在治疗肝细胞癌中的临床应用价值。方法回顾性分析2020年12月至2023年4月在江南大学附属医院肝胆外科接受腹腔镜下背腹侧结合路径解剖性肝S7段切除术的23例肝细胞癌患者的临床资料,其... 详细信息

目的探讨腹腔镜下背腹侧结合路径解剖性肝S7段切除术在治疗肝细胞癌中的临床应用价值。方法回顾性分析2020年12月至2023年4月在江南大学附属医院肝胆外科接受腹腔镜下背腹侧结合路径解剖性肝S7段切除术的23例肝细胞癌患者的临床资料,其中男性11例,女性12例,年龄(58.5±7.9)岁。总结分析患者的手术情况、术后并发症和随访情况。结果23例患者手术均顺利完成,无中转开腹者。手术时间为(286.7±63.4)min,术中出血量200(150,400)ml,均未输血。术后无腹腔出血、胆漏、肝功能衰竭、腹腔感染等严重并发症发生,2例患者术后右侧胸腔积液,行穿刺引流后治愈。患者术后第2天均可下床活动,术后住院时间为(9.36±1.72)d。病灶长径为(4.38±1.42)cm。患者术后3个月复查甲胎蛋白为(3.26±0.93)ng/ml,与术前(46.75±9.43)ng/ml相比差异有统计学意义(t=38.24,P=0.008)。术后随访过程中检查甲胎蛋白均正常,MRI检查未发现肿瘤复发转移。结论腹腔镜下背腹侧结合路径解剖性肝S7段切除术治疗肝细胞癌具有临床实用性,值得推广。

关键词：腹腔镜肝段切除肝S7段解剖性肝切除肝细胞癌

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向序列诊断的强化计算机自适应测验方法

引用

模式识别与人工智能 2024年第1期37卷 13-26页

作者：刘子瑞吴金泽姚方舟刘淇陈恩红沙晶王士进苏喻中国科学技术大学计算机科学与技术学院合肥230027 科大讯飞股份有限公司合肥230088 合肥师范学院计算机与人工智能学院合肥230061

计算机自适应测验旨在根据学生历史表现为学生选择合适的题目,快速有效地测量学生的真实能力.然而在智能教育场景下,现有自适应测验策略仍存在目标复杂和知识稀疏等问题.为此,文中构建用于智能场景的可精准测评学生知识能力的面向序列... 详细信息

计算机自适应测验旨在根据学生历史表现为学生选择合适的题目,快速有效地测量学生的真实能力.然而在智能教育场景下,现有自适应测验策略仍存在目标复杂和知识稀疏等问题.为此,文中构建用于智能场景的可精准测评学生知识能力的面向序列诊断的强化计算机自适应测验方法,包括基于序列诊断的学生模拟器和学生画像模型,并针对真实场景中自适应测验的目标复杂性,设计薄弱点准确率、预测表现耦合、自适应测验时长、测验异常率和测验的难度结构这5个评价指标.进一步地,提出基于强化学习的计算机自适应测验选题策略,利用双通道自注意力学习及矛盾学习模块缓解知识稀疏的问题.真实数据上的实验表明,文中选题策略不仅可高效测量学生真实能力,还可优化学生的作答体验,同时选择的题目也具有一定的可解释性,从而为智能教育场景下的计算机自适应测验提供一个可行方案.

关键词：智能教育个性化教育计算机自适应测验强化学习 Q 学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

GraphMLP-Mixer:基于图-多层感知机架构的高效多行为序列推荐方法

引用

计算机研究与发展 2024年第8期61卷 1917-1929页

作者：卢晓凯封军韩永强王皓陈恩红认知智能全国重点实验室(中国科学技术大学) 合肥230000 安徽省优质采科技发展有限责任公司合肥230000

在多行为序列推荐领域,图神经网络(GNNs)虽被广泛应用,但存在局限性,如对序列间协同信号建模不足和处理长距离依赖性等问题.针对这些问题,提出了一种新的解决框架GraphMLP-Mixer.该框架首先构造全局物品图来增强模型对序列间协同信号的... 详细信息

在多行为序列推荐领域,图神经网络(GNNs)虽被广泛应用,但存在局限性,如对序列间协同信号建模不足和处理长距离依赖性等问题.针对这些问题,提出了一种新的解决框架GraphMLP-Mixer.该框架首先构造全局物品图来增强模型对序列间协同信号的建模,然后将感知机-混合器架构与图神经网络结合,得到图-感知机混合器模型对用户兴趣进行充分挖掘.GraphMLP-Mixer具有2个显著优势:一是能够有效捕捉用户行为的全局依赖性,同时减轻信息过压缩问题;二是其时间与空间效率显著提高,其复杂度与用户交互行为的数量成线性关系,优于现有基于GNN多行为序列推荐模型.在3个真实的公开数据集上进行实验,大量的实验结果验证了GraphMLP-Mixer在处理多行为序列推荐问题时的有效性和高效性.

关键词：多行为建模序列推荐图神经网络 MLP架构全局物品图

来源：

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

Vehicle color recognition based on smooth modulation neural network with multi-scale feature fusion

引用

Frontiers of Computer Science 2023年第3期17卷 91-102页

作者： Mingdi HU Long BAI Jiulun FAN Sirui ZHAO enhong chen School of Communications and Information Engineering&School of Artificial Intelligence Xi’an University of Posts&TelecommunicationsXi’an 710121China School of Computer Science and Technology University of Science and Technology of ChinaHefei 230026China

Vehicle Color Recognition(VCR)plays a vital role in intelligent traffic management and criminal investigation ***,the existing vehicle color datasets only cover 13 classes,which can not meet the current actual ***,although lots of efforts are devoted to VCR,they suffer from the problem of class imbalance in *** address these challenges,in this paper,we propose a novel VCR method based on Smooth Modulation Neural Network with Multi-Scale Feature Fusion(SMNN-MSFF).Specifically,to construct the benchmark of model training and evaluation,we first present a new VCR dataset with 24 vehicle classes,Vehicle Color-24,consisting of 10091 vehicle images from a 100-hour urban road surveillance ***,to tackle the problem of long-tail distribution and improve the recognition performance,we propose the SMNN-MSFF model with multiscale feature fusion and smooth *** former aims to extract feature information from local to global,and the latter could increase the loss of the images of tail class instances for training with ***,comprehensive experimental evaluation on Vehicle Color-24 and previously three representative datasets demonstrate that our proposed SMNN-MSFF outperformed state-of-the-art VCR *** extensive ablation studies also demonstrate that each module of our method is effective,especially,the smooth modulation efficiently help feature learning of the minority or tail *** Color-24 and the code of SMNN-MSFF are publicly available and can contact the author to obtain.

关键词： vehicle color recognition benchmark dataset multi-scale feature fusion long-tail distribution improved smooth l1 loss

来源：

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

FAM3C表达对胰腺癌细胞增殖、迁移、侵袭的影响和调控机制

引用

中华肝胆外科杂志 2024年第7期30卷 531-536页

作者：王雷生陶月张硕陈恩洪杨东杰何友钊茆勇胡浩江南大学无锡医学院无锡214000 江南大学附属医院肝胆胰外科无锡214000 江南大学附属医院病理科无锡214000 江南大学附属医院肿瘤内科无锡214000

目的分析序列相似家族3成员C(FAM3C)在胰腺癌中的表达以及对胰腺癌细胞增殖、迁移、侵袭等影响和相关机制。方法收集2022年7月至2023年6月在江南大学附属医院手术切除的4例胰腺癌患者的癌组织和癌旁组织。聚合酶链反应和Western印迹检... 详细信息

目的分析序列相似家族3成员C(FAM3C)在胰腺癌中的表达以及对胰腺癌细胞增殖、迁移、侵袭等影响和相关机制。方法收集2022年7月至2023年6月在江南大学附属医院手术切除的4例胰腺癌患者的癌组织和癌旁组织。聚合酶链反应和Western印迹检测组织和胰腺癌细胞PANC-1、MIA PaCa-2中FAM3C的表达。选取PANC-1、MIA PaCa-2细胞(FAM3C高表达)设置FAM3C-siRNA干扰组和甲基转移酶样蛋白3(METTL3)-siRNA干扰组,予以相应干扰小RNA处理,同时设置阴性对照组。细胞计数检测增殖能力,Transwell检测细胞迁移及侵袭。免疫共沉淀甲基化抗体检测FAM3C是否发生甲基化以及METTL3是否介导此甲基化。结果4例胰腺癌患者癌组织中FAM3C的mRNA相对表达为(1.29±0.19),高于癌旁组织(0.47±0.17),差异有统计学意义(t=-6.48,P=0.001)。与阴性对照A组相比,FAM3C-siRNA干扰组增殖能力下降,迁移和侵袭细胞数减少,差异均有统计学意义(均P<0.05)。在PANC-1细胞阴性对照B组中,IgG处理的细胞FAM3C mRNA相对表达为(1.05±0.53),低于甲基化抗体处理组的(30.57±1.09),差异有统计学意义(t=-42.04,P=0.001)。PANC-1细胞经甲基化抗体处理后,阴性对照B组FAM3C mRNA相对表达高于METTL3-siRNA干扰组(30.57±1.09)比(18.17±0.50),差异有统计学意义(t=17.89,P=0.001)。与阴性对照B组相比,METTL3-siRNA干扰组PANC-1细胞增殖能力、迁移和侵袭细胞数降低,差异均有统计学意义(均P<0.05)。MIA PaCa-2与PANC-1细胞检测结果一致。结论FAM3C在胰腺癌中高表达,且促进胰腺癌细胞增殖、迁移和侵袭,METTL3通过甲基化修饰FAM3C影响其表达,进一步影响胰腺癌细胞增殖、迁移和侵袭。

关键词：胰腺肿瘤甲基转移酶样蛋白3 序列相似家族3成员C 迁移侵袭增殖

来源：

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

Accelerating local SGD for non-IID data using variance reduction

引用

Frontiers of Computer Science 2023年第2期17卷 73-89页

作者： Xianfeng LIANG Shuheng SHEN enhong chen Jinchang LIU Qi LIU Yifei chenG Zhen PAN Anhui Province Key Laboratory of Big Data Analysis and Application University of Science and Technology of ChinaHefei 230027China Ant Financial Services Group Hangzhou 310000China Department of Computer Science and Engineering Hong Kong University of Science and TechnologyHong Kong 999077China

Distributed stochastic gradient descent and its variants have been widely adopted in the training of machine learning models,which apply multiple workers in *** them,local-based algorithms,including Local SGD and FedAvg,have gained much attention due to their superior properties,such as low communication cost and ***,when the data distribution on workers is non-identical,local-based algorithms would encounter a significant degradation in the convergence *** this paper,we propose Variance Reduced Local SGD(VRL-SGD)to deal with the heterogeneous *** extra communication cost,VRL-SGD can reduce the gradient variance among workers caused by the heterogeneous data,and thus it prevents local-based algorithms from slow convergence ***,we present VRL-SGD-W with an effectivewarm-up mechanism for the scenarios,where the data among workers are quite *** from eliminating the impact of such heterogeneous data,we theoretically prove that VRL-SGD achieves a linear iteration speedup with lower communication complexity even if workers access non-identical *** conduct experiments on three machine learning *** experimental results demonstrate that VRL-SGD performs impressively better than Local SGD for the heterogeneous data and VRL-SGD-W is much robust under high data variance among workers.

关键词： distributed optimization variance reduction local SGD federated learning non-IID data

来源：

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

Blind recognition of k/n rate convolutional encoders from noisy observation

引用

Journal of Systems Engineering and Electronics 2017年第2期28卷 235-243页

作者： Li Huang Wengu chen enhong chen Hong chen Computer Science and Technology University of Science and Technology of China Hefei 230026 China Graduate School China Academy of Engineering Physics Beijing 100088 China Institute of Applied Physics and Computational Mathematics Beijing 100088 China

Blind recognition of convolutional codes is not only essential for cognitive radio, but also for non-cooperative context. This paper is dedicated to the blind identification of rate k/n convolutional encoders in a noisy context based on Walsh-Hadamard transformation and block matrix (WHT-BM). The proposed algorithm constructs a system of noisy linear equations and utilizes all its coefficients to recover parity check matrix. It is able to make use of fault-tolerant feature of WHT, thus providing more accurate results and achieving better error performance in high raw bit error rate (BER) regions. Moreover, it is more computationally efficient with the use of the block matrix (BM) method. © 2017 Beijing Institute of Aerospace Information.

关键词： Cognitive radio Convolution Convolutional codes Error correction Hadamard matrices Hadamard transforms Linear transformations Mathematical transformations Matrix algebra Signal encoding

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

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：