检索结果-南通市图书馆

张量网络机器学习在胸部X光片中的应用方法研究

在线全文

学校读者我要写书评

暂无评论

张量网络机器学习在胸部X光片中的应用方法研究

作者：张宇西南大学

学位级别：硕士

肺炎作为一种呼吸道疾病,以其传播性强、死亡率高而受到世界各国的高度重视。肺炎的早期发现和治疗能够大大降低其死亡率。医生通过对胸部X射线图像的观察分析是当下一种行之有效的肺炎诊断方法。然而,经验丰富的医生对患者的X光胸片进... 详细信息

肺炎作为一种呼吸道疾病,以其传播性强、死亡率高而受到世界各国的高度重视。肺炎的早期发现和治疗能够大大降低其死亡率。医生通过对胸部X射线图像的观察分析是当下一种行之有效的肺炎诊断方法。然而,经验丰富的医生对患者的X光胸片进行目视分析大约需要5-15分钟,当病例集中出现时,将给医生的临床诊断带来巨大压力。因此,将人工智能用于肺炎的临床影像诊断是不可抵挡的趋势。然而,深度学习作为实现人工智能的重要方法,在带来高精度的同时也引入了更加复杂的模型。这种模型不仅依赖于大规模数据集,还严重依赖于硬件的计算能力。针对以卷积神经网络为代表的的深度学习在X光胸片诊断中存在的不足,本文提出并研究了张量网络机器学习模型,从生成和判别任务两个角度阐述了张量网络如何在诊断X光胸片中发挥作用,具体如下:(1)构建了分块生成型张量网络分类器,用于在X胸片中诊断肺炎。尽管生成型张量网络分类器在MNIST上已经取得了优异的效果,但在处理实际医疗场景下的X胸片仍有不足。本章首先引入了一种特殊的直方图均衡算法来对X胸片进行图像增强,然后通过图片分块为生成型张量网络分类器引入了局域性,提高了模型的特征提取能力。模型在肺炎判别实验中取得87%的准确率,不仅超过了原始模型,在其他经典机器学习算法中也遥遥领先。(2)介绍了基于张量模乘的张量层以及生成型张量网络FT-Nets,并在此基础上提出了TNets架构,用于处理图片识别中的多分类问题。张量层的计算形式与Tucker分解类似,其参数能够通过反向传播的方式进行梯度更新。相比于神经网络的权重表示,张量层能够保留原始输入的结构信息。由张量层搭建而成的TNets在实验中表现抢眼,与相同层数的全连接神经网络相比,TNets不仅将参数减少了数百倍,还在展现了在数据上更强的拟合能力,最终在MNIST上取得了97.1%的准确率。(3)搭建了张量网络生成判别系统,将上述不同的算法模型集成到一起,并应用于X光胸片的处理,以实现肺炎的辅助诊断。该系统的Web界面采用前端Vue框架进行开发,在部署时会根据模板文件进行页面渲染。而Flask框架则是作为后端,一方面主要负责调度张量网络机器学习模型,另一方面保证与前端进行消息与文件的正常交互。本系统不仅能够在线配置张量网络模型,还可以在线验证算法模型。最后对系统的主要功能进行了测试,基本满足设计预期,可为临床医生根据X胸片诊断肺炎提供重要参考价值。

关键词： CXR图像分类张量网络生成判别系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分布式张量网络随机化技术的大数据隐私保护

计算机工程与设计 2023年第11期44卷 3238-3249页

作者：陈立军张屹陈孝如广州软件学院软件工程系广东广州510990

针对数据加密在密钥管理和分发方面比较复杂,现有的安全计算技术在计算或通信成本方面非常昂贵,无法扩展到大数据计算,提出一种随机算法将大数据分解为随机张量网络表示,并分析1D到3D数据张量的隐私泄漏,通过在序列矩阵分解过程中应用... 详细信息

针对数据加密在密钥管理和分发方面比较复杂,现有的安全计算技术在计算或通信成本方面非常昂贵,无法扩展到大数据计算,提出一种随机算法将大数据分解为随机张量网络表示,并分析1D到3D数据张量的隐私泄漏,通过在序列矩阵分解过程中应用大而可控的扰动,将大数据的复杂结构信息随机分散到张量核中,与随机投影算法相比,该算法的时间消耗也很少。实验结果表明,所提张量网络随机化技术有助于大数据的隐私保护。

关键词：大数据隐私保护张量分解张量计算张量网络张量核随机化技术

在线全文

学校读者我要写书评

暂无评论

基于张量网络的量子保密通信研究

基于张量网络的量子保密通信研究

作者：张强西南大学

学位级别：硕士

随着量子计算机和量子算法的不断发展,安全性基于计算复杂度的经典密码面临着巨大的挑战,从而给当前互联网的信息安全带来了极大的威胁。量子保密通信作为信息科学与量子力学相结合所产生的交叉学科,通过量子态不可克隆定理和Heisenber... 详细信息

随着量子计算机和量子算法的不断发展,安全性基于计算复杂度的经典密码面临着巨大的挑战,从而给当前互联网的信息安全带来了极大的威胁。量子保密通信作为信息科学与量子力学相结合所产生的交叉学科,通过量子态不可克隆定理和Heisenberg不确定性原理能够保证信息传递的绝对安全。量子密钥分发(Quantum Key Distribution,QKD)是当前量子保密通信研究领域中的热门方向,在理论上、实验上和应用上都取得了重大突破。QKD协议采用“一次一密”的加密方式,理论上具有无条件的安全性。然而,随着互联网的发展,呈指数级别递增趋势的数据量和各种形式的通信都需要消耗大量的加密密钥,现有的QKD协议的密钥生成率难以满足数据量指数增长的需求。因此,提高QKD的安全密钥率变得越来越重要。作为量子信息领域的重要物理资源,量子纠缠,尤其是量子多体系统纠缠的相关研究一直是热点问题,对量子通信的发展起着至关重要的作用。但是,随着量子多体系统尺寸的增大,量子多体系统的维度呈指数增长,从而导致计算的复杂度也随着量子多体系统尺寸的增大而指数上升。幸运的是,从量子多体物理中诞生的张量网络态(Tensor Network State,TNS)及其相关的张量网络(Tensor Network,TN)方法能够将量子多体系统的复杂度从指数级别降至多项式级别,同时还能精确地计算量子多体系统中局域相互作用模型的基态,为将量子多体系统与QKD相结合以改善安全密钥率和通信距离提供了方法。因此,本文就张量网络态和张量网络在改善QKD安全密钥率和通信距离中的应用进行了如下两个研究:(1)提出了一种基于压缩张量网络态的量子网络通信模型改进。本文首先使用局域等距(Partial Isometry)对矩阵乘积态(Matrix Product State,MPS)进行压缩操作,得到压缩MPS态(?)。然后,发送方Alice使用(?)通过量子信道与接收方Bob进行通信。同时,Alice通过安全的经典信道将压缩操作的次数发送给Bob。通信双方之间对量子态的测量方式与BB84协议类似。最后,根据测量结果与压缩操作的次数,Alice和Bob完成对压缩MPS态(?)的解压缩操作,并从MPS态中共享加密密钥。利用MPS态改进之后的模型能够获得一个更高的密钥生成能力和更长的通信距离。除此之外,本文还应用流网络模型推导了MPS态的几何指标的维度上限。(2)提出了一种基于纠缠数态保迹压缩张量网络模型的量子密钥扩展(Quantum Key Expansion,QKE)协议。一系列的单重态(Singlet States)首先通过纠缠数态保迹压缩张量进行压缩操作,再通过解纠缠器消除相邻子系统之间的纠缠,以获得压缩的两体纠缠态。Alice和Bob根据获得的两体纠缠态,采用与BBM92协议类似的过程完成子密钥的生成。加密密钥则根据生成的子密钥,利用纠缠数态保迹压缩张量网络模型扩展而来。本文证明了该张量网络模型的可扩展性,讨论了提出的QKE协议在密钥扩展方法、密钥长度和安全性等方面相较于经典密钥扩展算法的优势。此外,基于纠缠数态保迹压缩张量网络模型的结构,提出的协议可以抵抗拦截-重发攻击(Intercept-Resend Attack)、纠缠-测量攻击(Entanglement-and-Measurement Attack)和相干攻击(Coherent Attack)。

关键词：量子保密通信量子密钥分发量子纠缠张量网络张量网络态

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于张量网络的多标签学习方法

基于张量网络的多标签学习方法

作者：李丹萌海南大学

学位级别：硕士

不同于传统单标签学习问题,多标签学习中单个样本可以同时具有多个标签,标签空间的大小会随着标签数量呈指数型增长,从而使得样本数量相对不足,容易呈现小样本学习的特点。面对高维特征数据时,冗余特征的出现还会进一步提高计算成本,提... 详细信息

不同于传统单标签学习问题,多标签学习中单个样本可以同时具有多个标签,标签空间的大小会随着标签数量呈指数型增长,从而使得样本数量相对不足,容易呈现小样本学习的特点。面对高维特征数据时,冗余特征的出现还会进一步提高计算成本,提升多标签学习的难度。传统策略是通过考察标签之间的相关性、标签和特征之间的关系来缓解上述问题,但如何恰当表达和利用这些关系一直是多标签学习领域持续探讨的问题。本文使用张量方法同时考察标签之间的相关性、标签与特征之间的关系,为多标签学习提供了一个新的视角。第一,本文提出了一种全新的多标签学习算法。从为标签选择特定特征的角度出发构建特征权重矩阵,它是从特征空间到标签空间的映射,其除了满足标签之间的相关性外,还满足样本特征对标签相关性的影响。本文使用的模型框架可以视为一种特殊的网络结构,它使用了张量切片来适应不同近邻的样本特征对标签相关性的影响,增强了网络的表达能力以及捕捉更多可能的标签组合。多个数据集上的实验表明,相对于常见多标签分类算法,该算法在解决较高特征维度的多标签分类问题上更具优势。第二,在商业银行场景中测试了该算法的实际推广价值。基于该算法构建银行用户画像模型,从而为客户贴上全方位标签。针对每个客户的标签信息,帮助银行提供更精准化的服务。大量相关实验表明,本文算法相比于银行客户分类同类算法,分类的准确性有所提升,计算成本降低且拥有更好的泛化性能。验证了本文算法的优越性和普适性。

关键词：多标签学习标签相关性特征相关性标签特定特征张量网络

基于张量网络机器学习的新冠肺炎X-ray图像分类模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于张量网络机器学习的新冠肺炎X-ray图像分类模型研究

作者：冯新闻西南大学

学位级别：硕士

新冠肺炎是近百年来人类遭遇的影响范围最广的全球性大流行病,人类生命安全和健康面临重大威胁。在全球疫情盛行的背景下,有限的医疗人员往往需要诊断海量的患者。而对这些大量疑似新冠患者的胸部X-ray图像进行诊断也需要多个科室的医... 详细信息

新冠肺炎是近百年来人类遭遇的影响范围最广的全球性大流行病,人类生命安全和健康面临重大威胁。在全球疫情盛行的背景下,有限的医疗人员往往需要诊断海量的患者。而对这些大量疑似新冠患者的胸部X-ray图像进行诊断也需要多个科室的医生互相协助。但在疫情期间,医护人员比平时更繁忙,医院更是人山人海,这就可能导致无法第一时间对确诊患者进行隔离,或者出现医护人员对患者病情判断失误的情况。构建精准快速的辅助系统可以有效节省医疗资源,并为医生提供诊断参考意见。目前对于胸部X-ray图像的处理主要采用神经网络模型,但采用神经网络等深度学习模型存在模型复杂度过高、模型训练时间长、对硬件计算能力要求严格等问题。针对上述问题,本文致力于挖掘张量网络方法在机器学习中的应用,构建基于张量网络机器学习的新冠肺炎X-ray图像分类模型以及分类系统。本文主要研究工作围绕以下方面展开:(1)研究局部无序张量网络模型的结构组成和模型特点。针对医生手动分辨胸部X-ray图像这种传统方法,在解决新冠肺炎X-ray图像的分类任务时存在分类效率低、对医生的基本素质要求高等问题。基于以上问题,本文研究了局部无序张量网络模型的结构组成和模型特点。该模型通过使用图像扁平化和设置多层张量网络,让模型在训练时可以保留图像的空间结构信息和学习到图像更深层次的特征。同时模型还具有训练时间短、模型结构复杂度低的优点。(2)优化局部无序张量网络模型,并构建混合局部无序张量网络模型。局部无序张量网络模型在架构可扩展性和通用逼近能力上存在局限性。本文将从模型结构和模型性能的方向入手,对局部无序张量网络模型进行优化。模型结构方面通过引入卷积神经网络、在模型内部增加激活函数的方式,解决张量网络在机器学习中架构可扩展性受限和模型缺乏通用逼近能力的问题。模型性能方面通过实验选择模型分类效果最好的激活函数(Se LU激活函数),并加入Dropout方法避免模型过拟合,最终构建优化后的模型即混合局部无序张量网络模型。(3)利用公开的新冠肺炎X-ray图像数据集验证本文构建的混合局部无序张量网络模型的效果。包括混合局部无序张量网络模型的自身结构实验,混合局部无序张量网络模型与传统深度学习模型的对比实验,混合局部无序张量网络与局部无序张量网络的对比实验。实验结果表明,混合局部无序张量网络模型中卷积神经网络部分的隐藏层数量为2(两个卷积层和池化层),激活函数选择Se LU函数时,模型分类效果最好。混合局部无序张量网络模型与常见深度学习模型的实验指标数据相差无几,但模型体量和模型参数均小于对比模型。此外,混合局部无序张量网络模型对比局部无序张量网络模型在分类效果上有一定提升。综合以上实验结果,本文构建的混合局部无序张量网络模型效果好,给出的优化技术方法是有效的。(4)实现基于Flask web框架的新冠肺炎X-ray图像分类系统,底层模型采用本文构建的混合局部无序张量网络模型,并对其主要功能进行测试记录。通过Flask web等框架搭建的新冠肺炎X-ray图像分类web系统,可实现新冠肺炎X-ray图像三分类和记录测试图像信息的功能。系统测试500张图像,准确率达到98.2%。该系统可为基层临床医生诊断新冠肺炎X-ray图像提供辅助诊疗手段。

关键词：新冠肺炎 X-ray图像分类张量网络模型优化图像分类系统

基于低秩张量网络与深度图卷积网络的多模态情感计算研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于低秩张量网络与深度图卷积网络的多模态情感计算研究

作者：赵超群山东师范大学

学位级别：硕士

情感计算的目的是建立一种能感知、识别和理解人的情感,并能根据人的情感做出相应反应的计算系统。情感计算是实现自然化、拟人化、人格化人机交互的基础性技术和重要前提,也为人工智能决策提供了优化路径,对开启智能化、数字化时代具... 详细信息

情感计算的目的是建立一种能感知、识别和理解人的情感,并能根据人的情感做出相应反应的计算系统。情感计算是实现自然化、拟人化、人格化人机交互的基础性技术和重要前提,也为人工智能决策提供了优化路径,对开启智能化、数字化时代具有重大价值。在情感计算中,不同大小和维度的信息量,存在于每个人情感所传达的模块中。在人机交互中,不同的模态还存在缺失和不完善等问题。所以情感计算应尽可能从多个模态入手,将单一不完善的情感通道补上,最后通过多方面来判断情感倾向。本文分别从多模态情感计算(Multimodal Affective Computing)的两个方面,即多模态情感分析(Multimodal Sentiment Analysis)和多模态情感识别(Multimodal Emotion Recognition),展开研究,以低秩张量网络和深度图卷积网络为工具,采用自监督和多任务学习的方法,对多模态数据进行分析预测。数据均为文本、音频和视频三个模态,通过改变调整网络的设置达到提高预测准确率的目的。本文工作的主要目的是探究多任务学习对网络整体学习结果的影响,所以两个工作均被设置成两个部分:一个是多模态融合部分,一个是多任务学习部分,分别选取不同但通用的数据集验证方法的有效性。融合部分充分挖掘所选网络的优势,扬长避短,旨在降低计算量的同时又起到打破维度灾难的目的,易于模态推广。多任务学习部分只利用融合前的数据而不再选用额外的数据,旨在为多模态的学习提供先验知识。工作中设立的超参数,均通过检查网络搜索验证集的平均误差来调整最佳值。所做工作主要有以下研究结果:(1)提出一种自监督低秩张量网络(LTSN),使用低秩张量网络将不同的模态进行融合,并使用自监督方法自动生成三个单模态标签来辅助张量网络对情感的预测。具体来看,该模型可分为两个模块:第一个模块是将处理好的特征用改进的CP张量将权重分解为低秩因子使其充分融合,旨在充分挖掘模态内的信息;第二个模块是将同样的特征分别送入一个前馈神经网络,并由自监督模块生成标签,旨在辅助张量融合探索模态间的信息。本方法不仅大大降低计算的复杂度,而且可以打破维度灾难。本模型在MOSI、MOSEI和SIMS数据集上,获得了具有竞争力的结果,同时证实了单模态辅助的有效性。(2)提出的基于多任务深度图卷积网络的多模态情感识别模型分为三个模块:第一个模块为模态编码模块,将输入的特征输出为同一维度;第二个模块是将前一个模块输出的特征进行模态内和模态间的连接,目的是抓取远距离的对话信息和充分挖掘模态信息;第三个模块只连接同一模态的节点为融合提供先验知识。模型在图的边的数量上线性缩放,并学习隐藏层表示,编码局部图结构和节点的特征,实现远距离的上下文信息。为了进一步探索多模态信息,利用了多任务学习为融合提供先验知识,提高了模型的鲁棒性。模型在IEMOCAP和MELD数据集上取得了具有竞争力的结果,它的性能显著优于其他SOTA方法。

关键词：多模态情感计算多模态融合多任务学习张量网络图卷积网络

量子多体计算:多领域交叉融合的强关联物理研究前沿

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国科学：物理学、力学、天文学 2024年第4期54卷 14-18页

作者：李伟王磊蔡子王孝群苏刚中国科学院理论物理研究所北京100190 中国科学院物理研究所北京100190 上海交通大学物理与天文学院上海200240 浙江大学物理学院杭州310027 中国科学院大学卡弗里理论科学研究所北京100049

量子多体计算方法,包括精确对角化、量子蒙特卡罗、密度矩阵与张量重正化、动力学平均场等传统方法,以及结合人工智能、量子计算等新兴计算方法,被发展用于精确高效地计算关联多体系统的物理性质.在非微扰的相互作用多体系统中,粒子之... 详细信息

量子多体计算方法,包括精确对角化、量子蒙特卡罗、密度矩阵与张量重正化、动力学平均场等传统方法,以及结合人工智能、量子计算等新兴计算方法,被发展用于精确高效地计算关联多体系统的物理性质.在非微扰的相互作用多体系统中,粒子之间通常存在强的关联与量子纠缠,基于平均场理论的计算方法往往不够精准、甚至缺乏可靠性,需要不断发展新的多体计算方法,以便准确地研究如关联费米子系统、阻挫自旋系统中的新奇物态与演生规律.近年来,多体计算与多体理论、机器学习、材料科学、量子模拟与量子计算等领域不断互动与融合,呈现出越来越丰富的学科交叉特点.本文对量子多体计算的历史脉络、主要方法及现状、未来发展的挑战进行概述.

关键词：多体计算精确对角化蒙特卡罗方法张量网络动力学平均场机器学习量子计算与量子模拟

基于全连接张量网络的多模态与多样性推荐算法

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2023年第2期32卷 63-74页

作者：孟诗蓓郑睿常亮陈玉珑孟睿伟程诺北京师范大学人工智能学院北京100875 北京师范大学数学科学学院北京100875 上海交通大学上海200240 中国国家博物馆北京100006

在全媒体时代下,基于多模态数据的推荐具有重要意义.本文使用文本、音频、图像3种模态数据进行推荐,通过两个阶段进行张量融合:第1阶段通过3个平行分支对任意两个模式的相关性进行建模和融合,第2阶段再将3个分支的结果进行融合,不仅考... 详细信息

在全媒体时代下,基于多模态数据的推荐具有重要意义.本文使用文本、音频、图像3种模态数据进行推荐,通过两个阶段进行张量融合:第1阶段通过3个平行分支对任意两个模式的相关性进行建模和融合,第2阶段再将3个分支的结果进行融合,不仅考虑了两模态之间的局部交互作用,并且消除了模态融合顺序对结果的影响;在推荐模块中,将融合特征通过堆叠降噪自编码器作为协同过滤的辅助特征进行推荐.本文所构建的推荐系统中模态融合与推荐采用端到端的训练过程.同时,为了解决推荐结果中存在的相似度高、多样性差的问题,我们基于二阶段的张量模态融合特征构建相似度矩阵,在已有推荐结果的基础上进一步精化结果,实现快速的多样性推荐.实验证明,基于本文提出的多模态融合特征的推荐模型不仅能够有效地提升推荐性能,并且能够增强推荐结果的多样性.

关键词：张量网络多模态融合多样性推荐堆叠降噪自编码器协同过滤推荐算法

在线全文

学校读者我要写书评

暂无评论

基于张量网络的多标签学习方法

海南大学学报（自然科学版） 2023年第4期41卷 335-342页

作者：李丹萌张晨光刘天杜雪姣海南大学理学院海南海口570228 海南大学海南省工程建模与统计计算重点实验室海南海口570228

利用关系分类模型,将标签之间的相关性以及特征对标签相关性的影响形式化为分数模型,通过要求模型能够区分真实数据和噪声数据的得分建立了基于张量网络的多标签分类模型.多个数据集上的实验表明,相较于传统多标签学习方法和已有考察标... 详细信息

利用关系分类模型,将标签之间的相关性以及特征对标签相关性的影响形式化为分数模型,通过要求模型能够区分真实数据和噪声数据的得分建立了基于张量网络的多标签分类模型.多个数据集上的实验表明,相较于传统多标签学习方法和已有考察标签相关性的多标签学习方法,本文方法在平均精确度和错误率等多标签评价指标上提升近一倍,且拥有更低的计算成本.

关键词：多标签学习标签相关性特征相关性关系模型张量网络