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

岩体声发射与地震活动相关性和地震预报

东南大学学报（自然科学版） 2024年第3期54卷 697-706页

作者：祝志文姜子涵汕头大学工学院汕头515063

为研究声发射(AE)技术用于地震预测的可行性,在花岗岩地下隧道内布置AE系统和地震仪同时开展AE及地震监测.采用多模态统计方法分析了35 d监测期内AE与地震活动的时间相关性,并观测了AE时间序列的b值和自然时间方差κ_(1)的演化.实验结... 详细信息

为研究声发射(AE)技术用于地震预测的可行性,在花岗岩地下隧道内布置AE系统和地震仪同时开展AE及地震监测.采用多模态统计方法分析了35 d监测期内AE与地震活动的时间相关性,并观测了AE时间序列的b值和自然时间方差κ_(1)的演化.实验结果表明:包含爆发的AE特性变化预示着主震的临近,其密集爆发与临近的3.2级及2.4级主震密切相关;主震发震前,b值出现连续下降的趋势并降至1以下的最小b值,自然时间方差从0.07迅速减小到接近零的最小值;多模态统计方法得到的AE时间分布的变化趋势比地震活动早,能提前约17 h预测主震事件.因此,AE与地震活动有很强的相关性,可作为地震前兆.实测结果为AE用于地震预报提供了可能性和观测证据.

关键词：声发射地震预报岩体 b值自然时间分析多模态统计

在线全文

学校读者我要写书评

暂无评论

基于条件独立性检验的非稳态因果发现方法

计算机工程与应用 2024年第10期60卷 113-120页

作者：郝志峰张维杰蔡瑞初陈薇广东工业大学计算机学院广州510006 汕头大学理学院广东汕头515063

非稳态时间序列数据之间的因果关系发现是非常重要但极具挑战的问题。现有的工作主要假设观察数据随着时间或领域发生变化。上述假设使得相关方法需要引入时间或领域作为先验知识,无法应用于分段稳态的非稳态场景。因此,提出了一种基于... 详细信息

非稳态时间序列数据之间的因果关系发现是非常重要但极具挑战的问题。现有的工作主要假设观察数据随着时间或领域发生变化。上述假设使得相关方法需要引入时间或领域作为先验知识,无法应用于分段稳态的非稳态场景。因此,提出了一种基于条件独立性检验的非稳态因果关系发现算法。首先使用变化点检测方法来识别非稳态变化的时间点,然后将上一步的时间点进行区间划分,用基于条件独立性检验的时序因果关系发现算法推断局部稳态因果结构。在仿真和真实世界数据上的实验证明了该方法的有效性。

关键词：因果关系发现非稳态因果网络

在线全文

学校读者我要写书评

暂无评论

基于非稳态加性噪声模型的因果发现算法

计算机工程 2024年第4期50卷 78-86页

作者：郝志峰丁凯培蔡瑞初陈薇广东工业大学计算机学院广东广州510006 汕头大学理学院广东汕头515063

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模... 详细信息

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

关键词：因果发现因果结构非稳态扰动加性噪声模型函数式因果模型

在线全文

学校读者我要写书评

暂无评论

基于因果自回归流模型的因果结构学习算法

计算机工程 2024年第3期50卷 131-136页

作者：卢小金陈薇郝志峰蔡瑞初广东工业大学计算机学院广东广州510006 汕头大学理学院广东汕头515063

因果自回归流模型已经在非独立噪声等场景的因果方向推断问题上取得了一定的进展,但在多个结点的场景下仍存在全局结构搜索带来的准确度低和计算时间复杂度高的问题。面向非时序观察数据设计一种两阶段因果结构学习算法。在第一阶段,基... 详细信息

因果自回归流模型已经在非独立噪声等场景的因果方向推断问题上取得了一定的进展,但在多个结点的场景下仍存在全局结构搜索带来的准确度低和计算时间复杂度高的问题。面向非时序观察数据设计一种两阶段因果结构学习算法。在第一阶段,基于观测数据的条件独立性,对完全无向图通过条件独立性检验得到基本的因果骨架;在第二阶段,基于因果自回归流模型,通过标准化流的方法计算骨架中每条无向边在不同方向上的边缘似然概率,进而通过比较边缘似然概率进行因果方向推断。实验结果表明:该算法在多组不同参数生成的仿真因果结构数据集上均有较好的表现,与现有的主流因果结构学习算法相比,F1值平均提升15%~28%;在真实因果结构数据集实验中,该算法能够较为完整准确地学习到变量间的因果关系,与主流的因果结构学习算法相比,F1值平均提升28%~48%,具有更强的鲁棒性。

关键词：因果结构学习因果发现加性噪声模型因果自回归流模型标准化流

在线全文

学校读者我要写书评

暂无评论

环境丰容技术在鱼类增养殖中的应用研究进展

水产学报 2024年第4期48卷 45-61页

作者：张宗航张秀梅刘文华汕头大学理学院广东省海洋生物技术重点实验室浙江海洋大学水产学院

近年来，在野生渔业资源持续衰退、水产养殖规模不断扩大、人们对鱼类福利关注度不断提升等的背景下，环境丰容作为一种全新的技术手段在水产领域受到广泛关注，被认为在野化放流鱼类行为、增加养殖鱼类产量、提升圈养鱼类福利等诸多方... 详细信息

近年来，在野生渔业资源持续衰退、水产养殖规模不断扩大、人们对鱼类福利关注度不断提升等的背景下，环境丰容作为一种全新的技术手段在水产领域受到广泛关注，被认为在野化放流鱼类行为、增加养殖鱼类产量、提升圈养鱼类福利等诸多方面均具有较大的应用潜力。环境丰容是指在增养殖生产中，采用适当方式向圈养或自然水体引入新的环境刺激，提高其异质性和复杂性，从而实现提升鱼类产量、提高鱼类福利、控制鱼类行为、改善鱼类生理目标的环境优化方式。总体来看，国际上围绕环境丰容技术的相关研究结果层出不穷，理论体系不断完善，但国内水产领域的相关研究尚处于起步阶段。本文在简要介绍环境丰容概念和分类基础上，聚焦目前最受关注的物理丰容方式，评述了物理丰容对鱼类打斗行为、生理应激、代谢生长等重要性状和放流后的适应性行为、个体适合度等增殖性状的影响，重点分析了引发研究结果差异的可能原因及其潜在神经可塑性机理，最后探讨了该领域以往研究的不足及今后的研究方向，旨在为我国开展该方面研究提供借鉴，为增养殖苗种高效健康培育与放流鱼类野化训练提供参考。

关键词：鱼类增养殖物理丰容鱼类行为鱼类福利神经可塑性

基于超图神经网络的跨域自然语言生成SQL语句

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 2024年

作者：郝志峰黎阳霖许柏炎蔡瑞初广东工业大学计算机学院汕头大学理学院

近年来，图神经网络广泛应用于跨域自然语言生成SQL语句的编码器。基于图神经网络的编码过程通过捕获数据库架构和自然语言问题之间的关联信息，大幅提高生成模型在跨域SQL语句生成下的泛化性。现有的图神经网络方法在异构图结构编码学... 详细信息

近年来，图神经网络广泛应用于跨域自然语言生成SQL语句的编码器。基于图神经网络的编码过程通过捕获数据库架构和自然语言问题之间的关联信息，大幅提高生成模型在跨域SQL语句生成下的泛化性。现有的图神经网络方法在异构图结构编码学习过程中存在缺陷，以节点为中心进行数据库架构和自然语言问题的链接预测，在复杂语义场景下容易出现错配。针对这一问题，提出了一种面向跨域自然语言生成SQL语句的异构图学习框架。框架针对异构图以边为中心学习的过程提出关系边子图构建和边超图注意力网络，有效学习异构图中关系边与节点的差异化结构特征，实现复杂语义场景下SQL语句正确生成。为验证提出框架的有效性，在多个跨域自然语言生成SQL语句数据集进行充分实验对比。结果表明，相较于目前的图神经网络基准算法，框架在F1和EM两个指标上均取得显著提升，且在复杂跨域场景下具有更强的泛化性。

关键词：自然语言处理 Text-to-SQL解析深度学习图构建图神经网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于因果掩码的因果强化学习算法

计算机工程 2024年

作者：黄思扬蔡瑞初乔杰郝志峰汕头大学理学院广东工业大学计算机学院

针对序列上连续决策问题诸如故障告警根因定位问题，强化学习已经成为一种重要的解决方法，但现有强化学习方法存在样本效率低、探索成本高昂等问题阻碍了其广泛应用。现有研究表明引入因果知识为提升强化学习智能体的决策可解释性和样... 详细信息

针对序列上连续决策问题诸如故障告警根因定位问题，强化学习已经成为一种重要的解决方法，但现有强化学习方法存在样本效率低、探索成本高昂等问题阻碍了其广泛应用。现有研究表明引入因果知识为提升强化学习智能体的决策可解释性和样本效率提供了巨大潜力。然而，现有的方法大多停留在隐式建模环境因果关系，未能直接利用因果结构知识。为此，本文提出一种两阶段因果强化学习算法，第一阶段基于观察数据用因果模型对环境变量进行显式建模，第二阶段基于所学因果结构进一步构造因果掩码来增强策略，帮助缩小决策空间，减少探索风险。由于缺乏允许直接因果推理的公共基准环境，本文在模拟故障告警环境中设计了根因定位任务，并在不同维度的环境中通过对比实验证明了所提算法的有效性和鲁棒性。实验结果表明，在低维环境下所提算法在累积奖励等指标上相比现有的主流强化学习SAC算法提升了13%，高维环境下提升79%，而且仅需少数的探索即可收敛策略，样本效率在低维和高维环境下分别提升了27%和52%。

关键词：强化学习因果发现因果强化学习因果掩码策略学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于因果机制的分子属性预测

计算机工程 2024年

作者：蔡瑞初许遵鸿陈道鑫杨振辉李梓健郝志峰广东工业大学计算机学院汕头大学理学院

在量子化学领域，分子性质预测是一项基础而关键的任务，广泛应用于药物发现、化学合成预测等多个领域。随着人工智能的发展，深度学习方法在该领域得到了广泛应用。然而，当前的方法往往采用两种极端的抽象层次，即微观和宏观视图，来... 详细信息

在量子化学领域，分子性质预测是一项基础而关键的任务，广泛应用于药物发现、化学合成预测等多个领域。随着人工智能的发展，深度学习方法在该领域得到了广泛应用。然而，当前的方法往往采用两种极端的抽象层次，即微观和宏观视图，来对分子性质进行建模，这导致了难以推广到分布之外样本的挑战。幸运的是，化学的介观视图提供了一个有益的中间层次，通过包含与性质相关的功能基团的介观成分来描述分子性质。通过考虑这些介观成分，并从因果关系的角度对其进行建模，可以更加关注与性质相关的功能基团。为了实现这一目标，本文提出了一种介观成分识别（MCI）模型。该模型基于分子数据的介观因果生成过程和变分自编码器的框架，通过学习与分子性质相关的介观成分的表示，实现对分子性质的预测。首先，假设原子隐变量遵循高斯分布和语义隐子结构遵循多元伯努利分布，将分子数据输入神经网络来识别原子隐变量和语义隐子结构。接着，利用识别出来的原子隐变量和语义隐子结构来预测分子性质。为了能够识别出原子隐变量和语义隐子结构，利用变分下界和稀疏项来构造模型的损失函数。实验证明，该模型不仅在性能上取得了最先进的结果，而且提供了深入的解释，为模型预测提供了更全面的理解，提高分子性质预测的准确性和泛化能力。

关键词：分子属性预测因果分布外泛化图表征图神经网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于自适应窗的动态权值代价聚合立体匹配

光子学报 2024年第8期53卷 272-286页

作者：吴福培刘宇豪王瑞李昇平汕头大学工学院机械工程系汕头515063

传统局部匹配算法通常在不同聚合窗口下采用单一权值进行代价聚集,而忽略了不同区域像素点之间的差异性,易导致基于双目视觉测量的立体匹配精度不稳定。为此,提出一种基于自适应窗的动态权值代价聚合立体匹配算法。首先,以梯度信息表征... 详细信息

传统局部匹配算法通常在不同聚合窗口下采用单一权值进行代价聚集,而忽略了不同区域像素点之间的差异性,易导致基于双目视觉测量的立体匹配精度不稳定。为此,提出一种基于自适应窗的动态权值代价聚合立体匹配算法。首先,以梯度信息表征模型为约束条件,构建代价聚合自适应十字交叉窗口。其次,分析视差不连续区域与弱纹理区域的像素特征,建立基于像素距离与色差双阈值权重的代价聚集模型,进而计算各窗口的动态权重影响因子。最后,基于线性迭代聚类法分割视差图区域,剔除奇异的视差值以提高算法匹配精度。实验结果表明,在Middlebury数据集的测试中,所提算法的平均非遮挡区域和全部区域的误匹配率分别为4.11%和5.65%,优于传统匹配算法;4组测量样品的全局长度测量平均相对误差小于1.2%,全局高度测量平均相对误差小于2.7%。实验结果检验了所提算法的有效性和可靠性。

关键词：机器视觉立体匹配自适应十字交叉聚合窗口动态权值超像素分割