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

基于图卷积的异质网络节点分类方法

计算机研究与发展 2022年第7期59卷 1470-1485页

作者：谢小杰梁英王梓森刘政君中国科学院计算技术研究所泛在计算系统研究中心北京100190 中国科学院大学计算机科学与技术学院北京100049 移动计算与新型终端北京市重点实验室(中国科学院计算技术研究所) 北京100190

图神经网络能够有效学习网络语义信息,在节点分类任务上取得了良好的效果.但仍面临挑战:如何充分利用异质网络丰富语义信息和全面结构信息使节点分类更精准.针对上述问题,提出了一种基于图卷积的异质网络节点分类框架(heterogeneous net... 详细信息

图神经网络能够有效学习网络语义信息,在节点分类任务上取得了良好的效果.但仍面临挑战:如何充分利用异质网络丰富语义信息和全面结构信息使节点分类更精准.针对上述问题,提出了一种基于图卷积的异质网络节点分类框架(heterogeneous network node classification framework, HNNCF),包括异质网络约简和图卷积节点分类,解决异质网络节点分类问题.通过设计转换规则约简异质网络,将异质网络化简为语义化同质网络,利用节点间的关系表示保留异质网络多语义信息,降低网络结构建模复杂度;基于消息传递框架设计图卷积节点分类方法,在语义化同质网络上学习无1-sum约束的邻居权重等网络结构信息,深入挖掘关系语义特征,发现不同连接关系和邻居语义提取的差异性,生成节点的异质语义表示用于节点分类,识别节点类别标签.在3个公开的节点分类数据集上进行了实验,结果表明HNNCF能够充分利用异质网络多种语义信息,有效学习邻居节点权重等网络结构信息,提升节点分类效果.

关键词：异质网络图神经网络节点分类语义关系邻居权重

在线全文

学校读者我要写书评

暂无评论

融合多源信息的专家学术专长语义匹配方法

计算机学报 2023年第5期46卷 1045-1059页

作者：谢小杰梁英王梓森刘政君中国科学院计算技术研究所泛在计算系统研究中心北京100190 中国科学院大学计算机科学与技术学院北京100049 移动计算与新型终端北京市重点实验室北京100190

通过评议文档与专家库的专家学术专长匹配,可以输出领域相关的候选专家列表,是同行评议中专家遴选和专家推荐的重要参考依据.针对学术专长匹配存在语义鸿沟、无法反映专家和评议文档多源信息间语义关联的问题,首先对专家信息和评议文档... 详细信息

通过评议文档与专家库的专家学术专长匹配,可以输出领域相关的候选专家列表,是同行评议中专家遴选和专家推荐的重要参考依据.针对学术专长匹配存在语义鸿沟、无法反映专家和评议文档多源信息间语义关联的问题,首先对专家信息和评议文档的多源信息进行语义特征抽取,融合多类特征进行表示学习,利用卷积神经网络设计专家特征抽取器ExpFeat和评议特征抽取器RevFeat,采用词嵌入方法和注意力机制对专家专长标签、评议文档关键词、学科分类树语义特征进行抽取和融合,生成具有“小同行”特征的专家和评议文档语义特征向量表示,解决多类信息源间不同学术分类标准造成的语义差异,反映内在语义联系,利用低维稠密向量表达语义信息,降低匹配复杂度.然后,根据专家语义特征表示和评议文档语义特征表示进行学术专长语义匹配,将专家和评议文档特征向量映射到相同语义空间,计算向量间余弦相似度衡量语义相似性,引入负例专家进行模型训练,通过softmax函数计算最大化正例专家概率优化特征提取器参数,进一步提升语义差异的捕捉能力,解决专家信息和评议文档之间的语义鸿沟问题,提升专家匹配效果.最后,在开源的论文评审数据集和项目评审数据集上进行了实验对比和实例分析,结果表明,本文所提方法可以有效提升专家匹配精准度.

关键词：特征抽取语义匹配多源信息专家推荐同行评议

一种推荐系统中稀疏情景预测的特征-类别交互因子分解机

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2021年

作者：黄若然崔莉韩传奇中国科学院计算技术研究所泛在计算系统研究中心中国科学院大学计算机科学与技术学院

随着Web信息的不断增长与发展，对用户稀疏行为的预测已成为目前推荐系统的研究热点．近年来，因子分解机 (factorization machine，FM)的提出在一定程度上缓解了稀疏场景下预测精度不准确的问题. 它的主要思想是通过2阶特征交互来获取... 详细信息

随着Web信息的不断增长与发展，对用户稀疏行为的预测已成为目前推荐系统的研究热点．近年来，因子分解机 (factorization machine，FM)的提出在一定程度上缓解了稀疏场景下预测精度不准确的问题. 它的主要思想是通过2阶特征交互来获取特征间丰富的语义关系．随后，感知交互因子分解机(interaction-aware factorization machines，IFM)在FM的特征交互基础上引入类别交互的概念来扩展潜在的交互特性，通过把特征和类别分别进行交互后再融合来得到更准确的预测结果．此工作在IFM的基础上，提出了一种特征-类别交互因子分解机新模型FIFM．FIFM不仅保留了特征交互和类别交互机制，还设计了一种新的特征-类别融合交互机制FIM来进一步挖掘交互信息中的有效信息，并利用融合交互感知来预测不同稀疏场景下的用户行为模式．此外，还基于深度学习提出了一种实现FIFM的神经网络模型GFIM．相比于FIFM，GFIM的参数量和时间复杂度更高，但同时也能捕获更多高阶的非线性特征交互信息，能适合算力较高的应用场景．在4个真实数据集上的实验结果表明，FIFM，GFIM在RMSE指标上超越了当前最好的方法IFM．实验工作探究了多类稀疏场景下的预测结果，记录了时间和空间复杂度的消耗情况，并进行了分析讨论．

关键词：因子分解机特征-类别交互注意力网络深度神经网络稀疏情景预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于梯度的自适应阈值结构化剪枝算法

计算机工程 2022年第9期48卷 113-120页

作者：王国栋叶剑谢萦钱跃良临沂中科人工智能创新研究院山东临沂276000 中国科学院计算技术研究所泛在计算系统研究中心北京100190

在边缘设备上运行深度神经网络模型并进行实时性分析,需要对网络模型进行压缩以减少模型参数量和计算量,但现有剪枝算法存在耗时长和模型压缩率低的问题。提出一种基于梯度设置不同阈值的结构化剪枝算法。对神经元进行细粒度评价,采用... 详细信息

在边缘设备上运行深度神经网络模型并进行实时性分析,需要对网络模型进行压缩以减少模型参数量和计算量,但现有剪枝算法存在耗时长和模型压缩率低的问题。提出一种基于梯度设置不同阈值的结构化剪枝算法。对神经元进行细粒度评价,采用神经网络的梯度信息衡量权重的重要性,通过网格搜索和计算曲率的方式获取不同网络层的剪枝权重阈值,根据搜索后的剩余参数量确定不同网络层的卷积核中需要剔除的冗余参数。在此基础上,保留网络层中有效参数较多的卷积核,实现对卷积核个数的调整,进而重新训练以保证模型精度。分别对VGG16、ResNet50分类模型和SSD、Yolov4、MaskRCNN目标检测模型进行剪枝实验,结果表明,经该算法剪枝后,分类模型参数量减少92%以上,计算量减少70%以上,目标检测模型参数量减少75%以上,计算量减少57%以上,剪枝效果优于Rethinking、PF等算法。

关键词：模型压缩神经网络梯度信息自适应阈值结构化剪枝

在线全文

学校读者我要写书评

暂无评论

染色体核型分析深度学习方法综述

中国图象图形学报 2023年第11期28卷 3363-3385页

作者：罗纯龙赵屹中国科学院计算技术研究所泛在计算系统研究中心北京100080 中国科学院大学北京100049

染色体核型分析是细胞遗传学领域重要的实验技术,并逐步在包括生殖医学在内的诸多现代临床领域和科学研究方面得到广泛应用,但即使是经验丰富的细胞遗传学家也需要大量时间才能完成染色体核型分析。基于传统方法的染色体核型自动化分析... 详细信息

染色体核型分析是细胞遗传学领域重要的实验技术,并逐步在包括生殖医学在内的诸多现代临床领域和科学研究方面得到广泛应用,但即使是经验丰富的细胞遗传学家也需要大量时间才能完成染色体核型分析。基于传统方法的染色体核型自动化分析方法精度较低,仍需要细胞遗传学家花费大量时间、精力校正。目前基于深度学习的染色体核型自动分析方法成果较多,但缺乏对该领域现状的总结、对未来发展的展望等。因此,本文对基于深度学习的染色体核型自动分析方法进行综述,归纳总结了现有的研究分析任务,挑选了具有代表性的方法并梳理解决方案,展望了未来发展方向。通过整理发现,基于深度学习的染色体核型自动化分析方法取得了很多成果,但仍存在一些问题。首先,已有的中文综述性工作仅集中于某一子领域或者调研不够全面和深入。其次,染色体核型分析任务与临床紧密结合,受各种因素制约,任务类型繁多,解决方案复杂,难以窥斑见豹。最后,现有方法主要集中于染色体分类和染色体分割任务,而诸如染色体计数、染色体预处理等任务研究成果较少,需要厘清问题,吸引更多研究人员关注。综上所述,基于深度学习的染色体核型自动分析方法仍有较大发展空间。

关键词：深度学习计算机辅助诊断染色体核型分析染色体分类染色体分割

在线全文

学校读者我要写书评

暂无评论

社交网络用户敏感属性迭代识别方法

山东大学学报（理学版） 2019年第3期54卷 10-17,27页

作者：谢小杰梁英董祥祥中国科学院计算技术研究所泛在计算系统研究中心北京100190 中国科学院大学计算机科学与技术学院北京100049

分析识别社交网络用户敏感信息,有利于从技术上量化隐私泄露程度,进行隐私保护。针对现有的用户属性识别方法需要对用户属性取值进行强假设的问题,结合RL迭代分类框架和扩展wvRN关系识别的方法,提出了一种社交网络用户敏感属性迭代识别... 详细信息

分析识别社交网络用户敏感信息,有利于从技术上量化隐私泄露程度,进行隐私保护。针对现有的用户属性识别方法需要对用户属性取值进行强假设的问题,结合RL迭代分类框架和扩展wvRN关系识别的方法,提出了一种社交网络用户敏感属性迭代识别方法。通过卷积神经网络提取用户文本特征进行识别,结合邻居结点迭代地进行关系识别,不仅弱化了对用户属性的假设,而且提高了可用性。实验结果表明,通过在社交网络中获取少量的标注数据,对迭代识别方法设置合理的参数值,可以获得较好的用户敏感属性识别结果。

关键词：社交网络文本分类社交链接属性识别数据挖掘

基于三类对象投票和语义回环的动态SLAM算法

在线全文

学校读者我要写书评

暂无评论

信息与控制 2024年

作者：诸葛玥罗海勇陈润泽周姿能林长海宜宾市天珑通讯有限公司中国科学院大学中国科学院计算技术研究所泛在计算系统研究中心北京邮电大学计算机学院(国家示范性软件学院)

同步定位与地图构建（simultaneous localization and mapping，SLAM）技术可以在复杂和不确定的环境中提供自主高精度的定位能力。然而，现实定位场景中存在动态移动目标(如人员和车辆)，这给基于静态环境假设的视觉SLAM技术提出了挑... 详细信息

同步定位与地图构建（simultaneous localization and mapping，SLAM）技术可以在复杂和不确定的环境中提供自主高精度的定位能力。然而，现实定位场景中存在动态移动目标(如人员和车辆)，这给基于静态环境假设的视觉SLAM技术提出了挑战。因此，本文基于深度学习的语义提取技术和视觉SLAM技术相结合，提出了一种新的动态SLAM算法，该算法基于三类对象的投票和语义回环，能够有效地降低动态对象对SLAM系统的性能影响，同时提高定位和建图的精度。本文算法将语义对象分为静态对象、可能动态对象和一定动态对象三类，并使用基于重投影深度误差投票的方法来识别上述语义对象的运动状态，从而消除运动目标对算法的影响。本文进一步地使用语义相似回环优化方法，提高了回环检测的鲁棒性。在TUM的RGB-D动态数据集和KITTI数据集上的实验结果表明，本文算法的平均绝对轨迹误差相比ORB-SLAM3算法分别降低了57.13%和23.39%，验证了算法在动态场景下的鲁棒性。

关键词：动态SLAM 语义分割回环检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多模融合的半监督场景识别方法

计算机科学 2019年第12期46卷 306-312页

作者：沈鸿刘军发陈益强蒋鑫龙黄正宇中国科学院大学北京100190 中国科学院计算技术研究所泛在计算系统研究中心北京100190 北京市移动计算与新型终端重点实验室北京100190

场景识别是普适计算中的一项重要研究内容,旨在通过识别智能手机用户所在位置的场景,为用户提供精准的个性化服务并提升服务的质量。在实际环境中,精确的场景识别存在两个问题:(1)基于单模传感器数据或无线信号数据的分类效果不佳、普... 详细信息

场景识别是普适计算中的一项重要研究内容,旨在通过识别智能手机用户所在位置的场景,为用户提供精准的个性化服务并提升服务的质量。在实际环境中,精确的场景识别存在两个问题:(1)基于单模传感器数据或无线信号数据的分类效果不佳、普适性不足;(2)场景识别的精度需要依赖大量标定数据,导致成本较高。针对这些问题,提出一种基于多模融合的半监督场景识别方法,该方法充分利用Wi-Fi、蓝牙和传感器的多模特征来提高识别精度。相比基于单模数据的识别,融合特征将静态场景的分类精度提升了10%,并且本文通过构建半监督的学习方法解决了动态场景中数据采集成本高的问题,在将标定数据量减少一半的基础上将识别精度提高至90%以上。实验数据表明,在利用Wi-Fi、蓝牙、传感器的互补优势的基础上,引入半监督的学习方法能够提升场景识别的精确度且降低在某些场景下采集数据的成本,从而有效地提升了场景识别的精度和普适性。

关键词：场景识别 Wi-Fi 蓝牙多模融合半监督学习

在线全文

学校读者我要写书评

暂无评论

针对设备差异性问题的增量式室内定位方法

计算机科学 2018年第10期45卷 69-77页

作者：夏俊刘军发蒋鑫龙陈益强中国科学院大学北京100049 中国科学院计算技术研究所泛在计算系统研究中心北京100190 北京市移动计算与新型终端重点实验室北京100190

随着WLAN的普及,基于RSS(Received Signal Strength)的室内定位方法逐渐成为研究与应用的热点。其中,基于指纹的定位方法已成为主流,此类方法的特点之一在于要求离线训练数据与在线测试数据满足独立同分布,然而,在实际环境中,现有的指... 详细信息

随着WLAN的普及,基于RSS(Received Signal Strength)的室内定位方法逐渐成为研究与应用的热点。其中,基于指纹的定位方法已成为主流,此类方法的特点之一在于要求离线训练数据与在线测试数据满足独立同分布,然而,在实际环境中,现有的指纹定位方法或系统存在以下3个问题:1)不同终端设备的无线通讯硬件存在差异性,训练数据和测试数据的采集设备之间的差异性将严重影响定位精度;2)环境中的无线信号呈现高动态性,采集的数据存在显著的时效性,因此由训练数据得到的模型的定位性能将随着时间的推移不断下降;3)传统增量式定位模型需要大量的标定数据,不具有实际可用性。为解决以上问题,提出了一种针对设备差异性问题的增量式室内定位方法,利用终端在持续定位服务中采集的无标记数据来实时更新定位模型。实验表明,在实际蓝牙定位数据集上,相比于传统的定位模型方法,所提方法的整体定位精度更高,误差距离为3～5m时,其优势更为明显;同时,该方法具有时效优势,能够长时间保持有效定位。

关键词：室内定位设备差异性增量学习极速学习机物联网