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

一种消减多模态偏见的鲁棒视觉问答方法

北京大学学报（自然科学版） 2024年第1期60卷 23-33页

作者：张丰硕李豫李向前徐金安陈钰枫北京交通大学计算机与信息技术学院北京100044

为了增强视觉问答模型的鲁棒性,提出一种偏见消减方法,并在此基础上探究语言与视觉信息对偏见的影响。进一步地,构造两个偏见学习分支来分别捕获语言偏见以及语言和图片共同导致的偏见,利用偏见消减方法,得到鲁棒性更强的预测结果。最后... 详细信息

为了增强视觉问答模型的鲁棒性,提出一种偏见消减方法,并在此基础上探究语言与视觉信息对偏见的影响。进一步地,构造两个偏见学习分支来分别捕获语言偏见以及语言和图片共同导致的偏见,利用偏见消减方法,得到鲁棒性更强的预测结果。最后,依据标准视觉问答与偏见分支之间的预测概率差异,对样本进行动态赋权,使模型针对不同偏见程度的样本动态地调节学习程度。在VQA-CP v2.0等数据集上的实验结果证明了所提方法的有效性,缓解了偏见对模型的影响。

关键词：视觉问答数据集偏差语言偏见深度学习

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于奇异值分解的隐式后门攻击方法

软件学报 2024年第5期35卷 2400-2413页

作者：吴尚锡尹雨阳宋思清陈观浩桑基韬于剑北京交通大学计算机与信息技术学院北京100091

深度神经网络训练时可能会受到精心设计的后门攻击的影响.后门攻击是一种通过在训练集中注入带有后门标志的数据,从而实现在测试时控制模型输出的攻击方法.被进攻的模型在干净的测试集上表现正常,但在识别到后门标志后,就会被误判为目... 详细信息

深度神经网络训练时可能会受到精心设计的后门攻击的影响.后门攻击是一种通过在训练集中注入带有后门标志的数据,从而实现在测试时控制模型输出的攻击方法.被进攻的模型在干净的测试集上表现正常,但在识别到后门标志后,就会被误判为目标进攻类.当下的后门攻击方式在视觉上的隐蔽性并不够强,并且在进攻成功率上还有提升空间.为了解决这些局限性,提出基于奇异值分解的后门攻击方法.所提方法有两种实现形式:第1种方式是将图片的部分奇异值直接置零,得到的图片有一定的压缩效果,这可以作为有效的后门触发标志物.第2种是把进攻目标类的奇异向量信息注入到图片的左右奇异向量中,也能实现有效的后门进攻.两种处理得到的后门的图片,从视觉上来看和原图基本保持一致.实验表明,所提方法证明奇异值分解可以有效地利用在后门攻击算法中,并且能在多个数据集上以非常高的成功率进攻神经网络.

关键词：后门攻击奇异值分解进攻成功率隐蔽性

在线全文

学校读者我要写书评

暂无评论

网约车合乘均衡匹配与激励策略

华南理工大学学报（自然科学版） 2024年第2期52卷 95-103页

作者：彭子烜崔林郭志伟陈晗阳魏丽英北京交通大学交通运输学院北京100044 北京交通大学计算机与信息技术学院北京100044

针对需求高峰期乘客以红包或调度费等形式激励网约车司机以实现网约车自我调度这一问题,研究了乘客-网约车匹配决策与激励策略选择间的交互关系。基于网约车合乘模式下的均衡匹配状态,以乘客总剩余最大化为目标,考虑匹配、均衡、成本等... 详细信息

针对需求高峰期乘客以红包或调度费等形式激励网约车司机以实现网约车自我调度这一问题,研究了乘客-网约车匹配决策与激励策略选择间的交互关系。基于网约车合乘模式下的均衡匹配状态,以乘客总剩余最大化为目标,考虑匹配、均衡、成本等约束条件,构建了考虑奖励策略的乘客-网约车均衡匹配模型,从乘客视角设计了乘客激励策略、网约车激励策略、乘客和网约车激励策略,并将3种激励策略嵌入到列生成算法对模型进行求解,以实现匹配均衡和价格均衡。以大连市出租车数据为对象进行实证分析,研究结果表明,相比于仅以随机调度费等形式从供给侧激励司机,同时从需求侧和供给侧实施激励策略可以促成更多合乘出行,乘客剩余可提高12.6%;当需求大于供给时,26%的激励在乘客间转移以实现更多的合乘出行;合乘折扣系数也会影响激励流向,同时使用激励策略和合乘折扣策略调节供需可以避免司机恶意竞争和乘客无效激励,在降低乘客出行成本的同时提高司机收益,促成更多合乘出行。

关键词：交通运输规划与管理网约车合乘均衡匹配激励驱动策略

北京交通大学计算机与信息技术学院“企业班”工作模式及活动掠影

在线全文

学校读者我要写书评

暂无评论

工业和信息化教育 2019年第3期 95-95页

作者：王浩业童雪北京交通大学计算机与信息技术学院

在线全文

学校读者我要写书评

暂无评论

基于MOPSO算法改进的异常点检测方法

计算机集成制造系统 2024年第7期30卷 2319-2327页

作者：高勃柴学科朱明皓北京交通大学计算机与信息技术学院北京100044 北京交通大学经济管理学院北京100044

挖掘工业大数据的隐含价值是智能制造的一个重要研究方向,针对工业大数据特点开展异常点检测是实现数据分析的前提。首先,介绍了工业大数据异常点检测解决的主要问题,提出相关定义。其次,基于多目标粒子群算法(MOPSO),提出一种工业大数... 详细信息

挖掘工业大数据的隐含价值是智能制造的一个重要研究方向,针对工业大数据特点开展异常点检测是实现数据分析的前提。首先,介绍了工业大数据异常点检测解决的主要问题,提出相关定义。其次,基于多目标粒子群算法(MOPSO),提出一种工业大数据异常点检测的改进DBSCAN模型,介绍了模型的算法设计思想、算法步骤,完成了算法伪代码的编写,并提出了算法时间复杂度的计算方法。最后,通过某电芯工厂制造数据,进行了模型仿真与实验,经实验验证,所提模型提高了工业大数据异常点检测的准确率,为数据挖掘在工业异常点检测中的应用提供了参考。

关键词：工业大数据异常点检测多目标粒子群算法 DBSCAN模型

人体图像精细化解析方法在语义边缘的性能评测与分析

在线全文

学校读者我要写书评

暂无评论

北京交通大学学报 2024年第2期48卷 68-75页

作者：宫琪琦赵耀北京交通大学计算机与信息技术学院北京100044

人体图像精细化解析旨在为输入的人体图像进行像素级分类,属于细粒度的图像语义分割任务,由于具有广阔的应用场景,在近10年受到了研究者的关注,相关技术得以迅速发展.本文重点研究现有人体图像解析精细化模型对人体图像语义边缘的预测性... 详细信息

人体图像精细化解析旨在为输入的人体图像进行像素级分类,属于细粒度的图像语义分割任务,由于具有广阔的应用场景,在近10年受到了研究者的关注,相关技术得以迅速发展.本文重点研究现有人体图像解析精细化模型对人体图像语义边缘的预测性能.首先,总结现有人体图像数据集,对比数据集在规模和标注类别方面的差异;其次,根据模型原理性差异,从通用图像语义分割、辅助信息引导、高分辨率特征增益和标签降噪4个方面对现有人体解析方法进行梳理和分类;再次,针对现有评估指标对于语义边缘区域预测能力敏感度不足的问题,构建新的评估指标,即平均边缘交并比(mean Boundary Intersection over Union,mBIoU),并用于对现有模型的评估,从数值上对比各方法的性能差异;最后,展望了人体解析未来的发展方向.研究结果表明:平均边缘交并比相较于现有指标能够更好地区分模型在语义边缘区域预测性能的差异,对人体图像精细化解析模型解决人体解析任务特有挑战的能力具有良好的评估作用,有利于未来算法的开发与性能评估.

关键词：计算机视觉图像语义分割人体图像精细化解析语义边缘区域性能

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于多样真实任务生成的鲁棒小样本分类方法

软件学报 2024年第4期35卷 1587-1600页

作者：刘鑫景丽萍于剑交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 北京交通大学计算机与信息技术学院北京100044

随着大数据、计算机与互联网等技术的不断进步,以机器学习和深度学习为代表的人工智能技术取得了巨大成功,尤其是最近不断涌现的各种大模型,极大地加速了人工智能技术在各个领域的应用.但这些技术的成功离不开海量训练数据和充足的计算... 详细信息

随着大数据、计算机与互联网等技术的不断进步,以机器学习和深度学习为代表的人工智能技术取得了巨大成功,尤其是最近不断涌现的各种大模型,极大地加速了人工智能技术在各个领域的应用.但这些技术的成功离不开海量训练数据和充足的计算资源,大大限制了这些方法在一些数据或计算资源匮乏领域的应用.因此,如何利用少量样本进行学习,也就是小样本学习成为以人工智能技术引领新一轮产业变革中一个十分重要的研究问题.小样本学习中最常用的方法是基于元学习的方法,这类方法通过在一系列相似的训练任务上学习解决这类任务的元知识,在新的测试任务上利用元知识可以进行快速学习.虽然这类方法在小样本分类任务上取得了不错的效果,但是这类方法的一个潜在假设是训练任务和测试任务来自同一分布.这意味着训练任务需要足够多才能使模型学到的元知识泛化到不断变化的测试任务中.但是在一些真正数据匮乏的应用场景,训练任务的数量也是难以保证的.为此,提出一种基于多样真实任务生成的鲁棒小样本分类方法(DATG).该方法通过对已有少量任务进行Mixup,可以生成更多的训练任务帮助模型进行学习.通过约束生成任务的多样性和真实性,该方法可以有效提高小样本分类方法的泛化性.具体来说,先对训练集中的基类进行聚类得到不同的簇,然后从不同的簇中选取任务进行Mixup以增加生成任务的多样性.此外,簇间任务Mixup策略可以减轻学习到与类别高度相关的伪判别特征.同时,为了避免生成的任务与真实分布太偏离,误导模型学习,通过最小化生成任务与真实任务之间的最大均值差异(MMD)来保证生成任务的真实性.最后,从理论上分析了为什么基于簇间任务Mixup的策略可以提高模型的泛化性能.多个数据集上的实验结果进一步证明了所提出的基于多样性和真实性任务扩充方法的有效性.

关键词：小样本学习元学习任务Mixup 多样性真实性

在线全文

学校读者我要写书评

暂无评论

基于工人长短期时空偏好的众包任务分配

软件学报 2024年第10期35卷 4710-4728页

作者：王府鑫王宁曾奇雄北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室(北京交通大学)

近年来,随着移动设备的计算能力和感知能力的提高,基于位置信息的时空众包应运而生,任务分配效果的提升面临许多挑战,其中之一便是如何给工人分配他们真正感兴趣的任务.现有的研究方法只关注工人的时间偏好而忽略了空间因素对偏好的影响... 详细信息

近年来,随着移动设备的计算能力和感知能力的提高,基于位置信息的时空众包应运而生,任务分配效果的提升面临许多挑战,其中之一便是如何给工人分配他们真正感兴趣的任务.现有的研究方法只关注工人的时间偏好而忽略了空间因素对偏好的影响,仅关注长期偏好却忽略了短期偏好,同时面临历史数据稀疏导致的预测不准的问题.研究基于长短期时空偏好的任务分配问题,从长期和短期两个角度以及时间和空间两个维度全面考虑工人的偏好,进行时空众包任务分配,提高任务的成功分配率和完成效率.为提升时空偏好预测的准确性,提出分片填充的张量分解算法(SICTD)减小偏好张量的空缺值占比,提出时空约束下的ST-HITS算法,综合考虑工人短期活跃范围,计算短期时空偏好.为了在众包任务分配中最大化任务总收益和工人偏好,设计基于时空偏好的贪心与Kuhn-Munkres (KM)算法,优化任务分配的结果.在真实数据集上的大量实验结果表明,提出的分片填补张量分解算法对时间和空间偏好的RMSE预测误差较基线算法分别下降22.55%和24.17%;在任务分配方面,提出的基于偏好的KM算法表现出色,对比基线算法,在工人总收益和工人完成任务平均偏好值上分别提升40.86%和22.40%.

关键词：时空众包任务分配张量分解偏好预测

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

三维点云上采样方法研究综述

计算机科学 2024年第7期51卷 167-196页

作者：韩冰邓理想郑毅任爽北京交通大学计算机与信息技术学院北京100044

随着深度相机、激光雷达等三维扫描设备的普及,用点云表示三维数据的方法越来越流行,对点云数据的分析与处理也引起了计算机视觉研究领域的极大兴趣。其中,点云上采样任务是一项重要的点云数据处理工作,其结果的好坏关系着下游多种任务... 详细信息

随着深度相机、激光雷达等三维扫描设备的普及,用点云表示三维数据的方法越来越流行,对点云数据的分析与处理也引起了计算机视觉研究领域的极大兴趣。其中,点云上采样任务是一项重要的点云数据处理工作,其结果的好坏关系着下游多种任务的优劣,因此一些研究人员从多个角度深入探索并先后提出了多种点云上采样方法,以期提高计算效率和网络性能,解决点云上采样中的各种难点问题。为了促进之后研究的发展,首先从任务类型角度对现有的点云上采样方法进行了全面的分类与综述,然后对这些点云上采样网络的性能进行了详细的分析与对比,最后针对现存的问题与面临的挑战做了进一步分析,并探索了未来可能的研究方向,希望为三维点云上采样任务未来更深入的研究提供新思路。

关键词：三维点云上采样方法深度神经网络自监督学习三维重建