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

面向干扰项增强的无监督常识问答模型

中文信息学报 2024年第5期 127-135页

作者：李伟黄贤英冯雅茹重庆理工大学计算机科学与工程学院

问题生成是无监督常识问答模型的一个核心子任务，目前的方法主要是根据给定知识生成问题和答案，并为每个问题随机生成多个干扰项，然而这些方法存在干扰项与问题相关性不强且随机性较大的问题。该文提出一种面向干扰项增强的无监督常... 详细信息

问题生成是无监督常识问答模型的一个核心子任务，目前的方法主要是根据给定知识生成问题和答案，并为每个问题随机生成多个干扰项，然而这些方法存在干扰项与问题相关性不强且随机性较大的问题。该文提出一种面向干扰项增强的无监督常识问答模型，首先根据知识三元组生成问题和正确答案，再为问题建立对应的问题子图，得到与问题相关的三元组集合，使用注意力机制增强特征并根据问题和正确答案确定干扰项，最后使用生成的数据对模型进行训练。该模型在四个不同类型的测试任务上的结果表明，该模型优于目前的最新方法，证明了该模型的有效性。

关键词：干扰项增强问题子图注意力机制

融合多尺度Transformer的皮肤病变分割算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2024年第4期54卷 1086-1098页

作者：梁礼明周珑颂尹江盛校棋江西理工大学电气工程与自动化学院江西赣州341000 华南理工大学计算机科学与工程学院广东广州510006

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角... 详细信息

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角度出发,多尺度分析皮肤病变区域;然后利用多尺度融合模块、通道注意力模块和联合层构建融合解码器,多尺度融合模块互补分层编码器中浅层网络信息与深层网络信息,增强空间信息和语义信息间的依赖关系,通道注意力模块能够有效识别特征丰富的通道,提高算法分割精度;最后引入扩展模块恢复图像大小以匹配实际需求。将该算法在ISBI2016、ISBI2017和ISIC2018三个公共数据集上进行实验测试,其像素精度分别为96.70%、94.50%和95.39%,平均交并比分别为91.69%、85.74%和89.29%,算法测试整体性能优于现有算法。仿真实验证明,多尺度Transformer编解码网络能够有效地分割皮肤病变图像。

关键词：计算机应用技术皮肤病变图像分割 Transformer 多尺度融合模块通道注意力模块

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

基于多粒度融合的图卷积网络会话情感分析

中文信息学报 2024年第5期 136-145页

作者：王佳朱小飞唐顾黄贤英重庆理工大学计算机科学与工程学院

会话情感分析指对一段会话中的每句话进行情感分类，目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响，而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题，该文提出了一个基于多粒度融合的图卷积神经... 详细信息

会话情感分析指对一段会话中的每句话进行情感分类，目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响，而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题，该文提出了一个基于多粒度融合的图卷积神经网络，其主要包括两个模块，即特征提取模块和星图增强的图学习模块。首先，特征提取模块使用预训练语言模型RoBERTa获取会话中语句之间粗粒度的上下文信息，同时结合句法依赖树获取词之间细粒度的句法信息，从而将多粒度特征信息引入到会话情感建模。然后，在星图增强的图学习模块中建模会话的背景情感信息和会话中不同说话者之间的交互信息，从而增强会话情感分析的准确性。实验结果表明，该文提出的模型与其他基线模型相比，其准确性以及度量指标F1值在所有数据集上均有显著提升。

关键词：会话情感分析多粒度融合句法依赖树图卷积网络

基于自注意力机制的深度强化学习交通信号控制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2024年第2期24卷 96-104页

作者：张玺君聂生元李喆张红兰州理工大学计算机与通信学院兰州730050

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息... 详细信息

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息无法全面表达的问题,为了从有限特征中挖掘潜在交通状态信息,从而降低交通状态设计难度,提出一种引入自注意力网络的DRL算法。首先,仅获取交叉口各进入口车道车辆位置,使用非均匀量化和独热编码方法预处理得到车辆位置分布矩阵;其次,使用自注意力网络挖掘车辆位置分布矩阵的空间相关性和潜在信息,作为DRL算法的输入;最后,在单交叉口学习交通信号自适应控制策略,在多交叉口路网中验证所提算法的适应性和鲁棒性。仿真结果表明,在单交叉口环境下,与3种基准算法相比,所提算法在车辆平均等待时间等指标上具有更好的性能;在多交叉口路网中,所提算法仍然具有良好的适应性。

关键词：智能交通自适应控制深度强化学习自注意力网络近端策略优化

同方期刊数据库

基于知识图谱和预训练语言模型深度融合的可解释生物医学推理

在线全文

学校读者我要写书评

暂无评论

北京大学学报（自然科学版） 2024年第1期60卷 62-70页

作者：徐寅鑫杨宗保林宇晨胡金龙董守斌华南理工大学计算机科学与工程学院广州510641 中山市华南理工大学现代产业技术研究院中山528437

基于预训练语言模型(LM)和知识图谱(KG)的联合推理在应用于生物医学领域时,因其专业术语表示方式多样、语义歧义以及知识图谱存在大量噪声等问题,联合推理模型并未取得较好的效果。基于此,提出一种面向生物医学领域的可解释推理方法DF-... 详细信息

基于预训练语言模型(LM)和知识图谱(KG)的联合推理在应用于生物医学领域时,因其专业术语表示方式多样、语义歧义以及知识图谱存在大量噪声等问题,联合推理模型并未取得较好的效果。基于此,提出一种面向生物医学领域的可解释推理方法DF-GNN。该方法统一了文本和知识图谱的实体表示方式,利用大型生物医学知识库构造子图并进行去噪,改进文本和子图实体的信息交互方式,增加对应文本和子图节点的直接交互,使得两个模态的信息能够深度融合。同时,利用知识图谱的路径信息对模型推理过程提供了可解释性。在公开数据集MedQA-USMLE和MedMCQA上的测试结果表明,与现有的生物医学领域联合推理模型相比,DF-GNN可以更可靠地利用结构化知识进行推理并提供解释性。

关键词：生物医学预训练语言模型知识图谱联合推理

同方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

融合强化学习的三支治略选择及其有效性分析

计算机科学与探索 2024年第2期18卷 378-386页

作者：刘晓雪姜春茂哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 福建理工大学计算机科学与数学学院福州350118

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行... 详细信息

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行了研究,提出一种基于强化学习的三支改变模型的策略选择与有效性预测的方法。首先将改变三支决策TAO模型中的改变三分状态和策略分别作为强化学习中的状态和动作,并将每次施加策略得到新的改变三分状态的过程看作一个周期,利用累积前景理论计算每个周期产生的奖励,将智能体与环境的交互过程用马尔可夫决策过程来表示;其次设置一个目标奖励,将各个周期的累计奖励达到目标奖励时的状态作为马尔可夫决策过程的终止状态;然后用Q-learning算法迭代出一个最短周期内达到目标奖励的策略序列,同时利用该策略序列预测当前改变三分状态的未来效用。最后使用一个实例体现出该方法实用性和有效性。

关键词：三支决策改变三支决策强化学习策略选择效用度量

在线全文

学校读者我要写书评

暂无评论

局部干法水下快频脉冲MIG焊电源研制

焊接学报 2024年第4期45卷 13-19,I0003,I0004页

作者：王振民贾建军胡健良廖海鹏吴健文张芩华南理工大学机械与汽车工程学院广州510641 华南理工大学计算机科学工程学院广州510006

针对复杂水下环境焊接过程对焊接电源超高动特性与精确控制需求,设计基于SiC模块的快频脉冲焊接电源功率主电路,开发全数字化控制系统,研制出局部干法水下快频脉冲MIG焊电源(local dry underwater fastfrequency pulsed MIG,LDU-FFPMIG)... 详细信息

针对复杂水下环境焊接过程对焊接电源超高动特性与精确控制需求,设计基于SiC模块的快频脉冲焊接电源功率主电路,开发全数字化控制系统,研制出局部干法水下快频脉冲MIG焊电源(local dry underwater fastfrequency pulsed MIG,LDU-FFPMIG).研制的LDU-FFPMIG焊接电源额定输出电流为400 A,能精确输出多种0~30 kHz的快频脉冲电流波形,快频脉冲电流幅值高达200 A.提出LDU-FFPMIG焊接新工艺,将快频脉冲应用到304不锈钢局部干法水下MIG焊接,探究快频脉冲对传统局部干法水下脉冲MIG焊的影响.结果表明,研制的LDU-FFPMIG焊接电源能够实现稳定的局部干法水下MIG焊,可获得良好的焊缝成形;快频脉冲电流的引入可显著提高电弧能量密度和焊接稳定性,减小熔宽(B)、增大熔深(H),焊缝成形系数(B/H)减小约30%,并且可以细化晶粒.

关键词：焊接电源 SiC模块全数字化快频脉冲波形局部干法水下MIG焊

在线全文

学校读者我要写书评

暂无评论

边缘智能与协同计算:前沿与进展

控制与决策 2024年第7期39卷 2385-2404页

作者：侯祥鹏兰兰陶长乐寇小勇丛佩金邓庆绪周俊龙南京理工大学计算机科学与工程学院南京210094 东北大学计算机科学与工程学院沈阳110819 东南大学移动通信全国重点实验室南京211111

随着万物互联时代的到来,边缘设备规模急剧增加,海量数据在网络边缘产生,人工智能技术的飞速发展为分析和处理这些数据提供了强大的支撑.然而,传统云计算的集中处理模式难以满足用户对任务低时延和设备低功耗的需求,并带来数据隐私泄露... 详细信息

随着万物互联时代的到来,边缘设备规模急剧增加,海量数据在网络边缘产生,人工智能技术的飞速发展为分析和处理这些数据提供了强大的支撑.然而,传统云计算的集中处理模式难以满足用户对任务低时延和设备低功耗的需求,并带来数据隐私泄露的潜在隐患.与此同时,嵌入式高性能芯片的发展显著提升了边缘设备的计算能力,使其能够在边缘侧实时处理部分计算密集型任务.在此背景下,边缘计算和人工智能有机融合,孕育了一种新的计算范式:边缘智能.鉴于此,聚焦边缘智能与协同计算的前沿与进展,首先概述边缘计算、人工智能和边缘智能的相关背景、基本原理与发展趋势;然后从训练、推理和缓存3个方面回顾面向单个设备的边缘智能方法;接着从架构、技术和功能3个维度介绍多个设备合作实现边缘智能协同的相关工作;最后总结边缘智能在工业物联网、智慧城市和虚拟现实等领域的广泛应用.

关键词：边缘智能边缘设备边缘训练边缘推理边缘缓存协同计算

基于SDL-LightGBM集成学习的软件缺陷预测模型

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第3期45卷 769-776页

作者：谢华祥高建华黄子杰上海师范大学计算机科学与技术系上海200234 华东理工大学计算机科学与工程系上海200237

为提高软件缺陷预测准确性和预测模型的可解释性,提出一种Spearman+DE+LIME+LightGBM(SDL-LightGBM)集成学习的软件缺陷预测模型。使用混合特征选择方法Spearman+LightGBM确定最佳特征子集,在保证模型预测性能的情况下降低模型复杂度;... 详细信息

为提高软件缺陷预测准确性和预测模型的可解释性,提出一种Spearman+DE+LIME+LightGBM(SDL-LightGBM)集成学习的软件缺陷预测模型。使用混合特征选择方法Spearman+LightGBM确定最佳特征子集,在保证模型预测性能的情况下降低模型复杂度;使用集成学习算法LightGBM(light gradient boosting machine)对特征子集建立预测模型,并使用差分进化(differential evolution, DE)算法优化模型的重要超参数;使用局部可解释的模型无关技术(local interpretable model-agnostic explanations, LIME)对模型进行局部可解释分析。实验通过12个项目的35个版本的结果表明,SDL-LightGBM算法优于现有的软件缺陷预测方法,F1值平均提高8.97%,AUC值平均提高11.42%,模型训练时间缩短43.6%。

关键词：缺陷预测机器学习集成学习特征选择模型优化模型解释差分进化