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

四内酰胺大环的分子识别与应用研究进展

有机化学 2024年第6期44卷 1777-1785页

作者：郭静李诗瑶姚欢杨留攀王力立南华大学药学院湖南衡阳421001

分子识别在自然界中广泛存在,是许多生物过程以及超分子化学的核心.水的极性环境会显著削弱特定的非共价相互作用(如氢键),因此利用人工大环主体在水相中进行分子识别具有挑战性.四内酰胺大环是一类疏水空腔内部具有极性结合位点的人工... 详细信息

分子识别在自然界中广泛存在,是许多生物过程以及超分子化学的核心.水的极性环境会显著削弱特定的非共价相互作用(如氢键),因此利用人工大环主体在水相中进行分子识别具有挑战性.四内酰胺大环是一类疏水空腔内部具有极性结合位点的人工大环主体,通过模仿生物受体的识别特性实现了水中亲水分子的识别,在疏水效应以及氢键的协同作用下可以实现药物分子、糖类、染料、有机污染物及疾病标志物等物质的选择性识别.总结了近三十年来四内酰胺大环在分子识别与应用方面的研究进展,尤其是在水相中的分子识别与应用研究,希望为今后四内酰胺大环的发展提供参考.

关键词：超分子化学四内酰胺大环分子识别氢键

伪时空图卷积网络修复姿态引导的Transformer行人视频修复方法

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第4期36卷 552-564页

作者：唐福梅聂勇伟余嘉祺张青李桂清华南理工大学计算机科学与工程学院广州510006 中山大学计算机学院广州510006

为解决监控视频中被遮挡行人的修复问题,提出了一种基于人体姿态的行人视频修复方法,即先修复视频中残缺的行人姿态序列,然后在修补后的姿势序列的引导下修复视频帧中人体的缺失部分.该方法采用OpenPose从视频中提取被遮挡的人体姿态序... 详细信息

为解决监控视频中被遮挡行人的修复问题,提出了一种基于人体姿态的行人视频修复方法,即先修复视频中残缺的行人姿态序列,然后在修补后的姿势序列的引导下修复视频帧中人体的缺失部分.该方法采用OpenPose从视频中提取被遮挡的人体姿态序列,针对其因存在遮挡情况导致未识别出和未准确识别部分关节点的问题,提出了一种伪时空图卷积网络模型对缺失姿态进行修复,得到一个相对准确的姿态序列;基于修复后的姿态,提出了基于姿态序列引导的Transformer行人视频修复模型.在Human3.6M数据集上进行了测试,所提出的方法在4个指标PSNR,RMSE,SSIM,LPIPS上均比对比方法有提升,特别是RMSE指标提升了9.50%,LPIPS指标提升了21.67%.

关键词：深度学习图卷积神经网络 Transformer 人体姿态补全视频修复

在线全文

学校读者我要写书评

暂无评论

用户生成内容场景下角色导向图神经推荐方法

计算机学报 2024年第6期47卷 1288-1303页

作者：娄铮铮朱军娇张万闯吴宾郑州大学计算机与人工智能学院郑州450001

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统... 详细信息

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统推荐场景,UGC场景下用户同时扮演生产者和消费者双重角色,这使得在构建推荐模型时既需要考虑消费者与内容之间的交互信息,也需关注内容生产者对于消费者决策的影响.因此,UGC场景下个性化推荐算法研究的关键在于如何充分挖掘消费者-内容和消费者-生产者之间的关联关系.在面向UGC场景的推荐研究中,比较有代表性的模型为CPRec,该模型虽取得一定进展,但仍存在两点不足之处.其一,在模型构建层面,未能显式建模消费者-内容与消费者-生产者之间的高阶连通关系,难以学习出高质量的节点表征.其二,在模型优化层面,无法区分每个观测数据在不同训练阶段的贡献度,将影响推荐结果的质量.为此,本文提出一种新颖的角色导向图神经推荐方法RGNRec(Role-Guided Graph Neural Recommendation)用于UGC场景的个性化排序任务.特别地,基于用户的历史行为数据与内容的创作者信息分别构建了消费者-内容交互图和消费者-生产者交互图.进一步,为了显式捕获两种交互图中的高阶连通信息,构建一种双通道线性传播模块,同时刻画了消费者兴趣与内容生产者影响的扩散过程.最终,提出设计一种自适应的正样本权重生成策略,将其融入非采样损失函数,并建立双层优化机制来学习模型的参数.本文的核心贡献包括:(1)引入双通道线性传播模块,以显式解耦出自身兴趣与内容生产者效应对于用户偏好建模的不同贡献度;(2)提出权重自适应的非采样损失函数,以解决不同观测样例在模型不同训练阶段贡献不同的问题.本文分别采用经典的和最先进的图神经网络方法作为基准,在3个UGC场景Pinterest、Recipes和Reddit下进行了实验对比.在整体推荐性能方面,无论模型精度亦或训练效率上均优于各基准方法,尤其在Precision@10指标上获得了 4.31%~17.83%的提升;然后通过消融实验验证了双通道线性传播模块和权重自适应优化机制的合理性与必要性;最后通过实验验证了本文方法在缓解数据稀疏和用户冷启动方面的优越性.

关键词：推荐系统图神经网络用户生成内容双重角色非采样学习

在线全文

学校读者我要写书评

暂无评论

基于条件生成对抗网络的图像翻译综述

计算机辅助设计与图形学学报 2024年第1期36卷 14-32页

作者：屠杭垚王万良陈嘉诚李国庆吴菲浙大城市学院计算机与计算科学学院杭州3100152 浙江大学计算机科学与技术学院杭州3100583 浙江工业大学计算机科学与技术学院杭州310014

图像翻译旨在实现多组不同领域图像间的转换,同时需要约束样本空间与目标空间分布的一致性.文章旨在寻找条件生成对抗网络与图像翻译问题的结合点,首先,介绍了数据集的特点,指出了不同数据集图像翻译难易程度;其次,从数学表达、性质以... 详细信息

图像翻译旨在实现多组不同领域图像间的转换,同时需要约束样本空间与目标空间分布的一致性.文章旨在寻找条件生成对抗网络与图像翻译问题的结合点,首先,介绍了数据集的特点,指出了不同数据集图像翻译难易程度;其次,从数学表达、性质以及目标函数设计方法得出算法实现的不同方式;将现有图像翻译分成3种类别——匹配图像翻译、非匹配图像翻译和多领域图像翻译,并得出不同应用场景所对应的图像翻译类别,即高清任务对应匹配图像翻译,低成本任务对应非匹配图像翻译,多样化任务对应多领域图像翻译;将图像质量评价方法分为主观图像质量评价与客观图像质量评价,并分析客观图像质量评价中全参考图像与无参考图像质量评价的适用范围;最后,总结条件生成对抗网络在图像翻译中的进展,并分析算法后指出了模式崩塌,模型可解释性和少样本等未来所需解决的问题.

关键词：条件生成对抗网络图像翻译生成模型图像质量评价

在线全文

学校读者我要写书评

暂无评论

基于节点混合阻塞力的影响阻塞最大化算法

华中科技大学学报（自然科学版） 2024年第2期52卷 55-61页

作者：陈卫东朱颖慧钟昊华南师范大学计算机学院广东广州510631

针对社交网络中影响阻塞最大化问题,在竞争独立级联模型下引入节点混合阻塞力的概念,提出一种贪心启发式求解算法.首先,借助节点影响概率的计算方法,给出度量节点阻塞能力和扩散能力的方法,分别刻画节点对负面信息和正面信息传播范围的... 详细信息

针对社交网络中影响阻塞最大化问题,在竞争独立级联模型下引入节点混合阻塞力的概念,提出一种贪心启发式求解算法.首先,借助节点影响概率的计算方法,给出度量节点阻塞能力和扩散能力的方法,分别刻画节点对负面信息和正面信息传播范围的影响;然后,融合这两种能力计算出节点的混合阻塞力.算法在每轮迭代中优先选择混合阻塞力最大的节点作为传播正面信息的阻塞节点.在典型社交网络实例上的实验表明:与现有的算法相比,该算法所选出的阻塞节点对负面信息有着更好的阻塞效果.

关键词：社交网络竞争独立级联模型权重级联模型影响最大化影响阻塞最大化

在线全文

学校读者我要写书评

暂无评论

面向图像分析领域的黑盒对抗攻击技术综述

计算机学报 2024年第5期47卷 1138-1178页

作者：武阳刘靖内蒙古大学计算机学院呼和浩特010021

图像领域下的黑盒攻击(Black-box Attack)已成为当前深度神经网络对抗攻击领域的热点研究方向.黑盒攻击的特点在于仅利用模型输入与输出的映射关系,而无需模型内部参数信息及梯度信息,通过向图像数据加入人类难以察觉的微小扰动,进而造... 详细信息

图像领域下的黑盒攻击(Black-box Attack)已成为当前深度神经网络对抗攻击领域的热点研究方向.黑盒攻击的特点在于仅利用模型输入与输出的映射关系,而无需模型内部参数信息及梯度信息,通过向图像数据加入人类难以察觉的微小扰动,进而造成深度神经网络(Deep Neural Network,DNN)推理与识别失准,导致图像分析任务的准确率下降,因此由黑盒攻击引起的鲁棒性问题成为当前DNN模型研究的关键问题.为提高黑盒攻击在图像分析任务下的攻击成效,现有相关研究以低查询次数、低扰动幅度、高攻击成功率作为优化目标,针对不同图像分析任务采用不同的攻击模式与评估方式.本文以主流的图像分析任务为出发点,阐述图像分类、目标检测与图像分割三类任务中黑盒攻击算法的核心思想和难点,总结黑盒对抗攻击领域中的关键概念与评估指标,分析不同图像分析任务中黑盒对抗攻击的实现策略与研究目标.阐明各个黑盒攻击算法间的关系与优势,从攻击成功率、查询次数以及相似性度量等多个方面对不同的黑盒攻击算法进行性能比较,以提出目前图像分析领域中黑盒对抗攻击仍存在的主要挑战与未来研究方向.

关键词：黑盒对抗攻击深度神经网络鲁棒性图像分类目标检测图像分割

顺序主导和方向驱动下基于点边特征的人体动作识别方法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第9期39卷 3090-3098页

作者：苏本跃郭梦娟朱邦国盛敏安庆师范大学计算机与信息学院铜陵学院数学与计算机学院安庆师范大学数理学院

人体运动是肢体运动方向、关节活动顺序以及动作幅度相互协调的过程.然而,现有方法往往直接对原始3D骨骼关节点信息进行建模,容易忽略肢体关节活动的顺序关系、运动方向性以及动作幅度变化影响.因此,提出一种顺序主导和方向驱动下基于... 详细信息

人体运动是肢体运动方向、关节活动顺序以及动作幅度相互协调的过程.然而,现有方法往往直接对原始3D骨骼关节点信息进行建模,容易忽略肢体关节活动的顺序关系、运动方向性以及动作幅度变化影响.因此,提出一种顺序主导和方向驱动下基于点边特征的骨骼卷积神经网络,通过刻画人体关节点运动顺序、帧间距离和骨骼边方向向量等特征对人体动作分类识别.该网络包含顺序主导单元和方向驱动单元.顺序主导单元对骨骼边末端关节点进行建模,利用关节点的排列方式、帧间距离信息对关节活动顺序和肢体变化幅度进行表征.方向驱动单元利用骨骼边方向向量信息表征肢体运动的方向性.最后,将顺序主导单元与方向驱动单元进行特征融合,对人体日常行为动作进行分类识别.实验结果表明,在两个大型数据集NTU-RGB+D60和NTU-RGB+D120上的实验结果分别较基准方法提升了2.6%、3.5%和5.9%、6.1%.因此,所提出方法能有效利用多特征之间的协同互补性对人类日常行为运动进行深层次刻画,提高人体动作识别的精度.

关键词：人体动作识别骨骼数据骨骼边方向向量有序关节点帧间距离卷积神经网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

深度学习在磁共振影像脑疾病诊断中的应用

工程科学学报 2024年第2期46卷 306-316页

作者：朱健椿魏嘉昕毛浚彬刘坤何鸿宇刘锦中南大学计算机学院长沙410083 新疆大学软件学院乌鲁木齐830046

由于脑疾病的发生会对社会产生严重危害,所以脑疾病诊断研究的重要性日益显著.中国“脑计划”列入“十三五”规划与国务院《“健康中国2023”规划纲要》的印发表明国家对脑疾病诊疗问题的高度重视.由于磁共振影像的高分辨率及非入侵性... 详细信息

由于脑疾病的发生会对社会产生严重危害,所以脑疾病诊断研究的重要性日益显著.中国“脑计划”列入“十三五”规划与国务院《“健康中国2023”规划纲要》的印发表明国家对脑疾病诊疗问题的高度重视.由于磁共振影像的高分辨率及非入侵性等优势使其成为脑疾病研究与临床检查的主要技术手段,为脑疾病诊断提供丰富的数据基础.深度学习由于其可拓展性与灵活性在各个领域得到广泛应用,展现出巨大的发展潜力.本文针对深度学习在典型脑疾病诊断中的应用进行综述,结构组织如下:首先对深度学习在自闭症、精神分裂症、阿尔兹海默症三种典型脑疾病诊断上的应用进行了阐述;然后对用于三种脑疾病研究的数据集和已有的开源工具进行了汇总;最后对深度学习在磁共振影像脑疾病诊断应用中的局限性及未来发展方向进行总结与展望.

关键词：磁共振影像深度学习脑疾病自闭症精神分裂症阿尔兹海默症

GPPR:跨域分布式个性化PageRank算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第3期35卷 1090-1106页

作者：陈子俊马德龙王一舒袁野东北大学计算机科学与工程学院辽宁沈阳110169 北京理工大学计算机学院北京100081

个性化PageRank作为大图分析中的基本算法,在搜索引擎、社交推荐、社区检测等领域具有广泛的应用,一直是研究者们关注的热点问题.现有的分布式个性化PageRank算法均假设所有数据位于同一地理位置,且数据所在的计算节点之间具有相同的网... 详细信息

个性化PageRank作为大图分析中的基本算法,在搜索引擎、社交推荐、社区检测等领域具有广泛的应用,一直是研究者们关注的热点问题.现有的分布式个性化PageRank算法均假设所有数据位于同一地理位置,且数据所在的计算节点之间具有相同的网络环境.然而在现实世界中,这些数据可能分布在跨洲的多个数据中心中,这些跨域分布(cross-geo-distributed)的数据中心之间通过广域网连接,存在网络带宽异构、硬件差异巨大、通信费用高昂等特点.分布式个性化PageRank算法需要多轮迭代,并在全局图上进行随机游走.因此,现有的分布式个性化PageRank算法不适用于跨域环境.针对此问题,提出了GPPR(cross-geo-distributed personalized PageRank)算法.该算法首先对跨域环境中的大图数据进行预处理,采用启发式算法映射图数据,以降低网络带宽异构对算法迭代速度的影响;其次,GPPR改进了随机游走方式,提出了基于概率的Push算法,通过减少工作节点之间传输数据的带宽负载,进一步减少算法所需的迭代次数.基于Spark框架实现了GPPR算法,并在阿里云中构建真实的跨域环境,在8个开源大图数据上,与现有的多个代表性分布式个性化PageRank算法进行了对比实验.结果显示,GPPR的通信数据量在跨域环境中比其他算法平均减少30%.在算法运行效率方面,GPPR比其他算法平均提升了2.5倍.

关键词：跨域分布式个性化PageRank 近似计算