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

模式可拓识别及其神经网络模型

哈尔滨工业大学学报 2006年第7期38卷 1129-1132页

作者：杨国为王守觉青岛大学模式识别与智能系统研究所山东青岛266071 中国科学院半导体研究所神经网络实验室北京100083

提出了“模式可拓识别”概念．给出了由预处理、可拓特征或模式基元的抽取和选择,以及可拓识别等部分组成的模式可拓识别系统方案．同时,给出了一高维模式可拓识别(分类)器的通用、有效的神经网络模型．

关键词：可拓特征模式识别模式可拓识别神经网络

在线全文

学校读者我要写书评

暂无评论

基于社会化媒体节点属性的信息预测

北京邮电大学学报 2012年第4期35卷 24-27页

作者：张闯姜杨吴铭肖文君李泰北京邮电大学模式识别与智能系统实验室北京100876

针对多数研究仅将社会化媒体作为数据来源的现状,深入分析社会化媒体特点,重点将节点属性分为静态和动态进行研究,提出基于预测目标的节点影响力的概念.在此基础上提出了一种基于节点属性进行信息预测的属性、节点数、倾向(ANV)模型.实... 详细信息

针对多数研究仅将社会化媒体作为数据来源的现状,深入分析社会化媒体特点,重点将节点属性分为静态和动态进行研究,提出基于预测目标的节点影响力的概念.在此基础上提出了一种基于节点属性进行信息预测的属性、节点数、倾向(ANV)模型.实验采用后向传播(BP)神经网络预测方法,通过新浪微博数据预测电影票房.仿真表明,带有节点属性的方法比没有节点属性的方法拟合和预测更为准确.

关键词：社会化媒体节点属性预测模型 BP神经网络模型票房预测

在线全文

学校读者我要写书评

暂无评论

基于模型混淆度的模型组合算法研究

自动化学报 2009年第5期35卷 551-555页

作者：吴娅辉刘刚郭军北京邮电大学模式识别与智能系统实验室北京100876

传统的声学模型训练算法如最大似然估计(Maximum likelihood estimation,MLE),在训练时只考虑了模型自身而没有考虑模型之间的相互影响.为了进一步提升模型的识别效果,区分性训练算法被提出.本文在最小音素错误(Minimum phone error,MPE... 详细信息

传统的声学模型训练算法如最大似然估计(Maximum likelihood estimation,MLE),在训练时只考虑了模型自身而没有考虑模型之间的相互影响.为了进一步提升模型的识别效果,区分性训练算法被提出.本文在最小音素错误(Minimum phone error,MPE)区分性训练算法的基础上提出一种基于模型间混淆程度进行模型组合的算法:针对单混合分量模型,依据模型间混淆程度对MLE和MPE的模型进行加权组合;针对多混合分量模型,提出一种模型选择的算法来获取新的模型参数.实验表明,与MPE算法相比,对单分量的情况,该算法可以使系统的误识率相对降低4%左右;对于多分量的情况,该算法可以使系统的误识率相对降低3%左右.

关键词：模型加权区分性训练最小音素错误最大似然估计

一种大气湍流环境下的运动目标自适应检测方法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2018年第9期44卷 1590-1605页

作者：杜飞金野刘鹏唐降龙哈尔滨工业大学计算机科学与技术学院模式识别与智能系统研究中心哈尔滨150001

在远距离成像过程中,图像序列受到湍流的影响会出现像素点亮度的随机起伏、闪烁和图像中物体的位置漂移,这使得传统的背景建模方法在湍流环境下难以准确检测运动目标.针对图像受到湍流影响在不同区域表现出的不同性质,提出分层次决策判... 详细信息

在远距离成像过程中,图像序列受到湍流的影响会出现像素点亮度的随机起伏、闪烁和图像中物体的位置漂移,这使得传统的背景建模方法在湍流环境下难以准确检测运动目标.针对图像受到湍流影响在不同区域表现出的不同性质,提出分层次决策判别方法.首先,用高斯模型建模背景平坦区域,用双高斯模型建模背景中的物体边缘区域,设定判别式对每个像素点进行判别,并在线更新模型参数;然后,针对由于湍流影响出现的亮度突变点建立自适应判别模型,结合前一层次的判别结果,构造判别条件消除亮度突变点,分割得到目标点;最后,通过连通区域约束得到目标区域.实验结果表明,本文方法在不同湍流强度下对不同数量和不同运动方向的目标取得了良好的检测效果.

关键词：大气湍流运动目标检测分层次决策自适应检测

在线全文

学校读者我要写书评

暂无评论

基于UML的农村社会养老保险精算系统设计

计算机与数字工程 2007年第2期35卷 143-148页

作者：米红刘力丰邱婷婷耿代厦门大学模式识别与智能系统研究所厦门361005

以农村社会养老保险精算的模型建立和方案设计为背景,利用面向对象建模技术UML分析了农村社会养老保险精算系统的组织和行为特性,并以Java语言实现了系统的原型;讨论了UML在编制开放性、复杂性系统过程中的优势;阐述了系统的创新点,并... 详细信息

以农村社会养老保险精算的模型建立和方案设计为背景,利用面向对象建模技术UML分析了农村社会养老保险精算系统的组织和行为特性,并以Java语言实现了系统的原型;讨论了UML在编制开放性、复杂性系统过程中的优势;阐述了系统的创新点,并展望了其在“金保工程”中的应用前景。

关键词：农村社会养老保险统一建模语言(UML) 精算模型

人工鱼局部运动规律模型与模型的随时连续切换

在线全文

学校读者我要写书评

暂无评论

计算机工程 2006年第10期32卷 1-3,27页

作者：杨国为姜文斌青岛大学智能系统与模式识别研究所中国科学院半导体研究所神经网络研究室北京100083

较好地解决了动画角色多运动规律模型随时连续切换难题,提出了一套人工鱼的局部运动规律建模与模型的随时连续切换方法。基于该方法开发了一个人工鱼社会行为系统,该系统能表现鱼的多种生命习性和智能行为。它能无限广义循环运行,有良... 详细信息

较好地解决了动画角色多运动规律模型随时连续切换难题,提出了一套人工鱼的局部运动规律建模与模型的随时连续切换方法。基于该方法开发了一个人工鱼社会行为系统,该系统能表现鱼的多种生命习性和智能行为。它能无限广义循环运行,有良好的人机交互性能。而且系统中鱼的外观、运动和行为在视觉上令人信服、逼真,不会出现动画角色“突变”、“突失”、“跳变”不佳视觉效果。提出的局部运动规律建模与模型的随时连续切换的思想方法对开发高效的、无限广义运行的、交互式的人工动物行为系统、动画系统有良好的借鉴作用。

关键词：人工生命人工鱼动画模型随时切换模型连续切换

基于TD-error自适应校正的深度Q学习主动采样方法

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 2019年第2期56卷 262-280页

作者：白辰甲刘鹏赵巍唐降龙哈尔滨工业大学计算机科学与技术学院模式识别与智能系统研究中心哈尔滨150001

强化学习中智能体与环境交互的成本较高.针对深度Q学习中经验池样本利用效率的问题,提出基于TD-error自适应校正的主动采样方法.深度Q学习训练中样本存储优先级的更新滞后于Q网络参数的更新,存储优先级不能准确反映经验池中样本TD-erro... 详细信息

强化学习中智能体与环境交互的成本较高.针对深度Q学习中经验池样本利用效率的问题,提出基于TD-error自适应校正的主动采样方法.深度Q学习训练中样本存储优先级的更新滞后于Q网络参数的更新,存储优先级不能准确反映经验池中样本TD-error的真实分布.提出的TD-error自适应校正主动采样方法利用样本回放周期和Q网络状态建立优先级偏差模型,估计经验池中样本的真实优先级.在Q网络迭代中使用校正后的优先级选择样本,偏差模型在学习过程中分段更新.分析了Q网络学习性能与偏差模型阶数和模型更新周期之间的依赖关系,并对算法复杂度进行了分析.方法在Atari 2600平台进行了实验,结果表明,使用TD-error自适应校正的主动采样方法选择样本提高了智能体的学习速度,减少了智能体与环境的交互次数,同时改善了智能体的学习效果,提升了最优策略的质量.

关键词：样本优先级 TD-error校正自适应主动采样深度Q学习强化学习

在线全文

学校读者我要写书评

暂无评论

一种多层次抽象语义决策图像分类方法

自动化学报 2015年第5期41卷 960-969页

作者：刘鹏叶志鹏赵巍唐降龙哈尔滨工业大学计算机科学与技术学院模式识别与智能系统研究中心哈尔滨150001

视觉词包(Bag-of-visual-words,Bo VW)模型是一种有效的图像分类方法.本文提出一种基于语义抽象的多层次决策(Multiple layer decision,MLD)方法,通过在Bo VW中引入抽象语义进行多层次扩展,采用语义保留方法生成具有语义的视觉词典,利... 详细信息

视觉词包(Bag-of-visual-words,Bo VW)模型是一种有效的图像分类方法.本文提出一种基于语义抽象的多层次决策(Multiple layer decision,MLD)方法,通过在Bo VW中引入抽象语义进行多层次扩展,采用语义保留方法生成具有语义的视觉词典,利用自底向上的方式逐层传递语义,训练上层语义分类器;分类时采用自顶向下方式逐层判断待测样本的类别.用标准数据集验证方法的分类性能.结果表明,本文提出的方法与主流分类方法相比具有更好的分类性能.

关键词：图像分类图像模糊分类视觉词包模型决策树多层次决策

在线全文

学校读者我要写书评

暂无评论

深度域适应综述:一般情况与复杂情况

自动化学报 2021年第3期47卷 515-548页

作者：范苍宁刘鹏肖婷赵巍唐降龙哈尔滨工业大学计算机科学与技术学院模式识别与智能系统研究中心哈尔滨150001

信息时代产生的大量数据使机器学习技术成功地应用于许多领域.大多数机器学习技术需要满足训练集与测试集独立同分布的假设,但在实际应用中这个假设很难满足.域适应是一种在训练集和测试集不满足独立同分布条件下的机器学习技术.一般情... 详细信息

信息时代产生的大量数据使机器学习技术成功地应用于许多领域.大多数机器学习技术需要满足训练集与测试集独立同分布的假设,但在实际应用中这个假设很难满足.域适应是一种在训练集和测试集不满足独立同分布条件下的机器学习技术.一般情况下的域适应只适用于源域目标域特征空间与标签空间都相同的情况,然而实际上这个条件很难满足.为了增强域适应技术的适用性,复杂情况下的域适应逐渐成为研究热点,其中标签空间不一致和复杂目标域情况下的域适应技术是近年来的新兴方向.随着深度学习技术的崛起,深度域适应已经成为域适应研究领域中的主流方法.本文对一般情况与复杂情况下的深度域适应的研究进展进行综述,对其缺点进行总结,并对其未来的发展趋势进行预测.首先对迁移学习相关概念进行介绍,然后分别对一般情况与复杂情况下的域适应、域适应技术的应用以及域适应方法性能的实验结果进行综述,最后对域适应领域的未来发展趋势进行展望并对全文内容进行总结.

关键词：域适应迁移学习深度域适应深度学习机器学习