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

基于机器学习的演化多任务优化框架

计算机学报 2024年第1期47卷 29-51页

作者：麦伟杰刘伟莉钟竞辉华南理工大学计算机科学与工程学院广州510006 广东技术师范大学计算机科学学院广州510665

演化多任务优化是近年来计算智能领域的研究热点之一,其原理是通过任务间的知识转移提高演化算法同时求解多个任务的效率.由于任务间相似性对促进任务之间的正向知识转移具有重要的影响,因此,如何度量任务间的相似性成为了重点研究方向... 详细信息

演化多任务优化是近年来计算智能领域的研究热点之一,其原理是通过任务间的知识转移提高演化算法同时求解多个任务的效率.由于任务间相似性对促进任务之间的正向知识转移具有重要的影响,因此,如何度量任务间的相似性成为了重点研究方向之一.目前,演化多任务优化在处理两个任务时,辅助任务的选取仅限于两者之一,且在处理超多任务时对任务间知识的转移缺乏灵活性.为此,本文提出一个基于机器学习的演化多任务优化框架,命名为MaTML.该框架联合所有任务关联的子种群形成一个统一的初始化种群,利用目标任务的技能因子及其对应的种群个体分别构建标签和训练集,应用十折交叉法拟合模型,并运用模型预测与目标任务相似的个体以组成辅助种群,从而促进演化优化中的正向知识转移.本文提出的算法能够在动态的种群个体中找到目标任务的辅助种群,不仅可以为三个或以上的多任务优化灵活地选取相似辅助任务,而且解决了当任务数量为两个时有效地选择辅助任务的问题.通过与现阶段的多任务算法和超多任务算法分别在CEC2017问题测试集和WCCI2020SO问题测试集进行比较,实验结果证实MaTML在优化多任务问题时具有更优或竞争性的性能.此外,文中还详细研究了MaTML的计算资源、模型性能、模型稳定性以及相关组件.最后,本文还基于真实问题的测试进一步验证了MaTML的有效性.

关键词：演化多任务优化机器学习任务间相似性知识转移辅助任务

源域数据增强与多兴趣细化迁移的跨域推荐模型

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第8期58卷 1717-1727页

作者：尹雅博朱小飞刘议丹重庆理工大学计算机科学与工程学院重庆400054

针对跨域推荐任务中源域用户交互数据不丰富所导致的兴趣偏好建模困难问题,以及多个兴趣之间的关联被忽略问题,提出源域数据增强与多兴趣细化迁移的跨域推荐模型.该模型引入源域数据增强策略,为每个用户在源域中生成经过去噪处理的辅助... 详细信息

针对跨域推荐任务中源域用户交互数据不丰富所导致的兴趣偏好建模困难问题,以及多个兴趣之间的关联被忽略问题,提出源域数据增强与多兴趣细化迁移的跨域推荐模型.该模型引入源域数据增强策略,为每个用户在源域中生成经过去噪处理的辅助序列,缓解用户在源域中的交互数据稀疏问题,获得更丰富的用户兴趣偏好.使用双序列多兴趣提取模块和多兴趣细化迁移模块,完成兴趣提取与多个兴趣的细化迁移.在基于3个公开跨域推荐评测任务的对比实验中,与最优的基线相比,提出方法的平均MAE降低了22.86%,平均RMSE降低了19.65%,取得了最优的性能表现,证明了提出方法的有效性.

关键词：冷启动问题跨域推荐数据增强多兴趣提取多兴趣细化迁移

在线全文

学校读者我要写书评

暂无评论

网络拥塞控制方法综述

软件学报 2024年第08期35卷 3952-3979页

作者：蒋万春李昊阳陈晗瑜王洁王建新阮昌中南大学计算机学院长沙理工大学计算机与通信工程学院

网络拥塞控制方法是决定网络传输性能的关键因素.近几年,网络不断普及、网络带宽不断增长、用户对网络性能的需求不断提升,为拥塞控制算法的设计带来挑战.为适应不同的网络环境,近期不少新颖的拥塞控制算法被研究者们提出来,极大地提升... 详细信息

网络拥塞控制方法是决定网络传输性能的关键因素.近几年,网络不断普及、网络带宽不断增长、用户对网络性能的需求不断提升,为拥塞控制算法的设计带来挑战.为适应不同的网络环境,近期不少新颖的拥塞控制算法被研究者们提出来,极大地提升网络的传输性能,改善用户体验.综述最新拥塞控制算法设计思想,将其分为预约调度式、直接测量式、基于机器学习式以及迭代探测式4大类,分别介绍相应的代表性拥塞控制算法,并进一步对各种拥塞控制思想方法的优缺点进行对比和分析,最后展望拥塞控制的未来发展方向,以启发该领域的研究.

关键词：拥塞控制网络环境吞吐量延时数据中心

在线全文

学校读者我要写书评

暂无评论

基于逻辑回归与区块链的车联网信任管理方案

计算机工程与应用 2024年第1期60卷 281-288页

作者：王春东郭茹月天津理工大学计算机科学与工程学院天津300384

车联网使车辆能够传播信息,以提高交通安全和效率。然而,在不可信环境下,如何有效地实施信任评估并即时更新多个路边单元(RSU)之间一致的信任值仍是具有挑战性的问题。因此,提出了一种基于逻辑回归与区块链的车联网信任管理方案。车辆... 详细信息

车联网使车辆能够传播信息,以提高交通安全和效率。然而,在不可信环境下,如何有效地实施信任评估并即时更新多个路边单元(RSU)之间一致的信任值仍是具有挑战性的问题。因此,提出了一种基于逻辑回归与区块链的车联网信任管理方案。车辆可以通过通信对方的历史行为,为其计算直接信任值和推荐信任值,并利用逻辑回归算法计算综合信任值,然后上传到附近的RSU,RSU将这些数据打包成一个区块。提出了基于权益证明(PoS)和实用拜占庭容错(PBFT)的混合共识机制,权益越大的RSUs更容易被选为矿工,并与授权的RSUs一起工作验证区块的正确性,使得信任值变化较大的区块能够即时发布。安全性分析及性能仿真表明该方案在计算和存储车辆信任值方面是有效可行的。

关键词：车联网区块链信任评估共识机制

在线全文

学校读者我要写书评

暂无评论

基于深度学习的机器人局部路径规划方法

系统仿真学报 2024年第5期36卷 1199-1210页

作者：刘泽森毕盛郭传鈜王延葵董敏华南理工大学计算机科学与工程学院广东广州510006

为了将视觉信息融入到机器人导航过程中,提高机器人对各类障碍物的识别率,减少危险事件的发生,设计了基于二维CNN及LSTM的局部路径规划网络。提出了基于深度学习的局部路径规划方案。利用机器人视觉信息及全局路径信息推理产生机器人在... 详细信息

为了将视觉信息融入到机器人导航过程中,提高机器人对各类障碍物的识别率,减少危险事件的发生,设计了基于二维CNN及LSTM的局部路径规划网络。提出了基于深度学习的局部路径规划方案。利用机器人视觉信息及全局路径信息推理产生机器人在当前时刻完成避障导航任务所需转向角度;搭建了用于对规划器核心神经网络进行训练和验证的室内场景;提出了以路径总长度、平均曲率变化率及机器人与障碍物之间的距离为性能指标的路径评估方案。实验表明:该方案在仿真环境及真实场景中均体现了较优秀的局部路径生成能力。

关键词：机器人导航路径规划实时避障深度学习

维普期刊数据库博看期刊

基于ICEEMDAN模糊熵与Bi-LSTM的工业设备健康状态预测

在线全文

学校读者我要写书评

暂无评论

机床与液压 2024年第7期52卷 214-219页

作者：鹿广志李敬兆张金伟安徽理工大学人工智能学院安徽淮南232001 安徽理工大学计算机科学与工程学院安徽淮南232001

工业设备健康状态关系着工业生产能否正常进行,为此提出一种基于改进自适应噪声完备经验模态分解(ICEEMDAN)和双向长短期记忆网络(Bi-LSTM)的工业设备健康状态预测方法。ICEEMDAN用于将原始音频信号进行分解得到若干个固有模态函数(IMF... 详细信息

工业设备健康状态关系着工业生产能否正常进行,为此提出一种基于改进自适应噪声完备经验模态分解(ICEEMDAN)和双向长短期记忆网络(Bi-LSTM)的工业设备健康状态预测方法。ICEEMDAN用于将原始音频信号进行分解得到若干个固有模态函数(IMF)分量,通过计算相关系数选取最佳分量组进行信号重构,然后计算重构IMF分量的模糊熵值构造特征向量集合,最后再输入到Bi-LSTM网络进行模型训练和预测。实验结果表明:相较于其他模型,基于ICEEMDAN模糊熵和Bi-LSTM的工业设备健康状态预测方法,能够有效提取音频信号特征,并准确进行健康状态预测。

关键词：工业设备 ICEEMDAN 音频信号 Bi-LSTM 健康预测模糊熵

在线全文

学校读者我要写书评

暂无评论

一种预测流程剩余时间的可解释特征分层方法

软件学报 2024年第3期35卷 1341-1356页

作者：郭娜刘聪李彩虹陆婷闻立杰曾庆田山东理工大学电气与电子工程学院山东淄博255000 山东理工大学计算机科学与技术学院山东淄博255000 山东科技大学计算机科学与工程学院山东青岛266590 清华大学软件学院北京100084

流程剩余时间预测对于业务异常的预防和干预有着重要的价值和意义.现有的剩余时间预测方法通过深度学习技术达到了更高的准确率,然而大多数深度模型结构复杂难以解释预测结果,即不可解释问题.此外,剩余时间预测除了活动这一关键属性还... 详细信息

流程剩余时间预测对于业务异常的预防和干预有着重要的价值和意义.现有的剩余时间预测方法通过深度学习技术达到了更高的准确率,然而大多数深度模型结构复杂难以解释预测结果,即不可解释问题.此外,剩余时间预测除了活动这一关键属性还会根据领域知识选择若干其他属性作为预测模型的输入特征,缺少通用的特征选择方法,对于预测的准确率和模型的可解释性存在一定的影响.针对上述问题,提出基于可解释特征分层模型(explainable feature-based hierarchical model,EFH model)的流程剩余时间预测框架.具体而言,首先提出特征自选择策略,通过基于优先级的后向特征删除和基于特征重要性值的前向特征选择,得到对预测任务具有积极影响的属性作为模型输入.然后提出可解释特征分层模型架构,通过逐层加入不同特征得到每层的预测结果,解释特征值与预测结果的内在联系.采用LightGBM(light gradient boosting machine)和LSTM(long short-term memory)算法实例化所提方法,框架是通用的,不限于选用算法.最后在8个真实事件日志上与最新方法进行比较.实验结果表明所提方法能够选取出有效特征,提高预测的准确率,并解释预测结果.

关键词：流程挖掘剩余时间预测特征选择可解释分层模型

基于全局与局部感知网络的超高清图像去雾方法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年第1期19卷 89-96页

作者：郑卓然魏绎汶贾修一南京理工大学计算机科学与工程学院江苏南京210094

当前,为实现图像全局建模的目的,基于多层感知机(multi-layer perceptron,MLP)的模型通常需要将图像上的像素进行平铺,之后实施一个自注意力机制或“混合”增强方案以获得图像的长范围依赖。然而,这些方法通常消耗大量的计算资源来弥补... 详细信息

当前,为实现图像全局建模的目的,基于多层感知机(multi-layer perceptron,MLP)的模型通常需要将图像上的像素进行平铺,之后实施一个自注意力机制或“混合”增强方案以获得图像的长范围依赖。然而,这些方法通常消耗大量的计算资源来弥补图像重建丢失的空间拓扑信息。特别是对于超高清图像去雾任务,大量堆积MLP的模型在资源受限的设备上执行一张超高清带雾图像时会出现内存溢出的问题。为了解决这个问题,本文提出了一种可以在单个GPU上对分辨率为4 k的图像进行实时去雾(110 f/s)的模型,该模型的建模过程中保持了图像空间结构信息,同时具有低计算复杂度的优点。

关键词：图像去雾超高清图像多层感知机空间拓扑信息局部特征提取全局特征提取深度学习实时去雾

在线全文

学校读者我要写书评

暂无评论

多任务的高光谱图像卷积稀疏编码去噪网络

中国图象图形学报 2024年第1期29卷 280-292页

作者：涂坤熊凤超傅冠夷蛮陆建峰南京理工大学计算机科学与工程学院南京210094

目的高光谱图像由于其成像机理、设备误差和成像环境等因素导致采集到的数据存在噪声。传统稀疏表示方法需要把高光谱图像划分为一系列的重叠局部图像块进行表示,通过对重叠图像块去噪结果进行平均,实现整体图像去噪。这种局部—整体去... 详细信息

目的高光谱图像由于其成像机理、设备误差和成像环境等因素导致采集到的数据存在噪声。传统稀疏表示方法需要把高光谱图像划分为一系列的重叠局部图像块进行表示,通过对重叠图像块去噪结果进行平均,实现整体图像去噪。这种局部—整体去噪方法不可避免地会破坏高光谱图像空间关系,产生较差的去噪效果和视觉瑕疵。本文利用卷积算子的平移不变性,采用卷积稀疏编码(convolutional sparse coding,CSC)对高光谱图像进行整体表示,保留不同图像块之间的空间关系,提升高光谱图像去噪性能。方法将每个波段去噪看做单任务,采用卷积稀疏编码描述单波段的局部空间结构关系。通过共享稀疏编码系数,实现不同波段之间的全局光谱关联关系建模,形成多任务卷积稀疏编码模型。多任务卷积稀疏编码模型一方面可以实现高光谱图像的空间—光谱关系联合建模;另一方面,对高光谱图像进行整体处理,有效地利用图像块之间的关系,因此具有很强的去噪能力。借鉴深度学习强大的表征能力,将多任务卷积稀疏编码模型的算法迭代过程通过深度展开(deep unfolding)方式转化为端到端可学习深度神经网络,即多任务卷积稀疏编码网络(multitask convolutional sparse coding network,MTCSC-Net),进一步提升模型去噪能力和运行效率。结果在ICVL和CAVE(Columbia Imaging and Vision Laboratory)数据集上进行了仿真实验,在Urban数据集上进行了真实数据实验,并与8种方法进行比较,表明了本文算法的有效性。与传统基于图像块的稀疏去噪算法相比,在CAVE数据集上本文算法的峰值信噪比(peak signal-to-noise ratio,PSNR)提升1.38 dB;在ICVL数据集上提升0.64 dB。结论提出的多任务卷积稀疏编码网络能有效利用高光谱图像的空间—光谱关联信息,具有更强的去噪能力。

关键词：高光谱图像(HSI) 图像去噪卷积稀疏编码(CSC) 多任务学习深度展开