检索结果-南通市图书馆

吉林大学学报（理学版） 2024年第5期62卷 1017-1021页

作者：徐一宸 Eric Li 中国人民大学信息学院北京100872 Teesside大学计算、机械和数字技术学院英国北约克郡米德尔斯堡TS14 吉林大学数学学院长春130012

提出一种改进的回声状态神经网络模型,用于复杂系统的长期行为分析和预测.模型通过引入隐层状态的延迟反馈体现系统过去时刻的信息对当前状态的影响,避免了传统回声状态网络方法记忆能力弱的缺点以及获得最优参数的困难.

关键词：回声状态网络混沌时间序列储备池计算稳定性长期预测

基于本体的气象记录档案知识图谱构建与应用研究

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

档案学研究 2024年第3期 94-103页

作者：王平谢雨霏端文卓侯景瑞武汉大学信息管理学院武汉430072 档案智能开发与服务国家档案局重点实验室武汉430072 英国拉夫堡大学计算机系拉夫堡LE113TU

气象记录档案作为重要的科技档案信息资源,具有宝贵的历史价值、科研价值和社会价值。气象记录档案的开发利用是发挥其价值的根本途径。然而,现有气象记录档案开发中缺乏知识层面的深入挖掘。知识图谱作为一种知识表示和组织方法,在档... 详细信息

气象记录档案作为重要的科技档案信息资源,具有宝贵的历史价值、科研价值和社会价值。气象记录档案的开发利用是发挥其价值的根本途径。然而,现有气象记录档案开发中缺乏知识层面的深入挖掘。知识图谱作为一种知识表示和组织方法,在档案资源开发中展现出巨大优势和潜能。因此,本文利用知识图谱“赋能”气象记录档案,构建气象记录档案知识图谱,以期实现气象记录档案增值,助力气象记录档案深度开发。

关键词：气象记录档案本体知识图谱气象灾害事件

基于大型语言模型指令微调的心理健康领域联合信息抽取

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2024年第8期38卷 112-127页

作者：蔡子杰方荟刘建华徐戈龙云飞福建理工大学计算机科学与数学学院福建福州350118 福建省大数据挖掘与应用技术重点实验室福建福州350118 闽江学院计算机与大数据学院福建福州350108 福建省心理健康人机交互技术研究中心福建福州350108 埃塞克斯大学计算机与电子工程学院英国科尔切斯特CO43SQ

信息抽取目的在于从文本中提取关键的信息。心理健康领域的信息抽取能力反映了语言模型对人类心理健康相关信息的自然语言理解能力。提高语言模型的领域信息抽取能力,还能为AI心理健康服务提供重要的知识来源。但目前心理健康信息抽取... 详细信息

信息抽取目的在于从文本中提取关键的信息。心理健康领域的信息抽取能力反映了语言模型对人类心理健康相关信息的自然语言理解能力。提高语言模型的领域信息抽取能力,还能为AI心理健康服务提供重要的知识来源。但目前心理健康信息抽取的中文指令数据集十分匮乏,这限制了相关研究和应用的发展。针对以上问题,该文在心理学专家的指导下提示ChatGPT生成样本实例,并通过设计生成指令以及数据增强,构建了5641条包含命名实体识别、关系抽取和事件抽取三项基本抽取任务的心理健康领域联合信息抽取指令数据集,旨在填补心理健康领域信息抽取中文指令数据集的不足。随后使用该指令数据集对大型语言模型进行参数高效微调。与基线模型的性能对比以及人工评估的实验结果表明,大型语言模型经过有效的指令微调后可以完成心理健康领域信息抽取的联合任务。

关键词：信息抽取心理健康大型语言模型指令微调

MEC环境中面向5G网络切片的计算卸载方法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第9期45卷 2285-2293页

作者：张俊杰王鹏飞陈哲毅于正欣苗旺福州大学计算机与大数据学院福州350116 大数据智能教育部工程研究中心福州350002 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350116 兰卡斯特大学计算与通信学院英国兰卡斯特LA14YW 普利茅斯大学工程、计算机与数学学院英国普利茅斯PL48AA

5G网络切片与计算卸载技术的出现,有望支持移动边缘计算(Mobile Edge Computing,MEC)系统在降低服务延迟的同时提高资源利用率,进而更好地满足不同用户的需求.然而,由于MEC系统状态的动态性与用户需求的多变性,如何有效结合网络切片与... 详细信息

5G网络切片与计算卸载技术的出现,有望支持移动边缘计算(Mobile Edge Computing,MEC)系统在降低服务延迟的同时提高资源利用率,进而更好地满足不同用户的需求.然而,由于MEC系统状态的动态性与用户需求的多变性,如何有效结合网络切片与计算卸载技术仍面临着巨大的挑战.现有解决方案通常依赖于静态网络资源划分或系统先验知识,无法适应动态多变的MEC环境,造成了过度的服务延时与不合理的资源供给.为解决上述重要挑战,本文提出了一种MEC环境中面向5G网络切片的计算卸载(Computation Offloading towards Network Slicing,CONS)方法.首先,基于对历史用户请求的分析,设计了一种门控循环神经网络对未来时隙的用户请求数量进行精确预测,结合用户资源需求对网络切片进行动态调整.接着,基于网络切片资源划分的结果,设计了一种双延迟深度强化学习对计算卸载与资源分配进行决策,通过解决Q值过高估计和高方差问题,进而有效逼近动态MEC环境下的最优策略.基于真实用户通信流量数据集,大量仿真实验验证了所提的CONS方法的可行性和有效性.与其他5种基准方法相比,CONS方法能够有效地提高服务提供商的收益,且在不同场景下均展现出了更加优越的性能.

关键词：移动边缘计算网络切片计算卸载资源分配深度强化学习

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

颗粒材料破碎行为数值分析方法研究综述

力学学报 2024年第1期56卷 1-22页

作者：梁绍敏冯云田赵婷婷王志华太原理工大学机械与运载工程学院山西太原030024 斯旺西大学辛克维奇计算工程中心英国斯旺西SA18EP

颗粒材料在自然界和工程领域普遍存在,外载荷作用下颗粒可能发生破碎现象.颗粒材料的破碎行为会引起其物理力学性质的变化,给工程和建筑建设带来极大影响.研究宏、细观尺度下颗粒材料的破碎行为不仅可以揭示颗粒破碎的力学机理,还对工... 详细信息

颗粒材料在自然界和工程领域普遍存在,外载荷作用下颗粒可能发生破碎现象.颗粒材料的破碎行为会引起其物理力学性质的变化,给工程和建筑建设带来极大影响.研究宏、细观尺度下颗粒材料的破碎行为不仅可以揭示颗粒破碎的力学机理,还对工程领域的安全和正常进行提供保障.因此,分析颗粒破碎过程既具有实际工程意义,又有理论研究价值.文章综述了颗粒破碎行为研究的数值分析方法,在基于离散元法理论的数值方法中,介绍了黏结-破碎法和碎片替代法;在基于离散元-有限元耦合算法的方法中,介绍了比例边界有限元法、组合有限元-离散元法和内聚力模型;此外还详细介绍了近场动力学方法.文章主要梳理并讨论了以上数值方法的提出、实现过程、发展、关键问题、优势以及这些方法的不足之处.此外,针对每一种数值方法回顾了国内外的研究成果以及在工程中的主要应用,对每种方法重点关注的问题进行了介绍.最后对目前关于颗粒破碎的数值研究进行总结,并对今后的发展方向进行简单的展望.

关键词：颗粒破碎数值方法破碎机理工程应用计算效率

在线全文

学校读者我要写书评

暂无评论

黑色素瘤图像分割和边缘细化研究

兰州理工大学学报 2024年第4期50卷 77-85页

作者：赵宏王奡隆张陈鹏兰州理工大学计算机与通信学院甘肃兰州730050

黑色素瘤图像分割在皮肤病的诊断与治疗中具有重要的临床价值.但由于数据集缺乏标注、类别严重不均衡等原因,使得图像分割的精度低,边缘粗糙.因此,提出一种黑色素瘤分割和边缘细化方法,分三个阶段实现.第一阶段,对黑色素瘤数据集进行分... 详细信息

黑色素瘤图像分割在皮肤病的诊断与治疗中具有重要的临床价值.但由于数据集缺乏标注、类别严重不均衡等原因,使得图像分割的精度低,边缘粗糙.因此,提出一种黑色素瘤分割和边缘细化方法,分三个阶段实现.第一阶段,对黑色素瘤数据集进行分类后,使用弱监督方法提取多个层级类激活图并处理;第二阶段,搭建UNet网络模型对黑色素瘤数据集中的恶性样本进行分割;第三阶段,使用第一阶段增强、叠加得到的类激活图边缘对第二阶段的结果进行边缘细化.在ISIC黑色素瘤数据集上的实验结果表明,经过三个阶段的处理,得到的分割图边缘更加细致,平均交并比(mIoU)为86.04%,戴斯相似性系数(Dice)为0.937,杰卡德系数(Jaccard)为0.885.

关键词：图像分类医学图像分割弱监督学习黑色素瘤图像边缘细化

移动边缘计算中基于Actor-Critic深度强化学习的任务调度方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第S1期44卷 150-155页

作者：黄一帆曾旺陈哲毅于正欣苗旺福州大学计算机与大数据学院福州350116 空间数据挖掘与信息共享教育部重点实验室(福州大学) 福州350002 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350116 兰卡斯特大学计算与通信学院英国兰卡斯特LA14YW 普利茅斯大学工程、计算与数学学院英国普利茅斯PL48AA

移动边缘计算(MEC)通过将计算与存储资源部署至网络边缘,有效降低了任务响应时间并提高了资源利用率。由于MEC系统状态的动态性和用户需求的多变性,如何进行有效的任务调度面临着巨大的挑战,不合理的任务调度策略将严重影响系统的整体... 详细信息

移动边缘计算(MEC)通过将计算与存储资源部署至网络边缘,有效降低了任务响应时间并提高了资源利用率。由于MEC系统状态的动态性和用户需求的多变性,如何进行有效的任务调度面临着巨大的挑战,不合理的任务调度策略将严重影响系统的整体性能。现有工作通常对任务采用平均分配资源或基于规则的策略,不能有效地处理动态的MEC环境,这可能造成过多的资源消耗,进而导致服务质量(QoS)下降。针对上述重要问题,提出了一种MEC中基于Actor-Critic深度强化学习的任务调度方法(TSAC)。首先,提出了一种面向边缘环境的任务调度模型并将任务等待时间和任务完成率作为优化目标;其次,基于所提系统模型与深度强化学习框架,将联合优化问题形式化为马尔可夫决策过程;最后,基于近端策略优化方法,设计了一种新型的掩码机制,在避免智能体做出违反系统约束的动作和策略突变的同时提高了TSAC的收敛性能。基于谷歌集群真实运行数据集进行仿真实验,与深度Q网络方法相比,至少降低6%的任务等待时间,同时提高4%的任务完成率,验证了的可行性和有效性。

关键词：移动边缘计算任务调度深度强化学习掩码机制多目标优化

在线全文

学校读者我要写书评

暂无评论

模块化连续手语识别算法及技术综述

小型微型计算机系统 2024年第10期45卷 2428-2441页

作者：孟巾凯彭健钧肖智东郭立金凯郑彤大连工业大学信息科学与工程学院辽宁大连116034 伯恩茅斯大学国家计算机动画中心伯恩茅斯英国BH125BB 辽宁省互联网舆情监测中心沈阳110000

手语是听障人士和其他人之间重要的沟通方式,但许多普通人看不懂手语,导致听障人士和普通人交流障碍.随着深度学习网络在连续手语识别方向的应用,算法大模型为复杂难懂的连续手语动作翻译成通俗易懂的文本语句提供了技术基础.但是连续... 详细信息

手语是听障人士和其他人之间重要的沟通方式,但许多普通人看不懂手语,导致听障人士和普通人交流障碍.随着深度学习网络在连续手语识别方向的应用,算法大模型为复杂难懂的连续手语动作翻译成通俗易懂的文本语句提供了技术基础.但是连续手语识别仍然面临着冗余帧过多,空间特征提取和时间特征提取网络不平衡,手语语序与文本语序不匹配等诸多问题.因此,研究准确率高、耗时少、场景通用性高的连续手语识别算法成为计算机视觉领域的热点问题之一.本文首先分析单模态和多模态的连续手语识别框架,并重点阐述关键帧提取、特征提取、序列学习3个模块在连续手语识别中的作用,以及模块中所用网络的优势与不足,然后总结连续手语数据集以及识别结果的评价指标,最后阐述连续手语识别算法的难点并展望其未来的发展方向.

关键词：关键帧提取特征提取序列学习连续手语识别综述

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

基于混合量测状态估计的配电网故障定位方法

电力系统保护与控制 2024年第12期52卷 58-68页

作者：季亮殷佳明姜恩宇洪启腾李博通李振坤上海电力大学电气工程学院上海200090 英国思克莱德大学英国格拉斯哥G11RD 天津大学电气自动化与信息工程学院天津300072

微型相量测量单元(micro-phasor measurement unit,μPMU)为配电自动化的进一步升级提供了良好的量测基础,但现阶段电网中μPMU数量有限,难以满足传统配电网故障定位的需求。针对该问题,结合电网中μPMU与智能电表等量测设备,并基于虚... 详细信息

微型相量测量单元(micro-phasor measurement unit,μPMU)为配电自动化的进一步升级提供了良好的量测基础,但现阶段电网中μPMU数量有限,难以满足传统配电网故障定位的需求。针对该问题,结合电网中μPMU与智能电表等量测设备,并基于虚拟节点的多重状态估计方法,提出了一种基于混合量测状态估计的故障定位方法。首先,通过等效变换将μPMU和智能电表的测量信息输入到故障状态估计器当中。然后,利用μPMU将网络划分为不同的区域。根据状态估计结果计算故障电流,缩小故障搜索区域以减少计算复杂度。为了识别区域内的故障位置,通过设置附加虚拟故障节点形成多种特定的故障拓扑结构并执行多重状态估计,计算出用于识别故障位置的加权测量残差指标,以确定故障位置。最后,在实时仿真系统(real-timedigitalsimulation, RTDS)中进行仿真测试,结果表明所提方法在不同故障场景下均能准确有效地定位故障,且对量测误差具有较好的鲁棒性。

关键词：配电网故障定位状态估计微型相量测量单元智能电表混合量测

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

基于域适应的多模态跨被试驾驶疲劳检测方法

五邑大学学报（自然科学版） 2024年第3期38卷 30-37页

作者：连泽全何新生徐倩李俊华王洪涛五邑大学电子与信息工程学院广东江门529020 埃塞克斯大学计算机科学与电子工程学院英国科尔切斯特CO43SQ

目前深度神经网络在跨被试的疲劳检测场景中检测性能受限,为解决上述问题,本文采用域适应对抗网络以增强个体间清醒、疲劳两类数据的跨域检测性能.具体为:首先,利用两个单模态编码器对脑电信号和眼动追踪数据进行编码;其次,提取两种单... 详细信息

目前深度神经网络在跨被试的疲劳检测场景中检测性能受限,为解决上述问题,本文采用域适应对抗网络以增强个体间清醒、疲劳两类数据的跨域检测性能.具体为:首先,利用两个单模态编码器对脑电信号和眼动追踪数据进行编码;其次,提取两种单模态特征并进行跨模态对齐和特征融合实现疲劳状态的多模态表征;最后,由分类器和对抗性领域判别器分别对多模态特征进行分类和判别.两者的对抗优化实现了从源领域到目标领域的领域自适应和模型对域不变特征的学习.为评估有效性,本文进行了跨时段和跨被试驾驶疲劳检测,实验结果显示:本文的方法在跨时段和跨被试的平均准确率分别为89.25%和81.17%,比朴素的多模态方法分别高5.06%和3.82%,且均优于其他单模态方法,为驾驶疲劳检测提供了一种新颖、有效的策略.

关键词：脑电图眼动追踪多模态驾驶疲劳跨被试域适应