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

特征扩展的随机向量函数链神经网络

软件学报 2024年第6期35卷 2903-2922页

作者：龙茂森王士同江南大学人工智能与计算机学院江苏无锡214122

基于宽度学习的动态模糊推理系统(broad-learning-based dynamic fuzzy inference system,BL-DFIS)能自动构建出精简的模糊规则并获得良好的分类性能.然而,当遇到大型复杂的数据集时,BL-DFIS因会使用较多模糊规则来试图达到令人满意的... 详细信息

基于宽度学习的动态模糊推理系统(broad-learning-based dynamic fuzzy inference system,BL-DFIS)能自动构建出精简的模糊规则并获得良好的分类性能.然而,当遇到大型复杂的数据集时,BL-DFIS因会使用较多模糊规则来试图达到令人满意的识别精度,从而对其可解释性造成了不利影响.对此,提出一种兼顾分类性能和可解释性的模糊神经网络,将其称为特征扩展的随机向量函数链神经网络(FA-RVFLNN).在该网络中,一个以原始数据为输入的RVFLNN被作为主体结构,BL-DFIS则用作性能补充,这意味着FA-RVFLNN包含具有性能增强作用的直接链接.由于主体结构的增强节点使用Sigmoid激活函数,因此,其推理过程可借助一种模糊逻辑算子(I-OR)来解释.而且,具有明确含义的原始输入数据也有助于解释主体结构的推理规则.在直接链接的支撑下,FA-RVFLNN可利用增强节点、特征节点和模糊节点学到更丰富的有用信息.实验表明:FA-RVFLNN既减缓了主体结构RVFLNN中过多增强节点带来的“规则爆炸”问题,也提高了性能补充结构BL-DFIS的可解释性(平均模糊规则数降低了50%左右),在泛化性能和网络规模上仍具有竞争力.

关键词：宽度学习系统模糊推理系统特征扩展随机向量函数链神经网络(RVFLNN) Sigmoid激活函数可解释

基于全流程并行遗传算法的贝叶斯网络结构学习

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年第5期46卷 1703-1711页

作者：蔡一鸣马力陆恒杨方伟江南大学人工智能与计算机学院江苏无锡214122

为解决海量数据情况下学习贝叶斯网络(Bayesian network,BN)结构的算法性能急剧降低问题,基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分... 详细信息

为解决海量数据情况下学习贝叶斯网络(Bayesian network,BN)结构的算法性能急剧降低问题,基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分并行化3个部分。互信息并行计算可以高效减少搜索空间;在演化前增加对种群信息与选择信息的广播来对全种群执行选择操作。选择与交叉算子共用选择信息以并行执行,从而高效演化并减少数据落盘时间。对约束和评分两阶段产生的中间数据作记忆化存储,提升数据复用率和全局执行效率。实验结果表明,所提算法在执行效率和学习准确率方面均优于对比算法。

关键词：贝叶斯网络结构学习遗传算法并行结构学习 Spark

维普期刊数据库博看期刊

融合卷积和Transformer的多尺度肝肿瘤分割方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第4期60卷 270-279页

作者：陈丽芳罗世勇江南大学人工智能与计算机学院江苏无锡214122

精确的肝脏和肝脏肿瘤自动分割方法对帮助医生进行肝癌诊断、治疗和术后观察具有重要的意义。由于卷积的局部性,现有基于卷积的方法难以建立长距离的依赖关系。Transformer的级联注意力机制可以建立全局的信息关联,但是会破坏局部细节... 详细信息

精确的肝脏和肝脏肿瘤自动分割方法对帮助医生进行肝癌诊断、治疗和术后观察具有重要的意义。由于卷积的局部性,现有基于卷积的方法难以建立长距离的依赖关系。Transformer的级联注意力机制可以建立全局的信息关联,但是会破坏局部细节。基于此,提出了一种融合卷积和Transformer的特征建模方法。该方法通过混合嵌入的方式交互融合局部表示和全局表示,最大程度地建立不同分辨率下的全局依赖关系。在跳跃连接处通过多级特征融合模块捕捉来自不同编码阶段的上下文信息以获取更丰富的语义信息。为了应对肝脏肿瘤在大小和形状上的变化,使用可变形多尺度模块提取肿瘤的多尺度特征。实验主要采用Dice相关性系数(Dice similarity coefficient,DSC)作为评价指标,在LiTS17数据集上肝脏和肿瘤的DSC分别为0.920和0.748,结果表明提出的网络相比基线具有更准确的肝脏肿瘤分割结果。

关键词：医学图像肿瘤分割 Transformer 卷积神经网络多尺度特征融合

在线全文

学校读者我要写书评

暂无评论

采用快速迁移模型的集成特征选择方法

计算机科学与探索 2024年第2期18卷 496-505页

作者：宁保斌王士同江南大学人工智能与计算机学院江苏无锡214122

相较于传统集成特征选择方法,目前的基于块正则化m×2交叉验证的集成特征选择方法(EFSBCV)不仅具有估计量的方差小于随机m×2交叉验证的方差之特点,而且提高了重要特征的入选概率,降低了噪声特征的入选概率。但EFSBCV所采用的线性回归... 详细信息

相较于传统集成特征选择方法,目前的基于块正则化m×2交叉验证的集成特征选择方法(EFSBCV)不仅具有估计量的方差小于随机m×2交叉验证的方差之特点,而且提高了重要特征的入选概率,降低了噪声特征的入选概率。但EFSBCV所采用的线性回归模型因只有误差项而不包含偏置项,故拟合出来的超平面总是过原点的,因而很容易导致欠拟合,而且EFSBCV没有考虑每个特征子集的重要程度。针对EFSBCV方法存在的这两点问题,提出了基于快速迁移模型的集成特征选择方法(EFSFT)。基本思想是EFSBCV中的基特征选择器采用提出的快速迁移模型,从而引入了偏置项,EFSFT将2m个特征子集作为源知识进行迁移,然后重新量化每个特征子集的权重,加入偏置项的线性模型拟合能力更好。真实数据实验表明,EFSFT相对于EFSBCV,FP平均值降低了58%,证明EFSFT在去除噪声特征方面更具优势。EFSFT相对于最小二乘支持向量机(LSSVM),TP平均值提高了5%,证明EFSFT在筛选重要特征方面更具优势。

关键词：集成特征选择交叉验证迁移学习回归

在线全文

学校读者我要写书评

暂无评论

带有惩罚措施的自竞争事后经验重播算法

计算机科学与探索 2024年第5期18卷 1223-1231页

作者：王子豪钱雪忠宋威江南大学人工智能与计算机学院江苏无锡214122

自竞争事后经验重播(SCHER)是在事后经验重播(HER)算法的基础上提出的一种改进策略。HER算法在面对环境奖励稀疏的情况下,通过回放经验生成虚拟有标签数据来优化模型。但HER算法存在两个问题:一是无法处理智能体由于奖励稀疏所产生的大... 详细信息

自竞争事后经验重播(SCHER)是在事后经验重播(HER)算法的基础上提出的一种改进策略。HER算法在面对环境奖励稀疏的情况下,通过回放经验生成虚拟有标签数据来优化模型。但HER算法存在两个问题:一是无法处理智能体由于奖励稀疏所产生的大量重复数据,这些无效数据会对经验池造成污染;二是虚拟目标可能会随机选择到一些对完成任务没有帮助的中间状态,导致学习偏差。针对这些问题,SCHER算法提出了两个改进策略:一是增加自适应的奖励信号,对智能体做出的无意义动作进行惩罚,使其快速规避此类操作;二是使用自竞争策略,通过竞争产生针对同一任务下的两组不同数据,对比分析后找到使智能体在不同环境中成功的关键步骤,提高生成虚拟目标的准确程度。实验结果表明,SCHER算法可以更好地利用经验回放技术,将平均任务成功率提高5.7个百分点,拥有更高的准确率和泛化能力。

关键词：深度强化学习稀疏奖励经验回放自适应奖励信号

改进YOLOv8的道路交通标志目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第8期60卷 202-212页

作者：田鹏毛力江南大学人工智能与计算机学院江苏无锡214122

虽然,当前检测技术日趋成熟,但对于复杂环境下的小目标检测仍然是研究的重难点。针对道路交通场景中普遍存在的交通标志小目标比例较高,环境干扰因素较大的问题,提出了一种基于YOLOv8改进的道路交通标志目标检测算法。由于小目标检测中... 详细信息

虽然,当前检测技术日趋成熟,但对于复杂环境下的小目标检测仍然是研究的重难点。针对道路交通场景中普遍存在的交通标志小目标比例较高,环境干扰因素较大的问题,提出了一种基于YOLOv8改进的道路交通标志目标检测算法。由于小目标检测中容易出现漏检的现象,利用BRA(bi-level routing attention)注意力机制提高网络对小目标的感知能力。此外,还利用可形变卷积模块DCNv3(deformable convolution v3),针对特征图中的不规则形状具有更好的特征提取能力,使骨干网络更好地适应不规则的空间结构,更精准地关注重要目标,从而提高模型对遮挡重叠目标的检测能力。DCNv3和BRA模块均在基本不增加模型权重大小的情况下提高模型准确性。同时引入基于辅助边框的Inner-IOU损失函数。在RoadSign、CCTSDB、TSDD、GTSDB四个数据集上,分别进行了小样本训练、大样本训练、单目标检测和多目标检测,实验结果均有所提高。其中,在RoadSign数据集上的实验结果最佳,YOLOv8改进模型的均值平均精度mAP50与mAP50:95分别达到了90.7%和75.1%,相较于基线模型,mAP50与mAP50:95分别提升了5.9和4.8个百分点。实验结果表明,YOLOv8改进模型有效地实现了在复杂道路场景下的交通标志检测。

关键词： YOLOv8 小目标检测可形变卷积注意力机制复杂道路场景

YOLO-WIT：红外遥感弱小船舶目标检测算法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年

作者：谢友晨徐天阳汤张泳吴小俊江南大学人工智能与计算机学院

针对红外遥感弱小目标检测面临的挑战，提出了一种面向弱小船舶目标的检测算法YOLO-WIT（YOLO for Weak Infrared Remote Sensing Ship Target）。首先，针对弱小目标对位置偏移低容忍的难点，优化削减检测头，降低模型体积的同时限制... 详细信息

针对红外遥感弱小目标检测面临的挑战，提出了一种面向弱小船舶目标的检测算法YOLO-WIT（YOLO for Weak Infrared Remote Sensing Ship Target）。首先，针对弱小目标对位置偏移低容忍的难点，优化削减检测头，降低模型体积的同时限制锚框的最大偏移量，并设计了一种复合距离相似度度量作为损失函数降低回归分支敏感度，从而提升定位精度；其次，针对图像背景高亮而目标灰暗的情况，设计了联接型信息扩展模块（Dense Concat Information Expansion Convolution Block， DECO）保留微弱信号，增强对微弱特征的感知；为区分与船舶目标灰度幅值、形状相似的干扰物，利用Sobel算子求解浅层特征图的一阶导数，以边缘特征指导模型进行判断，并采用时空注意力机制进行特征强化。在数据集NUDT-SIRST-Sea上实验验证：与基线模型相比，YOLO-WIT参数量减少31.6%，在指标mAP50上提升9%，mAP50-95提升4.9%；与主流检测算法相比，YOLO-WIT所需资源更少，模型体积仅9.2M，对弱小船舶目标的检测效果更加显著。

关键词：弱小目标检测红外遥感 YOLOv5 海面船舶检测

基于超级块嵌套的动态二进制翻译性能优化方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年

作者：金帅柴志雷周浩杰江南大学人工智能与计算机学院

虽然“直接块链接”方法可以在动态二进制翻译过程中降低翻译器介入频率、提升目标程序运行性能，然而单纯的直接块链接只关注了逻辑层面的连接，并未关注物理存储位置的连续。针对该问题，提出了一种基于超级块嵌套的动态二进制翻译性... 详细信息

虽然“直接块链接”方法可以在动态二进制翻译过程中降低翻译器介入频率、提升目标程序运行性能，然而单纯的直接块链接只关注了逻辑层面的连接，并未关注物理存储位置的连续。针对该问题，提出了一种基于超级块嵌套的动态二进制翻译性能优化方法。基于二进制翻译器预翻译目标代码生成的IR指令，通过构建嵌套结构的超级块使代码实现物理存储位置的连续，从而增加指令cache命中率。实验结果表明：以动态二进制翻译领域最经典的且最常用的SPEC2006作为测试基准，以主流的开源二进制翻译器QEMU6.0为实验框架时，相比未采用超级块嵌套的版本，所提方法可将cache命中率平均提升53.28%，最大可提升90%。目标程序运行性能平均提升3.07%，最高可提升4.58%。

关键词：动态二进制翻译超级块中间码嵌套 QEMU cache

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于全域跨语义融合的多级酶功能预测

计算机科学与探索 2024年

作者：周汉文邓赵红张炜江南大学人工智能与计算机学院

蛋白质在生物活动中发挥着关键作用，酶作为一种重要的蛋白质，因其催化功能在多个领域得到广泛应用。然而，通过生化实验验证酶的功能既费时又昂贵。传统的酶功能注释方法主要依赖于序列相似性，但在目标酶序列与已知酶差异较大时，这... 详细信息

蛋白质在生物活动中发挥着关键作用，酶作为一种重要的蛋白质，因其催化功能在多个领域得到广泛应用。然而，通过生化实验验证酶的功能既费时又昂贵。传统的酶功能注释方法主要依赖于序列相似性，但在目标酶序列与已知酶差异较大时，这些方法效果不佳。近年来，科研人员初步探索了一些基于深度学习的方法，但现有的深度学习方法受限于传统酶序列编码方式，并且仅利用单一视图或单层次的信息，这使得模型在处理结构复杂或功能多样的酶时表现出一定的局限性。针对此，本文提出了一种全新的全域跨语义融合的多级酶功能预测方法（GCMEFP）。具体地，所提方法使用了两种最新的蛋白质大语言模型进行序列词嵌入学习。同时，所提方法构建了多语义深度特征学习模块，该模块通过卷积神经网络构建语义金字塔，实现了不同层级语义信息的提取。进一步地，所提方法还提出了全域跨视图语义融合模块，用于探索不同视图之间隐藏的相互作用信息，并去除冗余信息来增强模型的泛化性。实验结果表明：提出的GCMEFP在基准数据集上的精度达到89.6%，较现有最优方法高出4.8%；在独立测试集New-379上的精度达到55%，较现有最优方法高出14%。

关键词：多级酶功能预测多语义深度特征学习大模型词嵌入多视图特征融合