检索结果-南通市图书馆

基于Partial New Causality的因果脑网络情绪识别

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第2期41卷 158-163页

作者：王斌王忠民张荣西安邮电大学陕西西安710121 陕西省网络数据分析与智能处理重点实验室陕西西安710121

为了研究情绪产生过程中脑区以及通道之间的因果作用,在部分格兰杰与新型因果关系的基础上,提出一种用于研究时间序列之间因果关系的部分新型因果关系(PNC)方法。在不同情绪下选取脑区内的8个通道,用PNC计算脑区内通道之间的因果连接关... 详细信息

为了研究情绪产生过程中脑区以及通道之间的因果作用,在部分格兰杰与新型因果关系的基础上,提出一种用于研究时间序列之间因果关系的部分新型因果关系(PNC)方法。在不同情绪下选取脑区内的8个通道,用PNC计算脑区内通道之间的因果连接关系,根据连接关系构建因果网络;对因果网络中节点的信息流向和介数属性进行分析,将PNC因果网络和Granger因果网络节点之间的因果连接视为一种特征送入SVM中训练分类。实验结果表明,基于PNC因果网络和Granger因果网络的平均识别精度分别为76.4%和68.5%,PNC可用于计算时间序列之间的因果关系。

关键词：部分新型因果关系脑电因果脑网络脑区网络属性分析情绪识别

融合多特征和注意力机制的多模态情感分析模型

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年第5期8卷 91-101页

作者：吕学强田驰张乐杜一凡张旭才藏太北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 青海师范大学藏语智能信息处理及应用国家重点实验室西宁810008

【目的】针对当前多模态情感分析中多模态特征提取不充分,模态内部信息和模态间交互信息结合不充分的问题,提出一种融合多特征和注意力机制的多模态情感分析模型。【方法】在多模态特征提取方面,增加视频模态中人物的肢体动作、性别和... 详细信息

【目的】针对当前多模态情感分析中多模态特征提取不充分,模态内部信息和模态间交互信息结合不充分的问题,提出一种融合多特征和注意力机制的多模态情感分析模型。【方法】在多模态特征提取方面,增加视频模态中人物的肢体动作、性别和年龄特征;对于文本模态,融合基于BERT的字粒度语义向量和融合义原信息的词粒度语义向量,丰富了多模态数据的低层特征。利用自注意力机制和跨模态注意力机制以实现模态内部信息和模态间信息的充分结合。将各模态特征进行拼接,通过软注意力机制为各模态特征分配注意力权重,通过全连接层输出最终的情感分类结果。【结果】在公开数据集CH-SIMS和本文构建的热点舆情评论视频数据集HPOC上与Self-MM模型对比,实验结果表明,本文模型在CH-SIMS数据集上的二分类准确率、三分类准确率和F1值分别提升1.83、1.74和0.69个百分点,在HPOC数据集上分别提升1.03、0.94和0.79个百分点。【局限】视频中人物所处的场景可能不断变化,不同的场景可能蕴含不同的情感信息,模型未考虑融合人物所处的场景信息。【结论】本文模型丰富了多模态数据的低层特征,充分结合模态内部信息和模态间信息,能够有效提升情感分析的效果。

关键词：多特征多模态情感分析注意力机制

在线全文

学校读者我要写书评

暂无评论

基于扩散模型的文本图像生成对比研究综述

计算机工程与应用 2024年

作者：高欣宇杜方宋丽娟宁夏大学信息工程学院宁夏“东数西算”人工智能与信息安全重点实验室宁夏大数据与人工智能省部共建协同创新中心

随着深度学习的不断发展，人工智能生成内容成为了一个热门话题，特别是扩散模型作为一种新兴的生成模型，在文本图像生成领域取得了显著进展。本文全面描述了扩散模型在文本图像生成任务中的应用，并与生成对抗网络和自回归模型的对比... 详细信息

随着深度学习的不断发展，人工智能生成内容成为了一个热门话题，特别是扩散模型作为一种新兴的生成模型，在文本图像生成领域取得了显著进展。本文全面描述了扩散模型在文本图像生成任务中的应用，并与生成对抗网络和自回归模型的对比分析，揭示了扩散模型的优势和局限性。同时深入探讨了扩散模型在提升图像质量、优化模型效率以及多语言文本图像生成方面的具体方法，通过在CUB、COCO和T2I-CompBench数据集上进行了实验分析，不仅验证了扩散模型零样本生成的能力，还凸显了其根据复杂文本提示生成高质量图像的能力。此外，还介绍了扩散模型在文本图像编辑、3D生成、视频及医学图像生成等领域的应用前景。最后，总结了扩散模型在文本图像生成任务上面临的挑战以及未来的发展趋势，有助于研究者更深入地推进这一领域的研究。

关键词：文本图像生成扩散模型生成对抗网络自回归模型

多模态MRI脑肿瘤分割方法的特征融合技术综述

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：刘海超宋丽娟宁夏大学信息工程学院宁夏“东数西算”人工智能与信息安全重点实验室宁夏大数据与人工智能省部共建协同创新中心

随着人工智能技术的快速发展，脑肿瘤分割在提高临床诊断、研究和治疗的准确性和效率方面取得了显著进展。多模态医疗图像分割正在成为当前脑肿瘤分割研究的热点和趋势，这是因为多模态医学图像可以提供更加全面和详尽的信息，增强了脑... 详细信息

随着人工智能技术的快速发展，脑肿瘤分割在提高临床诊断、研究和治疗的准确性和效率方面取得了显著进展。多模态医疗图像分割正在成为当前脑肿瘤分割研究的热点和趋势，这是因为多模态医学图像可以提供更加全面和详尽的信息，增强了脑肿瘤分割算法的可行性和可靠性。然而，多模态数据的使用也面临着一系列的问题和挑战。首先，模态特征在进行融合时可能无法充分利用，导致模态间信息遗漏和不均衡。其次，模态之间的差异过大，可能会产生干扰和误导算法的表现。而且，模态缺失也是一个常见的问题，使多模态方法的效果进一步降低。因此，本文旨在研究医疗图像多模态融合方法，以帮助新研究者探索未来多模态脑肿瘤分割的方向。本研究的重点在于探讨在脑肿瘤分割中多模态数据的特征融合方法，并根据融合数据的抽象层次对各种方法进行分类。通过研究不同的融合算法和模型，希望能够解决脑肿瘤多模态数据融合的困难和挑战，提高脑肿瘤分割的准确性与可靠性，为脑肿瘤的诊断与治疗提供更好的支持。

关键词：脑肿瘤分割多模态早期融合晚期融合多级别融合模态缺失

联邦学习在高度数据异构场景下的泛化鲁棒性增强

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国科学：信息科学 2024年第3期54卷 566-581页

作者：万伟胡胜山陆建荣李明慧周子淇金海华中科技大学网络空间安全学院武汉430074 华中科技大学软件学院武汉430074 华中科技大学计算机科学与技术学院武汉430074 大数据技术与系统国家地方联合工程研究中心武汉430074 服务计算技术与系统教育部重点实验室武汉430074 分布式系统安全湖北省重点实验室武汉430074 湖北省大数据安全工程技术研究中心武汉430074 集群与网格计算湖北省重点实验室武汉430074

联邦学习(federated learning,FL)是一种以保护客户隐私数据为中心的分布式处理网络,为解决隐私泄露问题提供了前景良好的解决方案.然而,FL的一个主要困境是高度非独立同分布(non-independent and identically distributed,non-IID)的... 详细信息

联邦学习(federated learning,FL)是一种以保护客户隐私数据为中心的分布式处理网络,为解决隐私泄露问题提供了前景良好的解决方案.然而,FL的一个主要困境是高度非独立同分布(non-independent and identically distributed,non-IID)的数据会导致全局模型性能很差.尽管相关研究已经探讨了这个问题,但本文发现当面对non-IID数据、不稳定的客户端参与以及深度模型时,现有方案和标准基线FedAvg相比,只有微弱的优势或甚至更差,因此严重阻碍了FL的隐私保护应用价值.为解决这个问题,本文提出了一种对non-IID数据鲁棒的优化方案:FedUp.该方案在保留FL隐私保护特点的前提下,进一步提升了全局模型的泛化鲁棒性.FedUp的核心思路是最小化全局经验损失函数的上限来保证模型具有低的泛化误差.大量仿真实验表明,FedUp显著优于现有方案,并对高度non-IID数据以及不稳定和大规模客户端的参与具有鲁棒性.

关键词：分布式网络联邦学习异构优化泛化性鲁棒性隐私保护

融合关系路径与实体邻域信息的知识图谱补全方法

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13期60卷 136-142页

作者：翟社平亢鑫年李方怡杨锐西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

知识图谱为许多人工智能应用提供了底层的技术支持,包括电子商务、智能导航、医疗保健、社交媒体等领域。但现有的知识图谱通常是不完整的,大量的知识隐含在其中,因此如何将知识图谱补全完整成为亟需解决的问题。现有方法大多是独立处... 详细信息

知识图谱为许多人工智能应用提供了底层的技术支持,包括电子商务、智能导航、医疗保健、社交媒体等领域。但现有的知识图谱通常是不完整的,大量的知识隐含在其中,因此如何将知识图谱补全完整成为亟需解决的问题。现有方法大多是独立处理实体邻域信息或关系路径,忽略了实体邻域信息对关系路径探索过程的重要性。为此,提出了一种融合关系路径与实体邻域信息的知识图谱补全方法(RPEN-KGC)。RPEN-KGC由采样器和推理器构成,采样器通过在实体对之间随机游走,为推理器提供可靠的推理策略。同时采样器利用实体邻域相似性对比机制约束随机游走的方向,有效提高采样的效率,并且使推理策略更加丰富。推理器通过提取关系路径的语义特征,在语义空间中推理出更加多样化的关系路径。在公开的NELL-995和FB15K-237数据集中通过链接预测任务进行实验验证,结果表明,RPEN-KGC在多数指标上相较于基准方法均有一定的提升,说明RPEN-KGC能够有效预测知识图谱中缺失的知识。

关键词：知识图谱知识图谱补全生成对抗网络多跳推理

CS-Raft:适用于联盟链的拜占庭容错共识算法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第4期41卷 995-1000页

作者：翟社平聂浩楠陆娴婧杨锐西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

针对目前联盟链共识算法的性能不足,提出了一种基于信用评分的可拜占庭容错联盟链共识算法CS-Raft。首先,为所有节点赋予信用评分属性,节点的信用评分根据节点的共识行为、活跃度、加入集群时间等指标进行更新,信用评分越高代表节点可... 详细信息

针对目前联盟链共识算法的性能不足,提出了一种基于信用评分的可拜占庭容错联盟链共识算法CS-Raft。首先,为所有节点赋予信用评分属性,节点的信用评分根据节点的共识行为、活跃度、加入集群时间等指标进行更新,信用评分越高代表节点可信度越高;其次,根据节点信用评分选取监督节点,监督节点具有检验权,可以参与领导人选举,监督节点的设置可以有效抵抗拜占庭恶意节点的攻击;最后,改善了领导人选举中选票分裂问题,对领导人选举的速度进行提升。经实验分析,CS-Raft算法相较于PBFT算法在实现拜占庭容错的同时,有效地减少了共识时间延迟、提高了系统吞吐量,并加快了其领导人选举速度。

关键词：联盟链拜占庭容错共识算法信用评分

ChatGPT的工作原理、关键技术及未来发展趋势

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第1期58卷 1-12页

作者：秦涛杜尚恒常元元王晨旭西安交通大学智能网络与网络安全教育部重点实验室西安710049

ChatGPT是自然语言处理领域的一项重要技术突破,专注于对话生成任务,在多种任务中表现出卓越的性能。主要探讨ChatGPT的演变历程、关键技术,并分析了其未来可能的发展方向。首先,介绍了ChatGPT的模型架构和技术演进过程。随后,重点讨论... 详细信息

ChatGPT是自然语言处理领域的一项重要技术突破,专注于对话生成任务,在多种任务中表现出卓越的性能。主要探讨ChatGPT的演变历程、关键技术,并分析了其未来可能的发展方向。首先,介绍了ChatGPT的模型架构和技术演进过程。随后,重点讨论了ChatGPT的关键技术,包括提示学习与指令微调、思维链、人类反馈强化学习。然后,分析了由于基于概率生成原理所造成的固有局限,包括事实性错误、垂直领域深度性弱、潜在的恶意应用风险、可解释性及模型实时性差等。最后,探讨了其在典型应用中存在的问题和相应的解决途径,包括在训练评估过程中考虑道德和安全性因素,以降低潜在风险;结合外部专家知识和迁移学习,以提高模型对特定领域的理解能力,更好地适应特定任务场景;引入多模态数据,以提高模型信息理解能力,增强模型通用性和泛化性。通过对ChatGPT模型框架、技术演变与关键技术的分析,为深入理解ChatGPT提供帮助;结合原理分析其固有缺陷,并结合实际应用中存在的问题,挖掘未来可能的研究方向,为自然语言处理领域的深入研究提供有益参考。

关键词： ChatGPT模型架构概率生成强化学习迁移学习

一种正则化非负张量分解算法及其新的有效加速策略

在线全文

学校读者我要写书评

暂无评论

应用数学 2024年第1期37卷 100-114页

作者：谢亚君叶福兰福州外语外贸学院大数据学院福建福州350202 福州外语外贸学院数据科学与智能计算重点实验室福建福州350202

非负张量分解优化模型在高维图像处理与数据分析中占有重要地位.本文聚焦超光谱图像重构问题,提出一种正则化非负张量分解算法,然后给出三种新的有效加速策略,分别为分层降维循环迭代、误差校正以及“指数保号性”策略.利用所提出的这... 详细信息

非负张量分解优化模型在高维图像处理与数据分析中占有重要地位.本文聚焦超光谱图像重构问题,提出一种正则化非负张量分解算法,然后给出三种新的有效加速策略,分别为分层降维循环迭代、误差校正以及“指数保号性”策略.利用所提出的这些加速策略对算法求解效率进行综合提升与改进.最后,通过数值测试来验证本文所提出的算法与加速策略的可行性与实用性.

关键词：超光谱图像重构非负张量分解正则化加速策略收敛性