检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

k阶采样和图注意力网络的知识图谱表示模型

计算机工程与应用 2024年第2期60卷 113-120页

作者：刘文杰姚俊飞陈亮南京信息工程大学计算机学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044

知识图谱表示(KGE)旨在将知识图谱中的实体和关系映射到低维度向量空间而获得其向量表示。现有的KGE模型只考虑一阶近邻,这影响了知识图谱中推理和预测任务的准确性。为了解决这一问题,提出了一种基于k阶采样算法和图注意力网络的KGE模... 详细信息

知识图谱表示(KGE)旨在将知识图谱中的实体和关系映射到低维度向量空间而获得其向量表示。现有的KGE模型只考虑一阶近邻,这影响了知识图谱中推理和预测任务的准确性。为了解决这一问题,提出了一种基于k阶采样算法和图注意力网络的KGE模型。k阶采样算法通过聚集剪枝子图中的k阶邻域来获取中心实体的邻居特征。引入图注意力网络来学习中心实体邻居的注意力值,通过邻居特征加权和得到新的实体向量表示。利用ConvKB作为解码器来分析三元组的全局表示特征。在WN18RR、FB15k-237、NELL-995、Kinship数据集上的评价实验表明,该模型在链接预测任务上的性能明显优于最新的模型。此外,还讨论了阶数k和采样系数b的改变对模型命中率的影响。

关键词：知识图谱表示 k阶采样算法图注意力网络剪枝子图链接预测

基于轻量化卷积块注意力Transformer的表面缺陷检测算法

在线全文

学校读者我要写书评

暂无评论

南京信息工程大学学报 2024年

作者：孙文赟刘梓麟南京信息工程大学人工智能学院南京信息工程大学计算机学院

针对缺陷语义分割任务中缺陷与背景差异小以及同类缺陷间差异大的问题，本文提出一种基于轻量化卷积块注意力Transformer的表面缺陷检测算法（LCBAFormer），旨在提高不同类型缺陷的分割准确率。首先，设计轻量化卷积块注意力模块LCBAM... 详细信息

针对缺陷语义分割任务中缺陷与背景差异小以及同类缺陷间差异大的问题，本文提出一种基于轻量化卷积块注意力Transformer的表面缺陷检测算法（LCBAFormer），旨在提高不同类型缺陷的分割准确率。首先，设计轻量化卷积块注意力模块LCBAM，通过结合通道注意力模块和空间注意力模块，提取有效的通道信息和空间信息，使模型更专注于局部缺陷特征信息，增强不同缺陷间的特征差异，减少同类缺陷间的差异。其次，提出轻量化的语义注入模块SIM，以逐步融合多尺度特征信息，提升网络对不同缺陷的定位和区分能力。在NEU-Seg钢带缺陷数据集和MT-Defect磁瓦缺陷数据集上的实验结果表明：本文提出的算法平均交并比（mIoU）分别为84.75%和79.46%；平均召回率（mRec）分别为92.29%和87.50%；平均F1分数（mF1）分别为91.52%和88.08%；算法的计算复杂度较低，每秒10亿次浮点运算次数（GFLOPs）分别为1.03和2.65。与主流算法相比，本文方法在参数量和检测性能上做到了较好的平衡，具有更小参数量和更好的分割结果。

关键词：表面缺陷检测语义分割轻量级 SegFormer

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合强化学习的三支治略选择及其有效性分析

计算机科学与探索 2024年第2期18卷 378-386页

作者：刘晓雪姜春茂哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 福建理工大学计算机科学与数学学院福州350118

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行... 详细信息

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行了研究,提出一种基于强化学习的三支改变模型的策略选择与有效性预测的方法。首先将改变三支决策TAO模型中的改变三分状态和策略分别作为强化学习中的状态和动作,并将每次施加策略得到新的改变三分状态的过程看作一个周期,利用累积前景理论计算每个周期产生的奖励,将智能体与环境的交互过程用马尔可夫决策过程来表示;其次设置一个目标奖励,将各个周期的累计奖励达到目标奖励时的状态作为马尔可夫决策过程的终止状态;然后用Q-learning算法迭代出一个最短周期内达到目标奖励的策略序列,同时利用该策略序列预测当前改变三分状态的未来效用。最后使用一个实例体现出该方法实用性和有效性。

关键词：三支决策改变三支决策强化学习策略选择效用度量

融合DEM与FY-4A数据的ECMWF预报产品深度学习订正方法

在线全文

学校读者我要写书评

暂无评论

气象学报 2024年第4期82卷 539-553页

作者：谈玲刘巧夏景明南京信息工程大学计算机学院南京210044 南京信息工程大学人工智能学院南京210044

精准的数值天气预报是精细化气象公共服务和商业服务的重要前提。欧洲中期天气预报中心(European Center forMedium Weather Forecasting,ECMWF)预报产品在全球被广泛采用,但始终存在系统预报误差。针对数值天气预报中的误差和多源数据... 详细信息

精准的数值天气预报是精细化气象公共服务和商业服务的重要前提。欧洲中期天气预报中心(European Center forMedium Weather Forecasting,ECMWF)预报产品在全球被广泛采用,但始终存在系统预报误差。针对数值天气预报中的误差和多源数据融合中的非线性映射等问题,设计了一个ECMWF数值预报产品的深度学习订正模型(Numerical Forecast CorrectionNetwork,NFC-Net)。NFC-Net引入了FY-4A卫星观测数据、数字高程模型数据(Digital Elevation Model,DEM)和ERA5历史实况数据订正预报结果,利用多源数据空间分辨率对齐模块、时空特征提取模块解决多源异构数据特征的提取与融合问题,并通过UNet网络实现ECMWF预报产品的订正。为了评估所提算法的性能,利用NFC-Net对ECMWF产品中的2 m气温和10 m风速两个天气要素开展订正试验,并将试验结果与ECMWF预报结果、ANO方法订正结果、Convlstm方法订正结果、Fuse-CUnet方法订正结果和ERA5实况进行对比。结果显示,NFC-Net模型订正的2 m气温和10 m风速的均方根误差(Root Mean Squared Error,RMSE)分别较ECMWF预报产品下降49.71%和50.86%。表明NFC-Net模型可以充分利用多源数据有效改善复杂地形条件下的订正结果。NFC-Net模型可用于订正ECMWF预报结果,显著提升数值天气预报的精度。

关键词：数值天气预报误差订正深度学习多源数据融合注意力机制

基于对抗生成网络的缺陷定位模型域数据增强方法

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

软件学报 2024年第5期35卷 2289-2306页

作者：张卓雷晏毛晓光薛建新常曦广州商学院信息技术与工程学院广东广州510700 重庆大学大数据与软件学院重庆401331 国防科技大学计算机学院湖南长沙410073 上海第二工业大学计算机与信息工程学院上海200127

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测... 详细信息

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测试用例数量.已有研究表明,少量失败测试用例会导致测试用例集出现类别不平衡问题,严重影响着缺陷定位有效性.为了解决这个问题,提出基于对抗生成网络的缺陷定位模型域数据增强方法.该方法基于模型域(即缺陷定位频谱信息)而非传统输入域(即程序输入),利用对抗生成网络合成覆盖最小可疑集合的模型域失败测试用例,从模型域上解决类别不平衡的问题.实验结果表明,所提方法大幅提升了11种典型缺陷定位方法的效能.

关键词：缺陷定位测试用例对抗生成网络数据增强可疑值

在线全文

学校读者我要写书评

暂无评论

适用于多领域少样本的元适配器整合学习方法

计算机工程与应用 2024年

作者：于信马廷淮彭可兴贾莉蒋永溢南京信息工程大学软件学院南京信息工程大学雷丁学院南京信息工程大学计算机学院

针对多域少样本文本摘要任务中迁移学习面临的诸多挑战，尤其是源域数据的多样性以及目标域数据的数据稀缺性问题，提出了一种创新的学习方法，名为元适配器整合学习方法（Meta-Adapter Integration Learning， MAIL）。MAIL使用基于Tra... 详细信息

针对多域少样本文本摘要任务中迁移学习面临的诸多挑战，尤其是源域数据的多样性以及目标域数据的数据稀缺性问题，提出了一种创新的学习方法，名为元适配器整合学习方法（Meta-Adapter Integration Learning， MAIL）。MAIL使用基于Transformer的预训练模型作为基础模型，融合适配器模块限制模型参数及层数，并采用元学习方法微调适配器。此外，为了增强在不同领域间的迁移和泛化能力，设计了一种元适配器整合算法，旨在最大化利用多域信息，增强模型跨领域泛化能力。实验结果显示，MAIL在标准文本生成评价指标上超越现有主流模型，并能有效应对跨领域迁移中常见的灾难性遗忘、任务干扰和训练不稳定等问题。

关键词：文本摘要生成少样本学习迁移学习预训练模型适配器元学习

多执行器故障条件下植保无人机的自适应鲁棒容错控制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国农机化学报 2024年第10期45卷 254-261页

作者：李园园侯宝顺朱书慧郑州升达经贸管理学院信息工程学院河南大学计算机与信息工程学院

针对多执行器故障条件下难以保证植保无人机的高度与姿态的准确控制问题，提出一种多执行器故障条件下植保无人机自适应鲁棒容错控制算法。在建立植保无人机高度、姿态动力学模型和执行器故障模型的基础上，基于非线性back-stepping自... 详细信息

针对多执行器故障条件下难以保证植保无人机的高度与姿态的准确控制问题，提出一种多执行器故障条件下植保无人机自适应鲁棒容错控制算法。在建立植保无人机高度、姿态动力学模型和执行器故障模型的基础上，基于非线性back-stepping自适应控制原理，设计一种无需故障检测和隔离机制的非线性高度和姿态自适应容错控制器。通过容错控制器的自适应性保证多个执行器故障下植保无人机在高度与姿态上的跟踪控制性能，利用鲁棒控制保证系统在建模不确定性条件下的稳定性。结果表明，在单执行器故障条件下植保无人机的高度和姿态跟踪的最大误差分别为0.13m和[±3.26°±2.71°±1.16°]，在多执行器故障条件下植保无人机的高度和姿态跟踪的最大误差分别为0.21 m和[±3.11°±4.75°±3.07°]，本文方法能够有效保证植保无人机的高度和姿态跟踪的跟踪性能，且跟踪误差渐近收敛。

关键词：植保无人机执行器故障鲁棒容错控制稳定性

受腹侧通路启发的脂肪肝超声图像分类方法VPNet

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

计算机应用 2024年

作者：丁丹妮彭博吴锡成都信息工程大学计算机学院西南交通大学计算机与人工智能学院

考虑到腹侧通路在视觉信息处理中的核心作用，创新性地提出了一种基于腹侧通路的脂肪肝识别方法。通过整合卷积神经网络和生物视觉认知模型，模拟了从初级视觉皮层（V1）到下颞皮层（IT）的层次化信息加工流程，从而构建了全新的神经网... 详细信息

考虑到腹侧通路在视觉信息处理中的核心作用，创新性地提出了一种基于腹侧通路的脂肪肝识别方法。通过整合卷积神经网络和生物视觉认知模型，模拟了从初级视觉皮层（V1）到下颞皮层（IT）的层次化信息加工流程，从而构建了全新的神经网络架构——VPNet(Ventral Pathway Network)。此外，受生物视觉机理中非经典感受野（Nonclassical receptive field, nCRF）抑制机制在背景噪声抑制方面的启发，模拟该机制以应对超声图像斑点噪声的挑战，进而增强了模型的特征识别能力。最后，在自制数据集上完成了四类别的脂肪肝变异程度识别，达到了88.37%的准确率；并在公开数据集中完成了二类别的脂肪肝诊断，VPNet的准确率、敏感性和特异性均达到了100%的最佳性能。实验结果表明，与已知公开数据集研究中的最优算法ResNet101-SVM相比，准确率分别在自制数据集和公开数据集上提升了15.2%和0.7%。这一研究成果不仅证明了所提方法在脂肪肝疾病诊断中的精准度提升，还为智能医学诊断领域在处理脂肪肝超声图像分类时提供了一种新颖且高效的解决方案。

关键词：超声图像分类脂肪肝变性生物视觉腹侧通路非经典感受野抑制深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种任务驱动的车联网边缘卸载策略

郑州大学学报（理学版） 2024年第4期56卷 34-40页

作者：赵晓焱高源志张俊娜袁培燕河南师范大学计算机与信息工程学院河南新乡453007

边缘计算为解决未来车联网中移动流量的爆炸式增长提供了可行范式,然而位置的动态变化以及计算任务的多样性和差异性,使得资源有限的边缘服务器很难在规定时间内完成区域内多车辆任务的并行处理需求。基于此,以最小化时延为目标,提出一... 详细信息

边缘计算为解决未来车联网中移动流量的爆炸式增长提供了可行范式,然而位置的动态变化以及计算任务的多样性和差异性,使得资源有限的边缘服务器很难在规定时间内完成区域内多车辆任务的并行处理需求。基于此,以最小化时延为目标,提出一种结合深度确定性策略梯度算法的任务驱动卸载策略。首先,结合差异性任务类型和紧迫程度进行预处理,构建了一种基于最大延迟容忍度的任务动态优先级调整模型;然后,利用道路区域内的车辆拓扑和通信半径,提出了基于网络密度和负载均衡的动态协作簇划分方法,解决了多样性任务的动态协作卸载优化问题。实验结果表明,所提算法在收敛性、卸载时延及卸载命中率等方面具有性能优势。

关键词：车联网边缘计算任务卸载协作动态优先级