检索结果-南通市图书馆

基于区间值犹豫模糊多粒度粗糙集的三支决策模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

陕西师范大学学报（自然科学版） 2024年第3期52卷 37-46页

作者：徐伟华丁一邓彪张晓燕西南大学人工智能学院重庆400715

针对区间值犹豫模糊信息系统,提出了两种基于区间犹豫模糊多粒度粗糙集的三支决策模型。首先,借助多粒度粗糙集理论,提出乐观和悲观区间犹豫模糊多粒度粗糙集模型。其次,引入区间犹豫模糊连续交叉熵的概念,用TOPSIS方法来计算对象在不... 详细信息

针对区间值犹豫模糊信息系统,提出了两种基于区间犹豫模糊多粒度粗糙集的三支决策模型。首先,借助多粒度粗糙集理论,提出乐观和悲观区间犹豫模糊多粒度粗糙集模型。其次,引入区间犹豫模糊连续交叉熵的概念,用TOPSIS方法来计算对象在不同情况下的条件概率。基于此,定义区间犹豫模糊决策理论粗糙集并给出相应的三支决策规则。最后,通过实例验证了这两种模型对目标评估采取不同的态度和决策方案,并且证明了所提算法的有效性。

关键词：三支决策区间犹豫模糊多粒度粗糙集连续交叉熵决策理论粗糙集

基于局部变分贝叶斯推断的分布式交互式多模型估计

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第4期41卷 681-690页

作者：胡振涛杨诗博侯巍河南大学人工智能学院河南郑州450000 南开大学人工智能学院天津300381

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布... 详细信息

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布融合估计框架下,首先基于最小化Kullback-Leibler散度准则的递归优化策略实现对运动模型转移概率矩阵的预测与更新;在此基础上,结合变分贝叶斯推断实现对当前时刻目标状态与模型概率的联合估计;最后依据协方差交叉融合策略完成对局部状态估计融合.仿真结果表明:新算法通过对运动模型转移概率矩阵以及模型概率自适应在线估计,有效提升了机动目标的状态估计精度.

关键词：机动目标跟踪变分贝叶斯推断模型转移概率矩阵分布式融合协方差交叉融合

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

基于交互引导的问答对联合生成模型

计算机学报 2024年第2期47卷 251-265页

作者：刘杰林绍鑫王善鹏南开大学人工智能学院天津300350

大规模问答对的自动生成在知识问答库构建和机器阅读理解等许多应用具有关键价值.尽管其重要性已得到广泛认可,现有问答对生成方法仍面临着严峻挑战.首先,在传统的问答对生成模型中,抽取式的答案获取方法难以适用于复杂的自然交互场景.... 详细信息

大规模问答对的自动生成在知识问答库构建和机器阅读理解等许多应用具有关键价值.尽管其重要性已得到广泛认可,现有问答对生成方法仍面临着严峻挑战.首先,在传统的问答对生成模型中,抽取式的答案获取方法难以适用于复杂的自然交互场景.相比较而言,生成式模型通过对文本的语义理解,能够自动生成表述更加自然的答案.其次,对于问答对生成任务来说,为了防止生成的答案和问题出现语义上的不匹配,需要更全面地捕捉并增强答案生成和问题生成两个子任务之间的交互.最后,由于答案抽取和问题生成存在任务难度的差异,这两个任务在联合训练的过程中会出现任务之间的优化不平衡问题.为此,本文提出了一个基于交互引导的问答对联合生成模型(Interaction-Guided Joint Abstractive QAPs Generation Model,IGJA-QAP).具体而言,本文设计了一个带有答案引导的多头门机制的联合生成模型,同时对两个子任务进行统一建模并有效地捕获和增强它们之间的信息交互,从而可以生成语义上匹配的问答对.本文在三个大规模数据集SQuAD、NewQA和CoQA上进行了综合全面的实验分析.本文提出的模型在答案生成任务上METEOR值平均分别超出其他最佳方法3.0%、5.9%和4.3%,问题生成任务上METEOR值平均分别超出其他最佳方法1.5%、0.5%和2.1%.实验结果表明,本文提出的模型达到了目前最高的性能.

关键词：问答对生成统一生成式模型答案引导的多头门指针网络相互优化

基于轻型自限制注意力的结构光相位及深度估计混合网络

在线全文

学校读者我要写书评

暂无评论

中国光学（中英文） 2024年第1期17卷 118-127页

作者：朱新军赵浩淼王红一宋丽梅孙瑞群天津工业大学人工智能学院天津300387

相位提取与深度估计是结构光三维测量中的重点环节,目前传统方法在结构光相位提取与深度估计方面存在效率不高、结果不够鲁棒等问题。为了提高深度学习结构光的重建效果,本文提出了一种基于轻型自限制注意力(Light Self-Limited-Attenti... 详细信息

相位提取与深度估计是结构光三维测量中的重点环节,目前传统方法在结构光相位提取与深度估计方面存在效率不高、结果不够鲁棒等问题。为了提高深度学习结构光的重建效果,本文提出了一种基于轻型自限制注意力(Light Self-Limited-Attention,LSLA)的结构光相位及深度估计混合网络,即构建一种CNN-Transformer的混合模块,并将构建的混合模块放入U型架构中,实现CNN与Transformer的优势互补。将所提出的网络在结构光相位估计和结构光深度估计两个任务上进行实验,并和其他网络进行对比。实验结果表明:相比其他网络,本文所提出的网络在相位估计和深度估计的细节处理上更加精细,在结构光相位估计实验中,精度最高提升31%;在结构光深度估计实验中,精度最高提升26%。该方法提高了深度神经网络在结构光相位估计及深度估计的准确性。

关键词：结构光深度学习自限制注意力相位估计深度估计

区间值决策表中基于相对优势邻域粒度的属性约简

在线全文

学校读者我要写书评

暂无评论

西南大学学报（自然科学版） 2024年第5期46卷 67-76页

作者：张晓燕李璐西南大学人工智能学院重庆400715

现实生活中大量数据以区间值形式存在,此时区间值决策表并不是基于等价关系,传统的决策方法并不能解决这一问题.为此,本文在区间值决策表中引入相邻关系、相邻类的定义,进而由相邻类建立了区间决策表的相对优势邻域粒度,拓展了经典决策... 详细信息

现实生活中大量数据以区间值形式存在,此时区间值决策表并不是基于等价关系,传统的决策方法并不能解决这一问题.为此,本文在区间值决策表中引入相邻关系、相邻类的定义,进而由相邻类建立了区间决策表的相对优势邻域粒度,拓展了经典决策信息系统的相关方法,并利用相对优势邻域粒度研究了区间决策表属性约简的启发式算法,通过具体案例将得到的属性约简结果与代数约简进行了有效性验证,进一步丰富和完善了信息系统属性约简理论.

关键词：粗糙集区间值决策表相邻关系相对优势领域粒度属性约简

在线全文

学校读者我要写书评

暂无评论

三支概念背景下属性粒化效率的度量

计算机工程与科学 2024年第4期46卷 725-733页

作者：张晓燕王佳一西南大学人工智能学院重庆400715

三支概念分析是三支决策与形式概念分析结合的产物,该理论相对于形式概念分析最大的进步是可以同时研究形式背景中“共同具有”和“共同不具有”的信息。属性粒化是一种基于粒度树与剪枝将属性分解为子属性,形成新属性集合的理论。而由... 详细信息

三支概念分析是三支决策与形式概念分析结合的产物,该理论相对于形式概念分析最大的进步是可以同时研究形式背景中“共同具有”和“共同不具有”的信息。属性粒化是一种基于粒度树与剪枝将属性分解为子属性,形成新属性集合的理论。而由于同一粒度树上剪枝众多,如何选择剪枝,确定最优的粒化方向以进行进一步运算成为保证属性粒化效率的关键问题。通过理论推导,证明了原三支概念与属性粒化得到的新三支概念存在紧密的内在联系,以此作为度量属性粒化效率的基础。首先,基于属性粒化层次的关系,将属性粒化层次分为存在偏序关系的属性粒化层次和不存在偏序关系的属性粒化层次。进一步,给到细化系数的含义,并分别阐述了细化系数在2种属性粒化层次中的度量作用,从而达到度量不同属性粒化效率的目的。

关键词：三支概念属性粒化多粒度细化系数粒度树

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

基于得分生成模型的时间序列异常检测方法

北京邮电大学学报 2024年第2期47卷 51-57页

作者：周浩禹可吴晓非北京邮电大学人工智能学院北京100876

为了解决传统时间序列异常检测模型在时序数据随机性表征不足以及模型泛化能力较弱的问题,提出了一种基于得分生成的异常检测模型。针对复杂信息物理系统中运行监控的时序数据,设计了一个多维时间序列异常检测框架,利用回归模型捕捉数... 详细信息

为了解决传统时间序列异常检测模型在时序数据随机性表征不足以及模型泛化能力较弱的问题,提出了一种基于得分生成的异常检测模型。针对复杂信息物理系统中运行监控的时序数据,设计了一个多维时间序列异常检测框架,利用回归模型捕捉数据内在的时间模式。考虑时序生成过程的随机性,采用去噪得分匹配的方法来估计梯度信息,并利用估计的梯度信息,设计了高效的异常评分方法。在公开的池化服务器数据集和安全水处理数据集上,所提模型的异常检测F1值分别达到了96%和90.18%,比使用基线模型得到的最高F1值分别提高了1.02%和1.01%。消融实验和案例分析结果表明,用噪声索引模块和签名矩阵模块增强了模型的特征提取能力,所提模型的异常阈值在[0.386,0.8)之间时的F1值大于等于0.8。

关键词：信息物理系统时间序列异常检测得分生成模型

基于深度主动学习与CBAM的细粒度菊花表型识别

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第2期55卷 258-267页

作者：袁培森丁毅飞徐焕良南京农业大学人工智能学院南京210095

针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先,通过主动学习策略基于... 详细信息

针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先,通过主动学习策略基于最优标号和次优标号法(Best vs second-best,BvSB)在未标记菊花样本中选取信息量较大的样本进行标记,并将标记后的样本放入训练样本中;其次,使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本,引入混合注意力机制模块CBAM,使模型能够更为准确地提取细粒度图像中的高层语义信息;最后,用更新后的训练样本继续训练分类模型,直到模型达到迭代次数后停止。实验结果表明,该方法在少量菊花标记样本下,精确率、召回率和F1值分别达到93.66%、93.15%和93.41%。本文方法可为标号数据不足情况下的菊花等花卉智能化识别提供技术支撑。

关键词：菊花表型细粒度图像识别主动学习 ResNet50 注意力机制模块

在线全文

学校读者我要写书评

暂无评论

推荐系统中神经网络结合注意力机制研究综述

计算机工程与应用 2024年第10期60卷 47-60页

作者：高广尚广西民族大学人工智能学院南宁530006

探讨神经网络如何结合注意力机制及其变种,以更好地学习用户和物品间复杂和隐含的关系,从而提高推荐的准确性和个性化水平。从多层感知机、卷积神经网络、循环神经网络、自编码器、图神经网络以及反向传播神经网络这六类典型神经网络出... 详细信息

探讨神经网络如何结合注意力机制及其变种,以更好地学习用户和物品间复杂和隐含的关系,从而提高推荐的准确性和个性化水平。从多层感知机、卷积神经网络、循环神经网络、自编码器、图神经网络以及反向传播神经网络这六类典型神经网络出发,研究它们与注意力机制相结合进行推荐的过程,具体结合点击率预测、标签推荐和评论评分预测等典型应用场景进行优缺点分析。通过将神经网络与注意力机制相结合,模型能够聚焦于输入数据中的关键信息,降低对次要信息的注意程度,甚至直接过滤掉无关信息。现有将注意力机制与神经网络结合的推荐模型,在很大程度上能够满足常见的推荐任务需求。但是这类模型在跨域推荐、深度强化学习推荐以及多模态推荐等复杂推荐场景中,仍面临一些挑战,例如跨域推荐需要模型具备迁移学习的能力,强化学习推荐需要进行长期奖励建模。

关键词：推荐系统深度学习神经网络注意力机制