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

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

联邦学习在医学图像处理任务中的研究综述

计算机科学 2024年

作者：刘育铭代煜陈公平南开大学人工智能学院

在医学领域，由于患者隐私问题，图像很难集中收集和标注，给深度学习模型的训练和部署带来了较大困难。联邦学习作为一种能有效保护数据隐私的分布式学习框架，其能够在参与方不共享数据的基础上进行联合建模，从技术上打破数据孤岛，... 详细信息

在医学领域，由于患者隐私问题，图像很难集中收集和标注，给深度学习模型的训练和部署带来了较大困难。联邦学习作为一种能有效保护数据隐私的分布式学习框架，其能够在参与方不共享数据的基础上进行联合建模，从技术上打破数据孤岛，凭借这些优势在许多行业已经得到广泛应用。由于与医学图像处理的需求高度契合，近年来也涌现出许多应用于医学图像处理的联邦学习研究，然而大部分新的方法仍未被归纳分析，不利于后续的进一步探索。文中对联邦学习进行了简单的介绍，列举了其在医学图像处理方面的部分应用，并根据改进的方向将目前已有的研究进行了分类总结。最后，讨论了目前医学图像方向联邦学习所面临的问题和挑战，对未来的研究方向进行了展望，希望给后续研究提供一定的帮助。

关键词：联邦学习医学图像深度学习图像处理分布式学习隐私保护

在线全文

同方期刊数据库

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

基于产业应用与多课程融合的计算机网络课程改革探索

在线全文

学校读者我要写书评

暂无评论

产业与科技论坛 2024年第14期23卷 108-110页

作者：钟明洋西南大学人工智能学院

为满足第四次产业革命和新工科建设对创新型应用型人才培养的需求,高校计算机网络课程需进行产学研协同培养的教改,通过确认人才培养目标、优化课程体系设计,建设“双师型”教师队伍以及开发实践教学方案,充分考虑高校计算机网络课程在... 详细信息

为满足第四次产业革命和新工科建设对创新型应用型人才培养的需求,高校计算机网络课程需进行产学研协同培养的教改,通过确认人才培养目标、优化课程体系设计,建设“双师型”教师队伍以及开发实践教学方案,充分考虑高校计算机网络课程在多课程融合改革中的实际,为推进新时代产业发展和人才培育目标的落实,提供有力的复合应用型人才支撑。

关键词：计算机网络课程产业应用课程融合课程改革

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

基于THz成像和集成学习的番茄根长表型提取及预测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年

作者：罗慧刘星语韦骁吴嘉仪余赟卢伟南京农业大学人工智能学院

为对番茄根系表型进行有效检测，该研究基于THz(Terahertz)成像和集成学习提出一种根系检测技术。首先，对20天生长过程中番茄根系进行多次THz成像。其次，对最优重构后的根系THz伪彩色图去除根系重叠和主根区域的噪声数据。再次，采用R... 详细信息

为对番茄根系表型进行有效检测，该研究基于THz(Terahertz)成像和集成学习提出一种根系检测技术。首先，对20天生长过程中番茄根系进行多次THz成像。其次，对最优重构后的根系THz伪彩色图去除根系重叠和主根区域的噪声数据。再次，采用Rosenfeld细化算法和滑动窗口遍历法计算根系长度。最后，提取根系有效区域中THz时域光谱和折射率光谱，由Stacking集成模型对番茄根长进行预测。由THz成像计算的番茄根长结果误差小，平均相对误差仅为4.16%；由THz时域数据预测的根长与计算得到的根长之间最大决定系数为0.999，最小均方根误差为0.743；由折射率光谱数据预测根长的最大决定系数为0.998，最小均方根误差为0.976。该方法不仅能根据THz图像准确地计算出番茄根系的长度，还能由番茄根系的THz光谱有效地预测番茄根长表型，该研究为根系表型检测方法提供了理论依据。

关键词：番茄 THz成像根系表型 Stacking集成学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

用户生成内容场景下角色导向图神经推荐方法

计算机学报 2024年第6期47卷 1288-1303页

作者：娄铮铮朱军娇张万闯吴宾郑州大学计算机与人工智能学院郑州450001

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统... 详细信息

近年来互联网的飞速发展不断改变着信息的生产和传递方式,随之出现了用户使用互联网的新方式——用户生成内容(User-Generated Content,UGC).该场景中内容以传播速度快、获取成本低等优势迅速占据互联网信息传播的重要地位.不同于传统推荐场景,UGC场景下用户同时扮演生产者和消费者双重角色,这使得在构建推荐模型时既需要考虑消费者与内容之间的交互信息,也需关注内容生产者对于消费者决策的影响.因此,UGC场景下个性化推荐算法研究的关键在于如何充分挖掘消费者-内容和消费者-生产者之间的关联关系.在面向UGC场景的推荐研究中,比较有代表性的模型为CPRec,该模型虽取得一定进展,但仍存在两点不足之处.其一,在模型构建层面,未能显式建模消费者-内容与消费者-生产者之间的高阶连通关系,难以学习出高质量的节点表征.其二,在模型优化层面,无法区分每个观测数据在不同训练阶段的贡献度,将影响推荐结果的质量.为此,本文提出一种新颖的角色导向图神经推荐方法RGNRec(Role-Guided Graph Neural Recommendation)用于UGC场景的个性化排序任务.特别地,基于用户的历史行为数据与内容的创作者信息分别构建了消费者-内容交互图和消费者-生产者交互图.进一步,为了显式捕获两种交互图中的高阶连通信息,构建一种双通道线性传播模块,同时刻画了消费者兴趣与内容生产者影响的扩散过程.最终,提出设计一种自适应的正样本权重生成策略,将其融入非采样损失函数,并建立双层优化机制来学习模型的参数.本文的核心贡献包括:(1)引入双通道线性传播模块,以显式解耦出自身兴趣与内容生产者效应对于用户偏好建模的不同贡献度;(2)提出权重自适应的非采样损失函数,以解决不同观测样例在模型不同训练阶段贡献不同的问题.本文分别采用经典的和最先进的图神经网络方法作为基准,在3个UGC场景Pinterest、Recipes和Reddit下进行了实验对比.在整体推荐性能方面,无论模型精度亦或训练效率上均优于各基准方法,尤其在Precision@10指标上获得了 4.31%~17.83%的提升;然后通过消融实验验证了双通道线性传播模块和权重自适应优化机制的合理性与必要性;最后通过实验验证了本文方法在缓解数据稀疏和用户冷启动方面的优越性.

关键词：推荐系统图神经网络用户生成内容双重角色非采样学习

在线全文

学校读者我要写书评

暂无评论

磁谐振无线传能的高性能体内接收线圈设计

华中科技大学学报（自然科学版） 2024年第5期52卷 15-22页

作者：徐琦黎定康王茂州华中科技大学人工智能与自动化学院湖北武汉430074

针对植入式装置的经皮无线能量传输中,体内接收小线圈品质因数低、自谐振频率高且难以与体外线圈匹配共振的问题,提出采用多子线圈串接构建空心体内能量接收线圈兼作植入电路的封装,并对子线圈中外径26 mm的印刷平面螺旋线圈(P-PSC)进... 详细信息

针对植入式装置的经皮无线能量传输中,体内接收小线圈品质因数低、自谐振频率高且难以与体外线圈匹配共振的问题,提出采用多子线圈串接构建空心体内能量接收线圈兼作植入电路的封装,并对子线圈中外径26 mm的印刷平面螺旋线圈(P-PSC)进行优化设计.在选定基材、基板厚度和线厚的基础上,采用部分元等效电路法仿真计算P-PSC的自谐振频率和品质因数,分析内半径、匝数及线宽线距比的影响,优选得到低剖面、高性能PPSC的设计参数.测得双层P-PSC的自谐振频率和品质因数分别为10.37 MHz和82.3,结果表明:本研究的单、双层P-PSC性能综合评价指标均高于同类线圈,空心能量接收线圈尺寸为Φ26.00 mm×4.55 mm,自谐振频率低至6.78 MHz,品质因数可达67.1,在满足安全限制的条件下,距离发射线圈4 cm的接收功率为269 mW,能量传输效率(PTE)为24.2%.

关键词：磁谐振耦合经皮无线能量传输印刷平面螺旋线圈部分元等效电路品质因数

在线全文

学校读者我要写书评

暂无评论

基于改进神经辐射场的植物表型参数测量方法

农业工程学报 2024年

作者：李添天戴倩谢元澄南京农业大学人工智能学院

为解决传统植物表型测量存在的破坏性、主观性强以及三维测量设备成本高、使用场景受限等问题，提出了一种基于改进后的神经辐射场(Neural Radiance Field,NeRF)方法——L-NeRF的植物表型参数测量方法。通过从多视角收集图像数据，利用L... 详细信息

为解决传统植物表型测量存在的破坏性、主观性强以及三维测量设备成本高、使用场景受限等问题，提出了一种基于改进后的神经辐射场(Neural Radiance Field,NeRF)方法——L-NeRF的植物表型参数测量方法。通过从多视角收集图像数据，利用L-NeRF技术进行三维重建，非破坏性地获取了植物的关键表型参数，如株高、叶宽和叶长。以墨西哥四叶草(Prosopis juliflora)为研究对象，在室内环境下进行的试验表明，该方法在叶宽、叶长与株高的测量上显示出较高的精确度，决定系数分别达到0.903 7、0.782 7和0.851 6。此外，相较于现有的运动结构恢复(Structure from Motion,SFM)视觉重建方法，在采用L-NeRF技术时，在重建时间上平均减少了约30%，在模型精度上的标准差减少了约45%。试验结果不仅验证了L-NeRF技术在植物表型参数测量中的有效性和实用性，也展示了其在提升研究效率和精度方面的潜力。后续研究将探索收集更多植物品种的数据，以提高该方法的适用性。

关键词：植物点云方法植物表型组学神经辐射场三维重建