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

一种基于窗口机制的口语理解异构图网络

软件学报 2024年第4期35卷 1885-1898页

作者：张启辰王帅李静梅哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

口语理解(spoken language understanding,SLU)是面向任务的对话系统的核心组成部分,旨在提取用户查询的语义框架.在对话系统中,口语理解组件(SLU)负责识别用户的请求,并创建总结用户需求的语义框架,SLU通常包括两个子任务:意图检测(int... 详细信息

口语理解(spoken language understanding,SLU)是面向任务的对话系统的核心组成部分,旨在提取用户查询的语义框架.在对话系统中,口语理解组件(SLU)负责识别用户的请求,并创建总结用户需求的语义框架,SLU通常包括两个子任务:意图检测(intent detection,ID)和槽位填充(slot filling,SF).意图检测是一个语义话语分类问题,在句子层面分析话语的语义;槽位填充是一个序列标注任务,在词级层面分析话语的语义.由于意图和槽之间的密切相关性,主流的工作采用联合模型来利用跨任务的共享知识.但是ID和SF是两个具有强相关性的不同任务,它们分别表征了话语的句级语义信息和词级信息,这意味着两个任务的信息是异构的,同时具有不同的粒度.提出一种用于联合意图检测和槽位填充的异构交互结构,采用自注意力和图注意力网络的联合形式充分地捕捉两个相关任务中异构信息的句级语义信息和词级信息之间的关系.不同于普通的同构结构,所提模型是一个包含不同类型节点和连接的异构图架构,因为异构图涉及更全面的信息和丰富的语义,同时可以更好地交互表征不同粒度节点之间的信息.此外,为了更好地适应槽标签的局部连续性,利用窗口机制来准确地表示词级嵌入表示.同时结合预训练模型(BERT),分析所提出模型应用预训练模型的效果.所提模型在两个公共数据集上的实验结果表明,所提模型在意图检测任务上准确率分别达到了97.98%和99.11%,在槽位填充任务上F1分数分别达到96.10%和96.11%,均优于目前主流的方法.

关键词：对话系统口语理解异构图窗口机制意图检测槽位填充

小波分频自注意力Transformer图像去雨网络

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6期60卷 259-273页

作者：方思严刘斌湖北大学计算机与信息工程学院武汉430062

针对视觉Transformer对高频信息捕捉能力弱以及目前许多图像去雨方法易丢失细节的问题,提出小波分频自注意力Transformer图像去雨网络(WFDST-Net)。小波分频自注意力Transformer(WFDST)作为WFDST-Net的主要模块,其利用不可分提升小波变... 详细信息

针对视觉Transformer对高频信息捕捉能力弱以及目前许多图像去雨方法易丢失细节的问题,提出小波分频自注意力Transformer图像去雨网络(WFDST-Net)。小波分频自注意力Transformer(WFDST)作为WFDST-Net的主要模块,其利用不可分提升小波变换获取特征图的低频分量和高频分量,分别在低频和高频中进行自注意力交互,使模块从低频中学习恢复全局结构的能力,在高频中强化捕捉雨纹等线条细节的能力,增强对不同频域特征的建模能力。WFDST-Net采用U形架构并通过不可分提升小波变换获取多尺度特征,可在捕获不同形状高频雨纹的同时保证信息的完整性。相比其他图像去雨相关的Transformer,WFDST-Net具有更低的参数量。此外,提出VOCRain250数据集用于联合图像去雨和语义分割任务,该数据集比目前广泛使用的BDD150更具优势。实验表明,所提方法增强了视觉Transformer对不同频域信息的捕获能力,并在合成和真实数据集以及VOCRain250中的表现优于目前先进的去雨方法,能有效去除复杂雨纹并保留更多细节特征。

关键词：图像去雨 Transformer 自注意力不可分提升小波频域

在线全文

学校读者我要写书评

暂无评论

面向高密度交通场景的自动驾驶运动规划

计算机工程与应用 2024年第14期60卷 114-122页

作者：肖雨微姚溪子胡学敏罗显志湖北大学计算机与信息工程学院武汉430062

针对现有自动驾驶运动规划方法在提取状态信息时忽略了周边车辆交互、在高密度交通场景下规划效果不理想的问题,提出了一种联合图神经网络和深度强化学习的运动规划模型。基于图神经网络提出了一种自动驾驶车辆的交互式特征提取方法,再... 详细信息

针对现有自动驾驶运动规划方法在提取状态信息时忽略了周边车辆交互、在高密度交通场景下规划效果不理想的问题,提出了一种联合图神经网络和深度强化学习的运动规划模型。基于图神经网络提出了一种自动驾驶车辆的交互式特征提取方法,再基于双延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法从交互式特征中预测车辆的动作,从而实现运动规划。将所提模型与目前自动驾驶运动规划模型LSTM+TD3、TD3及深度确定性策略梯度(deep deterministic policy gradient,DDPG)模型进行对比,在PGDrive驾驶模拟器中进行训练和测试的实验结果表明,在高密度交通场景中,所提方法的训练奖励值和测试成功率相比于对比方法提升了约36%、43%、23%及13、19、53个百分点。表明所提方法能有效解决自动驾驶周边车辆的交互式信息感知问题,更好地实现自动驾驶运动规划。

关键词：自动驾驶运动规划交互式特征图神经网络强化学习

在线全文

学校读者我要写书评

暂无评论

一种利用跟踪信息的星载视频车辆检测方法

地球信息科学学报 2024年第10期26卷 2268-2281页

作者：李明范大昭董杨纪松李东子中国人民解放军战略支援部队信息工程大学郑州450001

卫星视频可快速提供城市级车辆动态信息,为城市信息学、智慧城市、城市发展规划等提供可靠数据。然而当前星载视频背景中包含大量噪声与伪运动目标,运动车辆呈现为暗弱微小的斑点,使得准确检测出运动车辆非常困难。为此,本文提出一种利... 详细信息

卫星视频可快速提供城市级车辆动态信息,为城市信息学、智慧城市、城市发展规划等提供可靠数据。然而当前星载视频背景中包含大量噪声与伪运动目标,运动车辆呈现为暗弱微小的斑点,使得准确检测出运动车辆非常困难。为此,本文提出一种利用跟踪信息的星载视频车辆检测方法。该方法首先利用D-LinkNet网络提取道路掩膜,剔除背景中噪声与伪运动目标的干扰;然后利用前景检测算法进行车辆初步检测;之后对初步检测结果进行帧间运动车辆跟踪,最后对因漏检而跟踪失败的运动车辆目标进行基于跟踪信息的区域精检测,获得高准确度的运动车辆目标。为了验证本文方法的有效性,对已有数据集进行更为精确的重注,新增2120个运动车辆目标,得到重注数据集。在重注数据集与吉林一号视频数据上,将本文方法与多种当前成熟方法进行了对比试验。试验结果表明:(1)本文检测方法可显著提升星载视频运动车辆检测召回率;且在所有试验中,均获得了最高F值;(2)在本文方法分步骤性能评估试验中,印证了本文方法掩膜对背景区域误检的剔除作用以及跟踪信息对漏检目标再次检测的促进作用;(3)在跟踪阶段测试试验中,本文方法获得了更好的多目标跟踪准确度和跟踪器身份维持能力。因此,本文方法在卫星视频的运动车辆检测中具有较好的稳健性,对城市级车辆动态信息获取提供了一种新的方法与思路。

关键词：视频卫星跟踪信息道路约束车辆检测多目标跟踪数据集重注吉林一号 KNN

一种高效的连续时序图注意力网络的交通预测模型

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：刘云翔梁智超上海应用技术大学计算机科学与信息工程学院

论文介绍了一种名为“基于连续时序的高效图注意力网络（T-EGAT）”的交通预测模型。该模型的创新性在于：1.不仅创新性的引入了一种更适合交通预测模型的高效多头自注意力机制（EMSA），优化了注意力机制的一些性能瓶颈；2.引入了一种... 详细信息

论文介绍了一种名为“基于连续时序的高效图注意力网络（T-EGAT）”的交通预测模型。该模型的创新性在于：1.不仅创新性的引入了一种更适合交通预测模型的高效多头自注意力机制（EMSA），优化了注意力机制的一些性能瓶颈；2.引入了一种线性时序模块，突破了固定步长时间窗口的限制，增加了特殊事件因素的观测范围；3.使用和图神经网络（GNN）替代传统的模型，更加准确迅速地构建交通事件中主体与相关影响因子的拓扑关系。通过与现有的16个基线模型相比，T-EGAT模型预测精度提升了2.77%-5.97%，时间成本降低了1.41%～2.3%，更加符合需要快速响应的实时交通预测的场景。该模型还通过不同的交通数据集展示了在不同环境下的适应性和灵活性。在理论和实践层面都展示了其创新性和有效性，为智慧交通以及自动驾驶的发展提供了新的视角和工具。

关键词：智能交通交通预测模型图神经网络交通流多头自注意力机制人工智能决策

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于邻域分布的去噪扩散概率模型

模式识别与人工智能 2024年第4期37卷 352-367页

作者：石洪波万博闻张赢山西财经大学信息学院太原030031 哈尔滨工程大学计算机科学与技术学院哈尔滨150009

样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vici... 详细信息

样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vicinal Distribution Based Denoising Diffusion Probabilistic Model,VD-DDPM)及相应算法.首先,分析样本有限表格型数据的特征,通过先验知识选择弱相关特征,并构建样本的邻域分布.然后,利用邻域分布采样数据构建VD-DDPM模型,并使用VD-DDPM数据生成算法生成符合原始数据分布且具有多样性的数据集.在多个数据集上针对数据生成质量、下游模型性能等进行实验,验证VD-DDPM的有效性.

关键词：数据增强邻域风险最小化邻域分布扩散模型表格型数据

单细胞TCR测序分析SARS-CoV-2感染患者不同感染时期免疫组库特征

在线全文

学校读者我要写书评

暂无评论

中国免疫学杂志 2024年第5期40卷 1096-1101页

作者：宁可高建龙马恩泽朱晓哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 烟台大学计算机与控制工程学院烟台264005

目的:采用单细胞测序的方法,分析SARS-CoV-2感染患者不同感染时期免疫组库特征,探讨其可能的发病机制。方法:利用NCBI数据库获得数据,设置对照组、进展组和康复组。使用RStudio、Origin、Hipliot和Excel软件对单细胞测序数据进行分析。... 详细信息

目的:采用单细胞测序的方法,分析SARS-CoV-2感染患者不同感染时期免疫组库特征,探讨其可能的发病机制。方法:利用NCBI数据库获得数据,设置对照组、进展组和康复组。使用RStudio、Origin、Hipliot和Excel软件对单细胞测序数据进行分析。结果:TCR在识别抗原和清除病毒的过程中发挥重要作用,免疫组库特征在不同感染时期有很大差异。细胞的克隆数量均超过26.92%。α链CDR3长度分布集中在14个氨基酸上,而β链集中在15个氨基酸上。V和J区基因片段使用频率不同,TRAV13-1、TRAJ20、TRBV20-1、TRBJ2-1等基因的使用频率差异有统计学意义(P<0.05)。进一步V-J基因组合分析显示,对照组和进展组、对照组和康复组的单链V-J对使用频率差异均有统计学意义(P<0.05)。对照组αβ双链V-J对使用频率最高的是TRAV19-J34-TRBV4-1-J2-1,进展组αβ双链V-J对使用频率最高的是TRAV12-1-J30-TRBV19-1-J2-1,康复组αβ双链V-J对使用频率最高的是TRAV12-2-J52-TRBV7-9-J1-5。结论:本研究分析免疫组库T细胞的全局特征,有助于理解SARSCoV-2感染患者的发病机制,使患者在感染初期及时得到有效的治疗。

关键词： T细胞受体免疫组库感染时期全局特征

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

融合预训练模型与注意力的事件抽取方法

计算机工程与应用 2024年

作者：肖立中殷晨旭上海应用技术大学计算机科学与信息工程学院

事件抽取旨在从大量无结构的文本中抽取出结构化的事件信息，然而现有的研究工作存在难以抽取重叠角色，子任务间缺乏交互以及语义特征表达能力不足的问题，该文针对上述问题提出了一种中文事件抽取模型PACJEE。该模型采用预训练语言模... 详细信息

事件抽取旨在从大量无结构的文本中抽取出结构化的事件信息，然而现有的研究工作存在难以抽取重叠角色，子任务间缺乏交互以及语义特征表达能力不足的问题，该文针对上述问题提出了一种中文事件抽取模型PACJEE。该模型采用预训练语言模型RoBERTa来提取文本特征，随后对文本进行事件类型分类，接着在触发词识别阶段，将提取到的事件类型先验特征与文本特征进行融合，并且使用自注意力机制获取内部特征相关性，在论元角色分类阶段引入卷积神经网络与注意力机制来加强触发词特征的表达能力，最后通过多层指针标注来进行重叠角色的识别。该方法在中文数据集ACE2005和DuEE上进行了实验分析，结果显示，相较于基准方法，在触发词分类上的F1值分别提升1.6%和0.5%，在论元角色分类上的F1值分别提升3.3%和2.5%，说明该模型能显著提升事件抽取效果，并且在一定程度上提升了对角色重叠事件的识别准确率。

关键词：事件抽取角色重叠特征融合注意力机制

基于多尺度网络与轴向注意力的3D目标检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：颜承志陈颖钟凯高寒上海应用技术大学计算机科学与信息工程学院

在3D目标检测中小目标诸如行人、骑行者的检测精确度较低，而这是自动驾驶感知系统中所存在的挑战性的问题。为了准确估计周围环境的状态从而提高行车安全，对Voxel-RCNN(Voxel Region-based Convolutional Neural Network)算法进行改... 详细信息

在3D目标检测中小目标诸如行人、骑行者的检测精确度较低，而这是自动驾驶感知系统中所存在的挑战性的问题。为了准确估计周围环境的状态从而提高行车安全，对Voxel-RCNN(Voxel Region-based Convolutional Neural Network)算法进行改进，提出一种基于多尺度网络与轴向注意力的3D目标检测算法。首先，在主干网络中构建多尺度网络和像素级融合模块(PFM)，获取更丰富和精准的特征表示，增强其在复杂场景的鲁棒性和泛化能力；其次，设计适用具有3D空间维度特征的轴向注意力，应用于感兴趣区域(RoI)多尺度池化特征，有效捕捉局部和全局特征的同时保留3D空间结构中的重要信息，提升了目标检测和分类的精度和效率；最后，将一种旋转解耦的交并比(RDIoU)方法纳入回归和分类分支，使网络学习更精确的边界框，并克服分类和回归之间的对齐问题。根据KITTI公开数据集上的实验结果表明，所提算法在行人和骑行者的平均精度均值(mAP)达到了62.25%、79.36%，与基准算法Voxel-RCNN相比提高了4.02、3.15个百分点，验证了改进算法在难感知目标检测上的有效性。

关键词： 3D目标检测多尺度网络特征融合轴向注意力损失函数