检索结果-南通市图书馆

融合趋势嵌入和粒度增强网络的小样本医学时间序列预测

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第6期36卷 948-959页

作者：于敬楠张春霞薛新月薛晓军牛振东北京理工大学计算机学院北京100081

随着大数据分析和深度学习的迅猛发展,时间序列预测方法被广泛应用于医学、金融、气象和交通等领域,为众多应用任务提供决策支持.针对小样本医学数据特征维度低和现有深度学习方法易于造成过拟合问题,研究小样本医学时间序列预测任务,... 详细信息

随着大数据分析和深度学习的迅猛发展,时间序列预测方法被广泛应用于医学、金融、气象和交通等领域,为众多应用任务提供决策支持.针对小样本医学数据特征维度低和现有深度学习方法易于造成过拟合问题,研究小样本医学时间序列预测任务,提出融合趋势嵌入和粒度增强网络的预测方法.首先在卷积神经网络的框架下,粒度增强网络分别从时间维度和特征维度将医学时间序列数据提升为三维张量;然后以医学时间序列样本的一阶差分作为方向向量,基于方向导数生成趋势嵌入表征;再构建静态空间邻接矩阵和动态时间邻接矩阵,并通过时空图卷积网络学习时空嵌入表征;最后将构建的时空嵌入、预测嵌入和趋势嵌入整合到基于图卷积网络、门控循环单元和残差网络的网络架构之中,实现医学时间序列预测.在Cancer,ILI,Baries和COVID-19这4个数据集上的实验结果表明,与预测结果最佳的基线模型T-GCN相比,所提方法在每个数据集的MAE,MAPE和RMSE这3个评价指标上分别降低34.0607,0.0107,70.6728;11.1808,0.0950,20.7285;0.3546,0.1127,0.4553和449.2437,0.0144,1174.7273,其性能优于基线方法,验证了该方法的可行性及有效性.

关键词：时间序列预测趋势嵌入粒度增强网络时空图卷积网络

面向肺炎CT图像识别的DL-CTNet模型

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第1期36卷 122-132页

作者：王威黄文迪王新王珑润长沙理工大学计算机与通信工程学院长沙410114

肺炎常缺乏明显呼吸系症状,症状多不典型,易发生漏诊、错诊.利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径.针对COVID-19感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点,提出一种可有效地提取CT图像中的局部... 详细信息

肺炎常缺乏明显呼吸系症状,症状多不典型,易发生漏诊、错诊.利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径.针对COVID-19感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点,提出一种可有效地提取CT图像中的局部与全局特征的轻量级模型——DL-CTNet.输入预处理的CT图像后,首先采用空洞卷积和动态双路径多尺度特征融合(D-DMFF)模块的2个支路提取浅层特征;然后使用局部与全局特征拼接模块(LGFC)中的D-DMFF模块提取局部特征、Swin Transformer提取全局特征,并通过拼接获得深层特征;最后经过全连接层输出分类标签.实验结果表明,在2个CT图像数据集上,验证了LGFC模块以及DL-CTNet的低复杂度与有效性;DL-CTNet的分类准确率高达98.613%,与其他方法相比,其能更准确地识别肺炎的CT图像.

关键词：肺炎胸部CT图像卷积神经网络 Transformer

在线全文

学校读者我要写书评

暂无评论

一种改进近端优化的多目标流QoS调度策略

应用科学学报 2024年第3期42卷 499-512页

作者：刘星彤郑红黄建华华东理工大学计算机科学与工程系上海200237

软件定义网络可以搭载灵活的流调度策略来提升网络服务系统的服务质量,但随着业务流量复杂度的提升,现有的流调度算法会因场景匹配度的下降而导致性能受到影响。为此提出一种基于深度强化学习的智能路由策略。该策略通过软件定义网络收... 详细信息

软件定义网络可以搭载灵活的流调度策略来提升网络服务系统的服务质量,但随着业务流量复杂度的提升,现有的流调度算法会因场景匹配度的下降而导致性能受到影响。为此提出一种基于深度强化学习的智能路由策略。该策略通过软件定义网络收集各链路信息,基于长短期记忆网络与近端策略优化算法实现特征提取与状态感知,最终决策生成符合业务场景下服务质量(quality of service,QoS)目标的动态流量调度策略,并实现QoS最大化。实验结果表明,所提的方案与现有的路由策略相比可以使整套系统QoS指标提升7.06%,有效地提升了业务系统的吞吐率。

关键词：深度强化学习服务质量路由优化软件定义网络在线调度

在线全文

学校读者我要写书评

暂无评论

基于误差补偿的多模态协同交通流预测模型

电子学报 2024年第8期52卷 2878-2890页

作者：吴宇轩虞慧群范贵生华东理工大学计算机科学与工程系上海200237

交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensatio... 详细信息

交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensation,MCEC).针对传统预测模型不能兼顾时间序列和协变量的问题,提出基于小波分析的特征拓展方法,该方法引入聚类算法得到节假日标签特征,将拥堵指数、交通事故图、天气信息作为拓展特征,对特征进行多尺度分解.在训练阶段,为达到充分学习各部分数据、最优匹配模型的效果,采用差分整合移动平均自回归模型(Autoreg Ressive Integrated Moving Average Model,ARIMA)、长短期记忆神经网络(Long Short-Term Memory network,LSTM)、限制动态时间规整技术(Dynamic Time Warping,DTW)以及自注意力机制(Self-Attention),设计了多模态协同模型训练.在误差补偿阶段,将得到的相应过程值输入基于支持向量机回归(Support Vector Regression,SVR)的误差补偿模块,对各分量的误差进行学习、补偿,并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证,在多个时间间隔下对比实验结果表明,MCEC在交通流量预测中的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到17.02%,比LSTM-SVR、ConvLSTM(Convolutional Long Short-Term Memory network)、ST-GCN(Spatial Temporal Graph Convolutional Networks)、MFFB(Multi-stream Feature Fusion Block)、Transformer等预测模型具有更高的预测精度,MCEC模型具有较好的有效性与合理性.

关键词：交通流预测误差补偿多模态协同长短期记忆神经网络差分整合移动平均自回归模型

一种过零单边干涉图加权切趾函数对太阳观测中傅里叶变换光谱的影响分析

在线全文

学校读者我要写书评

暂无评论

光学技术 2024年第2期50卷 167-173页

作者：于子航冯松昆明理工大学信息工程与自动化学院计算机系云南昆明650500 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

傅里叶变换光谱仪(FTS)因其出色的光谱分辨率而广泛用于太阳活动的观测。在使用过零单边干涉图进行光谱复原时,可能会出现频率泄漏、旁瓣效应以及对零光程差附近的采样数据重复利用,从而导致光谱线的平滑和畸变等问题。为了获得更准确... 详细信息

傅里叶变换光谱仪(FTS)因其出色的光谱分辨率而广泛用于太阳活动的观测。在使用过零单边干涉图进行光谱复原时,可能会出现频率泄漏、旁瓣效应以及对零光程差附近的采样数据重复利用,从而导致光谱线的平滑和畸变等问题。为了获得更准确的太阳光谱数据,必须对过零单边干涉图进行加权和切趾操作。对此,文章采用了一种奇次多项式非对称加权切趾函数来处理过零单边干涉图,并探讨了使用不同的切趾函数构建非对称加权切趾函数进行光谱恢复的效果。模拟数据实验的结果表明采用奇次多项式非对称加权切趾函数可以有效地恢复光谱。此外,与Griffiths、相里斌以及***提出的加权切趾方法相比,文章中提出的方法表现出较小的误差。最后,将所提出的方法应用于Bruker IFS-125HR FTS采集的干涉图数据,与其他切趾方法相比,使用文中提出的方法可以有效地恢复光谱。

关键词：傅里叶光谱仪过零单边干涉图奇次多项式非对称加权切趾函数

在线全文

学校读者我要写书评

暂无评论

基于深度学习单阶段算法的䗴类化石检测

地球科学 2024年第3期49卷 1154-1164页

作者：奚园园王永茂芦碧波邢智峰侯广顺河南理工大学计算机科学与技术学院河南焦作454003 河南理工大学资源环境学院河南焦作454003

䗴化石是石炭纪、二叠纪重要的标准化石,其详细的鉴定工作对确定地质时代和划分石炭系‒二叠系具有重要意义.鉴于目前䗴类化石检测方法的局限性,提出一种基于深度学习单阶段算法的䗴类化石检测.以䗴类化石为研究对象,对原始模型进行分析,之... 详细信息

䗴化石是石炭纪、二叠纪重要的标准化石,其详细的鉴定工作对确定地质时代和划分石炭系‒二叠系具有重要意义.鉴于目前䗴类化石检测方法的局限性,提出一种基于深度学习单阶段算法的䗴类化石检测.以䗴类化石为研究对象,对原始模型进行分析,之后联合优化权重损失函数和BN层尺度因子的L1正则化等方式进行通道剪枝,再使用知识蒸馏使剪枝后模型恢复检测性能.实验结果表明,该方法可实现薄片图像中䗴类所在区域的定位和分类,平均精度均值达到98.1%,满足实时检测模型的要求,并且剪枝后参数量压缩了74.1%,解决了真实场景中存在的算力缺乏等问题.该方法能够有效保证䗴类化石的检测效果,同时扩展了该模型在嵌入式设备的适用范围,为深度学习在古生物化石图像的智能识别方面提供更多可能性.

关键词：䗴类化石深度学习目标检测石炭系-二叠系知识蒸馏地层学

在线全文

学校读者我要写书评

暂无评论

基于多粒度网络预测增强子-启动子相互作用

华东理工大学学报（自然科学版） 2024年第1期50卷 106-113页

作者：刘志豪王会青李浩琳韩家乐太原理工大学信息与计算机学院太原030600

准确识别增强子-启动子相互作用(EPIs)对疾病来源追踪和发展基因疗法有重要意义。现有预测方法缺乏对序列不同粒度信息的关注,提取增强子、启动子序列包含的不同粒度特征有助于从多层级分析EPIs。因此,提出EPIs预测模型EPI-PBGA(Paralle... 详细信息

准确识别增强子-启动子相互作用(EPIs)对疾病来源追踪和发展基因疗法有重要意义。现有预测方法缺乏对序列不同粒度信息的关注,提取增强子、启动子序列包含的不同粒度特征有助于从多层级分析EPIs。因此,提出EPIs预测模型EPI-PBGA(Parallel BiGRU Attention Network),分别通过卷积子网络和双层双向门循环单元(BiGRU)注意子网络提取序列的细粒度、粗糙粒度特征。基于EPIs普遍存在的细胞特异性,在不同细胞系进行粒度选择,选定最优粗糙粒度,同时通过双层BiGRU注意网络提取元件子序列中存在的多种关联特征。实验结果表明,EPI-PBGA在6个基准数据集表现出较好性能,有效预测EPIs。

关键词：增强子-启动子相互作用多粒度双向门循环单元特征融合注意力机制

维普期刊数据库博看期刊

基于双Transformer结构的多模态视频段落描述生成研究

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

作者：赵宏张立军兰州理工大学计算机与通信学院

针对现有视频段落描述方法对视频中主要事件的关注度不足与多事件描述之间缺乏连贯性的问题，在现有编码器-解码器框架的基础上，提出了一种基于双Transformer结构的多模态视频段落描述模型。采用Faster-RCNN对视频中心帧目标进行细粒... 详细信息

针对现有视频段落描述方法对视频中主要事件的关注度不足与多事件描述之间缺乏连贯性的问题，在现有编码器-解码器框架的基础上，提出了一种基于双Transformer结构的多模态视频段落描述模型。采用Faster-RCNN对视频中心帧目标进行细粒度特征提取，由混合注意力结合全局视觉特征选择最具代表性的细粒度局部视觉特征，对视频中主要事件信息进行补充与增强，提高视频内容描述的准确性；提出在Transformer结构中增加存储模块与混合注意力模块，并设计了双Transformer结构，内部Transformer对事件内一致性进行建模，外部Transformer由混合注意力计算与当前事件最相关的状态建模事件间的一致性，结合内外部Transformer的输出对事件内容进行预测，提高生成描述语句的连贯性。在ActivityNet Captions数据集和YouCookII数据集上的实验结果表明，所提模型在BLEU-4、METEOR、ROUGE-L和CIDEr指标上相较于现有主流视频段落描述模型有明显提升，验证了模型的有效性。

关键词：视频段落描述编码器-解码器结构细粒度局部视觉特征双Transformer结构

基于SSA-ELM神经网络的室内可见光定位系统

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光通信研究 2024年

作者：贾科军牛振于凯张志聪彭铎曹明华兰州理工大学计算机与通信学院

【目的】针对极限学习机（ELM）神经网络在室内可见光定位中收敛不稳定，易陷入局部最优状态，导致定位精度降低的问题。【方法】文章引入麻雀搜索算法（SSA）确定ELM神经网络的初始权值和阈值，提出SSA-ELM神经网络算法。首先，采集定... 详细信息

【目的】针对极限学习机（ELM）神经网络在室内可见光定位中收敛不稳定，易陷入局部最优状态，导致定位精度降低的问题。【方法】文章引入麻雀搜索算法（SSA）确定ELM神经网络的初始权值和阈值，提出SSA-ELM神经网络算法。首先，采集定位区域内接收信号强度（RSS）与位置信息作为指纹数据。然后，训练SSA-ELM神经网络并得到预测模型，将测试集数据输入预测模型得到待测位置的定位结果。最后，设计了仿真实验和测试平台。【结果】仿真结果表明，在立体空间模型0、0.3、0.6和0.9 m4个接收高度，平均误差分别为1.73、1.86、2.18和3.47 cm，与BP、SSA-BP、ELM定位算法相比，SSA-ELM定位精度分别提高了83.55%、45.71%和26.26%，定位时间分别减少了36.48%、17.69%和6.61%。实验测试表明，SSA-ELM神经网络算法的平均定位误差为3.75 cm，比未优化的ELM神经网络定位精度提高了16.38%。【结语】SSA算法对ELM神经网络具有明显的优化作用，能够显著降低定位误差，减少定位时间。

关键词：可见光通信室内定位极限学习机神经网络麻雀搜索算法