检索结果-南通市图书馆

非完美信息博弈综述:对抗求解方法与对比分析

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年第9期47卷 2211-2246页

作者：余超刘宗凯胡超豪黄凯奇张俊格中山大学计算机学院广州510006 中国科学院自动化研究所智能系统与工程研究中心北京100190

当前,人工智能成为经济发展的新引擎,是新一轮产业变革的核心驱动力.结合人工智能与博弈论形成的新兴研究领域“博弈智能”吸引了越来越多学者的研究兴趣,并在现实生活中得到了广泛应用.作为一类典型的博弈智能,非完美信息博弈通过建模... 详细信息

当前,人工智能成为经济发展的新引擎,是新一轮产业变革的核心驱动力.结合人工智能与博弈论形成的新兴研究领域“博弈智能”吸引了越来越多学者的研究兴趣,并在现实生活中得到了广泛应用.作为一类典型的博弈智能,非完美信息博弈通过建模多智能体在私有信息下的博弈行为,能够刻画相较完美信息博弈更广泛的决策过程,在现实世界中具有广泛应用,例如金融贸易、商业谈判、军事对抗等.近年来,非完美信息博弈求解研究取得了突破性进展,涌现出以遗憾最小化(Regret Minimization)和最佳响应(Best Response)为核心技术的两大类离线求解方法.前者通过反省智能体过往决策以使自身策略向均衡点改进,成功解决了以德州扑克为代表的经典非完美信息博弈.后者通过特定应对方式针对对手决策以使自身策略向均衡点改进,在例如星际争霸、DOTA等大型实时战略游戏AI训练中发挥着关键作用.此外,一系列在线求解方法能够进一步实时优化离线算法求解所得的蓝图策略,使其在实时对局中得到进一步改进,成为求解非完美信息博弈的关键技术.本文将从非完美信息博弈的概念和特点切入,全面介绍这三类方法的基本原理、发展脉络和改进技巧,深入对比不同方法间的优缺点并展望未来研究方向.希望通过对非完美信息博弈求解这一研究领域的全方位细致梳理,能够进一步推动博弈智能技术向前发展,为迈向通用人工智能赋能.

关键词：非完美信息博弈遗憾最小化最佳响应在线求解强化学习

在线全文

学校读者我要写书评

暂无评论

多智能体深度强化学习的图像特征分类方法

计算机工程与应用 2024年第7期60卷 222-228页

作者：张泽崴张建勋邹航李林南海重庆理工大学计算机科学与工程学院重庆400054

为解决在图像特征识别分类等机器学习任务中,存在输入图像数据复杂度过高且与部分数据与特征无关的问题,提出了一种多智能体深度强化学习的图像特征分类方法。将图像特征分类任务转化为一个部分可观测的马尔可夫决策过程。通过使用多个... 详细信息

为解决在图像特征识别分类等机器学习任务中,存在输入图像数据复杂度过高且与部分数据与特征无关的问题,提出了一种多智能体深度强化学习的图像特征分类方法。将图像特征分类任务转化为一个部分可观测的马尔可夫决策过程。通过使用多个移动的同构智能体去收集部分图像信息,并研究智能体如何形成对图像的局部理解并采取行动,以及如何从局部观察的图像中提取相关特征并分类,以此降低数据复杂性和过滤掉不相关数据。通过改进的值函数分解方法训练智能体策略网络,对环境的全局回报按照每个智能体的贡献进行拆分,解决智能体的信度分配问题。该方法在MNIST手写数字数据集和NWPU-RESISC45遥感图像数据集上进行了验证,相比基线算法能够学习到更加有效的联合策略,分类过程拥有更好的稳定性,同时精确率也有提升。

关键词：多智能体图像特征分类深度强化学习值函数分解

在线全文

学校读者我要写书评

暂无评论

多模态知识图谱融合技术研究综述

计算机工程与应用 2024年第13期60卷 36-50页

作者：陈囿任李勇温明孙驰新疆师范大学计算机科学技术学院乌鲁木齐830054 新疆电子研究所乌鲁木齐830013

多模态知识图谱融合了视觉、文本等多种模态信息,并以图的形式展现知识结构。随着人工智能的发展,多模态知识图谱在推荐系统、智能问答和知识搜索等领域发挥了重要作用。与传统知识图谱相比,多模态知识图谱可以多维度理解和展现知识,有... 详细信息

多模态知识图谱融合了视觉、文本等多种模态信息,并以图的形式展现知识结构。随着人工智能的发展,多模态知识图谱在推荐系统、智能问答和知识搜索等领域发挥了重要作用。与传统知识图谱相比,多模态知识图谱可以多维度理解和展现知识,有更好的表示和应用能力。为了深入研究多模态知识图谱,对多模态知识图谱价值及类别进行了详细的分析与阐述,根据多模态知识图谱构建中融合方法的不同,从多源异构数据文本转换、表示学习、实体对齐、特征抽取方面进行对比和总结,重点对跨模态知识图谱融合技术分类叙述。对多模态知识图谱的应用进展进行了分析,并探讨了多模态知识图谱的局限性,提出了多模态知识图谱领域今后的研究方向。

关键词：多模态知识图谱语言模型融合技术预训练技术

在线全文

学校读者我要写书评

暂无评论

多尺度语义信息无监督山水画风格迁移网络

计算机工程与应用 2024年第4期60卷 258-269页

作者：周粤川张建勋董文鑫高林枫倪锦园重庆理工大学计算机科学与工程学院重庆400054

针对图像转换类的生成对抗网络在处理无监督风格迁移任务时存在的纹理杂乱、生成图像质量差的问题,基于循环一致性损失提出了循环矫正多尺度评估生成对抗网络。首先在网络架构的设计上,基于图像的三层语义信息提出了多尺度评估网络架构... 详细信息

针对图像转换类的生成对抗网络在处理无监督风格迁移任务时存在的纹理杂乱、生成图像质量差的问题,基于循环一致性损失提出了循环矫正多尺度评估生成对抗网络。首先在网络架构的设计上,基于图像的三层语义信息提出了多尺度评估网络架构,以此强化源域到目标域的迁移效果;其次在损失函数的改进上,提出了多尺度对抗损失以及循环矫正损失,用于以更严苛的目标引导模型的迭代优化方向,生成视觉质量更好的图片;最后为了预防模式崩溃的问题,在风格特征的编码阶段添加了注意力机制以提取重要的特征信息,在网络的各阶段引入ACON激活函数以加强网络的非线性表达能力,避免神经元坏死。实验结果表明,相比于CycleGAN、ACL-GAN,所提出方法在山水画风格迁移数据集上的FID值分别降低了21.80%和34.33%;为了验证模型的泛化能力,在Vangogh2Photo和Monet2Photo两个公开数据集上进行了泛化实验对比,FID值相比于两个对照网络分别降低了7.58%、18.14%和4.65%、6.99%。

关键词：无监督风格迁移生成对抗网络(GAN) 多尺度评估 CycleGAN

基于新型元启发式BP神经网络的500kV覆冰输电线路力学响应预测研究

在线全文

学校读者我要写书评

暂无评论

应用基础与工程科学学报 2024年第1期32卷 100-122页

作者：苏仁斌熊卫红刘先珊张林于明智周庆曹明宇国家电网有限公司华中分部湖北武汉430072 重庆大学土木工程学院重庆400045 国网重庆市电力公司电力科学研究院重庆401121 重庆大学计算机学院重庆400045 国网湖南超高压输电公司湖南衡阳421002

覆冰高压输电线路塔体高、跨度大,断线、倒塔、舞动等事故频发,现有的监测设备量少,不足以及时反映其力学响应特征,提高覆冰线路的事前预警准确性是运维关键.以某500kV典型覆冰塔线体系为研究对象,结合在线监测信息验证该模型的合理性,... 详细信息

覆冰高压输电线路塔体高、跨度大,断线、倒塔、舞动等事故频发,现有的监测设备量少,不足以及时反映其力学响应特征,提高覆冰线路的事前预警准确性是运维关键.以某500kV典型覆冰塔线体系为研究对象,结合在线监测信息验证该模型的合理性,基于三维有限元提出计算杆塔力学响应的代理模型,快速获得了不同覆冰工况的杆塔位移及应力值,形成力学响应数据库,并提出基于新型元启发式即浣熊优化算法(COA)BP神经网络的覆冰线路力学响应预测方法.对比了4种优化算法在23个测试函数中的进化能力、收敛速度及收敛精度,说明浣熊优化算法对复杂问题全局最优求解的高效性,并开展了不同训练样本数的正弦函数和余弦函数的仿真研究,阐明了COA进化神经网络计算更准确,且更快收敛于最优解.进一步,以覆冰输电线路力学响应的主控因子及塔顶位移为网络输入,以杆塔最大位移、最大拉应力及最大压应力为网络输出,基于风向角45°的监测数据集验证预测模型的学习泛化能力,并对比其他4种进化神经网络模型的预测值,再次阐明了该预测模型的优势.最后将该模型应用于风向角180°的塔线体系力学响应预测,其预测值均与实际覆冰工况的杆塔位移及应力值吻合,特别是不同覆冰工况的力学响应变化曲线再次验证了上述预测模型的可行性.可见,基于新型元启发式BP神经网络模型可实现覆冰高压塔线体系力学响应预测的实时性、高效性和准确性,为输电线路实时健康评估及事前预测预警提供了技术支持.

关键词：覆冰塔线体系新型元启发算法浣熊优化算法进化神经网络模型力学响应预测模型

在线全文

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

用于组织病理图像分类的端到端注意力池化方法

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第7期49卷 1070-1078,F0002页

作者：刘娟左志群陈玉琦肖笛庞宝川曹得华武汉大学计算机学院人工智能研究所湖北武汉430072 武汉大学兰丁病理诊断人工智能中心湖北武汉430072

近年来,有很多基于深度学习的分类模型被提出。由于组织病理图像的尺寸极大,现有方法一般先将其切割为很多等尺寸的小图像块(切块),再构建分类模型。分类模型首先提取各切块的特征,然后采用池化等方法将各切块特征融合为整个病理组织图... 详细信息

近年来,有很多基于深度学习的分类模型被提出。由于组织病理图像的尺寸极大,现有方法一般先将其切割为很多等尺寸的小图像块(切块),再构建分类模型。分类模型首先提取各切块的特征,然后采用池化等方法将各切块特征融合为整个病理组织图像的特征表示,并对图像进行分类。其中切块特征的提取与后续的特征融合与分类过程互相独立,导致模型无法根据后续的分类结果反馈自适应学习切块特征,因此无法确保得到最有利于图像分类的特征。为解决上述问题,提出了一种基于切块打分模型的端到端注意力池化的病理图像分类方法。首先,基于多示例学习方法构造一个切块打分模型对每个切块进行打分,根据得分选择部分切块;然后,再采用注意力池化机制融合被选的部分切块的特征构建分类模型。同时,根据病理图像特点,提出在注意力池化机制中采用自定义的平方平均函数进行权重归一化,使阳性病理图像中得分高的切块获得更多关注,让分类结果具有更好的可解释性。在公开的CAMELYON16和BACH数据集上分类的F1分数分别达到了0.644和0.593,结果表明,深度学习模型中采用所提出的端到端注意力池化方法比采用其他池化方法可达到更优的分类性能,这证明了所提方法在病理图像分类应用中的有效性。

关键词：组织病理图像分类注意力池化端到端模型切块打分归一化函数

在线全文

学校读者我要写书评

暂无评论

面向图像分析领域的黑盒对抗攻击技术综述

计算机学报 2024年第5期47卷 1138-1178页

作者：武阳刘靖内蒙古大学计算机学院呼和浩特010021

图像领域下的黑盒攻击(Black-box Attack)已成为当前深度神经网络对抗攻击领域的热点研究方向.黑盒攻击的特点在于仅利用模型输入与输出的映射关系,而无需模型内部参数信息及梯度信息,通过向图像数据加入人类难以察觉的微小扰动,进而造... 详细信息

图像领域下的黑盒攻击(Black-box Attack)已成为当前深度神经网络对抗攻击领域的热点研究方向.黑盒攻击的特点在于仅利用模型输入与输出的映射关系,而无需模型内部参数信息及梯度信息,通过向图像数据加入人类难以察觉的微小扰动,进而造成深度神经网络(Deep Neural Network,DNN)推理与识别失准,导致图像分析任务的准确率下降,因此由黑盒攻击引起的鲁棒性问题成为当前DNN模型研究的关键问题.为提高黑盒攻击在图像分析任务下的攻击成效,现有相关研究以低查询次数、低扰动幅度、高攻击成功率作为优化目标,针对不同图像分析任务采用不同的攻击模式与评估方式.本文以主流的图像分析任务为出发点,阐述图像分类、目标检测与图像分割三类任务中黑盒攻击算法的核心思想和难点,总结黑盒对抗攻击领域中的关键概念与评估指标,分析不同图像分析任务中黑盒对抗攻击的实现策略与研究目标.阐明各个黑盒攻击算法间的关系与优势,从攻击成功率、查询次数以及相似性度量等多个方面对不同的黑盒攻击算法进行性能比较,以提出目前图像分析领域中黑盒对抗攻击仍存在的主要挑战与未来研究方向.

关键词：黑盒对抗攻击深度神经网络鲁棒性图像分类目标检测图像分割

在线全文

学校读者我要写书评

暂无评论

数据库索引调优技术综述

计算机研究与发展 2024年第4期61卷 929-954页

作者：赖思超吴小莹彭煜玮彭智勇武汉大学计算机学院武汉430072 武汉大学大数据研究院武汉430072

索引调优是数据库调优的重要组成部分,一直受到广泛关注.由于索引调优问题的理论复杂性和大数据时代的到来,通过DBA手动调优的方案已经无法满足现代数据库的发展需求,调优方案逐渐开始向自动化、智能化的方向发展.随着机器学习技术的发... 详细信息

索引调优是数据库调优的重要组成部分,一直受到广泛关注.由于索引调优问题的理论复杂性和大数据时代的到来,通过DBA手动调优的方案已经无法满足现代数据库的发展需求,调优方案逐渐开始向自动化、智能化的方向发展.随着机器学习技术的发展,越来越多的索引选择方案开始引入机器学习技术,并取得了一定的研究成果.将索引调优问题的解决方案归结为一种基于搜索的调优范式,归纳了其研究内容,阐述了其面临的挑战,对调优范式内的索引配置空间的生成、索引配置的评价以及索引配置的枚举与搜索3方面的研究成果进行了归纳、总结和对比.对动态工作负载下的索引选择问题(index selection problem,ISP)所面临的新挑战进行了分析,并基于在线反馈控制回路框架对其解决方案进行梳理.讨论了索引调优工具的发展与现状,通过对现有研究的分析论述,为后来研究者提供参考和研究思路,并对索引选择方案的未来进行了展望.

关键词：数据库索引索引选择索引调优性能调优机器学习