检索结果-维普期刊中文期刊服务平台

基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法被引量：3: 1; 作者罗佳李朝锋《控制理论与应用》 EI CAS CSCD 北大核心 2024年第6期1123-1136,共14页; 需求可拆分车辆路径问题(SDVRP)出现在广泛的物流配送场景中,具有重要的研究价值.高效的SDVRP优化算法能够提高车辆装载率,降低物流配送成本.为提高SDVRP的求解效率,本文提出基于残差图卷积神经网络(RGCN)和多头注意力的深度强化学习算... 展开更多; 关键词需求可拆分车辆路径问题残差图卷积神经网络注意力机制深度强化学习; 在线阅读下载PDF 职称材料

基于残差图卷积深度网络的电网无功储备需求快速计算方法被引量：8: 2; 作者陈光宇袁文辉 +2 位作者徐晓春戴则梅闪鑫《电工技术学报》 EI CSCD 北大核心 2023年第17期4683-4700,共18页; 针对电网无功储备需求计算复杂度高、耗时长的问题,提出一种基于残差图卷积深度网络考虑冗余样本特征削减的电网无功储备需求快速计算方法。该文首先,给出一种基于深度学习的电网无功储备需求快速计算框架,采用残差图卷积深度神经网络(G... 展开更多; 关键词残差图卷积神经网络无功储备需求计算样本削减策略矩阵奇异值序列双尺度相似性; 在线阅读下载PDF 职称材料

基于相似网络融合算法的癌症亚型预测: 3; 作者张晓茜李东喜《计算机科学》 CSCD 北大核心 2024年第S01期627-633,共7页; 从基因表达数据中挖掘基因之间的相互作用关系,构建基因调控网络,是生物信息学中重要的研究课题之一。但目前流行的神经网络在其架构中仅考虑基因之间的交互和关联,不考虑患者之间的交互和关联。为此,提出了一种基于加权基因相似网络和... 展开更多; 关键词加权基因相似网络样本相似网络残差图卷积网络 L1正则癌症亚型预测; 在线阅读下载PDF 职称材料

基于ResGCN的比特币混币交易地址识别研究: 4; 作者邱雨蝶汤艳君 +1 位作者戴熙来王子晨《信息安全研究》北大核心 2025年第7期603-610,共8页; 比特币以其去中心化的点对点匿名性质而受到关注,但其伪匿名性使得交易仍可追踪,为满足用户对隐私的更高要求,混币交易应运而生.然而,混币交易使得比特币资金追踪变得更加困难,同时也成了协助犯罪分子非法洗钱的帮凶.为了预防和打击洗... 展开更多; 关键词比特币混币交易地址残差图卷积网络自注意力机制多层感知器; 在线阅读下载PDF 职称材料

面向癌症亚型预测的多组学AI模型: 5; 作者曹云芳李东喜《计算机工程与设计》北大核心 2024年第8期2454-2460,共7页; 针对癌症亚型预测中仅使用单组学数据信息有限的问题,提出一种基于稀疏自编码器和相似网络融合的多组学癌症分型预测模型(multi-omics sparse auto-encoder, MOSAE)。利用稀疏自编码器提取患者特征向量,应用相似网络融合方法构建患者的... 展开更多; 关键词稀疏自编码器残差图卷积网络相似网络融合多组学数据癌症亚型多模态特征提取; 在线阅读下载PDF 职称材料

题名基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法被引量：3: 1; 作者罗佳李朝锋; 机构上海海事大学物流科学与工程研究院; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2024年第6期1123-1136,共14页; 基金国家自然科学基金项目(62176150)资助。; 文摘需求可拆分车辆路径问题(SDVRP)出现在广泛的物流配送场景中,具有重要的研究价值.高效的SDVRP优化算法能够提高车辆装载率,降低物流配送成本.为提高SDVRP的求解效率,本文提出基于残差图卷积神经网络(RGCN)和多头注意力的深度强化学习算法(REINFORCE),逐步构建可行解序列.首先,从强化学习的角度出发,文章对SDVRP建立马尔科夫决策模型,定义序列预测过程的环境状态、智能体动作空间、状态转移函数等.其次,建立编–解码模型求解节点选择策略,其中使用残差图卷积神经网络的编码器重构配送中心和客户节点的特征,将配送网络中节点间的连接关系与节点特征相互关联,获得差异性显著的特征嵌入向量;利用注意力网络解码器在重构后的嵌入向量基础上融合动态变化的车辆剩余装载量和客户需求等信息执行解码任务,实现每次迭代为单个案例提供多个可行解.最后,提出基于平均基准值的REINFORCE算法更新模型参数,通过求解不同问题规模测试集、标准SDVRP数据集,以及京东物流实际配送任务,验证了所提算法的有效性.; 关键词需求可拆分车辆路径问题残差图卷积神经网络注意力机制深度强化学习; Keywords the split delivery vehicle routing problem the residual graph convolutional network the attention mechanism deep reinforcement learning; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] U492.22 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于残差图卷积深度网络的电网无功储备需求快速计算方法被引量：8: 2; 作者陈光宇袁文辉徐晓春戴则梅闪鑫; 机构南京工程学院电力工程学院国网江苏省电力有限公司淮安供电分公司南瑞集团公司(国网电力科学研究院); 出处《电工技术学报》 EI CSCD 北大核心 2023年第17期4683-4700,共18页; 基金智能电网保护和运行控制国家重点实验室资助(SGNR0000KJJS2302148)。; 文摘针对电网无功储备需求计算复杂度高、耗时长的问题,提出一种基于残差图卷积深度网络考虑冗余样本特征削减的电网无功储备需求快速计算方法。该文首先,给出一种基于深度学习的电网无功储备需求快速计算框架,采用残差图卷积深度神经网络(GCNII)对电网无功储备需求计算进行建模;其次,为克服传统相似性计算方法在拓扑属性样本度量问题上的局限,提出一种双尺度相似性度量方法,基于矩阵奇异值序列的余弦距离实现对拓扑结构样本的相似性度量;最后,提出一种冗余样本削减策略,基于双尺度相似性度量方法,结合改进谱聚类算法实现对样本集合的分层聚类,并通过样本局部密度分析,实现在维持数据集特征多样性的情况下,对冗余样本进行有效削减,提升模型训练效率。所提算例采用IEEE标准节点系统进行仿真,计算结果表明,该方法能够实现在模型计算精度基本不变的情况下大幅提升模型训练效率。; 关键词残差图卷积神经网络无功储备需求计算样本削减策略矩阵奇异值序列双尺度相似性; Keywords Residual graph convolutional neural network reactive power reserve demand calculation sample reduction strategy matrix singular value sequence two scale similarity; 分类号 TM734 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于相似网络融合算法的癌症亚型预测: 3; 作者张晓茜李东喜; 机构太原理工大学数学学院太原理工大学大数据学院; 出处《计算机科学》 CSCD 北大核心 2024年第S01期627-633,共7页; 基金国家自然科学基金项目(11571009) 山西省应用基础研究项目(201901D111086) +1 种基金山西省回国留学人员科研资助项目(2022-074)。; 文摘从基因表达数据中挖掘基因之间的相互作用关系,构建基因调控网络,是生物信息学中重要的研究课题之一。但目前流行的神经网络在其架构中仅考虑基因之间的交互和关联,不考虑患者之间的交互和关联。为此,提出了一种基于加权基因相似网络和样本相似网络融合算法的癌症亚型预测模型,即WGCSS(Weighted Genetic Correlation network and Sample Similarity network)。该方法实现了特征空间和样本空间信息的融合,同时考虑了基因之间和样本之间的相互作用关系,并使用图卷积网络进行预测。在两个空间中聚合信息会导致严重的过度平滑问题,为此在该模型中引入残差层以缓解过度平滑问题。该方法通过聚合两个空间中的数据信息,可以使得癌症亚型预测的结果更加准确。为了验证方法的泛化性能,使用了乳腺浸润癌(BRCA)、多形性胶质母细胞瘤(GBM)和肺癌(LUNG)数据集进行分析,由此产生的高分类精度结果可以表明该方法的优越性。另外,还对3类数据集进行了生存分析,证明该方法在3个癌症数据集上癌症亚型的生存曲线存在显著差异。; 关键词加权基因相似网络样本相似网络残差图卷积网络 L1正则癌症亚型预测; Keywords Weighted gene similarity network Sample similarity network Residual graph convolutional network L1 regular Cancer subtype prediction; 分类号 TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于ResGCN的比特币混币交易地址识别研究: 4; 作者邱雨蝶汤艳君戴熙来王子晨; 机构中国刑事警察学院公安信息技术与情报学院; 出处《信息安全研究》北大核心 2025年第7期603-610,共8页; 基金中国刑事警察学院研究生创新能力提升项目(2024YCYB56) 中国刑事警察学院研究生创新能力提升重点项目(2023YCZD06) 辽宁省教育厅高校基本科研项目(LJ212410175002)。; 文摘比特币以其去中心化的点对点匿名性质而受到关注,但其伪匿名性使得交易仍可追踪,为满足用户对隐私的更高要求,混币交易应运而生.然而,混币交易使得比特币资金追踪变得更加困难,同时也成了协助犯罪分子非法洗钱的帮凶.为了预防和打击洗钱等金融犯罪,提出了一种基于图神经网络的比特币混币交易地址识别方法.首先构建了数量丰富且具有代表性的标签地址数据集;其次通过添加残差连接构建残差图卷积网络(ResGCN)进行图特征学习与嵌入,克服了传统图卷积网络(GCN)随着图卷积层数增加而出现的梯度衰减问题;接着将自注意力机制与多层感知器相结合进行图分类;最后输出二分类结果.实验结果表明,该方法能够较为准确地识别混币交易地址.; 关键词比特币混币交易地址残差图卷积网络自注意力机制多层感知器; Keywords bitcoin mixed coin transaction address ResGCN self-attention MLP; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TP311.13 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名面向癌症亚型预测的多组学AI模型: 5; 作者曹云芳李东喜; 机构太原理工大学大数据学院; 出处《计算机工程与设计》北大核心 2024年第8期2454-2460,共7页; 基金山西省基础研究计划基金项目(20210302124168) 山西省回国留学人员科研基金项目(2022-074)。; 文摘针对癌症亚型预测中仅使用单组学数据信息有限的问题,提出一种基于稀疏自编码器和相似网络融合的多组学癌症分型预测模型(multi-omics sparse auto-encoder, MOSAE)。利用稀疏自编码器提取患者特征向量,应用相似网络融合方法构建患者的相似度网络。基于患者特征向量和患者相似度网络利用残差图卷积网络构建预测模型。实验结果表明,在乳腺癌和卵巢癌数据上,所提模型识别亚型的准确率比现有方法分别提高了2.74%和19.74%。在TCGA的肺鳞状细胞癌和头颈部癌症数据上验证了MOSAE模型的优越性。; 关键词稀疏自编码器残差图卷积网络相似网络融合多组学数据癌症亚型多模态特征提取; Keywords sparse autoencoder residual graph convolutional network similar network fusion multi-omics data cancer subtype multi-modal feature extraction; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法	罗佳李朝锋	《控制理论与应用》 EI CAS CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
2	基于残差图卷积深度网络的电网无功储备需求快速计算方法	陈光宇袁文辉徐晓春戴则梅闪鑫	《电工技术学报》 EI CSCD 北大核心	2023	8	在线阅读下载PDF 职称材料
3	基于相似网络融合算法的癌症亚型预测	张晓茜李东喜	《计算机科学》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于ResGCN的比特币混币交易地址识别研究	邱雨蝶汤艳君戴熙来王子晨	《信息安全研究》北大核心	2025	0	在线阅读下载PDF 职称材料
5	面向癌症亚型预测的多组学AI模型	曹云芳李东喜	《计算机工程与设计》北大核心	2024	0	在线阅读下载PDF 职称材料