期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到91篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多种机器学习算法和语音情绪特征的阈下抑郁辨识模型构建 被引量：1
1
作者 陈梅妹 王洋 +3 位作者 雷黄伟 张斐 黄睿娜 杨朝阳 《南方医科大学学报》 北大核心 2025年第4期711-717,共7页
目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特... 目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特征变量,包括能量特征、梅尔频率倒谱系数、零交叉率特征、声音概率特征、基频特征、差分特征等多个维度。采用递归特征消除方法筛选语音特征变量,然后利用自适应增强算法(AdaBoost)、随机森林(RF)、线性判别分析(LDA)、逻辑回归、Lasso回归和支持向量机机器学习算法构建分类模型,并评估模型的性能。为评估模型泛化能力,采用真实世界的语音数据,对最佳阈下抑郁语音识别分类模型进行测试。结果AdaBoost、RF和LDA模型在单词朗读语音测试集上预测准确率为100%、100%和93.3%,展现出高准确率和稳定性;在单词文本语音测试集上,AdaBoost、RF和LDA模型的预测准确率为90%、80%和90%,其余3个算法模型的准确率均小于80%。阈下抑郁语音AdaBoost和RF分类模型对真实世界的朗读单词和文本语音数据的预测准确率仍然可以达到了91.7%和80.6%,86.1%和77.8%。结论通过分析语音情绪特征可以有效地识别阈下抑郁个体,AdaBoost和RF模型在阈下抑郁个体分类方面表现出色,是识别阈下抑郁的有力工具,可以为临床应用和研究提供参考。 展开更多
关键词 阈下抑郁识别 语音情绪特征 机器学习 自适应增强算法 随机森林
在线阅读 下载PDF
混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究 被引量：4
2
作者 徐中辉 饶振远 +2 位作者 黄晓东 姜馨圳 马艳丽 《稀有金属与硬质合金》 CAS CSCD 北大核心 2024年第4期94-102,共9页
稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,... 稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。 展开更多
关键词 稀土产业链 供应链金融 中小企业 信用风险评价 混合增强型机器学习算法 海洋捕食者算法 支持向量机算法 AdaBoost算法
在线阅读 下载PDF
基于K-means聚类和特征空间增强的噪声标签深度学习算法 被引量：3
3
作者 吕佳 邱小龙 《智能系统学报》 CSCD 北大核心 2024年第2期267-277,共11页
深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样... 深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。 展开更多
关键词 噪声标签学习 深度学习 半监督学习 机器学习 神经网络 K-MEANS聚类 特征空间增强 mixup算法
在线阅读 下载PDF
基于注意力机制的改进自校准图像增强算法及其在海上低照度场景的应用
4
作者 苏丽 崔世豪 《中国舰船研究》 北大核心 2025年第3期339-348,共10页
[目的]为解决现有海上低照度图像增强算法存在的亮度提升不足、清晰度低、色彩失真等问题,提出一种基于改进自校准光照(SCI)学习的海上低照度图像增强算法。[方法]在自校准光照学习算法基础上,通过引入注意力机制对低照度图像中光照不... [目的]为解决现有海上低照度图像增强算法存在的亮度提升不足、清晰度低、色彩失真等问题,提出一种基于改进自校准光照(SCI)学习的海上低照度图像增强算法。[方法]在自校准光照学习算法基础上,通过引入注意力机制对低照度图像中光照不均匀区域进行不同程度的增强;构建照明调整模块对光照学习过程的中间输出进行二次开发;引入去噪模块改进黑暗区域的噪声会随着亮度的增强而放大的问题;将批量归一化(BN)改变为批量通道归一化(BCN),该归一化方式利用通道和批次维度,自适应地组合归一化输出。通过主客观两方面进行图像质量评价。[结果]3个测试集的实验结果表明,改进算法不仅提高了图像亮度,并且增强结果的色彩丰富度较高,无色彩失真;与未改进的原始算法相比,标准差平均提升了20.01%,自然图像质量评价值平均降低了9.16%,平均梯度和信息熵平均分别提升了23.68%和6.46%。[结论]改进算法在图像视觉质量方面取得了突破,使得不同环境下的海上低照度图像都能达到较好的增强效果。 展开更多
关键词 图像处理 图像质量 海上低照度图像 图像增强 学习算法 自校准光照学习 注意力机制
在线阅读 下载PDF
基于沙猫群算法和集成学习的可解释数据驱动铝合金电弧增材成形尺寸预测模型研究
5
作者 张豪 许燕玲 +3 位作者 王杏华 马晓阳 王强 张华军 《航空制造技术》 北大核心 2025年第20期68-81,90,共15页
铝合金电弧增材制造是一个多参数耦合的复杂物理系统,其成形尺寸的精确预测与控制受到多种工艺参数影响。针对现有预测方法在参数耦合效应建模不足、预测精度有限及模型解释性欠缺等问题,提出一种基于数据增强策略和集成学习方法的可解... 铝合金电弧增材制造是一个多参数耦合的复杂物理系统,其成形尺寸的精确预测与控制受到多种工艺参数影响。针对现有预测方法在参数耦合效应建模不足、预测精度有限及模型解释性欠缺等问题,提出一种基于数据增强策略和集成学习方法的可解释数据驱动模型,以实现铝合金成形过程中宽度和层高的高精度预测。首先,利用数据增强技术扩充训练数据集,增强模型泛化能力;其次,基于五折交叉验证方法训练多个模型,评估出性能最优的3个基学习器;然后,通过SCSO算法优化基学习器的权重分配,构建高鲁棒性集成学习模型;最后,采用SHAP方法量化并解释工艺参数对成形过程的影响。试验结果表明,基于SCSO优化的集成学习模型在铝合金成形尺寸预测精度和解释性方面显著优于单一模型和传统集成学习方法(预测宽度和层高时RMSE为0.3518和0.0743,MAPE为0.0229和0.0364)。该研究为铝合金WAAM的工艺参数优化和成形质量控制提供了理论依据,具有较好的实用性和工程应用价值。 展开更多
关键词 铝合金电弧增材制造 尺寸预测 数据增强 沙猫群算法 可解释集成学习模型
在线阅读 下载PDF
基于历史样本增强的滑坡智能识别改进算法 被引量：2
6
作者 饶炜博 陈刚 +6 位作者 邹崇尧 范小洁 常富强 何建权 林晓静 李显巨 唐骞 《地质科技通报》 北大核心 2025年第4期48-61,共14页
四川地形复杂,山区纵横交错处滑坡具有频发、突发、易发的特点,对人民财产和环境资源造成极大的危害,因此开展滑坡的识别检测,提取相关信息,对滑坡灾害预防监测及灾后预备有着重要的意义。针对传统目视解译方法经济成本高、耗时耗力、... 四川地形复杂,山区纵横交错处滑坡具有频发、突发、易发的特点,对人民财产和环境资源造成极大的危害,因此开展滑坡的识别检测,提取相关信息,对滑坡灾害预防监测及灾后预备有着重要的意义。针对传统目视解译方法经济成本高、耗时耗力、历史样本收集困难的问题,引入了高程、坡度、坡向、岩性、地表起伏程度、距断层距离、距水系距离、距道路距离、归一化植被指数9个滑坡影响因子,对历史滑坡的判识中引入影响因子的信息量值进行定量分析,增强了历史滑坡样本数据准确性;其次针对滑坡自动识别结果可能存在的定位不准确、分割边界模糊等问题,采用递归特征金字塔网络和DIoU损失对Mask R-CNN模型进行改进,提出滑坡智能识别改进算法。评价结果表明:改进算法相比原始模型,精确率提高了3.6%,召回率提高5.2%,对四川省青川县历史滑坡进行准确识别与边界分割,识别准确率达74.4%。随着卫星遥感手段与深度学习技术的发展,该改进算法对滑坡智能识别、构建地质灾害风险评价体系提供信息基础与理论参考具有重要意义。 展开更多
关键词 滑坡识别 数据增强 深度学习 信息量值 滑坡影响因子 改进算法
在线阅读 下载PDF
基于深度学习的农作物病害检测算法研究
7
作者 张晶 周凯 吴文涛 《中国农机化学报》 北大核心 2025年第10期230-235,共6页
针对目前无法高效地检测农作物病害的问题,基于深度学习算法YOLOv5进行改进,利用K-means算法对标签锚框进行调整,以便更好地适应训练数据集中的病害区域面积的大小。将Ghostnet模块引入YOLOv5的backbone网络中,在不影响特征提取的前提... 针对目前无法高效地检测农作物病害的问题,基于深度学习算法YOLOv5进行改进,利用K-means算法对标签锚框进行调整,以便更好地适应训练数据集中的病害区域面积的大小。将Ghostnet模块引入YOLOv5的backbone网络中,在不影响特征提取的前提下减小计算量和参数量。同时,基于CBAM注意力机制中的通道注意力和空间注意力,提出并行连接结构和残差连接提高网络的特征提取能力,引入到算法的Neck部位。改进后的YOLOv5算法模型大小由原来的13.8 MB下降到11.1 MB,平均精度均值mAP@0.5可达到90.7%,相比于YOLOv5提升3.2%,F1分数提升2.1%。为高效检测农作物病害提供一种实际可行的方法,能够以较高的精确率和检测速度对病害进行分类和定位。 展开更多
关键词 农作物 病害检测 注意力机制 深度学习 数据增强 聚类算法
在线阅读 下载PDF
增强多策略樽海鞘群算法的WSN覆盖优化
8
作者 郑爱云 刘晓震 +2 位作者 刘伟民 陈澍军 郑直 《仪表技术与传感器》 北大核心 2025年第5期71-80,共10页
针对无线传感器网络(WSN)覆盖率低、能耗大、网络寿命短,初始樽海鞘群算法(SSA)收敛效率和精度低、易陷入局部最优解等问题,提出一种增强多策略樽海鞘群优化算法。首先,将社会螺旋搜索策略引入初始算法中,提高了算法的收敛效率,增强了... 针对无线传感器网络(WSN)覆盖率低、能耗大、网络寿命短,初始樽海鞘群算法(SSA)收敛效率和精度低、易陷入局部最优解等问题,提出一种增强多策略樽海鞘群优化算法。首先,将社会螺旋搜索策略引入初始算法中,提高了算法的收敛效率,增强了对搜索空间的覆盖性和对搜索盲点的清理;其次,为了避免算法陷入局部最优解,整体提高算法收敛精度以及速度,在初始算法中引入自适应种群策略;然后,采用混合反向学习策略,增强种群多样性,进一步增强算法跳出局部最优的能力;最后,使用最优解混合变异和贪婪策略,提高精确开发阶段的搜索精度,将改进算法应用到无线传感器网络覆盖优化中。实验结果表明,在相同环境设置下,相比初始SSA、灰狼优化算法(GWO)和改进鲸鱼优化算法(IWOA),覆盖率分别提高了10.29%、7.12%和12.86%,可达到98.11%。 展开更多
关键词 无线传感器网络 樽海鞘群算法 节点覆盖率 增强多策略 混合反向学习
在线阅读 下载PDF
基于Sarsa算法的城轨列车节能控制策略研究 被引量：3
9
作者 孟建军 蒋小一 +1 位作者 陈晓强 胥如迅 《铁道标准设计》 北大核心 2024年第8期8-14,共7页
针对城市轨道交通节能运行问题,提出一种基于Sarsa强化学习算法的城轨列车节能控制策略,实现了城轨列车在自动驾驶状态下,面对不同路况,执行减少能源消耗驾驶策略的同时兼顾准时性和舒适性。根据线路条件将列车状态进行离散化处理,将连... 针对城市轨道交通节能运行问题,提出一种基于Sarsa强化学习算法的城轨列车节能控制策略,实现了城轨列车在自动驾驶状态下,面对不同路况,执行减少能源消耗驾驶策略的同时兼顾准时性和舒适性。根据线路条件将列车状态进行离散化处理,将连续的驾驶过程分为若干个子区间进行分段求解。结合区间限速、初始状态、终末状态等限制条件,基于能耗及运行时间分别构造适当的奖励函数。同时,用当前状态下可达的最大速度与最小速度对可选速度集合进行限制,缩小探索空间,加快算法收敛。最后,通过对北京铁路亦庄线小红门站至肖村站的实例进行仿真。实验结果表明,与传统的动态规划方法相比,Sarsa算法在满足舒适性和准时性要求的情况下节能9.32%。相比于强化学习中的Q学习算法,在速度的选取过程中,超速次数也有明显下降。仿真结果证明Sarsa算法具有更好的节能效果和安全性。在算法参数不变的情况下,调整限速条件,与传统动态规划算法进行二次对比,依旧节能4.21%,验证了算法的鲁棒性。 展开更多
关键词 城市轨道交通 节能 强化学习 sarsa算法 控制策略
在线阅读 下载PDF
一种基于状态聚类的SARSA(λ)强化学习算法 被引量：3
10
作者 李春贵 吴沧浦 刘永信 《计算机工程》 CAS CSCD 北大核心 2003年第5期37-38,98,共3页
为求解大状态空间的强化学习问题，提出了一种基于状态聚类的SARSA(λ)强化学习算法，其基本思想是利用先验知识或事先训练控制器，对状态空间进行聚类，分为不同的簇，然后在簇空间上进行SARSA(λ)学习。若能进行适当的状态聚类，算法... 为求解大状态空间的强化学习问题，提出了一种基于状态聚类的SARSA(λ)强化学习算法，其基本思想是利用先验知识或事先训练控制器，对状态空间进行聚类，分为不同的簇，然后在簇空间上进行SARSA(λ)学习。若能进行适当的状态聚类，算法将可得到一个相对好的近似值函数. 展开更多
关键词 sarsa(λ)强化学习算法 状态聚类 强化学习 函数近似 sarsa学习 人工神经网络
在线阅读 下载PDF
神经网络增强学习的梯度算法研究 被引量：22
11
作者 徐昕 贺汉根 《计算机学报》 EI CSCD 北大核心 2003年第2期227-233,共7页
针对具有连续状态和离散行为空间的Markov决策问题 ,提出了一种新的采用多层前馈神经网络进行值函数逼近的梯度下降增强学习算法 .该算法采用了近似贪心且连续可微的Boltzmann分布行为选择策略 ,通过极小化具有非平稳行为策略的Bellman... 针对具有连续状态和离散行为空间的Markov决策问题 ,提出了一种新的采用多层前馈神经网络进行值函数逼近的梯度下降增强学习算法 .该算法采用了近似贪心且连续可微的Boltzmann分布行为选择策略 ,通过极小化具有非平稳行为策略的Bellman残差平方和性能指标 ,以实现对Markov决策过程最优值函数的逼近 .对算法的收敛性和近似最优策略的性能进行了理论分析 .通过Mountain Car学习控制问题的仿真研究进一步验证了算法的学习效率和泛化性能 . 展开更多
关键词 神经网络 增强学习 梯度算法 MARKOV决策过程 值函数逼近 机器学习
在线阅读 下载PDF
采用增强学习算法的排课模型 被引量：14
12
作者 郭方铭 钟珞 《计算机工程与设计》 CSCD 2003年第11期125-128,共4页
时间表问题是典型的组合优化和不确定性调度问题。课表问题是时间表问题的一种形式。分析了排课 问题的数学模型,并研究了用增强学习(Reinforcement Learning)算法中的Q学习(Q-Learning)算法和神经网络 技术结合解决大学课表编排问题,... 时间表问题是典型的组合优化和不确定性调度问题。课表问题是时间表问题的一种形式。分析了排课 问题的数学模型,并研究了用增强学习(Reinforcement Learning)算法中的Q学习(Q-Learning)算法和神经网络 技术结合解决大学课表编排问题,给出了一个基于该算法的排课模型,并对其排课效果进行了分析和探讨。 展开更多
关键词 排课模型 增强学习算法 课程表 高校 组合优化 数学模型 不确定性调度问题
在线阅读 下载PDF
基于组合神经网络的Sarsa(λ)学习算法
13
作者 殷苌茗 付超红 +1 位作者 薛丽华 李立云 《计算机工程与设计》 CSCD 北大核心 2008年第22期5817-5819,5823,共4页
标准的Sarsa(λ)算法对状态空间的要求是离散的且空间较小,而实际问题中很多系统的状态空间是连续的或尽管是离散的但空间较大,这就需要很大的内存来存储状态动作对。为此提出组合神经网络,首先用自组织映射(SOM)神经网络对状态空间进... 标准的Sarsa(λ)算法对状态空间的要求是离散的且空间较小,而实际问题中很多系统的状态空间是连续的或尽管是离散的但空间较大,这就需要很大的内存来存储状态动作对。为此提出组合神经网络,首先用自组织映射(SOM)神经网络对状态空间进行自适应量化,然后在此基础上用BP网络拟合Q函数。该方法实现了Sarsa(λ)算法在连续和大规模状态空间的泛化。最后,实验结果表明了该方法的有效性。 展开更多
关键词 组合神经网络 强化学习 自组织映射 BP网络 sarsa算法
在线阅读 下载PDF
基于多策略融合改进霜冰算法的特征选择方法
14
作者 龙文 罗开讯 龙灿洪 《科学技术与工程》 北大核心 2025年第29期12538-12546,共9页
针对霜冰算法(rime optimization algorithm,RIME)面对优化问题时求解精度低、收敛速度慢以及易陷入局部最优的问题,提出一种基于多策略融合霜冰算法。首先,采用Tent混沌映射进行种群初始化,提高初始种群多样性;其次,对种群采用增强反... 针对霜冰算法(rime optimization algorithm,RIME)面对优化问题时求解精度低、收敛速度慢以及易陷入局部最优的问题,提出一种基于多策略融合霜冰算法。首先,采用Tent混沌映射进行种群初始化,提高初始种群多样性;其次,对种群采用增强反向学习机制产生适应度值更优的种群以提高算法收敛速度;最后引入差分进化策略增加种群多样性,避免算法陷入局部最优,提高种群的利用能力以及求解精度。采用CEC 2017测试函数进行数值实验,结果表明:改进算法相较其他对比算法性能更优。最后,将改进算法应用于特征选择问题,选取UCI数据库中的10个数据集进行仿真实验,结果表明:改进算法能够有效提升数据分类准确率。 展开更多
关键词 霜冰算法 混沌映射 增强的反向学习 特征选择
在线阅读 下载PDF
基于数据增强和优化DHKELM的短期光伏功率预测
15
作者 郭利进 马粽阳 胡晓岩 《太阳能学报》 北大核心 2025年第8期463-471,共9页
针对不同气象条件数据质量差异较大且光伏功率呈高波动性难以预测等问题,提出添加随机噪声的数据增强方法(DA)和改进的神经网络组合模型。首先利用谱聚类算法将光伏数据按不同气象条件进行分类,随后通过添加与输入同形状的随机噪声方法... 针对不同气象条件数据质量差异较大且光伏功率呈高波动性难以预测等问题,提出添加随机噪声的数据增强方法(DA)和改进的神经网络组合模型。首先利用谱聚类算法将光伏数据按不同气象条件进行分类,随后通过添加与输入同形状的随机噪声方法提升数据集的规模与质量。针对深度混合核极限学习机(DHKELM)超参数多等问题,提出融合佳点集初始化、黄金正弦更新策略、非线性扰动和最优个体自适应扰动的改进鹈鹕优化算法(IPOA)对其超参数寻优。最后以青海共和县光伏园内某电站数据为例,结果表明基于数据增强的改进鹈鹕算法优化深度混合核极限学习机(DA-IPOA-DHKELM)模型在不同天气、季节条件下预测误差最小,拟合度均能达到90%以上,改进模型预测精度高、算法适用性强。 展开更多
关键词 光伏功率 预测 聚类分析 数据增强 深度混合核极限学习机 改进算法
在线阅读 下载PDF
基于分区搜索和强化学习的多模态多目标头脑风暴优化算法 被引量：1
16
作者 李鑫 余墨多 +1 位作者 姜庆超 范勤勤 《计算机应用研究》 CSCD 北大核心 2024年第8期2374-2383,共10页
维持种群多样性和提高算法搜索效率是多模态多目标优化亟需解决的两大问题。为解决以上问题,提出了一种基于分区搜索和强化学习的多模态多目标头脑风暴优化算法(MMBSO-ZSRL)。在MMBSO-ZSRL中,首先将决策空间分解为多个子空间以降低搜索... 维持种群多样性和提高算法搜索效率是多模态多目标优化亟需解决的两大问题。为解决以上问题,提出了一种基于分区搜索和强化学习的多模态多目标头脑风暴优化算法(MMBSO-ZSRL)。在MMBSO-ZSRL中,首先将决策空间分解为多个子空间以降低搜索难度和维持种群多样性;然后,使用SARSA(state-action-reward-state-action)算法来平衡头脑风暴算法的全局探索和局部开发能力;并使用特殊拥挤距离来挑选个体来指导种群进化。为了验证所提算法的性能,选取六种先进的多模态多目标优化算法来进行比较,并选取IEEE CEC2019多模态多目标问题基准测试集来对所有比较算法的性能进行测试。实验结果表明,MMBSO-ZSRL的整体性能要显著优于其他六种比较算法。MMBSO-ZSRL不仅可以找到多样性和逼近性更好的帕累托前沿,而且可以在决策空间找到更多的帕累托最优解。 展开更多
关键词 多模态多目标优化 头脑风暴优化算法 强化学习 sarsa算法 分区搜索
在线阅读 下载PDF
基于多视图融合跨层对比学习的推荐算法 被引量：2
17
作者 顾嘉静 杨丹 +1 位作者 聂铁铮 寇月 《计算机工程》 CSCD 北大核心 2024年第1期120-128,共9页
现有基于图对比学习的推荐模型在图数据增强方面通常只采用一种视图增强方法,忽略了单一方法存在的局限性,在对比学习方面通常只对比同一节点的一对视图,未充分利用各个视图不同的层嵌入。为此,提出一种基于多视图融合跨层对比学习的推... 现有基于图对比学习的推荐模型在图数据增强方面通常只采用一种视图增强方法,忽略了单一方法存在的局限性,在对比学习方面通常只对比同一节点的一对视图,未充分利用各个视图不同的层嵌入。为此,提出一种基于多视图融合跨层对比学习的推荐算法框架(MFCCL)。MFCCL分别使用随机边丢弃和随机添加噪声的增强方法构建2个全局视图,使用奇异值分解的方法构建局部视图,通过3种不同的视图增强方法构造全局和局部共3个视图,以实现有效的用户表示。同时,提出一种新的多视图融合跨层对比学习方法,该方法将2个全局视图不同的层嵌入通过平行和交叉2种方式进行融合后作对比,以获取更多的特征信息。将多视图融合跨层对比学习与全局-局部视图对比学习相结合,联合优化模型,从而提升推荐性能。在Yelp、Tmall和Amazon-book这3个公开数据集上进行实验,结果表明,MFCCL在推荐任务中具有有效性和可行性,相较于对比模型中性能最优的基线模型SimGCL,MFCCL在3个数据集中的Recall@20增益分别达到15.0%、13.3%和28.7%,NDCG@20值分别提升14.3%、13.2%和29.6%。 展开更多
关键词 图神经网络 对比学习 视图增强 多视图融合 推荐算法
在线阅读 下载PDF
结合数据增强及组合算法的短期光伏功率预测 被引量：3
18
作者 毛嘉铭 刘光宇 罗凯元 《电力系统及其自动化学报》 CSCD 北大核心 2024年第8期133-141,共9页
针对光伏发电数据完备性低、预测精度低的问题,提出结合数据增强及组合算法的短期光伏功率预测模型。首先,利用K-means++聚类算法对光伏数据进行天气分型;其次,利用条件生成对抗网络对光伏数据的分布规律进行学习,生成高质量样本;然后,... 针对光伏发电数据完备性低、预测精度低的问题,提出结合数据增强及组合算法的短期光伏功率预测模型。首先,利用K-means++聚类算法对光伏数据进行天气分型;其次,利用条件生成对抗网络对光伏数据的分布规律进行学习,生成高质量样本;然后,优化变分模态分解的分解数和惩罚因子,进一步降低子序列的模糊熵值;最后,通过正余弦算法对深度极限学习机的输入权重和偏置进行优化,分别对各子序列进行建立预测模型。实验结果表明,所提模型具有一定的优越性。 展开更多
关键词 光伏功率预测 数据增强 变分模态分解 深度极限学习机 正余弦算法
在线阅读 下载PDF
基于多智能体的融合Sarsa(λ)学习算法 被引量：2
19
作者 薛丽华 殷苌茗 +1 位作者 李立云 胡明辉 《计算机工程与应用》 CSCD 北大核心 2008年第4期182-183,189,共3页
强化学习作为一种重要的机器学习方法,已经被广泛应用于许多单智能体和多智能体系统。强化学习的性能受所使用的学习算法及其参数的影响很大,不同的学习算法或者参数很小的变化都可能导致学习性能很大的变化。当环境模型未知时,确定最... 强化学习作为一种重要的机器学习方法,已经被广泛应用于许多单智能体和多智能体系统。强化学习的性能受所使用的学习算法及其参数的影响很大,不同的学习算法或者参数很小的变化都可能导致学习性能很大的变化。当环境模型未知时,确定最好的算法和最优的参数是困难的。为了避免参数的影响,提出了一种基于多Agent的融合Sarsa(λ)学习系统,它把强化学习环境当作多智能体环境来处理。最后用迷宫实验仿真,结果验证了该方法的可行性和有效性。 展开更多
关键词 强化学习 多智能体 融合 sarsa(λ)算法
在线阅读 下载PDF
IRS增强的UAV机会接入宽带CR系统资源分配与安全优化 被引量：1
20
作者 赵国兴 刘富辉 +2 位作者 晏子祥 吴伟 田峰 《南京邮电大学学报(自然科学版)》 北大核心 2025年第3期38-47,共10页
提出了一种智能反射面(Intelligent Reflecting Surface,IRS)增强的无人机(Unmanned Aerial Vehicle,UAV)机会接入宽带认知无线电(Cognitive Radio,CR)系统,以提升系统频谱效率并确保物理层安全(Physical Layer Security,PLS)。通过联... 提出了一种智能反射面(Intelligent Reflecting Surface,IRS)增强的无人机(Unmanned Aerial Vehicle,UAV)机会接入宽带认知无线电(Cognitive Radio,CR)系统,以提升系统频谱效率并确保物理层安全(Physical Layer Security,PLS)。通过联合优化UAV的波束赋形和飞行轨迹、IRS的反射系数、用户和IRS的关联选择、子载波选择及感知时间,在满足主用户可容忍最大干扰和次级用户最小安全速率需求的前提下,最大化次级网络的和安全速率。由于包含整数规划约束、非线性约束以及优化变量之间的相互耦合,因此导致问题高度非凸。为此,采用了深度强化学习(Deep Rein‑forcement Learning,DRL)算法,包括决斗双重深度Q网络(Dueling Double Deep Q Network,D3QN)算法和软性演员-评论家(Soft Actor‑Critic,SAC)算法。该方法能够高效处理复杂的混合变量优化问题,以提高算法的稳定性和收敛速度,确保在动态环境中获得更优的资源分配和通信安全性能。仿真结果表明,所提方法在通信安全和频谱效率方面显著优于基准方案。IRS、UAV和CR技术的引入显著提升了系统的频谱利用率和用户的安全速率。此外,所提方法在动态环境中展现了较高的稳定性和快速的收敛速度。 展开更多
关键词 智能反射面 增强无人机 机会接入 认知无线电 物理层安全 深度强化学习算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部