检索结果-维普期刊中文期刊服务平台

基于one-shot学习的小样本植物病害识别被引量：14: 1; 作者任胜男孙钰 +1 位作者张海燕郭丽霞《江苏农业学报》 CSCD 北大核心 2019年第5期1061-1067,共7页; 针对植物病害小样本问题提出一种基于one-shot学习的植物病害识别方法。以公开数据集PlantVillage中8类样本数量较少的植物病害图像作为识别对象,使用焦点损失函数(focal loss,FL)训练基于关系网络的植物病害分类器。训练过程中,调整FL... 展开更多; 关键词植物病害识别深度学习 one-shot学习焦点损失函数关系网络; 在线阅读下载PDF 职称材料

基于One-Shot聚合自编码器的图表示学习被引量：2: 2; 作者袁立宁刘钊《计算机应用》 CSCD 北大核心 2023年第1期8-14,共7页; 自编码器(AE)是一种高效的图数据表示学习模型,但大多数图自编码器(GAE)为浅层模型,其效率会随着隐藏层的增加而降低。针对上述问题,提出基于One-Shot聚合(OSA)和指数线性(ELU)函数的GAE模型OSA-GAE和图变分自编码器模型OSA-VGAE。首先... 展开更多; 关键词自编码器图自编码器图卷积网络 one-shot聚合链接预测; 在线阅读下载PDF 职称材料

基于one-shot learning的人脸识别研究: 3; 作者程远航余军《现代电子技术》 2021年第19期76-80,共5页; 由于在特殊场景下大量标注人脸数据样本识别时需要大量带有身份标记的训练样本,且无法精准提取小样本特征,故提出单样本学习(one-shot learning)的人脸识别算法。选取并赋值单样本人脸图像像素点中间值,保存至缓冲区进行遍历,利用Siames... 展开更多; 关键词人脸识别 one-shot learning 共享权值 Siamese Network模型图像处理对比分析; 在线阅读下载PDF 职称材料

大规模非概率样本数据的分布式推断方法研究: 4; 作者刘展潘莹丽《统计与决策》北大核心 2025年第7期53-58,共6页; 随着大数据与网络的发展,非概率样本数据规模不断增大,以往单台机器上的推断方法已不再适用,如何在多台机器上对大规模非概率样本数据进行分布式统计推断成为一个热点问题。文章针对大规模非概率样本数据,提出基于One-shot的分布式倾向... 展开更多; 关键词大规模非概率样本分布式 one-shot 倾向得分; 在线阅读下载PDF 职称材料

分布式计算中统计方法的拓展: 5; 作者任图南《统计与决策》 CSSCI 北大核心 2021年第8期54-58,共5页; 在数据体量逐渐增大的时代,处理大体量数据已经成为科学研究必需的途径。分布式计算为处理这样的大体量数据提供了方案,但站在统计学的角度,分布式计算所带来的便捷性也会造成统计学性质的损失。文章针对分布式计算与统计理论结合问题... 展开更多; 关键词分布式计算 one-shot方法高维稀疏回归; 在线阅读下载PDF 职称材料

题名基于one-shot学习的小样本植物病害识别被引量：14: 1; 作者任胜男孙钰张海燕郭丽霞; 机构北京林业大学信息学院国家食品安全风险评估中心; 出处《江苏农业学报》 CSCD 北大核心 2019年第5期1061-1067,共7页; 基金北京林业大学中央高校基本科研业务费专项资金资助项目(TD2014-01) 国家重点研发计划项目(2017YFC1602002); 文摘针对植物病害小样本问题提出一种基于one-shot学习的植物病害识别方法。以公开数据集PlantVillage中8类样本数量较少的植物病害图像作为识别对象,使用焦点损失函数(focal loss,FL)训练基于关系网络的植物病害分类器。训练过程中,调整FL超参数使模型聚焦于困难样本,从而提高植物病害识别精确率。结果表明:该方法在5-way、1-shot任务中识别精确率达到89.90%,相比原始关系网络模型精确率提高了4.69个百分点。同时,与匹配网络和迁移学习相比,改进后的方法在实验数据集上识别精确率分别提高了25.02个百分点和41.90个百分点。; 关键词植物病害识别深度学习 one-shot学习焦点损失函数关系网络; Keywords plant disease identification deep learning one-shot learning focal loss relation network; 分类号 S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于One-Shot聚合自编码器的图表示学习被引量：2: 2; 作者袁立宁刘钊; 机构中国人民公安大学信息网络安全学院中国人民公安大学研究生院; 出处《计算机应用》 CSCD 北大核心 2023年第1期8-14,共7页; 基金中央高校基本科研业务费专项(2019JKF425) 国家重点研发计划项目(2020YFC1522600)。; 文摘自编码器(AE)是一种高效的图数据表示学习模型,但大多数图自编码器(GAE)为浅层模型,其效率会随着隐藏层的增加而降低。针对上述问题,提出基于One-Shot聚合(OSA)和指数线性(ELU)函数的GAE模型OSA-GAE和图变分自编码器模型OSA-VGAE。首先,利用多层图卷积网络(GCN)构建编码器,并引入OSA和ELU函数;然后,在解码阶段使用内积解码器恢复图的拓扑结构;此外,为了防止模型训练过程中的参数过拟合,在损失函数中引入正则化项。实验结果表明,OSA和ELU函数可以有效提高深层GAE的性能,改善模型的梯度信息传递。在使用6层GCN时,基准引文数据集PubMed的链接预测任务中,深层OSA-VGAE相较于原始的VGAE在ROC曲线下的面积(AUC)和平均精度(AP)上分别提升了8.67和6.85个百分点,深层OSA-GAE相较于原始的GAE在AP和AUC上分别提升了6.82和4.39个百分点。; 关键词自编码器图自编码器图卷积网络 one-shot聚合链接预测; Keywords AutoEncoder(AE) Graph AutoEncoder(GAE) Graph Convolutional Network(GCN) one-shot Aggregation(OSA) link prediction; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于one-shot learning的人脸识别研究: 3; 作者程远航余军; 机构贵州大学科技学院; 出处《现代电子技术》 2021年第19期76-80,共5页; 基金贵州省科技合作计划项目(黔科合LH字[2017]7227号) 贵州大学2017年度学术新苗培养及创新探索专项(黔科合平台人才[2017]5788号)。; 文摘由于在特殊场景下大量标注人脸数据样本识别时需要大量带有身份标记的训练样本,且无法精准提取小样本特征,故提出单样本学习(one-shot learning)的人脸识别算法。选取并赋值单样本人脸图像像素点中间值,保存至缓冲区进行遍历,利用Siamese Network模型计算遍历结果共享权重,利用共享权值识别图像特征相似性,得到人脸识别结果。结果表明,与基于卷积神经网络的人脸识别方法相比,所研究方法识别准确率达到95.68%,识别效率达到354.25 s,结果更好。由此说明所研究方法在小样本的情况下也能更为快速且准确地完成人脸识别任务。; 关键词人脸识别 one-shot learning 共享权值 Siamese Network模型图像处理对比分析; Keywords face recognition one⁃shot learning shared weight Siamese Network model image processing contrast analysis; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP114.5 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名大规模非概率样本数据的分布式推断方法研究: 4; 作者刘展潘莹丽; 机构湖北大学数学与统计学学院湖北大学应用数学湖北省重点实验室; 出处《统计与决策》北大核心 2025年第7期53-58,共6页; 基金国家社会科学基金一般项目(18BTJ022) 国家社会科学基金西部项目(21XTJ006) 中国商业统计学会规划课题(2024STZD22)。; 文摘随着大数据与网络的发展,非概率样本数据规模不断增大,以往单台机器上的推断方法已不再适用,如何在多台机器上对大规模非概率样本数据进行分布式统计推断成为一个热点问题。文章针对大规模非概率样本数据,提出基于One-shot的分布式倾向得分推断方法。首先,将非概率样本数据与参考样本数据划分到不同的Worker机器上,建立Logistic倾向得分模型,基于每台Worker机器的数据计算得到模型参数估计;其次,将其传到Master机器上,采用加权平均得到最终的倾向得分模型参数估计;最后,基于Worker机器上的非概率样本数据与估计的倾向得分得到总体估计。模拟分析和实证研究结果均表明,所提方法的估计在相对偏差、方差、均方误差方面均比分布式简单估计小,与全局估计接近,估计效果良好。; 关键词大规模非概率样本分布式 one-shot 倾向得分; Keywords large scale non-probability sample distributed one-shot propensity score; 分类号 C811 [社会学—统计学]; 在线阅读下载PDF 职称材料

题名分布式计算中统计方法的拓展: 5; 作者任图南; 机构中国银联博士后科研工作站复旦大学网络空间安全博士后科研流动站; 出处《统计与决策》 CSSCI 北大核心 2021年第8期54-58,共5页; 文摘在数据体量逐渐增大的时代,处理大体量数据已经成为科学研究必需的途径。分布式计算为处理这样的大体量数据提供了方案,但站在统计学的角度,分布式计算所带来的便捷性也会造成统计学性质的损失。文章针对分布式计算与统计理论结合问题进行综述,并分析了这些方法的优势和不足,指出了在这一领域进一步研究的方向。; 关键词分布式计算 one-shot方法高维稀疏回归; Keywords distributed computing one-shot method high-dimensional sparse regression; 分类号 TP338.8 [自动化与计算机技术—计算机系统结构]; 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one-shot学习的小样本植物病害识别	任胜男孙钰张海燕郭丽霞	《江苏农业学报》 CSCD 北大核心	2019	14	在线阅读下载PDF 职称材料
2	基于One-Shot聚合自编码器的图表示学习	袁立宁刘钊	《计算机应用》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
3	基于one-shot learning的人脸识别研究	程远航余军	《现代电子技术》	2021	0	在线阅读下载PDF 职称材料
4	大规模非概率样本数据的分布式推断方法研究	刘展潘莹丽	《统计与决策》北大核心	2025	0	在线阅读下载PDF 职称材料
5	分布式计算中统计方法的拓展	任图南	《统计与决策》 CSSCI 北大核心	2021	0	在线阅读下载PDF 职称材料