题名 开放世界下带有分布内和分布外噪声的长尾学习
1
作者
郑金鹏 李绍园 朱晓林 黄圣君 陈松灿 王康侃
机构
南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室 南京 大学 计算机 软件新技术 全国重点 实验室 江苏省产品质量监督检验研究院 南京 理工大学 计算机 科学与 工程学院
出处
《南京航空航天大学学报(自然科学版)》
北大核心
2025年第5期842-851,共10页
基金
中央高校基本科研业务费专项资金(NS2024059) 国家自然科学基金(62376126)。
文摘
在训练深度神经网络时,实际应用数据常存在长尾类别分布、分布内噪声和分布外噪声等偏差。现有方法多单独解决类别不平衡或含噪声标签问题,很少同时考虑两者,尤其是两种噪声并存时。本文提出不平衡噪声标签校准(Imbalanced noisy label calibration,INLC)方法,用模型一致性预测筛选分布外样本并赋予均匀标签,增强模型对其检测能力;对分布内样本,利用Jensen-Shannon散度区分噪声,减少干净样本误分类,尤其针对尾部类别;引入额外语义分类器,缓解伪标签对多数类的偏向性以应对类别不平衡;采用基于强数据增强的一致性正则化方法提升模型泛化性能。在模拟和真实数据集上的实验表明,INLC显著减轻了标签噪声和类别不平衡的影响,分类准确率较优异基线方法提高2%以上。
关键词
长尾学习 开放世界 分布内和分布外噪声 伪标签 不平衡
Keywords
long-tailed learing open world in-and out-of-distribution noisy pseudo-labels imbalance
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
题名 基于稀疏贝叶斯优化的翼型设计可解释性研究
2
作者
林健 吕宏强 黄增辉 刘子敬 虞建 刘学军
机构
南京航空航天大学 计算机 科学与 技术 学院 南京航空航天大学 航空 学院 中国商飞上海飞机设计研究院 中国航空 研究院
出处
《空气动力学学报》
北大核心
2025年第1期22-33,I0001,共13页
基金
航空科学基金(2018ZA52002,2019ZA052011)。
文摘
贝叶斯优化框架具有优化效率高、效果好等特点,适合解决高维黑盒优化问题,适用于飞机翼型设计领域。然而其优化过程不透明,难以直观理解机器优化结果和翼型典型物理特征之间的联系,如何解释贝叶斯优化进程仍然是一个挑战。针对这一问题,本文提出了一种基于稀疏贝叶斯优化框架的翼型优化可解释性方法,使用具有物理意义的典型几何特征参与优化进程,在贝叶斯优化过程中对翼型特征进行稀疏,同时获得可解释性信息。在以RAE2822为基准翼型的超临界翼型优化算例上验证该方法。实验结果表明,该方法在优化气动性能的同时尽可能地减少了翼型设计维度,使其在保证气动性能良好的情况下具备了一定的可解释性,能直观地了解翼型各参数对优化目标的影响程度,辅助翼型设计人员进行决策和判断。
关键词
贝叶斯优化 可解释性 翼型物理特征 翼型设计 维度稀疏
Keywords
Bayesian optimization interpretability physical characteristics of airfoil airfoil design dimensional sparsity
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
V211.3
[航空宇航科学与技术—航空宇航推进理论与工程]
题名 融合提示学习的故事生成方法
3
作者
倪宣凡 李丕绩
机构
南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室
出处
《中文信息学报》
北大核心
2025年第2期143-152,共10页
基金
国家自然科学基金(62476127,62106105) 江苏省自然科学基金(BK20242039) +1 种基金 中央高校基本科研业务费(NJ2023032) 南京航空航天大学科研启动基金(YQR21022)。
文摘
开放式自动故事生成旨在通过输入故事的开头、大纲、主线等,得到具有一致性、连贯性和逻辑性的故事。现有的方法想要提升生成故事的质量,往往需要大量训练数据和更多参数的模型。针对以上问题,该文利用提示学习在零样本与少样本场景下的优势,借助外部常识推理知识,提出了一种融合提示学习的故事生成方法。该方法将故事生成分为三个阶段:输入故事的开头,常识推理模型生成可能的事件;根据类型不同,将事件填入问题模板中,构建引导模型生成合理回答的问题;问答模型产生对应问题的答案,并选择困惑度最小的作为故事下文。重复上述过程,最终生成完整的故事。自动评测与人工评测结果表明,与基线模型相比,该文提出的方法能够生成更连贯、具体和更有逻辑的故事。
关键词
故事生成 预训练模型 提示学习
Keywords
story generation pre-trained models prompt learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于机器学习的非定常流场网格自适应
被引量：1
4
作者
李彩云 安慰 刘学军 吕宏强
机构
南京航空航天大学 计算机 科学与 技术 学院 南京航空航天大学 航空 学院
出处
《空气动力学学报》
CSCD
北大核心
2023年第6期89-101,I0002,共14页
基金
航空科学基金(2018ZA52002,2019ZA052011) 空气动力学国家重点实验室基金(SKLA20180102) 气动噪声控制重点实验室基金(ANCL20190103)。
文摘
现有针对非定常流场数值模拟的网格自适应方法,通常每隔一段时间步就进行一次网格调整,增加了计算复杂度和精度损失。针对这一问题,本文基于间断伽辽金(discontinuity Galerkin,DG)有限元法提出了结合BPNN(backpropagation neural network)和MMPDE(moving mesh partial differential equation)的非定常流场网格自适应方法。该方法首先采用DG有限元法对Navier-Stokes方程进行非定常计算,得到统计意义上的网格间断量;然后以初始网格和间断量训练BPNN回归模型,用于预测任意位置节点的间断量;接着使用MMPDE变分法移动网格节点,使其符合统计意义的间断量分布;最终通过Laplacian网格平滑法保证网格单元质量。圆柱绕流非定常流场算例的验证结果表明,该方法能够在不改变网格拓扑结构和不增加节点数的情况下完成一次性网格自适应,显著提高了非定常流场数值计算的精度和效率。
关键词
网格自适应 非定常流场 间断伽辽金 移动网格偏微分方程 反向传播神经网络
Keywords
mesh adaption unsteady flow field DG MMPDE BPNN
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
V211.3
[航空宇航科学与技术—航空宇航推进理论与工程]
题名 基于高斯过程回归的连续式风洞马赫数控制
被引量：4
5
作者
高赫 刘学军 郭晋 吕宏强
机构
南京航空航天大学 计算机 科学与 技术 学院 空气动力学国家重点 实验室 软件新技术 与产业化协同创新中心 中国航空 工业 空气动力研究院 南京航空航天大学 航空 学院
出处
《空气动力学学报》
CSCD
北大核心
2019年第3期480-487,共8页
基金
空气动力学国家重点实验室基金(SKLA20180102) 航天一院联合基金
文摘
在风洞实验中保持实验段马赫数的稳定对实验的成功具有重要意义。传统的PID控制算法具有一定时滞性,不能满足连续变迎角实验模式下马赫数的控制精度要求。针对这一缺陷,提出了一种基于高斯过程回归的前馈控制策略,结合PID控制器共同完成马赫数控制任务。首先,对原始数据执行了预处理操作,将数据集中的异常数据进行清洗并且对清洗后的数据进行标准化;其次,选取迎角、实时马赫数、实验段截面积作为高斯过程回归模型的输入,压缩机转速作为输出,采用随机划分数据集与分组划分数据集两种策略进行建模,并将高斯过程回归与常用回归模型的预测精度进行了比较;最后,给出了利用高斯过程回归预测结果及预测置信度进行PID反馈控制的方法。实验结果表明高斯过程回归对风洞实验数据具有很好的建模能力,基于高斯过程回归的前馈控制与PID结合的控制策略能够提高连续变迎角模式下的马赫数控制精度。
关键词
风洞 马赫数控制 连续变迎角实验模式 高斯过程回归 预测 机器学习
Keywords
wind tunnel Mach number control continuous lest mode Gaussian process regression prediction machine learning
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 基于CT图像的双重注意力网络急性胰腺炎诊断方法
被引量：3
6
作者
张进一 万鹏 孙亮 张道强
机构
南京航空航天大学 计算机 科学与 技术 学院
出处
《数据采集与处理》
CSCD
北大核心
2022年第1期147-154,共8页
基金
国家自然科学基金(61876082,61861130366,61732006) 国家重点研发计划(2018YFC2001600,2018YFC2001602)。
文摘
作为消化系统最常见的疾病之一,急性胰腺炎的医学影像仍使用简单的手工特征进行分析,效率与精度较低,与其危害性并不相称。由于胰腺的解剖变异性以及各种并发症,急性胰腺炎的影像表现复杂,不同患者不同种类的病灶差异大,基于CT影像的急性胰腺炎诊断难度较大。本文提出一种基于双重注意力网络用于诊断急性胰腺炎,该网络使用全局特征为不同阶段的局部特征生成局部注意力特征,使不同阶段的注意力特征关注不同尺度的病灶,最终通过融合对全局注意力特征进行分类。同时在生成注意力特征时,使用通道域注意力调整通道间的依赖,提高模型的表示能力。在真实的急性胰腺炎数据集上的实验结果表明,本文提出的网络取得了更好的急性胰腺炎诊断精度,相对原模型,灵敏度与曲线下面积(Area under the curve,AUC)分别至少提升了3.4%,3.2%;相较其他注意力机制如SENet对ResNet模型的改进,AUC提升2.7%。
关键词
急性胰腺炎 双重注意力 多尺度 CT
Keywords
acute pancreatitis dual attention multi-scale CT
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 针对高阶DG数值格式的非定常流场预测建模
7
作者
丁子元 安慰 刘学军 吕宏强
机构
南京航空航天大学 计算机 科学与 技术 学院 空气动力学国家重点 实验室 气动噪声控制重点 实验室 软件新技术 与产业化协同创新中心 南京航空航天大学 航空 学院
出处
《空气动力学学报》
CSCD
北大核心
2022年第6期51-63,共13页
基金
航空科学基金(2018ZA52002,2019ZA052011) 空气动力学国家重点实验室基金(SKLA20180102) 气动噪声控制重点实验室基金(ANCL20190103)。
文摘
高阶间断伽辽金方法作为一种数值求解方法,具备精度高和适用于复杂外形等特点,同时由于其良好的色散以及耗散特性,非常适用于隐式大涡模拟。然而在求解非定常流场时,通常需要计算很长的时长,如何降低计算代价仍然是一个挑战。针对这一问题,提出了一种由三维卷积、二维残差网络和注意力机制组成的深度神经网络,该网络能够从数据中捕捉隐含的流场时空特征。对不同雷诺数下的圆柱绕流进行数值模拟得到用于训练的数据集,将训练完成后的网络用于预测未来时间段的流场原始数据,实验结果显示深度神经网络对圆柱绕流实验数据具备良好的建模能力,用该深度神经网络预测的流场与直接用CFD求解器计算出的结果高度一致。
关键词
深度学习 三维卷积 残差网络 注意力机制 高阶间断伽辽金方法 非定常流场预测
Keywords
deep learning three-dimensional convolution residual network attention mechanism highorder discontinuous Galerkin method unsteady flow field prediction
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
V211.3
[航空宇航科学与技术—航空宇航推进理论与工程]
题名 基于改进的无锚框目标检测算法的涡检测
8
作者
宣扬 吕宏强 安慰 刘学军
机构
南京航空航天大学 计算机 科学与 技术 学院 中国空气动力研究与发展中心空气动力学国家重点 实验室 软件新技术 与产业化协同创新中心 南京航空航天大学 航空 学院
出处
《数据采集与处理》
CSCD
北大核心
2023年第1期150-161,共12页
基金
航空科学基金(2018ZA52002,2019ZA052011) 空气动力学国家重点实验室基金(SKLA20180102) 气动噪声控制重点实验室基金(ANCL20190103)。
文摘
在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用,涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题,因此涡检测具有一定挑战性。本文从计算机视觉的角度出发,提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题,对两种不同类型涡的数据特性进行分析,并提出了基于可变形卷积(Deformable convolutional network,DCN)的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证,实验结果表明改进后的模型检测精确率显著提高,并在细长涡的检测精确率上有显著提升,有效地平衡了各类型的涡检测性能。
关键词
涡检测 细长目标检测 无锚框目标检测算法 特征自适应 细长样本挖掘
Keywords
vortex detection slender object detection anchor-free object detection feature adaptation slender sample mining
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
