随着社会迅速发展,空气污染对人类健康构成严重威胁。为有效预防,提出了基于频率域信息与双向长短期记忆(Frequency-Domain Information Bidirectional Long Short-Term Memory, FD-BiLSTM)神经网络的PM2.5浓度预测模型。利用离散余弦...随着社会迅速发展,空气污染对人类健康构成严重威胁。为有效预防,提出了基于频率域信息与双向长短期记忆(Frequency-Domain Information Bidirectional Long Short-Term Memory, FD-BiLSTM)神经网络的PM2.5浓度预测模型。利用离散余弦变换捕获频率特征,捕捉数据的周期性和趋势;通过BiLSTM模型预测结果,利用公开数据集对PM2.5浓度预测模型性能进行评估并验证。实验结果表明,多变量FD-BiLSTM模型能有效捕捉影响空气质量的复杂关系,可以实现更准确的PM2.5浓度预测。展开更多
传统的Pareto支配关系在高维目标空间存在固有缺陷,而一些改进的支配方法在平衡高维目标解群的收敛性与多样性上尚有提升空间.基于此,提出一种参考向量关联区域(小生境)自动缩减的支配关系A2R(dominance relation based on the Automati...传统的Pareto支配关系在高维目标空间存在固有缺陷,而一些改进的支配方法在平衡高维目标解群的收敛性与多样性上尚有提升空间.基于此,提出一种参考向量关联区域(小生境)自动缩减的支配关系A2R(dominance relation based on the Automatically reduced region Associated with the Reference vector).该支配方法在进化全过程中逐代缩减小生境规模,从而实现收敛性与多样性自动平衡,而且不引入额外参数.另外,提出利用基于L_(p)-范式(p=1/M,M为目标数)的拥挤距离度量高维目标解群的多样性.将上述两种策略嵌入到经典的NSGA-II(Nondominated Sorting Genetic Algorithm II)框架,设计一种基于A2R支配关系的高维多目标进化算法MaOEA/A2R(Many-Objective Evolutionary Algorithm base on A2R).该算法与其他5种代表性的高维多目标进化算法一同在5-、10-、15-和20-目标的DTLZ(benchmark MOP proposed by Deb,Thiele,Lau-manns,and Zitzler)和WFG(benchmark MOP pro-posed by Walking Fish Group)基准测试问题上进行IGD(Inverted Generational Distance)和HV(Hyper Volume)性能测试.结果表明,MaOEA/A2R算法总体上具有较好的收敛性和多样性.由此表明,MaOEA/A2R是一种颇具前景的高维多目标进化算法.展开更多
时序知识图谱对大多人工智能应用至关重要,但它们通常存在不完整性。为解决知识或事件的真实性会随着时间发生动态变化的问题以及更好地捕捉实体和关系动态演化的特性,提出基于CNN和多头注意力关系嵌入的时序知识图谱补全方法(CNN and m...时序知识图谱对大多人工智能应用至关重要,但它们通常存在不完整性。为解决知识或事件的真实性会随着时间发生动态变化的问题以及更好地捕捉实体和关系动态演化的特性,提出基于CNN和多头注意力关系嵌入的时序知识图谱补全方法(CNN and multi-head attention embedding,CMAE),先通过CNN提取关系的复杂时间特征,再通过多头注意力机制并行处理多个关系子空间的语义信息,并结合了TransE、DisMult和SimpIE3种现有的评分函数模型来完成对实体的预测。通过在两个公开的ICEWS 14和ICEWS 05-15数据集上进行实验,结果表明,提出的CMAE方法不仅能与现有的评分函数模型相结合,还能相应地提升它们的性能。同时,与DE-SimpIE、HiSMatch和TTransE等方法进行实验对比,提出的CMAE方法在MRR和Hit@N值上表现较优,能够实现更准确的时序知识图谱补全任务。展开更多
危险驾驶行为分析与预测是智能交通领域中的研究热点,但现有的驾驶行为分析模型要素单一、环境适应性不足,不能客观评估危险驾驶风险程度。为了解决上述问题,提出一种面向车联网(Internet of Vehicles,IoV)的自适应危险驾驶行为分析与...危险驾驶行为分析与预测是智能交通领域中的研究热点,但现有的驾驶行为分析模型要素单一、环境适应性不足,不能客观评估危险驾驶风险程度。为了解决上述问题,提出一种面向车联网(Internet of Vehicles,IoV)的自适应危险驾驶行为分析与预测框架。对驾驶行为数据进行深度分析,总结危险驾驶的影响因素;提出一种新型基于模糊逻辑的危险驾驶风险评估算法,从宏观角度评估驾驶员当前危险驾驶的风险等级;提出一种基于DB-LSTM(Driving Behavior based Long-Short Term Memory)的危险驾驶风险预测算法,用于预测驾驶员下一阶段的危险驾驶程度;在DDD17真实IoV数据集上进行大量对比试验。实验结果表明,提出模型的性能优于其他主流方法,具有良好的准确性和可用性。展开更多
目前动漫人脸识别领域获得的关注较少,研究者往往更关注现实人脸识别任务。动漫人脸识别与现实人脸识别不同,动漫人脸图片的颜色色块较为平滑,更注重人脸的形状,故用于现实人类识别的网络在动漫的人脸识别任务上并不一定能取得同样优秀...目前动漫人脸识别领域获得的关注较少,研究者往往更关注现实人脸识别任务。动漫人脸识别与现实人脸识别不同,动漫人脸图片的颜色色块较为平滑,更注重人脸的形状,故用于现实人类识别的网络在动漫的人脸识别任务上并不一定能取得同样优秀的成绩。文章使用resnext作为骨干网络设计一种轻量的卷积神经网络,提出轻量化动漫人脸识别网络(Light Anime Mange Face Recognition Net,LAMFRNet),此轻量神经网络动漫人脸识别数据集moeImouto上相较于主流神经网络在有着更高准确率。展开更多
文摘随着社会迅速发展,空气污染对人类健康构成严重威胁。为有效预防,提出了基于频率域信息与双向长短期记忆(Frequency-Domain Information Bidirectional Long Short-Term Memory, FD-BiLSTM)神经网络的PM2.5浓度预测模型。利用离散余弦变换捕获频率特征,捕捉数据的周期性和趋势;通过BiLSTM模型预测结果,利用公开数据集对PM2.5浓度预测模型性能进行评估并验证。实验结果表明,多变量FD-BiLSTM模型能有效捕捉影响空气质量的复杂关系,可以实现更准确的PM2.5浓度预测。
文摘传统的Pareto支配关系在高维目标空间存在固有缺陷,而一些改进的支配方法在平衡高维目标解群的收敛性与多样性上尚有提升空间.基于此,提出一种参考向量关联区域(小生境)自动缩减的支配关系A2R(dominance relation based on the Automatically reduced region Associated with the Reference vector).该支配方法在进化全过程中逐代缩减小生境规模,从而实现收敛性与多样性自动平衡,而且不引入额外参数.另外,提出利用基于L_(p)-范式(p=1/M,M为目标数)的拥挤距离度量高维目标解群的多样性.将上述两种策略嵌入到经典的NSGA-II(Nondominated Sorting Genetic Algorithm II)框架,设计一种基于A2R支配关系的高维多目标进化算法MaOEA/A2R(Many-Objective Evolutionary Algorithm base on A2R).该算法与其他5种代表性的高维多目标进化算法一同在5-、10-、15-和20-目标的DTLZ(benchmark MOP proposed by Deb,Thiele,Lau-manns,and Zitzler)和WFG(benchmark MOP pro-posed by Walking Fish Group)基准测试问题上进行IGD(Inverted Generational Distance)和HV(Hyper Volume)性能测试.结果表明,MaOEA/A2R算法总体上具有较好的收敛性和多样性.由此表明,MaOEA/A2R是一种颇具前景的高维多目标进化算法.
文摘危险驾驶行为分析与预测是智能交通领域中的研究热点,但现有的驾驶行为分析模型要素单一、环境适应性不足,不能客观评估危险驾驶风险程度。为了解决上述问题,提出一种面向车联网(Internet of Vehicles,IoV)的自适应危险驾驶行为分析与预测框架。对驾驶行为数据进行深度分析,总结危险驾驶的影响因素;提出一种新型基于模糊逻辑的危险驾驶风险评估算法,从宏观角度评估驾驶员当前危险驾驶的风险等级;提出一种基于DB-LSTM(Driving Behavior based Long-Short Term Memory)的危险驾驶风险预测算法,用于预测驾驶员下一阶段的危险驾驶程度;在DDD17真实IoV数据集上进行大量对比试验。实验结果表明,提出模型的性能优于其他主流方法,具有良好的准确性和可用性。
文摘目前动漫人脸识别领域获得的关注较少,研究者往往更关注现实人脸识别任务。动漫人脸识别与现实人脸识别不同,动漫人脸图片的颜色色块较为平滑,更注重人脸的形状,故用于现实人类识别的网络在动漫的人脸识别任务上并不一定能取得同样优秀的成绩。文章使用resnext作为骨干网络设计一种轻量的卷积神经网络,提出轻量化动漫人脸识别网络(Light Anime Mange Face Recognition Net,LAMFRNet),此轻量神经网络动漫人脸识别数据集moeImouto上相较于主流神经网络在有着更高准确率。
