检索结果-维普期刊中文期刊服务平台

智能人文研究及其未来发展被引量：2: 1; 作者周昌乐《学术前沿》 CSSCI 北大核心 2024年第2期75-83,107,共10页; 智能人文是一个新兴的人文研究领域,涵盖了人类文化、语言研究、历史研究、文化遗产保护、艺术创作和哲学反思等多个智能化发展方面。现阶段,在人文学科领域,人工智能技术的引入正逐渐成为一把双刃剑。一方面,人工智能为人文研究提供了... 展开更多; 关键词智能人文学科融合学术规范适配性问题; 在线阅读下载PDF 职称材料

基于标签关联性的分层分类共有与固有特征选择被引量：8: 2; 作者林耀进白盛兴 +2 位作者赵红李绍滋胡清华《软件学报》 EI CSCD 北大核心 2022年第7期2667-2682,共16页; 在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了... 展开更多; 关键词特征选择分层分类共有特征固有特征递归正则化; 在线阅读下载PDF 职称材料

基于端到端的多语种语音识别研究被引量：7: 3; 作者胡文轩王秋林 +2 位作者李松洪青阳李琳《信号处理》 CSCD 北大核心 2021年第10期1816-1824,共9页; 端到端语音识别模型无需发音词典进行训练,可以大幅降低开发新语种语音识别系统的负担。本文利用端到端模型的这一优势,建立了一种语种无关的端到端多语种语音识别系统。该模型使用基于字符的建模方法进行训练,同时构建多语种输出符号集... 展开更多; 关键词端到端语音识别多语种低资源联合学习; 在线阅读下载PDF 职称材料

由粗到细的分层特征选择被引量：7: 4; 作者刘浩阳林耀进 +3 位作者刘景华吴镒潾毛煜李绍滋《电子学报》 EI CAS CSCD 北大核心 2022年第11期2778-2789,共12页; 利用数据类别间层次结构关系进行分类学习任务广泛存在于疾病诊断、图像标注等领域.然而,数据特征空间的高维性,使得分层分类学习面临着时间复杂度高和存储负担大等问题.另外,现有研究工作都假设训练集标记粒度是充分细化,与实际分层分... 展开更多; 关键词特征选择分层分类标记层次结构标记粒度递归正则化稀疏优化全局最优解; 在线阅读下载PDF 职称材料

多层特征动态加权图卷积网络被引量：1: 5; 作者杨志豪蒋卫丽 +4 位作者杜国栋相艳马磊邵党国杨嘉林《小型微型计算机系统》 CSCD 北大核心 2020年第11期2354-2358,共5页; 针对目前的图卷积神经网络中,没有关注节点的重要程度和有效利用每一层卷积层所提取信息的问题,本文提出了一种用于图分类任务的改进图同构网络模型.首先,为了区分节点的重要程度,本文通过用度矩阵加权卷积算子的方式,使邻居节点数目多... 展开更多; 关键词图卷积网络加权卷积算子节点特征相似度图分类; 在线阅读下载PDF 职称材料

题名智能人文研究及其未来发展被引量：2: 1; 作者周昌乐; 机构厦门大学人工智能系; 出处《学术前沿》 CSSCI 北大核心 2024年第2期75-83,107,共10页; 文摘智能人文是一个新兴的人文研究领域,涵盖了人类文化、语言研究、历史研究、文化遗产保护、艺术创作和哲学反思等多个智能化发展方面。现阶段,在人文学科领域,人工智能技术的引入正逐渐成为一把双刃剑。一方面,人工智能为人文研究提供了前所未有的高效工具和方法;另一方面,人工智能技术的引入也带来了一系列风险和挑战。因此,人工智能技术适配人文学科的关键在于跨学科合作和交流、确保数据的多样性和代表性、重视人工智能系统给出结果的可解释性和批判性分析。; 关键词智能人文学科融合学术规范适配性问题; Keywords intelligent humanities discipline integration academic norms compatibility issues; 分类号 TP3-05 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名基于标签关联性的分层分类共有与固有特征选择被引量：8: 2; 作者林耀进白盛兴赵红李绍滋胡清华; 机构闽南师范大学计算机学院数据科学与智能应用福建省高校重点实验室(闽南师范大学) 厦门大学人工智能系天津大学智能与计算学部; 出处《软件学报》 EI CSCD 北大核心 2022年第7期2667-2682,共16页; 基金国家自然科学基金(62076116,61672272,61925602,61732011); 文摘在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了不同类节点具有共有与固有属性的特点.据此,提出了基于标签关联性的分层分类共有与固有特征选择算法.该算法利用递归正则化对层次结构的每个内部节点选择对应的固有特征,并充分利用层次结构分析标签关联性,进而利用正则化惩罚项学习各子树的共有特征.该模型不仅能够处理树结构层次化数据,也能直接处理更为复杂常见的有向无环图结构的层次化数据.在6个树结构数据集和4个有向无环图结构数据集上的实验结果,验证了该算法的有效性.; 关键词特征选择分层分类共有特征固有特征递归正则化; Keywords feature selection hierarchical classification common features specific feature recursive regularization; 分类号 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

题名基于端到端的多语种语音识别研究被引量：7: 3; 作者胡文轩王秋林李松洪青阳李琳; 机构厦门大学人工智能系厦门大学电子工程系; 出处《信号处理》 CSCD 北大核心 2021年第10期1816-1824,共9页; 基金国家自然基金(61876160,62001405)。; 文摘端到端语音识别模型无需发音词典进行训练,可以大幅降低开发新语种语音识别系统的负担。本文利用端到端模型的这一优势,建立了一种语种无关的端到端多语种语音识别系统。该模型使用基于字符的建模方法进行训练,同时构建多语种输出符号集,使其包括所有目标语言中出现的字符。模型训练生成单一模型,其网络参数为所有语种共享。在OLR竞赛提供的10个语种数据集上,相较于单语种语音识别系统,本文提出的多语种语音识别系统在所有语言上的表现都更加优秀。; 关键词端到端语音识别多语种低资源联合学习; Keywords end-to-end speech recognition multilanguage low-resource joint learning; 分类号 TN912.34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名由粗到细的分层特征选择被引量：7: 4; 作者刘浩阳林耀进刘景华吴镒潾毛煜李绍滋; 机构闽南师范大学计算机学院数据科学与智能应用福建省高等学校重点实验室(闽南师范大学) 华侨大学计算机科学与技术学院厦门大学人工智能系; 出处《电子学报》 EI CAS CSCD 北大核心 2022年第11期2778-2789,共12页; 基金国家自然科学基金面上项目(No.62076116) 福建省自然科学基金重点项目(No.2021J02049)。; 文摘利用数据类别间层次结构关系进行分类学习任务广泛存在于疾病诊断、图像标注等领域.然而,数据特征空间的高维性,使得分层分类学习面临着时间复杂度高和存储负担大等问题.另外,现有研究工作都假设训练集标记粒度是充分细化,与实际分层分类学习中划分细粒度标记代价高,类别标记间存在语义歧义性等矛盾.为解决上述问题,提出一种由粗到细的分层特征选择算法.该算法考虑类内一致性和兄弟节点间的差异性以选择有代表性特征,同时在特征选择的过程中实现预测训练样本未知的细粒度标记.在7个基准数据集上的实验结果表明,所提算法的分类性能优于一些先进的对比算法,且能处理标记粒度不够细化的情况.; 关键词特征选择分层分类标记层次结构标记粒度递归正则化稀疏优化全局最优解; Keywords feature selection hierarchical classification label hierarchical structure label granularity recursive regularization sparse optimization global optimal solution; 分类号 TP181 [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

题名多层特征动态加权图卷积网络被引量：1: 5; 作者杨志豪蒋卫丽杜国栋相艳马磊邵党国杨嘉林; 机构昆明理工大学信息工程与自动化学院厦门大学人工智能系; 出处《小型微型计算机系统》 CSCD 北大核心 2020年第11期2354-2358,共5页; 基金国家自然科学基金项目(61462054,61732005,61672271,61741112)资助云南省自然科学基金项目(2017FB098)资助 +2 种基金云南省重大科技项目(2018ZF017)资助.; 文摘针对目前的图卷积神经网络中,没有关注节点的重要程度和有效利用每一层卷积层所提取信息的问题,本文提出了一种用于图分类任务的改进图同构网络模型.首先,为了区分节点的重要程度,本文通过用度矩阵加权卷积算子的方式,使邻居节点数目多的节点获得了更大的权重,使得网络在学习时优先考虑这些节点特征信息.其次,为了区分每一层卷积层重要程度不同,本文计算了每一层节点特征的相似度,根据相似度来为每层节点的特征加权.在实验部分,本文将提出的方法与6个主流的神经网络方法在4个数据集上作比较.实验结果表明,本文提出的多层特征动态加权图卷积网络在图分类问题上比主流的模型性能更好.; 关键词图卷积网络加权卷积算子节点特征相似度图分类; Keywords GCN convolution operator node features similarity graph classification; 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	智能人文研究及其未来发展	周昌乐	《学术前沿》 CSSCI 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于标签关联性的分层分类共有与固有特征选择	林耀进白盛兴赵红李绍滋胡清华	《软件学报》 EI CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料
3	基于端到端的多语种语音识别研究	胡文轩王秋林李松洪青阳李琳	《信号处理》 CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
4	由粗到细的分层特征选择	刘浩阳林耀进刘景华吴镒潾毛煜李绍滋	《电子学报》 EI CAS CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料
5	多层特征动态加权图卷积网络	杨志豪蒋卫丽杜国栋相艳马磊邵党国杨嘉林	《小型微型计算机系统》 CSCD 北大核心	2020	1	在线阅读下载PDF 职称材料