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75篇文章
< 1 2 … 4 >
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：
基于改进SKNet-SVM的网络安全态势评估 被引量：10
1
作者 赵冬梅 孙明伟 +1 位作者 宿梦月 吴亚星 《应用科学学报》 CAS CSCD 北大核心 2024年第2期334-349,共16页
为提高网络安全态势评估的准确率,增强稳定性与鲁棒性,提出一种基于改进选择性卷积核卷积神经网络和支持向量机的网络安全态势评估模型。首先,使用改进选择性卷积核代替传统卷积核进行特征提取,提高卷积神经网络感受野变化的自适应性,... 为提高网络安全态势评估的准确率,增强稳定性与鲁棒性,提出一种基于改进选择性卷积核卷积神经网络和支持向量机的网络安全态势评估模型。首先,使用改进选择性卷积核代替传统卷积核进行特征提取,提高卷积神经网络感受野变化的自适应性,增强特征之间关联性。然后,将提取的特征输入到支持向量机中进行分类,并使用网格优化算法对支持向量机中的参数进行全局寻优。最后,根据网络攻击影响指标计算网络安全态势值。实验表明,基于改进选择性卷积核卷积神经网络和支持向量机的态势评估模型与传统的卷积神经网络搭建的态势评估模型相比,准确率更高,并且具有更强的稳定性和鲁棒性。 展开更多
关键词 网络安全态势评估 网络安全态势感知 改进选择性卷积核卷积神经网络 支持向量机 网格优化算法
在线阅读 下载PDF
基于多视图表示学习的语义感知异质图注意力网络
2
作者 王静红 吴芝冰 +1 位作者 王熙照 李昊康 《计算机科学》 北大核心 2025年第6期167-178,共12页
近年来,图神经网络因能够高效处理异质图中的复杂结构和丰富语义信息而受到了广泛的关注。学习异质图的低维节点嵌入,同时为节点分类、节点聚类等下游任务保留异质结构和语义,是一个关键且具有挑战性的问题。现有研究主要基于元路径来... 近年来,图神经网络因能够高效处理异质图中的复杂结构和丰富语义信息而受到了广泛的关注。学习异质图的低维节点嵌入,同时为节点分类、节点聚类等下游任务保留异质结构和语义,是一个关键且具有挑战性的问题。现有研究主要基于元路径来设计模型,但这种方法至少存在两方面的局限性:1)合适元路径的选择通常需要专家知识或额外的标注信息;2)该方法限制了模型按预定义的模式学习,从而难以充分捕获网络的复杂性。针对这些问题,提出了一种多视图和语义感知的异质图注意力网络(Multi-view and Semantic-aware Heterogeneous Graph Attention Network,MS-HGANN)。该网络无需人工设计元路径,即可融合节点和关系中的丰富语义信息。MS-HGANN主要包括3个部分:特征映射、二阶特定视图自我图融合和语义感知。特征映射将特征映射到统一的节点特征空间;二阶特定视图自我图融合设计了特定关系的编码器和节点注意力学习节点在局部结构上的表示;语义感知设计了两种相互协调的注意力机制来评估节点和关系的重要性,从而得到最终的节点表示。在3个公开数据集上进行实验,结果表明,所提模型在节点分类和聚类任务上达到了先进水平。 展开更多
关键词 图神经网络 异质图 图表示学习 异质图嵌入 异质网络
在线阅读 下载PDF
结合CNN与Transformer的双流U型医学图像分割网络
3
作者 杨超荣 张朝晖 《小型微型计算机系统》 北大核心 2025年第8期2016-2026,共11页
为有效利用医学输入图像的局部特征与全局语义信息,从而获得边界更清晰、语义结构更完整的图像分割结果,提出一种结合CNN与Transformer的双流U型医学图像分割网络(DS-UNet).首先,双流U型结构由用于局部特征提取的CNN分支和进行全局特征... 为有效利用医学输入图像的局部特征与全局语义信息,从而获得边界更清晰、语义结构更完整的图像分割结果,提出一种结合CNN与Transformer的双流U型医学图像分割网络(DS-UNet).首先,双流U型结构由用于局部特征提取的CNN分支和进行全局特征提取的Swin Transformer分支构成;之后,为实现局部特征与全局特征的优势互补,以通道注意力和空间注意力为基础,提出了CNN和Transformer的融合模块(CTFB),并将其作为DS-UNet的重要组件,用于特征处理3个关键阶段双分支的信息交互与特征融合;此外,还提出一种用于双分支特征图与浅层多尺度特征图融合的跨分支信息增强模块(CBIE),为后续分割结果的生成做进一步的全局语义信息增强与浅层细节补充.以Dice相似系数与IoU值为评价指标,在GlaS、MoNuSeg、QaTa-COV19以及Synapse 4个公开数据集的对比实验表明,DS-UNet优于其他大部分竞争算法,并在GlaS、MoNuSeg以及Synapse数据集上性能最优. 展开更多
关键词 医学图像语义分割 双流U型结构 Swin Transformer CNN 特征融合
在线阅读 下载PDF
基于脉冲神经网络的类脑计算 被引量：6
4
作者 王秀青 曾慧 +2 位作者 韩东梅 刘颖 吕锋 《北京工业大学学报》 CAS CSCD 北大核心 2019年第12期1277-1286,共10页
针对当前重要国际科技前沿--类脑计算进行研究,讨论了类脑计算的研究内容、特点和研究现状.类脑计算不是简单的人脑神经元的模拟和神经元模型的应用,而是对人脑的信息处理规律、复杂的工作模式及思维、学习、推理、决策本质性机理的深... 针对当前重要国际科技前沿--类脑计算进行研究,讨论了类脑计算的研究内容、特点和研究现状.类脑计算不是简单的人脑神经元的模拟和神经元模型的应用,而是对人脑的信息处理规律、复杂的工作模式及思维、学习、推理、决策本质性机理的深层次模拟.脉冲神经网络比传统神经网络具有更好的生物似真性,并能同时融入时、空信息,更适用于受人类推理、判断、决策等思维过程启发的类脑计算.因此,介绍了脉冲神经网络的特点、脉冲神经元模型、脉冲编码,以及脉冲神经网络在模式识别等领域中的应用,并对基于脉冲神经网络的类脑计算方法和神经形态芯片的研究现状及未来的发展进行了讨论.基于脉冲神经网络的类脑计算会对未来的生活、经济发展产生深远影响. 展开更多
关键词 脉冲神经网络 类脑计算 神经形态芯片 神经元模型 脉冲编码 时空信息
在线阅读 下载PDF
基于时间因子和复合CNN结构的网络安全态势评估 被引量：26
5
作者 赵冬梅 宋会倩 张红斌 《计算机科学》 CSCD 北大核心 2021年第12期349-356,共8页
为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;... 为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;将一维网络数据转换为二维矩阵,以灰度值的形式载入神经网络模型,从而有效发挥卷积神经网络的优势。为充分利用数据间的时序关系,引入时间因子形成融合数据,使网络同时学习具备时序关系的原始数据和融合数据,增强模型的特征提取能力,同时利用时间因子和点卷积建立时序数据的空间映射,提高模型结构的完整性。实验结果证明,所提模型在两个数据集上的准确率分别达到了92.89%和92.60%,相比随机森林和LSTM算法提升了2%~6%。 展开更多
关键词 态势感知 卷积网络 时间因子 深度可分离卷积 卷积分解
在线阅读 下载PDF
基于IPSO-BiLSTM的网络安全态势预测 被引量：18
6
作者 赵冬梅 吴亚星 张红斌 《计算机科学》 CSCD 北大核心 2022年第7期357-362,共6页
针对复杂的网络安全态势预测问题,为了提高预测的收敛速度和预测精度,提出了一种基于改进粒子群优化双向长短期记忆(IPSO-BiLSTM)网络的网络安全态势预测模型。首先,针对所用数据集没有真实态势值的问题,采用了一种基于攻击影响的态势... 针对复杂的网络安全态势预测问题,为了提高预测的收敛速度和预测精度,提出了一种基于改进粒子群优化双向长短期记忆(IPSO-BiLSTM)网络的网络安全态势预测模型。首先,针对所用数据集没有真实态势值的问题,采用了一种基于攻击影响的态势值计算方法,用于态势预测。其次,针对粒子群(PSO)算法易陷入局部最优值、搜索能力不均衡等问题,对惯性权重和加速因子进行改进,改进后的粒子群(IPSO)算法的全局和局部搜索能力平衡,收敛速度更快。最后,使用IPSO优化双向长短期记忆(BiLSTM)网络参数,提升预测能力。实验结果表明,IPSO-BiLSTM的拟合程度可达0.9946,其拟合效果和收敛速度均优于其他模型。 展开更多
关键词 网络安全 态势预测 神经网络 双向长短期记忆网络 改进粒子群优化
在线阅读 下载PDF
基于相似网络和联合注意力的图嵌入模型 被引量：1
7
作者 王静红 李昌鑫 +1 位作者 杨家腾 于富强 《河南师范大学学报（自然科学版）》 CAS 北大核心 2024年第6期36-44,共9页
图注意力网络(graph attention network, GAT)将注意力机制与图神经网络融合,但模型只关注节点的一阶邻域节点,缺乏对高阶相似节点的考虑,同时在计算注意力分数时缺乏对节点结构特征的关注.为此提出一种基于相似网络和联合注意力的图嵌... 图注意力网络(graph attention network, GAT)将注意力机制与图神经网络融合,但模型只关注节点的一阶邻域节点,缺乏对高阶相似节点的考虑,同时在计算注意力分数时缺乏对节点结构特征的关注.为此提出一种基于相似网络和联合注意力的图嵌入模型.首先计算网络中的节点相似性,并将高相似度且未连接的节点对构建新边以形成相似网络.其次,引入结构相关性和内容相关性的概念,分别用于表征节点之间的结构关系和内容特征.通过融合两种相关性得分计算得到联合注意力分数.最后使用联合注意力分数对节点特征加权聚合,得到最终的节点嵌入表示.将本文所提算法在Cora、Citeseer和Pubmed 3个数据集上进行节点分类任务,准确率分别达到85.70%、74.30%、84.10%,与原始图注意力网络模型相比分别提高了2.70%、3.94%和2.60%.可见,所提出的算法可以得到更好的节点嵌入表示. 展开更多
关键词 图嵌入 图注意力网络 节点相似性 相似网络 节点分类
在线阅读 下载PDF
Logistic混沌映射与差分进化改进人工蜂群优化水下定位 被引量：3
8
作者 陈嘉兴 刘扬 +1 位作者 刘晓茜 刘志华 《工程科学与技术》 北大核心 2025年第1期57-67,共11页
水下节点定位时通常采用距离估算法,在节点之间利用点到点的距离来估计或基于角度估计来完成节点定位。然而,这种算法存在较大的定位误差。为了提升定位的精确度,引入了人工蜂群(ABC)优化算法,该算法通过将节点定位结果优化问题转化为... 水下节点定位时通常采用距离估算法,在节点之间利用点到点的距离来估计或基于角度估计来完成节点定位。然而,这种算法存在较大的定位误差。为了提升定位的精确度,引入了人工蜂群(ABC)优化算法,该算法通过将节点定位结果优化问题转化为对节点目标函数的优化问题,有效地提高了水下节点的定位精度。尽管如此,ABC算法在迭代过程中仍存在收敛速度慢、易陷入局部最优的问题。针对这些问题,提出了一种通过Logistic混沌映射与差分进化改进的人工蜂群优化水下定位算法(improved artificial bee colony optimization underwater localization algorithm by Logistic chaos mapping and differential evolution,LDIABC)。首先,在算法种群初始化阶段,引入了Logistic混沌映射,利用该映射函数产生的混沌序列代替随机数生成器,从而使种群在初始化分布时蜜源位置更均匀,并从理论上证明了Logistic混沌序列的互异性,从而避免由于种群分布过于密集导致算法在迭代过程中陷入局部最优;其次,提出了适应度方差这一标准来验证在算法迭代过程中未陷入局部最优,进一步证明其有效性;然后,在引领蜂搜索阶段,基于差分进化的变异策略,提出了权重因子改进引领蜂邻域搜索方式,提高了引领蜂的全局搜索效率,加快了算法的收敛速度。仿真实验表明,LDIABC算法能够有效避免传统ABC算法收敛速度慢和易陷入局部最优的问题。相较于Tent-IABC算法、ELOABC算法、CODEGWO算法以及SAPSO算法,LDIABC算法在收敛速度和节点定位成功率上均有显著提升,并且优化定位精度分别提升了6.36%、13.33%、14.16%和16.88%。这些结果证明LDIABC算法能够有效提升水下节点定位精度,具有良好的优化效果。 展开更多
关键词 人工蜂群优化 水下定位 LOGISTIC混沌映射 适应度方差 权重因子
在线阅读 下载PDF
基于自编码器及对比损失的图聚类方法
9
作者 王静红 王慧 袁绰 《南京师大学报(自然科学版)》 北大核心 2025年第1期75-84,共10页
图聚类根据图数据的内在关系找到组或社区,是数据分析中一项重要的研究问题.近年来,基于自编码器的方法能够获得有效节点属性表示,但未融合结构信息.由于图神经网络的广泛应用,基于半监督图卷积网络和图自编码器的模型能够融合结构信息... 图聚类根据图数据的内在关系找到组或社区,是数据分析中一项重要的研究问题.近年来,基于自编码器的方法能够获得有效节点属性表示,但未融合结构信息.由于图神经网络的广泛应用,基于半监督图卷积网络和图自编码器的模型能够融合结构信息,与传统聚类方法相比取得了较好的效果,但标记数据和卷积操作代价昂贵.因此,本文提出了一种基于自编码器及对比损失的图聚类方法.首先该方法使用简单的多层感知器设计自编码器,预训练自编码器学习节点属性表示.其次结合影响对比损失学习图嵌入表示,融合丰富的图结构信息,然后同时迭代优化嵌入表示和自监督聚类任务.最后,使用多个引文网络数据集与基准模型进行对比实验.实验表明,聚类性能得到有效提升,并且参数敏感性分析和变体实验验证了影响对比损失和自监督聚类的有效性. 展开更多
关键词 图聚类 自编码器 影响对比损失 图嵌入 自监督聚类
在线阅读 下载PDF
基于扩张重参数化和空洞卷积架构的步态识别方法 被引量：2
10
作者 霍丽娜 薛乐仁 +3 位作者 戴钰俊 赵新宇 王世行 王威 《计算机应用》 北大核心 2025年第4期1285-1292,共8页
步态识别旨在通过人们的步行姿态进行身份识别。针对步态识别中有效感受野(ERF)与人体轮廓区域匹配不佳的问题,提出一种基于空洞卷积的步态识别方法DilatedGait。首先,采用空洞卷积扩大神经元感受野,缓解下采样和模型深度增加导致的分... 步态识别旨在通过人们的步行姿态进行身份识别。针对步态识别中有效感受野(ERF)与人体轮廓区域匹配不佳的问题,提出一种基于空洞卷积的步态识别方法DilatedGait。首先,采用空洞卷积扩大神经元感受野,缓解下采样和模型深度增加导致的分辨率下降,以提高轮廓结构的辨识度;其次,提出扩张重参数化模块(DRM),通过重参数化方法融合多尺度卷积核参数,优化ERF聚焦范围,使模型捕获更多的全局上下文信息;最后,通过特征映射提取判别性步态特征。在户外数据集Gait3D和GREW上的实验结果表明,对比目前的先进方法GaitBase,DilatedGait在Gait3D的Rank-1和平均逆负惩罚(mINP)上分别提升了9.0和14.2个百分点,在GREW的Rank-1和Rank-5上分别提升了11.6和8.8个百分点。可见,DilatedGait消除了复杂协变量带来的不利影响,能进一步提升户外场景下步态识别的准确率。 展开更多
关键词 步态识别 有效感受野 重参数化 空洞卷积 步态轮廓序列
在线阅读 下载PDF
斯特林曲线的离散卷积生成及其求值算法
11
作者 王瑜 刘婉柔 +1 位作者 解滨 韩力文 《浙江大学学报(理学版)》 北大核心 2025年第1期122-132,共11页
斯特林基函数是由离散概率模型生成的一类有理基函数。通过分析基函数的逐层递推关系,构造了斯特林基函数的离散卷积结构。结合离散卷积满足的交换性,得到n次斯特林曲线的n!种de Casteljau算法,并将其用于曲线的递归求值,进而得到n次斯... 斯特林基函数是由离散概率模型生成的一类有理基函数。通过分析基函数的逐层递推关系,构造了斯特林基函数的离散卷积结构。结合离散卷积满足的交换性,得到n次斯特林曲线的n!种de Casteljau算法,并将其用于曲线的递归求值,进而得到n次斯特林曲线的2种线性求值算法、速端曲线离散卷积表示以及首末两个n次斯特林基函数的导函数显式表达式。研究可推广至一类嵌套空间中的有理基函数及其曲线曲面。 展开更多
关键词 斯特林曲线 离散卷积 de Casteljau算法 线性复杂度 速端曲线
在线阅读 下载PDF
ViTFFN模型在航空发动机剩余使用寿命预测中的应用
12
作者 张诺飞 王秀青 +2 位作者 王铮 叶晓雅 杜文霞 《重庆理工大学学报(自然科学)》 北大核心 2025年第9期108-116,共9页
提出一种结合Vision Transformer(ViT)和特征融合层次网络的RUL概率预测模型(vision transformer and feature fusion hierarchical network,ViTFFN)。ViT准确捕捉输入数据序列中的长期依赖关系和关键特征,特征融合层次网络(feature fus... 提出一种结合Vision Transformer(ViT)和特征融合层次网络的RUL概率预测模型(vision transformer and feature fusion hierarchical network,ViTFFN)。ViT准确捕捉输入数据序列中的长期依赖关系和关键特征,特征融合层次网络(feature fusion hierarchical network,FFHN)充分挖掘多尺度信息和上下文互补信息,并利用概率方法预测航空发动机RUL的置信区间,充分预测可能出现的结果。实验结果表明,所提ViTFFN模型在C-MAPSS数据集的FD002数据子集上的RMSE值和Score值为16.89和1489.36,均低于LSTM、DCNN等方法;对于FD004数据集,RMSE值为20.10。在FD001和FD003数据集上,ViTFFN模型与MSDCNN-LSTM、CACNN-Transformer等方法具备同等RUL预测结果,RMSE值分别为12.16和12.08。相比IDMFFN、MCLSTM等方法,ViTFFN模型具有更高的预测准确性,为航空发动机RUL预测提供了有效方法。 展开更多
关键词 剩余使用寿命预测 Vision Transformer 多尺度特征融合 航空发动机 深度学习
在线阅读 下载PDF
曲率单调的二次有理h-Bézier曲线
13
作者 李梓萌 解滨 韩力文 《计算机辅助设计与图形学学报》 北大核心 2025年第5期797-808,共12页
h-Bézier曲线是一类广义Bézier曲线,增加正实数权因子后得到的有理h-Bézier曲线可精确表示圆锥曲线.为了获得具有单调曲率的圆锥曲线段,针对标准型二次有理h-Bézier曲线,提出曲率单调的二次有理h-Bézier曲线... h-Bézier曲线是一类广义Bézier曲线,增加正实数权因子后得到的有理h-Bézier曲线可精确表示圆锥曲线.为了获得具有单调曲率的圆锥曲线段,针对标准型二次有理h-Bézier曲线,提出曲率单调的二次有理h-Bézier曲线的构造方法.首先,通过引入曲率极值圆,讨论标准型二次有理h-Bézier曲线曲率极值的存在性;其次,借助曲率单调临界圆,得到标准型二次有理h-Bézier曲线曲率单调的充要条件,即对于首末控制顶点确定的曲线,为得到曲率单调的圆锥曲线段,只需中间控制顶点在曲率单调临界圆上或圆内;进而,根据曲率单调的充要条件,选择合适的中间控制顶点位置、权因子w和形状参数h,构造出曲率单调的二次有理h-Bézier曲线.数值实例构造出曲率单调递减或递增的二次有理h-Bézier曲线,与二次h-Bézier曲线和二次有理Bézier曲线曲率单调的条件相比,所提方法确定的参数h的范围和中间控制顶点的可选范围更广,曲线造型更具灵活性. 展开更多
关键词 二次有理h-Bézier曲线 曲率单调 曲率极值圆 临界圆
在线阅读 下载PDF
基于影响力的跨社交网络谣言扩散模型与抑制方法 被引量：4
14
作者 郭宏刚 杨芳 《计算机应用与软件》 北大核心 2022年第7期73-79,153,共8页
传统在线社交网络谣言分析模型均考虑单一的社交网络,而当前谣言通常跨多个社交网络进行传播,传播速度极快,影响极大。针对这种情况,提出一种基于社交影响力的跨多个社交网络谣言传播模型,基于该模型给出贪婪谣言抑制方法。通过用户与... 传统在线社交网络谣言分析模型均考虑单一的社交网络,而当前谣言通常跨多个社交网络进行传播,传播速度极快,影响极大。针对这种情况,提出一种基于社交影响力的跨多个社交网络谣言传播模型,基于该模型给出贪婪谣言抑制方法。通过用户与其邻居的外部聚类系数决定社交网络的影响力节点,保留高影响力节点的谣言扩散连接,从而降低模型的复杂度,以贪婪算法为基础,预测传播能力强的种子节点,通过失活种子节点集对谣言进行快速抑制。实验结果表明,该模型能够较为准确地模拟谣言的传播趋势,同时算法能够快速抑制谣言的传播。 展开更多
关键词 在线社交网络 网络安全 公共安全 谣言传播 贪婪算法
在线阅读 下载PDF
一种新的深度学习信号调制方式自动识别算法研究
15
作者 张丹华 冯冀宁 《现代电子技术》 北大核心 2025年第12期179-186,共8页
调制方式自动识别(AMR)基于深度学习(DL)的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而,低信噪比(SNR)条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题,提出一种新... 调制方式自动识别(AMR)基于深度学习(DL)的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而,低信噪比(SNR)条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题,提出一种新型AMR-DL算法。新算法利用多观测样本累积方法提高信噪比,对增强后的信号进行小波变换,得到时频图像,将调制识别问题转换为时频图像的分类问题;同时设计了一个轻量级神经网络,用于时频图像特征提取与分类。仿真结果显示,所提新型AMR-DL算法中轻量级神经网络参数量较少,在0 dB下准确率可达98.1%,且与其他算法相比在低信噪比条件下显著提高了调制信号的识别准确率。 展开更多
关键词 深度学习 调制方式自动识别 多观测样本累积 轻量级神经网络 小波变换 低信噪比
在线阅读 下载PDF
基于LSTM-TE模型的冬枣可溶性固形物含量高光谱估测
16
作者 刘傲然 孟惜 +3 位作者 刘智国 宋宇斐 赵雪曼 智丹宁 《光谱学与光谱分析》 北大核心 2025年第8期2326-2334,共9页
冬枣因其丰富的营养成分、香甜的口感和优良的风味,深受消费者的喜爱。随着消费者对水果品质要求的提高,可溶性固形物含量(SSC)作为衡量水果成熟度和口感质量的重要指标,已成为水果品质评估中的关键因素。因此,实现冬枣SSC的高效、无损... 冬枣因其丰富的营养成分、香甜的口感和优良的风味,深受消费者的喜爱。随着消费者对水果品质要求的提高,可溶性固形物含量(SSC)作为衡量水果成熟度和口感质量的重要指标,已成为水果品质评估中的关键因素。因此,实现冬枣SSC的高效、无损预测具有重要的应用价值和实际意义。提出一种融合长短时记忆网络(LSTM)与Transformer编码器的LSTM-TE模型,旨在实现冬枣SSC的快速无损预测。采集900个冬枣样本的高光谱数据并测定其SSC值,结合多种光谱数据预处理方法[包括多元散射校正(MSC)、矢量归一化(VN)、Savitzky-Golay(SG)滤波、一阶导数(D1)和二阶导数(D2)等]对数据进行处理,通过PLSR、SVR、VGG16、ResNet18、LSTM五种模型系统比较了10种预处理组合的效果,确定最优预处理方案为MSC-SG-D1。在该预处理方法的基础上,进一步构建了PLSR、SVR、VGG16、ResNet18、LSTM和LSTM-TE的多模型对比体系,并对其在测试集上的性能进行了对比分析。实验结果表明,LSTM-TE模型在测试集上的决定系数为0.9598,均方根误差为1.2690,较传统机器学习模型PLSR(R_(p)^(2)=0.8173)提升17.4%,较单一LSTM模型(R_(p)^(2)=0.8652)提升10.9%。该模型通过LSTM的时序特征捕捉能力与Transformer编码器的全局依赖建模优势,有效挖掘了高光谱数据中的非线性特征关系。本研究为冬枣品质的在线检测与分级提供了新的技术方案,对高光谱技术在精准农业中的应用具有重要参考价值。 展开更多
关键词 可溶性固形物含量(SSC) 高光谱 深度学习 LSTM-TE模型
在线阅读 下载PDF
基于可微知识图谱的多跳知识库问答
17
作者 魏谦强 赵书良 张思漫 《计算机科学》 北大核心 2025年第3期295-305,共11页
知识库问答是一个具有挑战性的热门研究方向。目前,基于嵌入的方法通过隐式推理得到问题的答案而不能产生完整的推理路径,基于可微知识图谱的模型只需要将问题答案对作为弱监督信号就可以产生可解释的结果。基于可微知识图谱,提出了一... 知识库问答是一个具有挑战性的热门研究方向。目前,基于嵌入的方法通过隐式推理得到问题的答案而不能产生完整的推理路径,基于可微知识图谱的模型只需要将问题答案对作为弱监督信号就可以产生可解释的结果。基于可微知识图谱,提出了一个端到端编码器-解码器模型。编码器使用多头注意力机制和LSTM对问题进行细粒度顺序建模,生成能更好地表示问题每一跳语义特征的查询向量;解码器使用前馈神经网络实现问题多跳推理的注意力机制,能更好地表示问题每一跳在整个问题中的权重。所提模型解决了以前粗粒度非顺序建模方法存在的信息丢失问题。在5个数据集MetaQA-1hop,MetaQA-2hop,MetaQA-3hop,WebQSP和CWQ上进行实验,模型分别取得了97.5%,100%,100%,77.8%和51.4%的准确率。消融实验表明,各个模块都对模型整体性能的提高有贡献。 展开更多
关键词 多跳知识库问答 可微知识图谱 编码器-解码器
在线阅读 下载PDF
一种融合胶囊网络的分类方法 被引量：1
18
作者 王静红 张戴鹏 《计算机应用研究》 CSCD 北大核心 2022年第12期3574-3581,3586,共9页
目前的ADMET分类方法在对具有多特征性和特征关联性的化合物数据进行ADMET分类时存在不足。而且,对ADMET分类结果不具备可解释性。针对上述问题,提出一种融合胶囊网络的分类模型(CapsMC)。CapsMC模型首先提出一种feature-to-image图像... 目前的ADMET分类方法在对具有多特征性和特征关联性的化合物数据进行ADMET分类时存在不足。而且,对ADMET分类结果不具备可解释性。针对上述问题,提出一种融合胶囊网络的分类模型(CapsMC)。CapsMC模型首先提出一种feature-to-image图像转换算法。使用该算法将特征之间的关联关系和依赖关系作为考量纳入到分类依据中,实现特征的多层次提取。其次,探索胶囊网络的高级应用,提出一种认知推理机制。使用该机制对特征进行认知推理,实现ADMET的可解释性分类。模型在五种ADMET数据集上的实验结果表明,CapsMC模型可以高效实现ADMET的可解释性分类。 展开更多
关键词 ADMET 图像转换 胶囊网络 认知推理机制 可解释性分类
在线阅读 下载PDF
双路自编码器的属性网络表示学习
19
作者 王静红 周志霞 +1 位作者 王辉 李昊康 《计算机应用》 CSCD 北大核心 2023年第8期2338-2344,共7页
属性网络表示学习的目的是在保证网络中节点性质的前提下,结合结构和属性信息学习节点的低维稠密向量表示。目前属性网络表示学习方法忽略了网络中属性信息的学习,且这些方法中的属性信息与网络拓扑结构的交互性不足,不能高效融合网络... 属性网络表示学习的目的是在保证网络中节点性质的前提下,结合结构和属性信息学习节点的低维稠密向量表示。目前属性网络表示学习方法忽略了网络中属性信息的学习,且这些方法中的属性信息与网络拓扑结构的交互性不足,不能高效融合网络结构和属性信息。针对以上问题,提出一种双路自编码器的属性网络表示学习(DENRL)算法。首先,通过多跳注意力机制捕获节点的高阶邻域信息;其次,设计低通拉普拉斯滤波器去除高频信号,并迭代获取重要邻居节点的属性信息;最后,构建自适应融合模块,通过结构和属性信息的一致性及差异性约束来增加对重要信息的获取,并通过监督两个自编码器的联合重构损失函数训练编码器。在Cora、Citeseer、Pubmed和Wiki数据集上的实验结果表明,与DeepWalk、ANRL(Attributed Network Representation Learning)等算法相比,DENRL算法在3个引文网络数据集上聚类准确率最高、算法运行时间最少,在Cora数据集上聚类准确率为0.775和运行时间为0.460 2 s;且DENRL算法在Cora和Citeseer数据集上链路预测精确率最高,分别达到了0.961和0.970。可见,属性与结构信息的融合及交互学习可以获得更强的节点表示能力。 展开更多
关键词 属性网络 网络表示学习 自编码器 交互学习 注意力机制
在线阅读 下载PDF
基于图文知识融合的常识问答模型
20
作者 蔡瑞祥 赵书良 何家瑶 《计算机科学》 北大核心 2025年第11期237-244,共8页
知识图谱在常识性问答中展现出了显著的成效。现有的方法通常利用问题中的实体来从知识图谱(KG)中检索局部子图,然后对其使用图神经网络(GNN)进行编码,随后将GNN编码的结果与语言模型(LMs)相结合,以进行答案的推理和问题的回答。然而,使... 知识图谱在常识性问答中展现出了显著的成效。现有的方法通常利用问题中的实体来从知识图谱(KG)中检索局部子图,然后对其使用图神经网络(GNN)进行编码,随后将GNN编码的结果与语言模型(LMs)相结合,以进行答案的推理和问题的回答。然而,使用GNN和LMs的常识问答系统存在两个挑战:1)如何高效地提取知识图谱中的子图,对其知识与结构信息进行有效的表示和利用;2)如何实现问题上下文与子图知识的深度融合与联合推理。为此,提出了一个基于图文知识融合的常识问答模型(Graph-Text Integrating for Commonsense Question Answering,GTICQA)。该模型首先通过外部词典过滤精炼出关键实体,实现对知识子图的剪枝。然后,使用LM对问题上下文进行编码,用GNN编码器对精炼后的知识子图进行编码。同时,在子图编码的过程中,引入了一个新的k稀疏注意力机制增强对子图全局特征的提取并抑制噪声。最后,使用一种包括细粒度双模态交互融合层和均值交互融合层的知识融合方法,对两种知识表示进行深度融合与动态更新。在CommonsenseQA,OpenBookQA和MedQA-USMLE这3个数据集上对GTICQA进行了评估,其分别以79.12%,72.20%和39.40%的准确率超越了现有最佳方法,表明了模型在处理常识性问答上的优势。 展开更多
关键词 常识性问答 多项选择问答 知识融合 知识图谱 语言模型
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 … 4 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