期刊文献+
共找到4,026篇文章
< 1 2 202 >
每页显示 20 50 100
基于双深度网络的安全深度强化学习方法 预览
1
作者 朱斐 吴文 +1 位作者 伏玉琛 刘全 《计算机学报》 EI CSCD 北大核心 2019年第8期1812-1826,共15页
深度强化学习利用深度学习感知环境信息,使用强化学习求解最优决策,是当前人工智能领域的主要研究热点之一.然而,大部分深度强化学习的工作未考虑安全问题,有些方法甚至特意加入带随机性质的探索来扩展采样的覆盖面,以期望获得更好的近... 深度强化学习利用深度学习感知环境信息,使用强化学习求解最优决策,是当前人工智能领域的主要研究热点之一.然而,大部分深度强化学习的工作未考虑安全问题,有些方法甚至特意加入带随机性质的探索来扩展采样的覆盖面,以期望获得更好的近似最优解.可是,不受安全控制的探索性学习很可能会带来重大风险.针对上述问题,提出了一种基于双深度网络的安全深度强化学习(Dual Deep Network Based Secure Deep Reinforcement Learning,DDN-SDRL)方法.DDN-SDRL方法设计了危险样本经验池和安全样本经验池,其中危险样本经验池用于记录探索失败时的临界状态和危险状态的样本,而安全样本经验池用于记录剔除了临界状态和危险状态的样本.DDN-SDRL方法在原始网络模型上增加了一个深度Q网络来训练危险样本,将高维输入编码为抽象表示后再解码为特征;同时提出了惩罚项描述临界状态,并使用原始网络目标函数和惩罚项计算目标函数.DDN-SDRL方法以危险样本经验池中的样本为输入,使用深度Q网络训练得到惩罚项.由于DDN-SDRL方法利用了临界状态、危险状态及安全状态信息,因此Agent可以通过避开危险状态的样本、优先选取安全状态的样本来提高安全性.DDN-SDRL方法具有通用性,能与多种深度网络模型结合.实验验证了方法的有效性. 展开更多
关键词 强化学习 深度强化学习 深度Q网络 安全深度强化学习 安全人工智能 经验回放
在线阅读 下载PDF
一种带探索噪音的深度循环Q网络 预览
2
作者 刘全 闫岩 +2 位作者 朱斐 吴文 张琳琳 《计算机学报》 EI CSCD 北大核心 2019年第7期1588-1604,共17页
结合深度神经网络和强化学习方法的深度Q网络在Atari 2600游戏平台上取得了巨大成功.相较于深度Q网络,深度循环Q网络具有记忆历史信息的能力,在部分游戏上显示出了更好的性能.然而在某些复杂的游戏环境中,一方面深度循环Q网络需要大量... 结合深度神经网络和强化学习方法的深度Q网络在Atari 2600游戏平台上取得了巨大成功.相较于深度Q网络,深度循环Q网络具有记忆历史信息的能力,在部分游戏上显示出了更好的性能.然而在某些复杂的游戏环境中,一方面深度循环Q网络需要大量的训练时间,另一方面其在动作空间抖动的策略中不能做出合理决策.针对这些问题,本文提出一种带探索噪音的深度循环Q网络(Deep Recurrent Q-Networks with Exploratory Noise, EN-DRQN)模型.与在动作空间的探索方式不同,EN-DRQN在网络空间注入噪音,引起网络输出变化,然后根据该变化选择动作.这种在网络空间的探索可以在未来多个时间步内造成复杂的改变,并通过循环神经网络记忆多步变化,使智能体(Agent)做出的决策更具有战略性.EN-DRQN具有以下特点:一是利用带探索性的噪音进行深度探索以弥补传统策略探索的低效性.噪音来自于噪音分布,通过方差驱动探索,这使得Agent可以发现大量新状态,提供更加丰富的样本,为决策提供有效信息;二是使用改进的双层门限循环单元来记忆较长时间步的历史信息,使Agent能够在延迟奖赏的情况下做出合理的决策.实验结果表明,EN-DRQN模型在Atari 2600游戏平台上的部分战略性游戏以及具有延迟奖赏的游戏上,与动作空间的抖动策略相比,取得了更优的表现。 展开更多
关键词 深度学习 强化学习 循环神经网络 卷积神经网络 噪音探索
在线阅读 下载PDF
基于视觉注意力机制的异步优势行动者-评论家算法 预览
3
作者 李杰 凌兴宏 +1 位作者 伏玉琛 刘全 《计算机科学》 CSCD 北大核心 2019年第5期169-174,共6页
异步深度强化学习能够通过多线程技术极大地减少学习模型所需要的训练时间。然而作为异步深度强化学习的一种经典算法,异步优势行动者-评论家算法没有充分利用某些具有重要价值的区域信息,网络模型的学习效率不够理想。针对此问题,文中... 异步深度强化学习能够通过多线程技术极大地减少学习模型所需要的训练时间。然而作为异步深度强化学习的一种经典算法,异步优势行动者-评论家算法没有充分利用某些具有重要价值的区域信息,网络模型的学习效率不够理想。针对此问题,文中提出一种基于视觉注意力机制的异步优势行动者-评论家模型。该模型在传统异步优势行动者-评论家算法的基础上引入了视觉注意力机制,通过计算图像各区域点的视觉重要性值,利用回归、加权等操作得到注意力机制的上下文向量,从而使Agent将注意力集中于面积较小但更具丰富价值的图像区域,加快网络模型解码速度,更高效地学习近似最优策略。实验结果表明,与传统的异步优势行动者-评论家算法相比,该模型在基于视觉感知的决策任务上具有更好的性能表现。 展开更多
关键词 异步深度强化学习 视觉注意力机制 行动者-评论家 异步优势行动者-评论家
在线阅读 免费下载
基于重要性采样的优势估计器 预览
4
作者 刘全 姜玉斌 胡智慧 《通信学报》 EI CSCD 北大核心 2019年第5期108-116,共9页
在连续动作任务中,深度强化学习通常采用高斯分布作为策略函数。针对高斯分布策略函数由于截断动作导致算法收敛速度变慢的问题,提出了一种重要性采样优势估计器(ISAE)。该估计器在通用优势估计器(GAE)的基础上,引入了重要性采样机制,... 在连续动作任务中,深度强化学习通常采用高斯分布作为策略函数。针对高斯分布策略函数由于截断动作导致算法收敛速度变慢的问题,提出了一种重要性采样优势估计器(ISAE)。该估计器在通用优势估计器(GAE)的基础上,引入了重要性采样机制,通过计算边界动作的目标策略与行动策略比率修正截断动作带来的值函数偏差,提高了算法的收敛速度。此外,ISAE引入了L参数,通过限制重要性采样率的范围,提高了样本的可靠度,保证了网络参数的稳定。为了验证ISAE的有效性,将ISAE与近端策略优化结合并与其他算法在 MuJoCo平台上进行比较。实验结果表明,ISAE 具有更快的收敛速度。 展开更多
关键词 强化学习 重要性采样 深度强化学习 优势函数
在线阅读 下载PDF
一种采用模型学习和经验回放加速的正则化自然行动器评判器算法 预览
5
作者 钟珊 刘全 +2 位作者 傅启明 龚声蓉 董虎胜 《计算机学报》 EI CSCD 北大核心 2019年第3期532-553,共22页
行动器评判器(Actor Critic,简称AC)算法是强化学习连续动作领域的一类重要算法,其采用独立的结构表示策略,但更新策略时需要大量样本导致样本效率不高.为了解决该问题,提出了基于模型学习和经验回放加速的正则化自然AC算法(Regularized... 行动器评判器(Actor Critic,简称AC)算法是强化学习连续动作领域的一类重要算法,其采用独立的结构表示策略,但更新策略时需要大量样本导致样本效率不高.为了解决该问题,提出了基于模型学习和经验回放加速的正则化自然AC算法(Regularized Natural AC with Model Learning and Experience Replay,简称RNAC-ML-ER).RNAC-ML-ER将Agent与环境在线交互产生的样本用于学习系统动态性对应的线性模型和填充经验回放存储器.将线性模型产生的模拟样本和经验回放存储器中存储的样本作为在线样本的补充,实现值函数、优势函数和策略的更新.为了提高更新的效率,在每个时间步,仅当模型的预测误差未超过阈值时才利用该模型进行规划,同时根据TD-error从大到小的顺序对经验回放存储器中的样本进行回放.为了降低策略梯度估计的方差,引入优势函数参数向量对优势函数进行线性近似,在优势函数的目标函数中加入2-范数进行正则化,并通过优势函数参数向量来对策略梯度更新,以促进优势函数和策略的收敛.在指定的两个假设成立的条件下,通过理论分析证明了所提算法RNAC-ML-ER的收敛性.在4个强化学习的经典问题即平衡杆、小车上山、倒立摆和体操机器人中对RNACML-ER算法进行实验,结果表明所提算法能在大幅提高样本效率和学习速率的同时保持较高的稳定性. 展开更多
关键词 行动器评判器算法 模型学习 经验回放 最优策略 正则化 自然梯度
在线阅读 下载PDF
一种残差置乱上下文信息的场景图生成方法 预览
6
作者 林欣 田鑫 +2 位作者 季怡 徐云龙 刘纯平 《计算机研究与发展》 EI CSCD 北大核心 2019年第8期1721-1730,共10页
场景图在视觉理解中有着很重要的作用.现有的场景图生成方法对于主语、宾语以及主宾语间的视觉关系进行研究.但是,人类通过空间关系上下文、语义上下文和目标之间的互动信息来进行关系的理解和推理.为了获得更好的全局上下文表示,同时... 场景图在视觉理解中有着很重要的作用.现有的场景图生成方法对于主语、宾语以及主宾语间的视觉关系进行研究.但是,人类通过空间关系上下文、语义上下文和目标之间的互动信息来进行关系的理解和推理.为了获得更好的全局上下文表示,同时减少数据集偏差的影响,提出了一个新的场景图生成框架RSSQ(residual shuffle sequence model).该框架由目标解码、残差置乱和位置嵌入3部分构成.残差置乱模块由随机置乱和残差连接的双向LSTM的基本结构叠加而成,利用迭代方式实现随机打乱双向LSTM的隐藏状态以减少数据集偏差影响,利用残差连接提取共享的全局上下文信息.在位置嵌入模块中,通过对目标的相对位置和面积比例的编码则可以增强目标对之间的空间关系.在数据集Visual Genome的3个不同层次子任务的实验中,证明了提出的RSSQ方法因全局上下文改善和空间关系增强,在Recall@50和Recall@100指标评价下,相对于现有方法能生成更好的场景图. 展开更多
关键词 场景图 视觉关系 上下文 残差双向LSTM 目标检测
在线阅读 下载PDF
IP语音电话仿真实验设计与实现 预览
7
作者 唐灯平 凌兴宏 王林 《实验室研究与探索》 CAS 北大核心 2019年第1期95-98,102共5页
随着因特网的普及,IP语音电话以其众多优点被广泛采用。学生在掌握IP语音电话工作原理基础上需要熟练掌握IP语音电话网络组建及配置过程。在实验条件有限、学生不能完成该实验情况下,采用模拟仿真技术能够使学生体验IP语音电话搭建配置... 随着因特网的普及,IP语音电话以其众多优点被广泛采用。学生在掌握IP语音电话工作原理基础上需要熟练掌握IP语音电话网络组建及配置过程。在实验条件有限、学生不能完成该实验情况下,采用模拟仿真技术能够使学生体验IP语音电话搭建配置过程。采用Packet Tracer仿真软件模拟设置工作场景,搭建网络拓扑结构,并对网络进行详细配置,最终对实验效果进行验证。实践证明,模拟仿真技术提高学生动手能力,达到较好教学效果。为高校教师开展类似实验提供借鉴意义。 展开更多
关键词 PACKET Tracer仿真软件 IP语音电话 动态主机配置协议
在线阅读 下载PDF
基于经验指导的深度确定性多行动者-评论家算法 预览
8
作者 陈红名 刘全 +3 位作者 闫岩 何斌 姜玉斌 张琳琳 《计算机研究与发展》 EI CSCD 北大核心 2019年第8期1708-1720,共13页
连续控制问题一直是强化学习研究的一个重要方向.近些年深度学习的发展以及确定性策略梯度(deterministic policy gradients, DPG)算法的提出,为解决连续控制问题提供了很多好的思路.这类方法大多在动作空间中加入外部噪声源进行探索,... 连续控制问题一直是强化学习研究的一个重要方向.近些年深度学习的发展以及确定性策略梯度(deterministic policy gradients, DPG)算法的提出,为解决连续控制问题提供了很多好的思路.这类方法大多在动作空间中加入外部噪声源进行探索,但是它们在一些连续控制任务中的表现并不是很好.为更好地解决探索问题,提出了一种基于经验指导的深度确定性多行动者评论家算法(experience-guided deep deterministic actor-critic with multi-actor, EGDDAC-MA),该算法不需要外部探索噪声,而是从自身优秀经验中学习得到一个指导网络,对动作选择和值函数的更新进行指导.此外,为了缓解网络学习的波动性,算法使用多行动者评论家模型,模型中的多个行动者网络之间互不干扰,各自执行情节的不同阶段.实验表明:相比于DDPG,TRPO和PPO算法,EGDDAC-MA算法在GYM仿真平台中的大多数连续任务中有更好的表现. 展开更多
关键词 强化学习 深度强化学习 确定性行动者评论家 经验指导 专家指导 多行动者
在线阅读 下载PDF
基于显著稀疏表示和邻域信息的多聚焦图像融合 预览
9
作者 张冰 谢从华 刘哲 《计算机科学》 CSCD 北大核心 2019年第9期254-258,共5页
针对多聚焦图像融合算法中边缘模糊和重影的问题,文中提出了一种基于显著稀疏表示模型的多聚焦图像融合方法。首先,根据显著稀疏表示将图像分解为公共稀疏部分、独有稀疏部分和细节信息。其次,利用独有的特征和细节信息检测图像的聚焦... 针对多聚焦图像融合算法中边缘模糊和重影的问题,文中提出了一种基于显著稀疏表示模型的多聚焦图像融合方法。首先,根据显著稀疏表示将图像分解为公共稀疏部分、独有稀疏部分和细节信息。其次,利用独有的特征和细节信息检测图像的聚焦区域。最后,利用图像的细节和邻域信息更精确地划分聚焦区域和散焦区域,将不同的源图像的聚焦区进行融合。大量实验结果表明,该方法对多聚焦图像实现了有效融合。与几种最先进的融合算法相比,该方法处理后的图像保留了更多的源图像信息和边缘信息,减少了未配准图像的重影,提高了图像的融合效果。 展开更多
关键词 多聚焦图像融合 稀疏表示 邻域信息 失配图像
在线阅读 免费下载
面向微博话题的用户影响力分析算法 预览
10
作者 刘威 张明新 安德智 《计算机应用》 CSCD 北大核心 2019年第1期213-219,共7页
微博用户影响力分析作为社交网络分析的重要组成部分,一直受到研究人员的关注。针对现有研究工作分析用户行为时间性的不足和忽略用户与参与话题之间关联性等问题,提出了一种面向微博话题的用户影响力分析算法——基于话题和传播能力的... 微博用户影响力分析作为社交网络分析的重要组成部分,一直受到研究人员的关注。针对现有研究工作分析用户行为时间性的不足和忽略用户与参与话题之间关联性等问题,提出了一种面向微博话题的用户影响力分析算法——基于话题和传播能力的用户排序(TSRank)算法。首先,基于微博话题分析用户转发行为时间性,进一步构建用户转发和用户博文转发两种话题转发关系网络,预测用户话题信息传播能力;然后,分析用户个人历史微博和背景话题微博文本内容,挖掘用户与背景话题之间的关联性;最后,综合考虑用户话题信息传播能力以及用户与背景话题间关联性计算微博用户影响力。爬取新浪微博真实话题数据进行实验,实验结果表明,话题关联度更高用户的话题转发量明显大于关联度很低的用户,引入用户转发行为时间性相比无转发时间性,TSRank算法的捕获率(CR)提高了18.7%,进一步与典型影响力分析算法WBRank、TwitterRank和PageRank相比,TSRank算法在准确率和召回率上分别提高了5.9%、8.7%、13.1%和6.7%、9.1%、14.2%,验证了TSRank算法的有效性。该研究成果对社交网络的社会属性、话题传播等理论研究以及好友推荐、舆情监控等应用研究具有支撑作用。 展开更多
关键词 社交网络 用户影响力 转发关系 微博话题 信息传播能力
在线阅读 下载PDF
基于多重门限机制的异步深度强化学习 预览
11
作者 徐进 刘全 +2 位作者 章宗长 梁斌 周倩 《计算机学报》 EI CSCD 北大核心 2019年第3期636-653,共18页
近年来,深度强化学习已经成为人工智能领域一个新的研究热点.深度强化学习在如Atari 2600游戏等高维度大状态空间任务中取得了令人瞩目的成功,但仍存在训练时间太长等问题.虽然异步深度强化学习通过利用多线程技术大幅度减少了深度强化... 近年来,深度强化学习已经成为人工智能领域一个新的研究热点.深度强化学习在如Atari 2600游戏等高维度大状态空间任务中取得了令人瞩目的成功,但仍存在训练时间太长等问题.虽然异步深度强化学习通过利用多线程技术大幅度减少了深度强化学习模型所需的训练时间,但是,基于循环神经网络的异步深度强化学习算法依然需要大量训练时间,原因在于具有记忆能力的循环神经网络无法利用并行化计算加速模型训练过程.为了加速异步深度强化学习模型的训练过程,并且使得网络模型具有记忆能力,该文提出了一种基于多重门限机制的异步优势行动者-评论家算法.该模型主要有三个特点:一是通过使用多重门限机制使前馈神经网络具有记忆能力,使Agent能够通过记忆不同时间步的状态信息做出更优的决策;二是通过利用并行计算进一步加速Agent的训练过程,减少模型所需的训练时间;三是通过采用一种新的跳跃连接方式实现数据向更深的网络层传递,增强模型识别状态特征的能力,从而提升深度强化学习算法的稳定性和学习效果.该文通过Atari 2600游戏平台上的部分战略型游戏以及稀疏奖赏环境型游戏来评估新模型的性能.实验结果表明,与传统的异步深度强化学习算法相比,新模型能够以较少的时间代价来获得更优的学习效果. 展开更多
关键词 深度学习 强化学习 异步深度强化学习 循环神经网络 多重门限机制 跳跃连接
在线阅读 下载PDF
基于多层感知机的蛋白质变性温度预测 预览
12
作者 丁雪松 黄立群 +2 位作者 张步忠 杨洋 吕强 《计算机应用研究》 CSCD 北大核心 2019年第8期2421-2423,共3页
准确预测蛋白质变性温度在蛋白质工程和药物研制等领域具有重要意义。将全局特征和序列特征作为初始特征向量,利用提出的基于权值的降维算法对初始特征向量进行降维,降维后的特征输入多层感知机模型预测蛋白质变性温度。在盲测数据集上... 准确预测蛋白质变性温度在蛋白质工程和药物研制等领域具有重要意义。将全局特征和序列特征作为初始特征向量,利用提出的基于权值的降维算法对初始特征向量进行降维,降维后的特征输入多层感知机模型预测蛋白质变性温度。在盲测数据集上,该方法预测结果与实验测定结果的PCC值由降维前的0.77增加到0.8,RMSE值由降维前的0.17降低到了0.16,蛋白质变性温度预测值的分类准确率与现有方法比较有明显提升。 展开更多
关键词 蛋白质变性温度 多层感知机 回归预测
在线阅读 下载PDF
带隐私保护的群智感知任务分配机制
13
作者 曹振 孙玉娥 +3 位作者 黄河 陆乐 杜扬 黄刘生 《小型微型计算机系统》 CSCD 北大核心 2019年第6期1266-1273,共8页
存在多任务发布者的公共群智感知平台存在不可信问题,但现有机制均无法在任务分配过程中保护任务发布者的隐私信息,影响了群智感知系统的应用和发展.针对该问题,文章研究了如何在保证分配机制正常运行的前提下,同时保护任务发布者的预... 存在多任务发布者的公共群智感知平台存在不可信问题,但现有机制均无法在任务分配过程中保护任务发布者的隐私信息,影响了群智感知系统的应用和发展.针对该问题,文章研究了如何在保证分配机制正常运行的前提下,同时保护任务发布者的预算、收益函数以及用户的敏感信息不泄露.所设计的机制引入了半可信第三方,通过动态IP交互、同态加密扰乱、置换以及数字签名等技术,保证了平台和半可信第三方均无法获得相关价格隐私,且无法将用户与其所提交数据相关联,从而进一步预防泄露用户数据的潜在隐私.所设计的机制可以在任务匹配和支付过程中保护隐私,且能实现所有任务发布者收益最大化.通过仿真实验结果验证了机制的有效性和可行性. 展开更多
关键词 隐私保护 群智感知 任务分配 收益最大化
手机传感器破解手势密码的算法研究 预览
14
作者 徐国庆 孙玉娥 +3 位作者 陶涛 杜扬 曹振 黄河 《福建电脑》 2019年第6期1-7,共7页
手势密码作为一种保护手机用户隐私的有效手段,被广泛应用于智能手机的屏幕解锁和手机软件的身份认证。本文利用手机加速度传感器、触摸屏传感器,设计了一种能够破解安卓系统手势密码的新方法。由于密码轨迹的还原需要寻找用户手势轨迹... 手势密码作为一种保护手机用户隐私的有效手段,被广泛应用于智能手机的屏幕解锁和手机软件的身份认证。本文利用手机加速度传感器、触摸屏传感器,设计了一种能够破解安卓系统手势密码的新方法。由于密码轨迹的还原需要寻找用户手势轨迹的转折点,所以本研究从密码笔画结构和轨迹分布特征着手,设计使用算法进行系统搭建。我们收集了120组典型的手势密码作为测试数据,在其上的测试结果表明,本文中提出的方法在安卓手机上5次密码输入的破解成功率可达97%以上。我们所设计的方法在不同环境下都能有较高的破解成功率,具有良好的抗干扰能力。 展开更多
关键词 手势密码 智能手机 传感器
在线阅读 下载PDF
强化学习与生成式对抗网络结合方法研究进展 预览
15
作者 吴宏杰 戴大东 +2 位作者 傅启明 陈建平 陆卫忠 《计算机工程与应用》 CSCD 北大核心 2019年第10期36-44,共9页
强化学习和生成式对抗网络是近年来人工智能领域的两个热门主题,在众多领域表现非常出色。近期出现较多关于两者结合的工作与报道,将强化学习交互式学习的优点与生成式对抗网络的启发自博弈思想相互融合。对两者结合的最新进展进行了梳... 强化学习和生成式对抗网络是近年来人工智能领域的两个热门主题,在众多领域表现非常出色。近期出现较多关于两者结合的工作与报道,将强化学习交互式学习的优点与生成式对抗网络的启发自博弈思想相互融合。对两者结合的最新进展进行了梳理、比较与实验分析。对强化学习与生成式对抗网络的理论进行了概述;从强化学习改进生成式对抗网络、生成式对抗网络改进强化学习两个研究方向进行了阐述与比较,通过实验方式分析了这些方法在自然语言、机器控制领域的应用情况;展望了可能的发展趋势。 展开更多
关键词 强化学习 生成式对抗网络 深度学习 人工智能
在线阅读 下载PDF
新工科背景下的计算机网络类课程实践教学模式探索 预览
16
作者 唐灯平 凌兴宏 魏慧 《计算机教育》 2019年第1期72-75,共4页
阐述通过搭建虚拟仿真环境将实验带入课堂,对学生实践过程进行动态管理,学生从被动学习到主动学习的教学模式改变以及教师工作效率提高;分析计算机网络类课程实践教学项目,依据项目特点选择合适的虚拟仿真环境,通过虚拟仿真技术搭建计... 阐述通过搭建虚拟仿真环境将实验带入课堂,对学生实践过程进行动态管理,学生从被动学习到主动学习的教学模式改变以及教师工作效率提高;分析计算机网络类课程实践教学项目,依据项目特点选择合适的虚拟仿真环境,通过虚拟仿真技术搭建计算机网络类课程虚拟仿真实践平台。 展开更多
关键词 新工科 计算机网络类课程 仿真平台 实践 教学模式探索
在线阅读 下载PDF
基于混合表示的中文事件检测方法研究 预览
17
作者 秦彦霞 王中卿 +1 位作者 郑德权 张民 《中文信息学报》 CSCD 北大核心 2019年第4期85-92,共8页
传统中文事件检测方法采用人工定义的特征表示候选触发词,耗时耗力。基于神经网络的特征学习方法在中英文事件检测任务中得到了验证。现有的基于神经网络的中文事件检测方法初步探索了字信息对解决分词错误的作用。字是中文的最小结构... 传统中文事件检测方法采用人工定义的特征表示候选触发词,耗时耗力。基于神经网络的特征学习方法在中英文事件检测任务中得到了验证。现有的基于神经网络的中文事件检测方法初步探索了字信息对解决分词错误的作用。字是中文的最小结构单元和语义表示单元。词语的字符级信息能够提供词语的结构性信息和辅助词语级语义。该文研究了字/词混合神经网络特征对于解决中文事件数据集未登录词问题的作用。采用神经网络模型分别学习词语的词语级表示和字符级表示,进而拼接得到词语的混合表示。实验结果表明,基于字/词混合表示的中文神经网络事件检测模型的F1值比当前最好的模型高2.5%。 展开更多
关键词 中文 事件检测 神经网络 混合表示
在线阅读 下载PDF
基于簇的全IP无线传感器网络地址配置方案 预览
18
作者 窦正雄 王晓喃 《计算机工程》 CAS CSCD 北大核心 2019年第9期60-64,共5页
为实现无线传感器网络(WSN)与IPv6互联网的全IP通信,提出一种全IP WSN地址配置方案。将WSN分为多个簇,设计分布式IPv6地址配置方案,簇首节点采用有状态地址分配方式并引入接入节点动态树获取IPv6地址,簇成员节点通过无状态地址分配方式... 为实现无线传感器网络(WSN)与IPv6互联网的全IP通信,提出一种全IP WSN地址配置方案。将WSN分为多个簇,设计分布式IPv6地址配置方案,簇首节点采用有状态地址分配方式并引入接入节点动态树获取IPv6地址,簇成员节点通过无状态地址分配方式从一跳范围内的簇首节点处获取IPv6地址,且仅在本簇范围内进行重复地址检测。仿真结果表明,与6LoWPAN WSN分层地址配置方案相比,该方案的地址配置代价及延迟更小。 展开更多
关键词 全IP无线传感器网络 地址配置 IPv6地址结构 分层机制
在线阅读 下载PDF
基于联合概率矩阵分解的微博关注推荐算法
19
作者 熊孝全 张明新 《微电子学与计算机》 北大核心 2019年第8期92-96,共5页
在传统的概率矩阵分解算法基础上,考虑交互行为的时效性建立用户影响力模型,并结合静态关注关系,提出了基于联合概率矩阵分解的微博关注推荐算法(UPMFF-L).在使用scrapy爬取新浪微博得到的数据集上的实验结果表明,与NMF、PMF和SoRec算... 在传统的概率矩阵分解算法基础上,考虑交互行为的时效性建立用户影响力模型,并结合静态关注关系,提出了基于联合概率矩阵分解的微博关注推荐算法(UPMFF-L).在使用scrapy爬取新浪微博得到的数据集上的实验结果表明,与NMF、PMF和SoRec算法相比,UPMFF-L算法在不同数据密度下的F1-Measure平均提升了 11.82%. 展开更多
关键词 微博关注推荐 联合概率矩阵分解 关系相似度 影响力模型
基于多示例遗传神经网络的室内PM2.5预测 预览
20
作者 陈成 吴宏杰 +2 位作者 柳维生 傅启明 汤烨 《计算机应用与软件》 北大核心 2019年第5期235-241,共7页
在医疗环境中病员在室内停留的时间占全天的80%以上,因此开展室内空气质量的研究对病员康复具有重要意义。现有的PM2.5预测方法主要存在两个问题:样本采集粒度与预测粒度不一致;对室内PM2.5预测的相关特征研究不足。对此提出一种基于多... 在医疗环境中病员在室内停留的时间占全天的80%以上,因此开展室内空气质量的研究对病员康复具有重要意义。现有的PM2.5预测方法主要存在两个问题:样本采集粒度与预测粒度不一致;对室内PM2.5预测的相关特征研究不足。对此提出一种基于多示例遗传神经网络的PM2.5预测方法。利用多示例机制有效解决采样间隔与预测时间的平衡问题,并引入与室内环境质量密切相关的通风率特征。以空气质量敏感的医疗单位中采集的实际数据进行验证。实验结果表明,该方法的相对误差为5.60%,比传统遗传神经网络降低7.55%,比支持向量回归方法降低5.98%,比随机森林方法低8.36%,比线性回归低7.66%,比决策树低14.69%,比LASSO回归低8.21%。 展开更多
关键词 多示例 PM2.5预测 神经网络 遗传算法
在线阅读 下载PDF
上一页 1 2 202 下一页 到第
使用帮助 返回顶部 意见反馈