人工智能研究
人工智能研究
《人工智能研究》系开放获取期刊,主要围绕人工智能领域,关注产业政策,报道研究前沿,传播技术趋势,刊载应用案例,推动成果转化,服务我国制造业转型升级发展。本刊支持思想创新、学术创新,倡导科学,繁荣学术,集学术性、思想性为一体,旨在给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论人工智能领域内不同方向问题与成果的学术交流平台。

ISSN: 3078-9753

《人工智能研究》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知:

1、审稿结果将于1~7个工作日以邮件告知,请注意查收(包含录用通知书、审稿意见、知网CNKI查重报告)。

2、提交投稿后,若7个工作日之内未接到录用通知,则说明该文章未被录用,请另投他刊。

3、凡投寄本刊稿件,如在内容上有侵权行为或不妥之处,均应文责自负。本刊有权对来稿进行文字编辑、加工和修改,如不同意,请附说明,以便妥善处理。

4、多作者文稿署名时须征得其他作者同意,排好先后次序,通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表,其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库,如作者不同意被收录,请提前申明,未申明者,本刊一律视为同意被收录。

7、请勿一稿多投。



提示文字!

注:我们将于1~7个工作日告知您审稿结果,请耐心等待;

您也可以在官网首页点击“查看投稿进度”输入文章题目,查询稿件实时进程。


  • 结合外部知识的动态多层次语义抽取网络模型 下载:65 浏览:330
  • 姜文超1 庄志刚1 涂旭平2 利传杰3 刘海波1 《人工智能研究》 2019年10期
  • 摘要:
    针对复杂多文本机器阅读理解任务中的语义理解与答案提取问题,提出结合外部知识的动态多层次语义理解与答案抽取模型.首先利用改进的门控单元循环神经网络匹配文本内容与问题集,分别在向量化文本内容及问题集上实施多维度动态双向注意力机制分析,提高语义匹配精度.然后利用动态指针网络确定问题答案范围,改进网络模型语义匹配效率,降低答案提取冗余度.最后结合外部知识与经验改进候选答案精准性排序,得到最终答案.实验表明文中模型的语义匹配与答案提取精度显著提升,对不同领域的复杂文本阅读理解任务具有较高的鲁棒性.
  • 基于轨迹挖掘模型的旅游景点推荐 下载:67 浏览:353
  • 张舜尧1 常亮2 古天龙1 宾辰忠2 孙彦鹏3 朱桂明1 贾中浩1 《人工智能研究》 2019年10期
  • 摘要:
    针对旅游推荐系统中基于内容的推荐和基于协同过滤的推荐方法的数据稀疏性和冷启动问题,以及现有轨迹挖掘方法忽略旅游轨迹中高级语义的问题,提出基于门控循环单元轨迹挖掘模型的推荐方法.为了充分利用旅游轨迹的高级语义信息,基于循环神经网络设计轨迹挖掘表示模型,对游客的旅游轨迹进行建模,在利用游客历史轨迹建模后向游客提供个性化旅游景点推荐.在真实旅游轨迹数据集上的实验表明,相比广泛使用的基线方法,文中方法在景点推荐的准确性和质量上都有一定提高.
  • 基于DenseNet的复杂交通场景语义分割方法 下载:65 浏览:397
  • 蒋斌 涂文轩 杨超 刘虹雨 赵子龙 《人工智能研究》 2019年10期
  • 摘要:
    针对交通场景语义分割方法存在参数量较大、计算效率较低、精度不足等问题,文中提出基于全卷积化DenseNet的多尺度端到端语义分割模型.首先,构建一种含混合空洞卷积的密集连接模块,同时沿通道维度级联各模块,用于提取图像特征.然后,采集多尺度视觉信息并以此作为监督信号回传至原通道中.最后,通过双线性插值法获得预测输出.在CityScapes数据集上的测试实验表明,文中方法对复杂交通场景的解析能力较强,预测精度和分割效率较高.
  • 基于时间相关度和覆盖权重的协同过滤推荐算法 下载:73 浏览:387
  • 张志鹏1 张尧2 任永功1 《人工智能研究》 2019年10期
  • 摘要:
    基于物品的协同过滤(IBCF)在计算相似度和预测评分时为所有物品分配相同的权重,提供的推荐往往不能同时具有良好的预测精度和分类精度.因此,文中提出基于时间相关度和覆盖权重的协同过滤算法(TCWCF).将时间相关度函数应用于物品间的相似度计算,提高推荐的预测精度.同时构建覆盖度函数,融入预测评分阶段,提高推荐的分类精度.在MovieLens数据集上的实验表明,TCWCF性能优于IBCF和其它相关算法,可以同时为目标用户提供具有良好预测精度和分类精度的满意推荐.
  • 李群流形上的在线视频稳像算法 下载:72 浏览:360
  • 杨佳丽来 林静 张磊 黄华 ​ 《人工智能研究》 2019年10期
  • 摘要:
    针对传统视频稳像算法无法兼顾高质量稳像和低延时的问题,提出李群流形上卡尔曼滤波的实时视频稳像算法.将视频帧间运动分解为旋转分量和平移分量.旋转分量由陀螺仪数据计算的旋转矩阵表示,平移分量由视频帧间匹配得到的平移矩阵表示,旋转矩阵的序列和平移矩阵的序列分别对应于李群流形上的运动路径.利用李群流形上的卡尔曼滤波分别对旋转分量和平移分量进行平滑.最终通过运动补偿获得稳定的视频帧序列.实验表明,文中算法能够兼顾延时和稳像效果,可以在移动端实现高质量的在线视频稳像.
加入编委加入审稿人
人工智能研究  期刊指标
出版年份 2018-2025
发文量 672
访问量 127852
下载量 28651
总被引次数 371
影响因子 0.752
为你推荐