过刊文章-人工智能研究-工程技术-期刊-世纪中文出版社

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

qikan15@ccnpub.com
（邮箱投稿时，请说明投稿期刊名）

关闭

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。

最新文章过刊文章检索收录领域编委投稿须知文章处理费

期刊菜单

2025年 2024年 2023年 2022年 2021年

2025年 »

4期

3期

2期

1期

2024年 »

12期

11期

10期

9期

8期

7期

6期

5期

4期

3期

2期

1期

2023年 »

12期

11期

10期

9期

8期

7期

6期

5期

4期

3期

2期

1期

2022年 »

12期

11期

10期

9期

8期

7期

6期

5期

4期

3期

2期

1期

2021年 »

12期

11期

10期

9期

8期

7期

6期

5期

4期

3期

2期

1期

基于局部特征聚类损失和多类特征融合的面部表情识别下载：61 浏览：402

王浩栗永泽方宝富《人工智能研究》 2020年5期

摘要:

在真实世界中,每个个体对表情的表现方式不同.基于上述事实,文中提出局部特征聚类(LFA)损失函数,能够在深度神经网络的训练过程中减小相同类图像之间的差异,扩大不同类图像之间的差异,从而削弱表情的多态性对深度学习方式提取特征的影响.同时,具有丰富表情的局部区域可以更好地表现面部表情特征,所以提出融入LFA损失函数的深度学习网络框架,提取的面部图像的局部特征用于面部表情识别.实验结果表明文中方法在真实世界的RAF数据集及实验室条件下的CK+数据集上的有效性.

元结构下的文献网络关系预测下载：52 浏览：381

王秀陈璐余春艳《人工智能研究》 2020年5期

摘要:

针对文献网络节点间的关系预测问题,将节点相似度作为节点间关系概率,采用网络表示学习的方法将文献网络中的节点嵌入到低维空间后计算节点相似度,同时提出基于元结构的网络表示学习模型.根据节点间基于不同元结构的相关性,融合相应的特征表示,将网络映射到低维的特征空间.在低维特征空间内进行距离度量,实现文献网络中的关系预测.实验表明文中模型在文献网络中可得到良好的关系预测结果.

基于改进二元萤火虫群优化算法和邻域粗糙集的属性约简方法下载：66 浏览：398

彭鹏1,2,3 倪志伟1,3 朱旭辉1,3 夏平凡1,3 《人工智能研究》 2020年5期

摘要:

针对数据降维和去冗问题,提出基于改进的二元萤火虫群优化算法和邻域粗糙集的属性约简方法.首先,运用反向学习协同初始化种群,并基于Sigmoid变化函数的映射进行二进制编码,引入Lévy飞行位置更新策略,提出改进二元萤火虫群优化算法.再以邻域粗糙集作为评价准则,以改进算法作为搜索策略,进行属性约简.最后,通过在标准UCI数据集上的实验验证属性约简方法的有效性,并验证文中算法具有较优的收敛速度和精度.

基于标签增强的机器阅读理解模型下载：61 浏览：376

苏立新1,2 郭嘉丰2 范意兴1 兰艳艳2 程学旗3 《人工智能研究》 2020年5期

摘要:

抽取式问答中已有模型仅建模答案的边界,忽视人的潜在标注过程,导致模型仅学习到表面特征,影响泛化能力.因此,文中提出基于标签增强的机器阅读理解模型(LE-Reader),模拟人的标注过程.LE-Reader模型同时建模答案所在句子、答案内容和答案边界.根据用户标注的答案边界推断正确答案的句子和答案内容作为标签,监督模型的学习过程.通过多任务学习的方式融合3个损失函数.预测时融合3种建模结果,确定最终答案,提高模型的泛化性能.在SQuAD数据集上的实验验证LE-Reader的有效性.

基于多层上下文卷积神经网络的目标检测算法下载：57 浏览：380

王浩单文静方宝富《人工智能研究》 2020年5期

摘要:

目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高.

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