文章-世纪中文出版社

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：368

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.

煤矿事故风险动态管控技术研究与应用下载：55 浏览：376

陶金1 孙海波2 陈亦男3 《煤炭技术研究》 2019年2期

摘要:

对于动态风险以及静态风险来说,一系列机密相关的控制管理体系是必要的,需要企业具有完善的安全责任分工体制和统一的工作流程。本文通过对煤矿风险控制、安全信息管理、风险预警技术、应急预案风险管控法的研究,对城山煤矿事故风险动态管控应用进行分析,确定了城山煤矿的重大危险源,针对其中的危险源进行系统安全分析并作出评价。

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：410

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：384

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.

融合深度学习和语义树的草图识别方法下载：78 浏览：391

赵鹏冯晨成韩莉纪霞《人工智能研究》 2019年8期

摘要:

现有的草图识别框架利用整幅图像作为网络输入,草图识别过程可解释性较差.文中融合深度学习和语义树,提出草图语义网(Sketch-Semantic Net).首先对草图进行部件分割,将单幅完整的草图分割为多个具有语义概念的部件图.然后利用深度迁移学习识别草图部件.最后通过语义树的语义概念关联部件同部件所属草图对象类别,较好地弥补sketch图像从底层语义到高层语义之间的语义鸿沟.在广泛应用的草图分割数据集上的实验验证文中方法的有效性.

基于多视图半监督学习的人体行为识别下载：382 浏览：407

唐超1 王文剑2 王晓峰1 张琛1 邹乐1 《人工智能研究》 2019年7期

摘要:

由于人的行为在本质上的复杂性,单一行为特征视图缺乏全面分析人类行为的能力.文中提出基于多视图半监督学习的人体行为识别方法.首先,提出3种不同模态视图数据,用于表征人体动作,即基于RGB模态数据的傅立叶描述子特征视图、基于深度模态数据的时空兴趣点特征视图和基于关节模态数据的关节点投影分布特征视图.然后,使用多视图半监督学习框架建模,充分利用不同视图提供的互补信息,确保基于少量标记和大量未标记数据半监督学习取得更好的分类精度.最后,利用分类器级融合技术并结合3种视图的预测能力,同时有效解决未标记样本置信度评估问题.在公开的人体行为识别数据集上实验表明,采用多个动作特征视图融合的特征表示方法的判别力优于单个动作特征视图,取得有效的人体行为识别性能.

语义自编码结合关系网络的零样本图像识别算法下载：76 浏览：412

林克正李昊天白婧轩李骜《人工智能研究》 2019年7期

摘要:

为了解决零样本图像识别中传统模型容易出现投影域移位问题以及提高距离相似度度量的鲁棒性,提出关系网络改进语义自编码器的零样本识别算法.基于语义自编码器构建图像视觉特征和语义向量之间的特征映射,并将重构向量与对应向量真值进行级联后送入神经网络,最终利用输出的标量给出预测类别.实验表明,相比传统距离度量方法,文中算法在AWA、CUB和Image Net-2数据集上的识别率均有所提高,在某些数据集上语义-视觉的投影效果优于反向投影.

基于特征图切分的轻量级卷积神经网络下载：79 浏览：426

张雨丰1 郑忠龙1 刘华文1 向道红2 何小卫1 李知菲1 何依然1 KHODJA Abd Erraouf1 《人工智能研究》 2019年6期

摘要:

卷积神经网络模型所需的存储容量和计算资源远超出移动和嵌入式设备的承载量,因此文中提出轻量级卷积神经网络架构(SFNet).SFNet架构引入切分模块的概念,通过将网络的输出特征图进行"切分"处理,每个特征图片段分别输送给不同大小的卷积核进行卷积运算,将运算得到的特征图拼接后由大小为1×1的卷积核进行通道融合.实验表明,相比目前通用的轻量级卷积神经网络,在卷积核数目及输入特征图通道数相同时,SFNet的参数和计算量更少,分类正确率更高.相比标准卷积,在网络复杂度大幅降低的情况下,切分模块的分类正确率持平甚至更高.

基于语言值有序对三元组的多类型数据标准化方法下载：369 浏览：413

王洪东侯雪辉高蕴慧邹丽《人工智能研究》 2019年5期

摘要:

为了标准化处理多类型数据,基于语言值二元组,提出语言值有序对三元组表示模型,研究语言值有序对三元组及其性质,给出语言值有序对三元组之间的相似度.讨论语言值有序对三元组加权平均算子,构造模糊集、直觉模糊集、犹豫模糊集、语言真值直觉模糊集与语言值有序对三元组的标准化转化模型.结合语言值有序对三元组之间的相似度,将模糊集、直觉模糊集、犹豫模糊集、语言真值直觉模糊集的转化模型应用于模式识别中.最后,通过医院智能分诊的实例说明文中方法的合理性和有效性.

基于云模型理论面向大数据的协作联盟决策评价下载：71 浏览：406

尹蕾蒋建国张国富《人工智能研究》 2019年5期

摘要:

针对联盟决策评价中存在较强的不确定性,提出基于云模型理论面向大数据的协作联盟决策评价方法.首先,构建面向大数据的多任务协作联盟多层决策评价架构,依托大数据处理分析平台获取联盟成员的基本评价指标的评价数据,应用逆向云发生器算法生成相应的评价云,并运用综合云运算产生联盟评价指标的云数字特征.然后,结合联盟评价指标权重和任务权重,运用云加权算术平均数算子进行云集结,分别产生单任务联盟决策评价云和多任务协作联盟决策评价云.再对多任务协作联盟备选方案进行决策评价和选优,以确定最优的联盟方案.最后通过实例与D-S证据理论联盟评价方法进行对比,验证文中方法的有效性.

基于云模型理论面向大数据的协作联盟决策评价下载：68 浏览：408

尹蕾蒋建国张国富《人工智能研究》 2019年4期

摘要:

针对联盟决策评价中存在较强的不确定性,提出基于云模型理论面向大数据的协作联盟决策评价方法.首先,构建面向大数据的多任务协作联盟多层决策评价架构,依托大数据处理分析平台获取联盟成员的基本评价指标的评价数据,应用逆向云发生器算法生成相应的评价云,并运用综合云运算产生联盟评价指标的云数字特征.然后,结合联盟评价指标权重和任务权重,运用云加权算术平均数算子进行云集结,分别产生单任务联盟决策评价云和多任务协作联盟决策评价云.再对多任务协作联盟备选方案进行决策评价和选优,以确定最优的联盟方案.最后通过实例与D-S证据理论联盟评价方法进行对比,验证文中方法的有效性.

基于正序迭代选择策略的聚类中心自动选择方法下载：79 浏览：406

王万良吕闯赵燕伟高楠杨小涵张兆娟《人工智能研究》 2019年4期

摘要:

针对密度峰值聚类算法的决策函数不能自动有效地确定聚类中心的问题,提出自动确定聚类中心的密度峰值聚类算法.首先,通过归一化处理,使决策函数中的两个变量分布均匀.然后,在确定聚类中心时,提出正序迭代选择策略,即根据聚类核心点数目的变化趋势搜索拐点,并以拐点之前的点作为聚类中心,完成聚类.最后,在UCI数据集上验证文中算法的性能,算法在未提高时间复杂度的情况下,可以对任意分布形状的数据集进行聚类,具有较好的适应性和聚类效果.

基于融合式神经网络的微生物生长环境关系抽取下载：79 浏览：403

李孟颖王健王琰林鸿飞杨志豪《人工智能研究》 2019年3期

摘要:

为了构建完整的微生物生长环境关系数据库,提出基于卷积神经网络-长短时记忆(CNN-LSTM)的关系抽取系统.结合卷积神经网络(CNN)和长短时记忆(LSTM),实现对隐含特征的深度学习,提取分布式词向量特征和实体位置特征作为模型的特征输入.对比实验验证加入特征后CNN-LSTM模型的优势,并将CNN模型的特征输出作为LSTM模型的特征输入.在Bio-NLP 2016共享任务发布的BB-event语料集上得到目前最好的结果.

面向属性抽取的门控动态注意力机制下载：72 浏览：448

程梦洪宇唐建张家硕邹博伟姚建民《人工智能研究》 2019年3期

摘要:

在现阶段属性抽取研究中,现有注意力建模及训练较刚性(单句一次成型),而单句中不同词汇的上下文存在语境语义的差异,一致的注意力分布缺少动态的适应性.因此,文中提出面向属性抽取的门控动态注意力机制,利用双向长短时记忆网络捕获目标句中每个单词的隐层表示.在注意力模型处理词一级属性预测时,根据目标词及其上下文,计算适应该目标词的注意力分布向量,可以根据上下文的变化自动调整注意力权重的分配.借助门控调整注意力向量流向下一层神经元的信息量,最终使用条件随机场进行属性标记.应用2014-2016语义评估官方数据集验证文中方法的有效性,F1值均有所提高.

实时更新的全局一致三维栅格建图下载：81 浏览：437

易晓东1 杨思宁2 杨绍武2 《人工智能研究》 2019年2期

摘要:

在未知的三维环境中,移动机器人自主导航通常需要实时构建与环境全局一致的栅格地图,而现有大部分系统缺少地图更新策略,构建的栅格地图与实际环境不一致.文中将同步定位与建图模块获得的环境信息以点云形式提供给栅格建图模块处理,同时提出基于关键帧的高效数据结构和地图实时更新策略,实时构建可用于移动机器人自主导航的全局一致的地图.室内动态的实验数据测试表明,文中方法可以有效实时更新地图,生成与环境一致的三维栅格地图,支持其后续的自主导航操作.

自适应调节学习率和样本训练方式的场景分类下载：73 浏览：490

储珺1 苏亚伟2 王璐1 《人工智能研究》 2018年12期

摘要:

在基于卷积神经网络的场景分类方法中,当训练数据较少时,由于网络训练次数较多、收敛性较差等原因,容易造成过拟合.为了消除此影响,在卷积神经网络的框架下,文中提出可以自适应调节网络学习率和样本训练方式的场景分类算法.根据网络训练中误差函数的变化自适应调节学习率,当误差函数变化较小时,保持批次的学习率不变,当误差函数变化加大时,学习率的变化与误差函数的改变成反比.同时根据网络输出结果改变实验样本的训练方式,着重训练分类不准确的图像.在Scene-15、Cifar-10场景数据集上的实验表明,文中算法改善神经网络的收敛性,有效提高分类精度,特别是对于室内场景等特征复杂场景的分类精度.

基于函数型数据时间序列建模的单传感器日常行为识别下载：76 浏览：448

苏本跃1 郑丹丹2 盛敏3 《人工智能研究》 2018年12期

摘要:

在基于惯性传感器的人体行为识别中,传统算法常忽略行为的周期性与时序性,对提取特征的滑动窗口大小也有相应要求.文中基于单个腰部传感器分析人体日常行为,提出面向周期行为的函数型数据分析方法和隐马尔可夫模型结合的行为识别算法.首先,使用函数型数据分析方法,拟合周期性日常行为的动作捕捉数据,提取拟合后的单个周期数据.然后基于此周期时间序列数据建立描述各个日常行为过程的隐马尔可夫模型.最后,使用最大似然估计判别行为,得到识别结果.该算法通过单个腰部传感器即可快速有效地识别8种日常行为,在基于用户依赖策略和用户独立策略时识别率较高.

基于MPI的并行多目标粒子群算法下载：68 浏览：508

耿文静1 董红斌1 丁蕊2 《人工智能研究》 2018年12期

摘要:

为了进一步提高速度受限的多目标粒子群算法(SMPSO)求解多目标优化问题的效率和精度,文中提出基于消息传递接口(MPI)的并行化SMPSO算法(M-SMPSO).采用主从模式的MPI并行程序设计模式,将整个种群分成几个子种群,各子种群分别执行独立进化计算,提高算法效率.此外,为了均衡考虑算法的分布性与收敛性,提出自适应的全局最优解选择策略.使用标准测试函数验证算法性能,实验表明,相比其它多目标算法,文中算法能获得更高的加速比,更快收敛到多目标优化问题的Pareto前沿.

基于Fisher判别分析的增量式非负矩阵分解算法下载：67 浏览：451

蔡竞1 王万良1 郑建炜1 罗志坚3 申思2 《人工智能研究》 2018年11期

摘要:

增量式非负矩阵分解算法是基于子空间降维技术的无监督增量学习方法.文中将Fisher判别分析思想引入增量式非负矩阵分解中,提出基于Fisher判别分析的增量式非负矩阵分解算法.首先,利用初始样本训练的先验信息,通过索引矩阵对新增系数矩阵进行初始化赋值.然后,将增量式非负矩阵分解算法的目标函数改进为批量式的增量学习算法,在此基础上施加类间散度最大和类内散度最小的约束.最后,采用乘性迭代的方法计算分解后的因子矩阵.在ORL、Yale B和PIE等3个不同规模人脸数据库上的实验验证文中算法的有效性.

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com