课程文献中心 更多>>

关键词： 学术谱系   知识转移   代际演化   时序演化   计算机科学  

摘要： 【目的】基于学术谱系构建学科知识转移网络,为考溯学科知识体系演化特征提供参考。【方法】首先,基于导学关系数据构建学术谱系网络及识别学者所处代际;其次,借助学科知识分类体系,使用混合推荐算法重新组织并关联学者知识领域;最后,构建知识转移网络并分析学科知识的代际演化和时序演化特征。【结果】获取计算机科学领域学术谱系及论文数据,系统阐述所提方法的应用过程。研究发现,计算机科学领域内学者代际关系多为两代关系,跨学科师承关系占据重要地位。随着领域内代际的增加,学科知识转移更偏向于领域内子领域间传播或同一子领域内的传承。【局限】知识转移是由多种途径实现的,研究未充分考虑融合引文等多源数据,学术谱系数据规模和质量对分析结果具有一定影响。【结论】从学术谱系视角出发构建学科知识转移网络并进行演化分析,能够细化科学发展过程的描述粒度,为探索知识转移的微观机制提供方法参考。

关键词： 投诉   数据仓库   语音识别   智能化  

摘要： 针对网络用户投诉问题分析难度大、投诉处理资源不足、投诉问题处理效率低等问题,构建基于包含服务关键信息、网络关键信息、业务关键信息等的移动通信网络数据仓库,打造电联4G/5G双北向的号码回填、电联4G/5G用户精准定位与3D覆盖分层评估、基于网优专家经验的投诉根因知识库构建、基于人工智能的录音文字转化与关键字抽取4项核心能力,并开发客服支撑系统,实现了投诉处理效率和用户满意度的提升。

关键词： 数据驱动模型   水文地质参数   循环神经网络   贝叶斯模型   模糊集理论   土体压缩   区域地面沉降   时空关系  

摘要： 地下水过度开采导致的地面沉降制约着城市的可持续发展,有效模拟地面沉降并进行风险评估,是地面沉降防控的工作基础。受地层非均质各向异性的影响,地下水水位变化与地面沉降之间存在非线性关系,且该关系在空间上存在差异;此外,地面沉降发育程度与土体物理特性密切相关。在沉降模拟方面,传统的物理模型需要较多的水文地质参数且获取的这些参数空间分布稀疏,已有的数据驱动模型未考虑水位变化、土体压缩性质与地面沉降之间的时空关系。在地面沉降风险评价方面,先验知识的模糊性使得评价因子的选取及权重计算存在不确定性。论文以北京平原区潮白河冲洪积扇中上部为研究区,研究了考虑物理机制的地面沉降时空循环神经网络模型(geology and geographically weighted LSTM,Geo-GWLSTM)、集成贝叶斯模型和模糊集理论的地面沉降风险评估模型,模拟并评估区域地面沉降风险。主要研究内容及结果如下。

关键词： 配电网   新能源消纳   鲁棒优化   柔性互联  

摘要： 随着可再生能源的普及,配电网新能源消纳成为主要问题。考虑到柔性互联装置在大城市的应用背景,为提升配电网消纳能力,提出一种考虑网络重构的柔性互联配电网新能源消纳能力鲁棒优化方法。首先,分析智能软开关(SOP)与网络重构的原理;接着,建立考虑SOP与网络重构的新能源消纳能力模型,利用凸松弛技术将非线性模型转化为二阶锥规划模型(SOCP);然后,考虑新能源出力的不确定性,建立两阶段鲁棒优化模型,并用列与约束生成(C&CG)算法求解。在IEEE 33节点系统上验证算法有效性,结果表明SOP与网络重构的协同优化有助于提升中压配电网的新能源消纳能力。

关键词： 移动群智感知   工人招募   任务完成质量   图神经网络   异质图  

摘要： 在移动群智感知招募中,当工人未执行任务或执行任务较少时,工人的偏好特征和信誉度特征信息存在稀疏性问题,考虑工人偏好和信誉度特征的招募方法很难准确估计工人的任务完成质量。同时现有研究大多忽略了工人待完成任务对工人招募的客观影响。为此本文提出了一种基于少样本学习和图神经网络的移动群智感知招募方法。首先,建立基于图神经网络的小样本学习模型(FSL-GNN)的工人与任务主观相关性估计模型,估计出工人的工人偏好对任务特征的相关性和工人信誉度对任务特征的相关性。然后,设计基于异质图卷积网络的工人与任务的客观相关性模型,计算工人待完成任务与待招募任务特征之间的客观相关性。最后使用注意力机制结合以上三种相关性估计出工人对任务的完成质量。基于大量真实数据集的实验仿真结果表明,提出的招募方法具有较好的工人任务完成质量估计准确度优势,与其他招募模型相比显著提高了任务的完成质量。

关键词： 电力负荷预测   长短期记忆网络   黑翅鸢优化算法   超参数优化  

摘要： 针对电力负荷具有随机性、波动性、以及易受外界干扰造成不确定性等特点,大大降低了其预测精度的准确性。为此,提出了一种基于黑翅鸢优化算法(Black-winged Kite Algorithm,BKA)。通过搭建预测仿真模型,利用BKA对LSTM网络的超参数进行优化,并测试该预测模型的各项性能指标。数据显示:该模型对实际电力负荷数据的预测精度更为精确,各项性能更具稳定性,并验证该预测方法的有效性和优越性。

关键词： 复杂背景   储藏小麦   害虫识别   图像处理   人工神经网络  

摘要： 在小麦害虫图像检测识别中,因害虫的种类繁多,形态各异,且往往受到光照、背景等环境因素的影响,增加常规神经网络的训练难度,使得常规神经网络在训练过程中出现梯度消失的问题,从而导致最终识别结果的精度偏低。为此,对常规神经网络进行优化,研究并设计一种小麦害虫图像识别方法。将采集的小麦害虫彩色图像转换为灰度图像,利用小波变换技术去除图像噪声,结合形态学操作滤除图像的冗余信息,提高图像的质量。对滤波后的小麦害虫图像进行线性变换和对比度调整,实现对数据集的离线增广,构建出一个包含大量样本、类别丰富的小麦害虫图像数据集。针对数据集中的图像提取小麦害虫特征,引入神经网络算法构建识别模型,通过增加分支数与卷积层数,对模型进行改进与优化,以降低网络的深度。将小麦害虫特征输入至改进后的模型中实现小麦害虫图像识别。实验结果表明,本研究方法能够准确输出小麦害虫的图像类型,识别准确率较高。

关键词： 知识图谱   知识图谱补全   逻辑规则   图神经网络   链接预测  

摘要： 知识图谱补全旨在利用知识图谱中已有的知识推导出新的事实,在多个任务和领域发挥重要作用,引起研究者越来越多的关注。然而现有的知识图谱补全方法大多专注于对知识图谱中的事实三元组进行建模,未充分考虑知识图谱中实体和关系之间所蕴涵的深层语义和关联。为了解决这个问题,使用逻辑规则反映知识图谱中关系之间的隐含关联,而知识图谱语义网络的本质决定了事实三元组周围高阶邻域中包含着深层语义信息。因此,为了挖掘知识图谱中实体和关系的内在语义和关联,提出一种基于逻辑规则和图神经网络(GNN)进行知识图谱补全模型。首先基于高效期望最大化(EM)迭代优化算法进行规则自动学习,将得到的高质量逻辑规则与知识图谱中的实体和关系进行联合嵌入训练,以实现对知识图谱中复杂关系模式的建模,并提高嵌入表示的泛化性。同时,考虑逻辑规则和三元组的重要性进行注意力嵌入传播,以聚合高阶邻域信息,最终得到融合深层语义和关联的实体、关系嵌入表示用于知识图谱补全。在4个公开数据集上针对链接预测任务进行实验,实验结果证明了所提出模型的有效性。

关键词： 结肠息肉图像分割   多尺度特征   上下文聚合   Transformer   注意力机制  

摘要： 为解决结肠息肉图像语义分割任务中存在的边界不清晰以及分割结果不连贯、不完整甚至丢失的问题,提出一种基于多尺度特征和上下文聚合的结肠息肉图像分割网络(colon polyp image segmentation network based on multi-scale features and contextual aggregation,MFCA-Net).网络选择PvTv2作为特征提取主干网络,设计多尺度特征互补模块(MFCM)用以提取丰富的多尺度局部信息,减少息肉形态变化对分割结果的影响;设计全局信息增强模块(GIEM),构建嵌入位置注意力的大核深度卷积实现对息肉的精确定位,提升网络辨别复杂背景的能力;设计高级语义引导的上下文聚合模块(HSCAM),以全局特征引导局部特征,差异性互补和交叉融合浅层细节信息与深层语义信息,提升分割的连贯性和完整性;设计边界感知模块(BPM),结合传统图像处理方法与深度学习方法优化边界特征,实现细粒度分割,进而获取更清晰的边界.实验表明,在Kvasir、ClinicDB、ColonDB和ETIS等公开的结肠息肉图像数据集上,所提出的网络均取得相较于当前主流算法更高的mDice与mIoU分数,具有更高的分割准确率和更强的鲁棒性.

关键词： 本征正交分解   钢包底吹   渣眼   反向传播神经网络   计算流体力学  

摘要： 为满足实时获取钢包底吹精炼三维流场数据的需求,建立了一种基于计算流体力学(Computational Fluid Dynamics,CFD)和本征正交分解(Proper Orthogonal Decomposition,POD)的钢包底吹三维流场快速预测模型。通过建立钢包底吹数值模型和水模型对其进行了模拟计算和实验,并建立了钢包单底吹的三维流场数据集,采用POD方法对数据集进行了模态与模态系数提取,通过反向传播神经网络(Back Propagation Neural Network,BPNN)构建了工况参数与模态系数间的映射关系,实现了对未来时刻钢包底吹内速度场和三相体积分数的快速预测。结果表明:所建立模型可以通过少量模态重构出钢包内流场的主要特征。POD-BPNN预测模型的计算结果准确率较高,计算结果平均相对误差均在4%以内。模型计算速度快,获取钢包内流场的平均计算时间由CFD全阶模拟所需的约246h减小至快速预测模型所需的约54.6h。