基于动态损失函数的远程监督关系抽取 被引量：9

1

作者 彭正阳 吕立 于碧辉 《小型微型计算机系统》 CSCD 北大核心 2021年第2期251-255,共5页

关系抽取是信息抽取的主要任务之一,远程监督作为关系抽取中的一种有效的方法,已成功地应用于包含上千关系的大型语料库.然而,远程监督造成的错误标注会影响关系抽取的性能.为了缓解这一问题,现有的远程监督关系抽取方法选择每个实体对... 关系抽取是信息抽取的主要任务之一,远程监督作为关系抽取中的一种有效的方法,已成功地应用于包含上千关系的大型语料库.然而,远程监督造成的错误标注会影响关系抽取的性能.为了缓解这一问题,现有的远程监督关系抽取方法选择每个实体对中一个最好的句子或通过注意力机制赋予每个句子不同的权重.但这些方法并不能完全解决错误标注的问题.本文提出了一种新的方法来寻找错误标注或简单的实例,并通过动态改变损失函数的方式来降低它们在批量梯度下降中的权重.在NYT-Freebase公共数据集上的实验结果表明,本文提出的方法优于基线方法,能够有效提高远程监督关系抽取的准确率. 展开更多

关键词 信息抽取 关系抽取 远程监督 动态损失函数

在线阅读 下载PDF 职称材料

频域多方向C-UNet及动态损失的工业烟尘图像分割

2

作者 张大锦 刘辉 +1 位作者 陈甫刚 赵安 《控制理论与应用》 EI CAS CSCD 北大核心 2024年第3期543-554,共12页

工业烟尘污染等级监测中烟尘的准确分割是污染等级判定的重要前提.针对边缘模糊且方向多变烟尘在特征提取过程中边缘方向细节信息提取困难、分割不准确的问题,本文提出一种频域多方向C-UNet及动态损失的工业烟尘图像分割方法.首先,通过... 工业烟尘污染等级监测中烟尘的准确分割是污染等级判定的重要前提.针对边缘模糊且方向多变烟尘在特征提取过程中边缘方向细节信息提取困难、分割不准确的问题,本文提出一种频域多方向C-UNet及动态损失的工业烟尘图像分割方法.首先,通过构建轮廓波多方向分解下采样结构增强编码阶段烟尘边缘方向信息的提取能力;其次,通过轮廓波变换提取烟尘8个边缘方向细节信息进行跳跃连接,提升持续采样过程中细节信息的表达准确度;然后,构建轮廓波细节重构上采样结构增强解码阶段烟尘边缘细节信息的恢复能力;最后,提出一种动态加权策略构建组合损失函数来优化训练网络,增强网络对烟尘边缘特征的提取能力.结果表明,本文方法与U-Net和其他同类方法相比在指标上有较好提升,改善了烟尘边缘分割不准确的问题,在不同烟尘场景上的分割效果也优于现有分割模型. 展开更多

关键词 工业烟尘 图像分割 轮廓波变换 特征提取 动态损失函数

在线阅读 下载PDF 职称材料

基于物联网平台的动态权重损失函数入侵检测系统 被引量：2

3

作者 董宁 程晓荣 张铭泉 《计算机应用》 CSCD 北大核心 2022年第7期2118-2124,共7页

随着物联网(IoT)接入设备越来越多,以及网络管理维护人员缺乏对IoT设备的安全意识,针对IoT环境和设备的攻击逐渐泛滥。为了加强IoT环境下的网络安全性,利用基于IoT平台制作的入侵检测数据集,采用卷积神经网络(CNN)+长短期记忆(LSTM)网... 随着物联网(IoT)接入设备越来越多,以及网络管理维护人员缺乏对IoT设备的安全意识,针对IoT环境和设备的攻击逐渐泛滥。为了加强IoT环境下的网络安全性,利用基于IoT平台制作的入侵检测数据集,采用卷积神经网络(CNN)+长短期记忆(LSTM)网络为模型架构,利用CNN提取数据的空间特征,LSTM提取数据的时序特征,并将交叉熵损失函数改进为动态权重交叉熵损失函数,制作出一个针对IoT环境的入侵检测系统(IDS)。经实验设计分析,并使用准确率、精确率、召回率和F1-measure作为评估参数。实验结果表明在CNN-LSTM网络架构下采用了动态权重损失函数的模型与采用传统的交叉熵损失函数的模型相比,前者比后者在使用数据集的地址解析协议(ARP)类样本中在F1-Measure上提升了47个百分点,前者比后者针对数据集中的其他少数类样本则提升了2个百分点~10个百分点。实验结果表明,动态权重损失函数能够增强模型对少数类样本的判别能力,且该方法可以提升IDS对少数类攻击样本的判断能力。 展开更多

关键词 动态权重损失函数 入侵检测 深度学习 卷积神经网络 长短期记忆 物联网

在线阅读 下载PDF 职称材料

引入动态聚焦损失的车辆载重状态CNN-LSTM识别模型

4

作者 徐慧琳 孙子文 《工业控制计算机》 2024年第12期42-44,共3页

为实时监测车辆的运行情况,研究引入动态聚焦损失的车辆载重状态CNN-LSTM识别模型。将选取的原始车辆特征数据及k步差分特征构成初步特征向量矩阵,利用卷积神经网络(CNN)和长短期记忆神经网络(LSTM)分别提取初步特征向量矩阵的局部特征... 为实时监测车辆的运行情况,研究引入动态聚焦损失的车辆载重状态CNN-LSTM识别模型。将选取的原始车辆特征数据及k步差分特征构成初步特征向量矩阵,利用卷积神经网络(CNN)和长短期记忆神经网络(LSTM)分别提取初步特征向量矩阵的局部特征和全局特征形成最终特征向量,进一步采用全连接网络将最终特征向量识别为装载、卸载、运行三种载重状态。模型训练中引入动态聚焦损失函数以平衡样本损失权重并加大决策边界的损失权重。实验结果表明:相较于支持向量机(SVM)、卷积神经网络和长短期记忆神经网络识别模型,CNN-LSTM识别模型的准确率分别提升了17.74%、3.97%和2.81%。 展开更多

关键词 车辆载重 卷积神经网络 长短期记忆网络 时间序列分析 动态聚焦损失函数

在线阅读 下载PDF 职称材料

基于特征融合与软阈值残差的稠密点云几何压缩网络

5

作者 朱威 施海东 +2 位作者 汪宵 郑雅羽 何德峰 《小型微型计算机系统》 北大核心 2025年第3期662-671,共10页

点云是一种重要的三维数据表示形式,但其巨大的原始数据量阻碍了它在网络传输和存储记录等方面的应用.因此,本文提出了一种基于多尺度特征融合与软阈值残差结构的点云几何压缩网络,实现了对三维稠密点云的高效压缩.首先通过逐步融合多... 点云是一种重要的三维数据表示形式,但其巨大的原始数据量阻碍了它在网络传输和存储记录等方面的应用.因此,本文提出了一种基于多尺度特征融合与软阈值残差结构的点云几何压缩网络,实现了对三维稠密点云的高效压缩.首先通过逐步融合多尺度特征和构建软阈值注意力机制,实现特征加强和冗杂特征的消除,以解决体素化过程中特征丢失等问题.此外,采用构建特征掩膜层的方法,加速模型收敛.最后,引入动态非等比例损失函数提高网络的学习效果.实验结果表明,该方法在MVUB、8iVFB和Owlii数据集上相较于现有方法同样的点云分辨率下,具有更高的点云重建质量和较快的编解码速度. 展开更多

关键词 稠密点云压缩 多尺度特征 软阈值残差结构 特征掩膜 动态损失函数

在线阅读 下载PDF 职称材料

基于卷积辅助自注意力的胸部疾病分类网络

6

作者 张自然 李锵 关欣 《浙江大学学报(工学版)》 北大核心 2025年第5期890-901,共12页

针对胸部X光影像中的病变大小不一,纹理复杂,且存在相互影响等问题,提出基于卷积辅助窗口自注意力的胸部X光影像疾病分类网络CAWSNet.使用Swin Transformer作为骨干网络,以窗口自注意力建模长距离视觉依赖关系,通过引入卷积辅助,在弥补... 针对胸部X光影像中的病变大小不一,纹理复杂,且存在相互影响等问题,提出基于卷积辅助窗口自注意力的胸部X光影像疾病分类网络CAWSNet.使用Swin Transformer作为骨干网络,以窗口自注意力建模长距离视觉依赖关系,通过引入卷积辅助,在弥补其缺陷的同时,强化局部特征提取能力.引入图像相对位置编码,通过有向相对位置的动态计算,帮助网络更好地建模像素间的位置关系.使用类别残差注意力,根据疾病类别来调整分类器关注的区域,突出有效信息,提高多标签分类能力.提出动态难度损失函数,解决不同疾病分类的难度差异大,数据集中正负样本不平衡的问题.在公开数据集ChestX-Ray14、CheXpert和MIMIC-CXR-JPG上的实验结果表明,提出CAWSNet的AUC分数分别达到0.853、0.898和0.819,表明该网络在胸部X光影像疾病诊断中的有效性和鲁棒性. 展开更多

关键词 胸部X光图像分类 窗口自注意力 卷积 图像相对位置编码 动态难度损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的船舶设备拆装流程规范性评估方法

7

作者 张振东 管聪 +2 位作者 张泽辉 吴超 丁学文 《中国舰船研究》 北大核心 2025年第2期140-150,共11页

[目的]船舶机舱作业规范性是船舶安全管控的关键部分,因此船员实操考试将船舶设备拆装作为一个重要考核项。为提升船员实操考试的电子化和智能化水平,提出一种基于计算机视觉的船舶设备拆装流程规范性的自动化识别方法。[方法]首先,以YO... [目的]船舶机舱作业规范性是船舶安全管控的关键部分,因此船员实操考试将船舶设备拆装作为一个重要考核项。为提升船员实操考试的电子化和智能化水平,提出一种基于计算机视觉的船舶设备拆装流程规范性的自动化识别方法。[方法]首先,以YOLOv8n构建船舶设备检测模型的骨干网络,并引入高效通道注意力机制(SA),以提高模型特征提取能力与训练效率;然后,在颈部网络中引入重参数化泛化特征的金字塔网络(GFPN)融合结构,以提高模型的多尺度特征融合能力;最后,引入动态非单调聚焦机制损失函数(WIoU)来替换原CIoU损失函数,以提高模型精度。[结果]自建数据集的试验结果表明:与YOLOv8n相比,改进目标识别算法的平均精度均值提高了0.15,实时检测的每秒帧数提升了0.6,可以准确识别齿轮泵的拆装流程。[结论]该改进算法具有更强的识别能力,可以更好地应用于船舶设备拆装流程规范性的识别任务。 展开更多

关键词 船舶设备 拆除和安装 目标检测 注意力机制(SA) 泛化特征金字塔网络(GFPN) 动态非单调聚焦机制(WIoU)损失函数

在线阅读 下载PDF 职称材料

基于全局-个体特征融合的群体行为识别

8

作者 程勇 程遥 +4 位作者 王军 杨玲 许小龙 高园元 张开华 《计算机系统应用》 2024年第12期43-54,共12页

群体行为识别是计算机视觉领域中备受关注的研究方向之一,旨在通过多个个体动作与互动关系确定整体的行为.然而,由于确定个体互动关系、联系紧密程度以及活动关键人物三者的困难,现有方法常关注于人物的个体特征,忽略了与活动场景上下... 群体行为识别是计算机视觉领域中备受关注的研究方向之一,旨在通过多个个体动作与互动关系确定整体的行为.然而,由于确定个体互动关系、联系紧密程度以及活动关键人物三者的困难,现有方法常关注于人物的个体特征,忽略了与活动场景上下文的相互联系.针对该问题,提出一个基于全局-个体特征融合的群体行为识别推理模型GIFFNet(global-individual feature fusion network).通过构建全局-个体特征融合(GIFF)模块,GIFFNet在聚焦关键信息的基础上,有效整合了场景上下文与个体人物特征,获取了更具表征能力的融合特征,以弥补预测群体行为时场景信息缺失的问题.随后,GIFFNet利用融合特征计算场景中人物之间的交互关系图,并使用图卷积网络(GCN)进行训练和群体行为类别预测.此外,为解决数据集样本失衡的问题,GIFFNet采用动态分配权重的策略优化损失函数.实验结果表明,GIFFNet在Volleyball、Collective Activity数据集上的多类分类准确度分别为93.8%、96.1%,类平均精确度分别为93.9%、95.8%,优于其他现有的深度学习方法.GIFFNet通过特征融合为行为分类提供了表征能力更加强大的特征,有效地提升了行为识别的精确度. 展开更多

关键词 群体行为识别 场景上下文 特征融合 注意力机制 动态损失函数

在线阅读 下载PDF 职称材料

基于可变形卷积的轴承剩余寿命预测

9

作者 周立俭 卜振飞 +2 位作者 耿增荣 孙伊萍 周玉国 《青岛理工大学学报》 CAS 2024年第1期141-150,共10页

针对在滚动轴承剩余寿命(RUL)预测任务中神经网络的普通卷积核提取到的特征分布不均问题,建立了基于注意力的深度可变卷积残差网络(ADRN)以提取轴承的退化特征并计算健康因子(HI)。通过连续小波变换(CWT)提取轴承的时频特征,采用ADRN提... 针对在滚动轴承剩余寿命(RUL)预测任务中神经网络的普通卷积核提取到的特征分布不均问题,建立了基于注意力的深度可变卷积残差网络(ADRN)以提取轴承的退化特征并计算健康因子(HI)。通过连续小波变换(CWT)提取轴承的时频特征,采用ADRN提取轴承时频图中的退化特征,并通过Tanh激活函数得到HI。为提升对异常值的约束能力,在整个网络中采用提出的动态损失函数进行训练。使用Savitzky-golay滤波器平滑HI后,由多项式函数拟合HI得到回归方程,预测出轴承的RUL。在PHM2012数据集上的实验仿真证明,提出的方法得到了更准确的预测结果。 展开更多

关键词 滚动轴承剩余寿命预测 可变形卷积 注意力机制 动态损失函数 连续小波变换

在线阅读 下载PDF 职称材料

基于密钥共享的复杂网络围界入侵点检测研究 被引量：5

10

作者 潘卿 窦立君 《计算机仿真》 北大核心 2022年第9期431-434,450,共5页

针对复杂网络应用的广泛性与必要性,以及管理维护人员安全意识的薄弱性,攻击者对复杂网络围界的攻击逐渐泛滥,为了增强复杂网络环境的安全性,提出基于密钥共享的复杂网络围界入侵点检测方法。根据构建复杂网络的感知层、网络层和应用层... 针对复杂网络应用的广泛性与必要性,以及管理维护人员安全意识的薄弱性,攻击者对复杂网络围界的攻击逐渐泛滥,为了增强复杂网络环境的安全性,提出基于密钥共享的复杂网络围界入侵点检测方法。根据构建复杂网络的感知层、网络层和应用层结构,通过外部流量的监听来判断入侵点检测系统是否被攻击,分别采用CNN和LSTM对网络特征进行提取,为了解决数据分布不平衡问题,提出动态权重损失函数。从单跳入网络和多跳入网络两方面对复杂网络节点进行认证,通过对信任中心与节点的分析,保证了复杂网络入网节点的合法性与安全性。为进一步保证复杂网络安全性,在网络节点入网后,对信任中心与节点间共享的密钥进行周期性更新处理,并采用单向散列链模式更新报文和增加校验信息,只有报文是正确且安全的,才会对报文进行解密。最后从安全性、性能、效率和容忍性等方面对算法进行分析,验证所提方法具有一定的有效性与合法性。 展开更多

关键词 密钥共享 围界入侵点征 特征信息 动态权重损失函数 单向散列链

在线阅读 下载PDF 职称材料

多标签图像的识别分类处理算法 被引量：3

11

作者 徐有正 黄刚 《计算机时代》 2017年第10期9-12,共4页

目前卷积神经网络已在单标签图像的识别上得到了高效的应用,而多标签图像的识别需要处理包括尺寸、形状、布局等多个对象,所以单标签图像分类的网络模型架构不能很好地识别出复杂的对象布局和多标签图像场景。文章提出了端到端方式训练... 目前卷积神经网络已在单标签图像的识别上得到了高效的应用,而多标签图像的识别需要处理包括尺寸、形状、布局等多个对象,所以单标签图像分类的网络模型架构不能很好地识别出复杂的对象布局和多标签图像场景。文章提出了端到端方式训练的多标签图像识别算法,在对图像进行随机缩放和裁剪后,再进入卷积神经网络,其输出经过池化分类层,筛选出有效区域。同时提出加权、动态的欧式距离损失函数用于神经网络的优化。实验结果显示,该算法有效提高了多标签图像识别的精度。 展开更多

关键词 多标签图像 卷积神经网络 图像识别 动态损失函数

在线阅读 下载PDF 职称材料

基于双维注意力机制的事件要素识别方法 被引量：1

12

作者 廖涛 宋杨 张顺香 《安徽理工大学学报（自然科学版）》 CAS 2021年第4期25-30,共6页

事件要素识别是事件抽取的基本任务,对后续任务的开展起着重要作用。随着深度学习技术的发展,神经网络逐渐成为事件要素识别的主流方法。近几年,注意力机制在自然语言处理领域得到广泛使用,但注意力机制依赖于嵌入层对上下文特征的提取... 事件要素识别是事件抽取的基本任务,对后续任务的开展起着重要作用。随着深度学习技术的发展,神经网络逐渐成为事件要素识别的主流方法。近几年,注意力机制在自然语言处理领域得到广泛使用,但注意力机制依赖于嵌入层对上下文特征的提取,在事件要素识别等序列标注问题中效果不理想。针对这一问题,提出了一种基于注意力机制的双维注意力机制,从矩阵行和列两个维度计算注意力得分,因此可以较好地提取句子的上下文特征,并且使用了动态目标损失函数,通过动态给予不同标签不同的权重,一定程度上缓解了样本不平衡和数据稀疏带来的模型泛化不足问题。在CEC2.0中文突发事件语料库上对比实验表明,所提方法取得较好效果。 展开更多

关键词 事件要素识别 神经网络 序列标注任务 双维注意力机制 动态目标损失函数

在线阅读 下载PDF 职称材料

改进U-Net深度网络的视网膜血管分割算法 被引量：2

13

作者 曲小波 余粟 《中国医学物理学杂志》 CSCD 2023年第10期1212-1219,共8页

为了解决U-Net算法在分割眼底图像时无法分割末梢微小血管和无法处理噪声干扰等问题,提出了一种改进的视网膜血管分割算法。首先,在U-Net算法中引入通道强化残差网络,用以优化U-Net架构,使得网络识别更多视网膜微血管。其次,引入空间注... 为了解决U-Net算法在分割眼底图像时无法分割末梢微小血管和无法处理噪声干扰等问题,提出了一种改进的视网膜血管分割算法。首先,在U-Net算法中引入通道强化残差网络,用以优化U-Net架构,使得网络识别更多视网膜微血管。其次,引入空间注意力网络来排除噪声,更好地突出血管。最后,在损失函数的计算中,使用动态权重代替U-Net算法的固定权重,迫使神经网络能够学习一个稳健的特征映射。将改进的算法在DRIVE数据集上进行实验,实验结果表明本文分割算法的准确性和敏感性大幅提高。比原U-Net算法准确性和敏感性分别提高了2.12%和7.51%,比DCU-Net准确性和敏感性分别提高了1.20%和2.55%。 展开更多

关键词 医疗图像分割 深度学习 通道强化残差网络 空间注意力网络 动态损失函数

在线阅读 下载PDF 职称材料