创刊:1974
影响因子:0.94
纸张开本:A4
语言:中文
价格:¥1000.00
起订时间:2020年01月
大脑听觉系统建模研究进展
作者:王聪; 张巧丽; 赵地; 迟学斌 单位:中国科学院计算机网络信息中心摘要:如今,信息通信技术和生物学的融合发展到了一定阶段,欧盟人脑计划、美国脑计划以及日本脑计划等都在开展相关的脑科学研究,中国也已经开展了中国脑计划。欧盟和美国的两个计划分别投资10亿欧元和45亿美元,都是采用计算机来模拟绘制详细的人脑模型,对人类大脑进行模拟是重要内容。以国内外关于大脑听觉系统研究的论文为对象,通过对大脑听觉系统进行分析,概括出近年来大脑听觉系统的研究热点和动态,并且分析了今后该方向的研究趋势,为我国在该领域的理论研究提供依据和方法。
灰色GM(1,1)模型优化研究进展综述
作者:许泽东; 柳福祥 单位:三峡大学理学院摘要:灰色预测技术是灰色系统理论的重要分支之一。分别从灰生成技术、边值条件的改进、背景值的改进、模型参数估计方法改进、残差序列的优化、综合优化6个方面对近年来灰色预测模型中的GM(1,1)模型优化研究现状进行了比较全面的介绍,同时也对灰色GM(1,1)预测模型未来的发展方向提出了一些建议。
基于推测的无响应任务自适应容错调度算法
作者:崔云飞; 吴晓进; 戴晔; 程肖; 郭岗 单位:北京航天飞行控制中心摘要:已有的基于静态的执行失败判定时间阈值的无响应任务容错调度算法,不能适应大数据处理中心动态的集群负载。针对该问题,提出判定无响应任务执行失败时间阈值自适应调整方法。基于该模型,设计了自适应的无响应任务容错调度算法(AFTS)。AFTS算法通过分析作业规模、单个任务大小和剩余作业推测执行时间等参数,自适应地调整无响应任务判定执行失败的时间阈值,以减少无响应任务对整体作业执行效率的影响,降低作业响应时间。基于开发的原型系统,验证了自适应判定方法,测试了算法的性能。实验结果表明,AFTS算法在作业响应时间等方面优于已有的无响应任务容错调度算法。
基于PPI网络的关键蛋白质的高效预测算法
作者:洪海燕; 刘维 单位:扬州大学信息工程学院; 江苏省动物重要疫病与人畜共患病防控协同创新中心摘要:关键蛋白质对于细胞生活是不可缺少的,识别关键蛋白质可以帮助了解细胞生活的最小需求,同时对药物设计也有非常大的作用。随着高通量技术的发展,人们可得到越来越多的蛋白质-蛋白质相互作用(PPI)的数据,这就使得可以在网络层次上来研究关键蛋白质。目前,学术界已经提出了一系列的计算方法来识别关键蛋白质,但这些方法并没有完全解决蛋白质相互作用数据的假阳性问题。除此之外,现有方法一般只考虑了网络的拓扑结构,对于生物信息的考虑,目前还是比较欠缺的。蛋白质对于人类细胞的生命活动不仅仅与网络拓扑结构有关,还和蛋白质在网络上的生物信息相关。因此,针对以上问题,提出了一种高效的预测关键蛋白质的新方法EPP(Essential Proteins Predict),该方法通过计算蛋白质在PPI网络中的重要性来进行预测,蛋白质的重要性越高,成为关键蛋白质的可能性就越大。取重要性排名前P%的蛋白质作为关键蛋白质,在进行蛋白质重要性的计算时,综合考虑语义相似度及可信度因素,以综合考虑网络的拓扑结构与蛋白质本身的生物信息。实验结果表明,与其他传统方法相比,提出的新方法复杂度较低,且能够识别出更多的关键蛋白质,并且其统计指标也高于其他的方法。
基于改进的粗糙集和神经网络的WSN故障诊断
作者:周奚; 薛善良 单位:南京航空航天大学计算机科学与技术学院摘要:综合粗糙集理论和人工神经网络的优点,提出了改进的粗糙集理论算法,并结合人工神经网络,实现了一种无线传感器网络(Wireless Sensor Network,WSN)节点智能故障诊断方法。首先基于WSN的应用环境和故障特征的分析,通过数据采集、数据预处理和数据压缩来获得诊断决策表,并利用粗糙集中改进的归纳属性约简算法(Improved Inductive Attribute Reduction Algorithm,IIARA)对决策表进行属性约简,从而提取对故障诊断贡献最大的最小故障诊断特征集合,进而确定后端径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的拓扑结构。最后通过网络训练建立故障征兆与故障类型之间的非线性映射关系,得到诊断结果。仿真实验结果显示,该诊断算法在对WSN节点进行故障诊断时,可以有效地减少网络输入层个数,简化神经网络结构,减少网络的训练时间,提高模型的诊断准确性。
基于深度信念网络的医院门诊量预测
作者:杨旭华; 钟楠祎 单位:浙江工业大学计算机科学与技术学院摘要:有效的医院门诊量预测是现代医院对医疗资源实现智能化管理的重要前提之一。现有的医院门诊量预测方法大多针对的是单一的数据集,缺少对数据的充分挖掘和深入分析。为此,提出一种基于深度信念网络的医院门诊量预测方法,用深度信念网络对医院各科室的门诊量数据进行无监督学习,完成对门诊量数据的特征提取,挖掘各科室门诊量数据间的相互关系,在网络的顶层叠加一个逻辑回归层并将提取出的数据特征作为输入来预测各科室未来的门诊量。仿真实验结果表明,基于深度学习的预测模型可以得到较高的门诊量预测精度,是一种可行且有效的预测方法。
基于节点类型标注的网页主题信息抽取方法
作者:谢方立; 周国民; 王健 单位:中国农业科学院农业信息研究所摘要:提出一种基于DOM节点类型标注的网页主题信息抽取的方法。首先依据网页中噪声存在的形式,将DOM节点划分为4种类型:文本型、图片型、链接型和可忽略型,并给出节点内聚度的计算方法。通过给DOM节点添加类型和内聚度两个属性,在正文提取阶段选取内聚度大于阈值的文本型节点,最后整合成网页主题信息。将该方法与另外3款网页正文提取工具做对比实验,结果显示该方法在F1指标上为95.1%,比Evernote工具高出0.3%,比YNote工具高出5.01%。
基于二元关系消减的概念格维护算法
作者:王春月; 王黎明; 张卓 单位:郑州大学信息工程学院摘要:针对有限空间下如何快速维护概念格的问题,提出一种消减形式背景中冗余二元关系的概念格维护算法。传统的算法删除冗余关系后需要重新构造概念格,这种方式较为费时。而所提算法能够在原始概念格的基础上直接调整得到新概念格的方法,可以处理任意位置的二元关系消减的情况。它采用自底向上广度优先方式遍历格节点,首先根据当前节点是否同时包含冗余关系对象和冗余关系属性,将当前节点分为受影响的节点和不变节点;然后根据当前节点与父子节点的外延和内涵的关系,再将受影响的节点细分为4类,即减对象节点、减属性节点、分割节点、删除节点;最后根据父子节点的类型更新边。实验结果表明,在一定程度上与传统算法相比,所提算法能够获得更好的时间性能。
数据丢失情况下的最小二乘参数辨识算法
作者:许漂漂; 卜旭辉 单位:河南理工大学电气工程与自动化学院摘要:现有系统参数辨识方法大多是建立在输入输出数据可以完全测量和完全获取的基础上,而在实际系统中,由于传感器故障或网络传输机构故障,使得数据丢失现象经常发生。研究一类线性系统在输入或输出数据丢失情况下的系统辨识问题,并将数据丢失现象描述为随机伯努利序列,在此基础上提出新的辨识算法来估计数据丢失情况下系统的参数。最后,通过仿真示例验证所提算法对数据丢失的影响。结果表明,所提出的算法相较于递推最小二乘法有更好的收敛性。
基于深度神经网络的语音识别系统研究
作者:李伟林; 文剑; 马文凯 单位:北京林业大学工学院摘要:语音识别是人机交互模式识别领域的一个重要课题,构建了一种基于深度神经网络的语音识别系统,使用了抗噪对比散度法和抗噪最小平方误差法对模型进行无监督训练;使用了均值归一化进行模型优化,提高了网络对训练集的拟合度,并且降低了语音识别的错误率;使用多状态激活函数进行了模型优化,这不仅使得不带噪测试和带噪声测试的语音识别错误率进一步下降,并能在一定程度上减轻过拟合现象;并通过奇异值分解和重构的方法对模型进行了降维。实验结果表明,此系统可以在不影响语音识别错误率的基础上极大地降低系统的复杂性。
模糊BCK-代数及其模糊左(右)简理想
作者:彭家寅 单位:内江师范学院数学与信息科学学院摘要:将Dib的模糊空间和模糊二元运算的概念引入BCK-代数中,给出了研究模糊BCK-代数的一个新方法。提出了模糊子代数、模糊左(右)简理想和模糊同态的概念,初步建立了新的模糊BCK-代数理论。结果表明,经典的BCK-代数之模糊子代数、模糊左右简理想都是新理论的特例,因而这种新方法提供了发展模糊BCK-代数理论的一个有力工具。
一种基于卷积神经网络深度学习的人体行为识别方法
作者:王忠民; 曹洪江; 范琳 单位:西安邮电大学计算机学院摘要:为提高基于智能终端的人体行为识别的准确率,提出一种基于卷积神经网络深度学习人体行为识别方法。该方法将原始数据进行简单处理,直接作为输入数据输入到卷积神经网络中,由卷积神经网络进行局部特征分析,得到特征输出项,直接输入到Softmax分类器中,可识别走路、跑步、上下楼梯、站立等5种动作。对比实验结果表明,其对不同的实验者的识别率达到84.8%,证明了该方法的有效性。
基于免疫遗传算法的供应链库存协同优化研究
作者:闫军; 丁鑫培; 刘永瑞 单位:兰州交通大学机电技术研究所; 中国人民解放军66292部队摘要:在全球经济一体化发展的大背景下,企业之间的竞争方式发生了本质上的改变,即已由原来单个企业之间的竞争变为企业间所在供应链之间的竞争。在这种竞争方式下,企业逐步向追求整个供应链利益的最大化转变。针对供应链整体协同运作来有效控制库存的问题,建立了多级库存供应链模型,运用改进的免疫遗传算法对所建的供应链多级库存模型进行优化求解;并以西部某实木家具公司的P1和P2产品为例,结合所建立的多级库存成本优化模型和相应的算法设计,运用Matlab数学仿真软件仿真求解。
基于粒子群优化BP神经网络的养肠胃菜谱判定
作者:张璐; 雷雪梅 单位:北京科技大学计算机与通信工程学院摘要:提出了一种基于粒子群优化BP神经网络的养肠胃菜谱判定的方法。粒子群算法通过自身良好的搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络中收敛性慢、存在多个局部极值点的缺陷。并分别通过误差曲线图、线性回归图等,对BP神经网络模型与PSO-BP神经网络模型进行比较分析。实验结果表明,PSOBP模型判定较准确,在调养肠胃的饮食食谱选择中起到了指导作用。
模糊决策粗糙集代价敏感属性约简研究
作者:刘偲; 秦亮曦 单位:广西大学计算机与电子信息学院摘要:针对决策中普遍存在的代价问题,在模糊理论和决策粗糙集的基础上,对其代价敏感属性约简方法进行了研究。在模糊决策粗糙集属性约简中引入了包含误分类代价和测试代价的总代价。因此约简的目标不再只是考虑正域的大小,而是寻找使得总代价最小的最优属性子集。提出了一种模糊决策粗糙集代价敏感属性约简(COSAR)算法,该算法采用启发式方法搜索最优属性子集。给出了算法的步骤,并将该算法与已有的模糊粗决策粗糙集属性快速约简(QuickReduct)算法进行了性能对比。实验结果表明,COSAR算法比QuickReduct算法具有更强的属性约简能力、更低的分类总代价、更短的运行时间,且随着测试样本的增加,分类总代价差值也越来越大。