期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到97篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合注意力机制的GCN-BiGRU剩余油预测方法
1
作者 王梅 娄金香 +1 位作者 郭军辉 董驰 《当代化工》 2026年第1期128-133,共6页
剩余油分布影响因素复杂,注采井不仅受自身历史开发的影响,还受周围注采井的影响。针对上述问题,构建了一个融合注意力机制的自适应GCN-BiGRU剩余油预测模型,利用自适应图卷积神经网络(GCN)模块提取每层注采井与周围注采井的空间依赖关... 剩余油分布影响因素复杂,注采井不仅受自身历史开发的影响,还受周围注采井的影响。针对上述问题,构建了一个融合注意力机制的自适应GCN-BiGRU剩余油预测模型,利用自适应图卷积神经网络(GCN)模块提取每层注采井与周围注采井的空间依赖关系,在此基础上融入注意力机制的双向门控循环神经网络(BiGRU),可以更好地学习目标注采井的时序依赖关系。实验结果表明,该模型与CNN-LSTM、GCN-LSTM、CNN-GRU等相比性能均有显著提升。通过该模型得到每层各井点预测的含水饱和度,结合克里金插值法得到每层含水饱和度场,能有效预测剩余油有利区域。 展开更多
关键词 剩余油预测 图卷积神经网络 双向门控循环神经网络 克里金插值法
在线阅读 下载PDF
考虑配电网动态重构的电动汽车充电负荷预测方法
2
作者 万一志 刘友波 +4 位作者 许潇 李争博 李晨 向月 刘俊勇 《电力系统自动化》 北大核心 2026年第4期91-100,共10页
电动汽车充电负荷激增使配电网重构频率显著提升,而动态拓扑调整重塑了节点间能量供给关系,造成基于静态拓扑假设的预测模型因供电路径失配产生系统性误差。为此,文中提出了一种基于动态图神经网络的多时间序列预测方法,将动态图神经网... 电动汽车充电负荷激增使配电网重构频率显著提升,而动态拓扑调整重塑了节点间能量供给关系,造成基于静态拓扑假设的预测模型因供电路径失配产生系统性误差。为此,文中提出了一种基于动态图神经网络的多时间序列预测方法,将动态图神经网络引入配电网重构场景,建立拓扑时变与充电负荷预测的显式映射关系。针对配电网动态重构过程,使用相关性图对节点间的动态耦合过程进行建模,并通过注意力机制增强图预测模块的全局特征捕获能力;使用推理模块,量化不同历史时期相关性图对当前时刻各节点的影响;使用门控循环网络模块提取高维隐特征中的时序特征并输出预测结果。最后,基于实际数据集的实验结果表明,所提方法在配电网灵活重构场景中有效提升了负荷预测精度,同时具备较好的鲁棒性。 展开更多
关键词 配电网 电动汽车 负荷预测 动态重构 图神经网络 注意力机制 门控循环网络
在线阅读 下载PDF
基于异质图动态特征学习的药物重定位预测
3
作者 朱昊坤 郭延哺 +2 位作者 辛向军 李朝阳 周冬明 《南方医科大学学报》 北大核心 2026年第2期456-465,共10页
目的针对现有人工智能方法在复杂异质生物网络建模中难以挖掘网络节点间的协同关系、提取高阶拓扑语义特征等问题,本文提出一种异质图动态特征学习的药物重定位预测方法。方法该方法首先构建融合药物、疾病及其交互关系的异质生物图模... 目的针对现有人工智能方法在复杂异质生物网络建模中难以挖掘网络节点间的协同关系、提取高阶拓扑语义特征等问题,本文提出一种异质图动态特征学习的药物重定位预测方法。方法该方法首先构建融合药物、疾病及其交互关系的异质生物图模型。设计动态门控注意力模块,结合动态图注意力机制动态提取药物与疾病的判别性拓扑特征。设计门控残差特征融合机制,精准融合多源相似性网络中的结构和语义信息,有效缓解特征冗余与信息缺失的问题,实现药物与疾病关联的精准预测。结果在多个数据集上的实验和案例分析表明,本文药物重定位预测方法的性能优于现有主流模型。结论所提方法可有效建模异质生物网络中的复杂关联关系,提升药物重定位预测的准确性,为复杂疾病的精准治疗和医学人工智能提供重要的技术支持。 展开更多
关键词 复杂生物网络 图神经网络 门控机制 药物重定位
在线阅读 下载PDF
基于Dynamic GNN-MB网络的毫米波雷达人体动作识别方法
4
作者 彭国梁 李浩然 +3 位作者 胡芬 郑好 郑志鹏 郇战 《现代雷达》 北大核心 2026年第1期41-47,共7页
在人体动作识别研究中,考虑到视频和图像性能受限以及对隐私的保护,毫米波雷达技术被视为更有效的替代方案,既能保护隐私又能提高人体动作特征的识别准确性。针对毫米波雷达产生的稀疏点云,设计了一种新颖的图神经网络动态记忆图神经网... 在人体动作识别研究中,考虑到视频和图像性能受限以及对隐私的保护,毫米波雷达技术被视为更有效的替代方案,既能保护隐私又能提高人体动作特征的识别准确性。针对毫米波雷达产生的稀疏点云,设计了一种新颖的图神经网络动态记忆图神经网络(Dynamic GNN-MB),在图神经网络中加入了动态边选择函数,使其能够自主地学习点云之间边的权重并提取特征;进一步,将动态图神经网络(Dynamic GNN)与堆叠的双向门控循环单元相结合,构建了一个完整的人体活动识别框架。实验中使用公共数据集验证了网络的有效性,结果表明,Dynamic GNN-MB网络模型对人体动作识别的准确率可达97.05%,相较于其他网络结构,具有更高的识别率。 展开更多
关键词 动作识别 毫米波雷达 动态边选择函数 图神经网络 双向门控循环单元
原文传递
基于SEGCN-GRU的滚动轴承剩余寿命预测
5
作者 苏兴亮 江海锋 +2 位作者 林勤 阙辉鉴 钟建华 《制造业自动化》 2026年第2期116-125,共10页
机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取... 机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取,以及对振动信号的处理不够灵活,导致滚动轴承RUL预测不够精确。因此,提出了一种基于压缩激励图卷积网络(Squeeze-and-excitation graph convolution Networks, SEGCN)与门控循环单元(Gated recurrent unit, GRU)的模型。首先,通过自适应变分模态分解(Adaptive variational mode decomposition, AVMD)对轴承数据进行预处理。然后,考虑到振动数据在时序维度与特征空间维度的复杂性与非线性,利用压缩激励网络(Squeeze-and-excitation network, SEN)改进图卷积网络。通过压缩激励机制,能够聚合并完全捕获与通道相关的依赖关系,结合GCN能够融合不同时间节点的数据,从而提取出数据之间的相互关系特征。最后,利用门控循环单元识别滚动轴承的不同特征,获得滚动轴承RUL的预测结果。研究结果表明,该模型能够提取各个样本之间的相互关系,对不同工作条件下的滚动轴承RUL预测具有良好的预测精度以及泛化能力。 展开更多
关键词 变分模态分解 压缩激励网络 图卷积神经网络 剩余使用寿命 门控循环单元
在线阅读 下载PDF
结合图同构和混合阶残差门控图神经网络的会话推荐 被引量：2
6
作者 王永贵 于琦 《计算机科学与探索》 北大核心 2025年第2期502-512,共11页
基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的... 基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的特征向量,有效融合全局和局部信息,解决图神经网络善于捕获节点之间的局部连接而忽略全局信息的问题,并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图,并在此基础之上添加残差模块,解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习,缓解了数据稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验,并与先进基线模型进行比较,结果表明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%,在RetailRocket数据集上P@20指标和MRR@20指标至少提升了0.55%和2.57%,证明了GIHR-GNN模型的有效性。 展开更多
关键词 会话推荐 图同构网络 混合阶残差门控图神经网络 对比学习
在线阅读 下载PDF
多域时空层次图神经网络的空气质量预测 被引量：8
7
作者 马汉达 吴亚东 《计算机应用》 北大核心 2025年第2期444-452,共9页
在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和... 在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。 展开更多
关键词 空气质量预测 多域特征融合 时空特征 周期解耦 门控机制融合 图神经网络
在线阅读 下载PDF
多通道句法门控图神经网络用于句子级情感分析 被引量：1
8
作者 张吴波 邹旺 +2 位作者 熊黎 戴顺鄂 吴文欢 《计算机工程与应用》 北大核心 2025年第8期135-144,共10页
情感分析技术是自然语言处理领域的一项重要任务。然而,现阶段文档级图神经网络的图构建复杂且需要占用大量的内存资源。在线评论文本一般由短句组成,文档级图神经网络进行情感分析的效率较低。此外,现有工作中句子级图神经网络未能充... 情感分析技术是自然语言处理领域的一项重要任务。然而,现阶段文档级图神经网络的图构建复杂且需要占用大量的内存资源。在线评论文本一般由短句组成,文档级图神经网络进行情感分析的效率较低。此外,现有工作中句子级图神经网络未能充分结合文本的单词特征、依存特征和词性特征。针对以上问题,提出一种多通道句法门控图神经网络的句子级情感分析方法(MSGNN)。该模型以句子的依存句法关系图为骨架,词性特征、单词特征和依存特征作为节点特征信息;利用三通道的门控图神经网络分别学习三种特征;采用图卷积神经网络聚合节点的特征信息。在SST-1、SST-2、MR三种基准数据集上的实验结果表明该模型相比基线模型的性能有所提升。 展开更多
关键词 情感分析 句子级图神经网络 依存特征 门控图神经网络
在线阅读 下载PDF
融合全局和属性信息的双图神经网络会话推荐 被引量：1
9
作者 杨兴耀 齐正 +3 位作者 张祖莲 于炯 陈嘉颖 王东晓 《计算机工程与设计》 北大核心 2025年第3期770-778,共9页
为解决现有会话推荐未利用项目的额外属性信息,以及忽略全局项目之间交互问题,提出一种融合全局和属性信息的双图神经网络会话推荐模型。在会话序列中捕获项目显式和隐式信息,将项目之间的交互关系构建成全局图和属性图,在全局图中利用... 为解决现有会话推荐未利用项目的额外属性信息,以及忽略全局项目之间交互问题,提出一种融合全局和属性信息的双图神经网络会话推荐模型。在会话序列中捕获项目显式和隐式信息,将项目之间的交互关系构建成全局图和属性图,在全局图中利用一个门控机制捕获显式信息,在属性图中将一个自注意力机制嵌入到图注意力网络中学习项目隐式信息。利用池化操作将两种信息融合,根据最终嵌入计算预测评分。实验结果表明,模型在3个公开数据集Diginetica、Tmall和30Music上的精确度和平均倒数排名优于新近基线模型,验证了模型的有效性。 展开更多
关键词 推荐系统 会话推荐 图神经网络 注意力机制 门控机制 图注意力网络 自注意力机制
在线阅读 下载PDF
融合外部语义知识的多标签分类方法
10
作者 杨进才 班启旭 +1 位作者 杨旭生 沈显君 《计算机应用》 北大核心 2025年第12期3757-3763,共7页
文本分类作为自然语言处理(NLP)领域的重要任务,它的多标签分类因标签空间大而成为难点。针对该问题,以儿童读物中的价值观标识为实例,提出一种融合外部语义知识的多标签分类方法HSGIN(Heterogeneous Semantic Gated Interaction Netwo... 文本分类作为自然语言处理(NLP)领域的重要任务,它的多标签分类因标签空间大而成为难点。针对该问题,以儿童读物中的价值观标识为实例,提出一种融合外部语义知识的多标签分类方法HSGIN(Heterogeneous Semantic Gated Interaction Network)。首先,利用SBERT(Sentence embeddings from Siamese BERT(Bidirectional Encoder Representations from Transformers))和双向长短期记忆(Bi-LSTM)网络提取文本特征;其次,通过异质图转换架构(HGT)联合建模知识图谱(KG)中的实体和关系,并利用先验知识和语义关联提取标签特征;最后,将文本特征和标签特征进行注意力融合以得到不同的标签特征表示,且引入门控图神经网络(GGNN)捕捉标签间的语义依赖和交互模式并进行预测。实验结果表明,相较于目前性能先进的对比方法BERT,所提方法的精确率、召回率和F1分数分别提升了2.66、0.47和1.16个百分点。以上实验结果验证了所提方法的有效性,同时,对儿童读物中价值观标识的精准分析有助于为儿童选择健康的读物。 展开更多
关键词 多标签文本分类 知识图谱 异质图转换架构 门控图神经网络 标签相关性
在线阅读 下载PDF
基于多层次图对比学习的序列推荐模型
11
作者 余肖生 王智鑫 《计算机应用》 北大核心 2025年第1期106-114,共9页
针对现有的基于对比学习的序列推荐模型只考虑了项目和项目或者序列和序列这一个层级的表示学习,而没有办法学习到精细的、易于区分的用户与项目表示的问题,提出一种基于多层次图对比学习的序列推荐(MLGCL-SR)模型。首先,根据用户点击... 针对现有的基于对比学习的序列推荐模型只考虑了项目和项目或者序列和序列这一个层级的表示学习,而没有办法学习到精细的、易于区分的用户与项目表示的问题,提出一种基于多层次图对比学习的序列推荐(MLGCL-SR)模型。首先,根据用户点击项目的顺序构建项目转移图,并对它进行嵌入表示;其次,利用优化后的双向门控图神经网络(BI-GGNN)在嵌入的项目转移图上进行用户的表示学习;最后,对主要推荐预测任务通过交叉熵损失函数进行参数更新,并使用多层次对比学习任务在嵌入层、节点层、序列层三个层次辅助推荐预测任务进行参数更新,其中在嵌入层和节点层辅助推荐预测任务进行更好的项目表示,而在序列层辅助推荐预测任务进行更好的用户表示。在3个基准数据集Sports、Beauty、Toys上的实验结果表明,相较于对比的最优模型MCLRec(Meta-optimized Contrastive Learning for sequential Recommendation),MLGCL-SR模型在命中率(HR)和归一化折损累计增益(NDCG)指标上有了显著的提升,在能较好反映推荐效果的NDCG@10指标上分别提升了14.2%、19.1%和23.1%,验证了模型的有效性。 展开更多
关键词 推荐系统 序列推荐 对比学习 双向门控图神经网络
在线阅读 下载PDF
认知结构动态建模和遗忘显式计算的知识追踪模型
12
作者 张维 罗佩华 +2 位作者 李志新 龚中伟 宋玲玲 《计算机科学与探索》 北大核心 2025年第10期2683-2696,共14页
知识追踪任务旨在根据学生历史学习记录来估计学生的知识掌握程度,其中准确建模学习和遗忘行为是精准刻画学生知识状态的关键。现有方法通常基于学生静态知识结构对学习行为进行建模,并通过拼接时间特征和交互信息的隐式方式以改进遗忘... 知识追踪任务旨在根据学生历史学习记录来估计学生的知识掌握程度,其中准确建模学习和遗忘行为是精准刻画学生知识状态的关键。现有方法通常基于学生静态知识结构对学习行为进行建模,并通过拼接时间特征和交互信息的隐式方式以改进遗忘建模。然而,学生的认知结构是随时间变化的,且隐式处理时间特征不能充分利用时间信息。为了解决上述问题,提出了一种认知结构动态建模和遗忘显式计算的知识追踪方法(CSFKT),以更好地捕获学生知识状态变化情况。该方法根据学生答题反馈,使用门控循环单元(GRU)对学生认知结构的邻接矩阵进行更新,构建动态变化的学生认知结构图;基于该认知结构图,利用图神经网络的邻域聚合策略建模知识点相互作用过程;提出一种遗忘显式计算方法,利用间隔时间和遗忘曲线公式显示计算记忆保留概率及衰减后的知识状态,再使用GRU获得当前时刻的知识状态,并预测学生正确作答的概率。在三个真实数据集上进行了大量实验,结果表明CSFKT不仅可以建模动态的认知结构也可以显式建模学生遗忘行为,而且具有优越的性能以及良好的可解释性。 展开更多
关键词 知识追踪 图神经网络(GNN) 门控循环单元(GRU) 认知结构 遗忘曲线
在线阅读 下载PDF
基于动态自适应门控图卷积网络的交通拥堵预测
13
作者 王庆荣 高桓伊 +2 位作者 朱昌锋 何润田 慕壮壮 《华南理工大学学报(自然科学版)》 北大核心 2025年第9期31-47,共17页
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面... 随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。 展开更多
关键词 交通拥堵预测 图神经网络 动态自适应门控 聚类算法 门控时间卷积网络
在线阅读 下载PDF
融合人群移动轨迹和时空-类别的下一个兴趣点推荐 被引量：2
14
作者 郭秉璇 杨晓文 +3 位作者 孙福盛 况立群 张元 韩慧妍 《计算机工程与应用》 北大核心 2025年第2期316-326,共11页
下一个兴趣点推荐(next POI recommendation)作为基于位置社交网络的主要应用之一,为用户和服务提供商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐,没有充分利用其他用户移动轨迹数据的潜在价值... 下一个兴趣点推荐(next POI recommendation)作为基于位置社交网络的主要应用之一,为用户和服务提供商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐,没有充分利用其他用户移动轨迹数据的潜在价值,也未有效提取和融合时空-类别信息的特征。为了解决上述问题,提出了一种融合人群移动轨迹和时空-类别的下一个兴趣点推荐模型(GGCN-STC)。依据用户的移动轨迹构建区域轨迹图,提出了门控图卷积神经网络对共同移动轨迹进行建模;将签到序列中的时空-类别信息进行多维度的特征融合;利用自注意力机制捕获用户偏好,为用户提供更准确的POI推荐。在两个真实数据集上进行实验比较与分析,结果表明该模型优于其他模型。 展开更多
关键词 兴趣点推荐 门控图卷积神经网络 自注意力机制 时空网络
在线阅读 下载PDF
基于图注意力网络和门控网络的轻量级单通道语音分离方法 被引量：2
15
作者 余传旗 郭海燕 +2 位作者 王婷婷 王景润 杨震 《信号处理》 北大核心 2025年第4期706-717,共12页
语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题... 语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题,本文综合考虑模型效率与分离性能,提出一种基于图注意力网络(Graph Attention Network,GAT)和门控网络(Gated Network,GN)的轻量级语音分离模型(称为GGN-Papez)。该方法基于轻量级、高效的基线模型Papez,引入GAT处理听觉记忆块内存储的全局信息,并使用GN生成掩码,来提升基线模型Papez的性能。具体地,假定所有记忆令牌之间均存在连接,利用GAT计算令牌间的注意力得分,并采用阈值过滤策略裁剪掉得分较低的边,生成新的邻接矩阵。再利用此邻接矩阵聚合记忆令牌所存储的全局信息,以提取出更有效的上下文信息,提高模型对全局特征的理解能力。在此基础上,考虑到Papez使用的掩码生成模块为表达能力有限的双层全连接前馈神经网络,本文提出使用具备更强特征选择能力的GN替代原有模块,以生成更符合源语音特征的掩码。所提模型GGN-Papez在基准数据集WSJ0-2Mix和Libri2Mix上进行了实验,实验结果表明所提方法在增加很少参数量的情况下,显著提升了分离语音的尺度不变信噪比(Scale Invariant Signal-to-Noise Ratio,SI-SNR)。此外,本文还设计了消融实验验证GAT和GN对整体模型性能的影响,并从推理时间和语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)得分等方面综合地对所提模型的性能进行了分析。 展开更多
关键词 语音分离 轻量级模型 图神经网络 图注意力网络 门控机制
在线阅读 下载PDF
融合建模的图神经网络会话推荐模型
16
作者 杜佳宇 郑红 +3 位作者 郭津延 罗俞建 李鹏威 单蓉胜 《华东理工大学学报(自然科学版)》 北大核心 2025年第6期827-834,共8页
针对传统会话推荐算法仅依赖显式信息而忽视会话间潜在交互关系的问题,本文提出了一种基于门控和图注意力机制的融合建模模型IM-GGN(Integrated Modeling Gated Graph Network),它对物品间的结构化关系和会话间的非结构化关系同时进行建... 针对传统会话推荐算法仅依赖显式信息而忽视会话间潜在交互关系的问题,本文提出了一种基于门控和图注意力机制的融合建模模型IM-GGN(Integrated Modeling Gated Graph Network),它对物品间的结构化关系和会话间的非结构化关系同时进行建模,从而提升推荐性能。该模型由结构化关系学习(Structured Pattern Learning,SPL)模块与非结构化关系学习(Unstructured Pattern Learning,UPL)模块组成:SPL模块结合图神经网络和门控机制,捕捉会话内部的顺序依赖和长程关系;UPL模块则利用图注意力机制对会话间非结构化的关联信息进行建模,以提取用户偏好上下文。实验结果表明,本文方法在多个公开数据集上均取得了一定程度的性能提升,验证了模型在会话推荐中的有效性。 展开更多
关键词 会话推荐 门控图神经网络 图注意力机制 结构化关系 非结构化关系
在线阅读 下载PDF
自适应门控机制嵌入图神经网络的下一个POI推荐
17
作者 迟晋浙 刘纪平 +2 位作者 徐胜华 王勇 王琢璐 《测绘通报》 北大核心 2025年第7期90-96,共7页
下一个POI推荐在基于位置的社交网络中备受关注,旨在通过用户历史签到及时序信息精准推荐。但传统方法未考虑时序和图节点,学习效率低。本文将自适应门控机制分别嵌入地理图模块和顺序图模块,提出了自适应门控机制嵌入图神经网络的下一... 下一个POI推荐在基于位置的社交网络中备受关注,旨在通过用户历史签到及时序信息精准推荐。但传统方法未考虑时序和图节点,学习效率低。本文将自适应门控机制分别嵌入地理图模块和顺序图模块,提出了自适应门控机制嵌入图神经网络的下一个POI推荐方法。该网络主要由地理图模块、顺序图模块及语义联合模块3部分构成。其中,自适应地理图模块将自适应门控机制与图卷积神经网络结合,通过门控信号调整节点融合更新比重;自适应顺序图模块通过随机游走网络学习用户的访问偏好,并使用自适应门控机制根据目标任务属性提升相关偏好的比重;设计语义联合模块用于最大化地理图及顺序图模块的一致性分布,并使用软标签交叉熵损失函数优化联合框架的损失。为验证模型有效性,对国外公开数据集(Foursquare_NYC、Foursquare_TKY)及国内数据集(Microblog)进行试验。结果表明,本文提出的模型推荐精度均在85%以上,且相较于最先进的基线模型,精度提升2.97%~86.90%。 展开更多
关键词 自适应门控机制 下一个POI推荐 图神经网络
原文传递
基于知识图谱与门控机制的专家再学习推理问答方法
18
作者 房晓 王红斌 《应用科学学报》 北大核心 2025年第2期288-300,共13页
现有使用预训练语言模型和知识图谱的图神经网络问答的方法主要集中于构建知识图谱子图及推理过程的研究,这类方法忽略了问题上下文与知识图谱的语义差异,不能深层次挖掘文本表示形式与知识图谱表示形式的语义特征,且缺失两种表示形式... 现有使用预训练语言模型和知识图谱的图神经网络问答的方法主要集中于构建知识图谱子图及推理过程的研究,这类方法忽略了问题上下文与知识图谱的语义差异,不能深层次挖掘文本表示形式与知识图谱表示形式的语义特征,且缺失两种表示形式的知识源对答案预测贡献度不同的综合考虑。针对上述问题,本文提出了一种基于知识图谱与门控机制的专家再学习推理问答方法。该方法将问题上下文表示及推理后的知识图谱表示进行拼接融合,并将融合后的表示向量随机分配至专家网络中,再次学习问题上下文与知识图谱所关联的实体语义特征来挖掘深层隐含知识,并结合门控机制对问题上下文及推理后的知识图谱表示精准打分,通过动态调整两种表示形式的知识源对答案预测的贡献,提升答案预测精度。在CommonsenseQA数据集和OpenBookQA数据集上进行了实验,实验结果表明所提方法的准确率比QA-GNN方法分别提高了2.08%和1.23%。 展开更多
关键词 推理问答 知识图谱 图神经网络 门控机制 专家网络
在线阅读 下载PDF
面向网表基础组件识别任务的数据集设计
19
作者 李宗泰 杨靓 +4 位作者 李灏 娄冕 李颖琦 毛远宏 贾一鸣 《微电子学与计算机》 2025年第11期47-58,共12页
门级网表的反向工程是一种确保集成电路产品可信的检测方法。随着AI+IC的发展趋势,逐步演变为基于图神经网络的网表基础组件识别任务。当前,该任务面临的一个主要问题是不能泛化到电路功能一致但网表结构发生变化的场景。然而,目前尚未... 门级网表的反向工程是一种确保集成电路产品可信的检测方法。随着AI+IC的发展趋势,逐步演变为基于图神经网络的网表基础组件识别任务。当前,该任务面临的一个主要问题是不能泛化到电路功能一致但网表结构发生变化的场景。然而,目前尚未有电路功能一致但结构不同的公开网表数据集,给问题的研究增加了障碍。为此,研究和发布了电路功能一致但网表结构不同的10个数据集,以促进对网表基础组件任务的深入研究。具体来说,首先利用不同的标准单元库来改变网表结构,分别创建了5个数据集以验证模型在网表基础组件识别任务上的准确性、跨标准单元库的可扩展性、跨标准单元库的泛化能力;其次使用综合工具的内置命令来改变网表结构,分别创建了5个数据集以验证模型在同一标准单元库下的泛化能力。此外,网表通常不能直接作为神经网络模型的输入,为此开发了一款工具PyNetlist,以实现网表到图数据格式的自动化转换。最后,给出了一些经典的GNN模型在全部10个数据集上的表现,实验结果验证了上述问题的切实存在,同时也说明了数据集对这个问题的基础性支撑作用。PyNetlist和全部10个数据集将在期刊网站开源。 展开更多
关键词 硬件安全 反向工程 门级网表 图神经网络
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
20
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
使用帮助 返回顶部