期刊文献+
共找到138篇文章
< 1 2 7 >
每页显示 20 50 100
Risk evaluation for the task transfer of an aircraft maintenance program based on a multielement connection number
1
作者 Tao LIU Zhibo SHI +2 位作者 Huifen DONG Jie BAI Yu YAN 《Frontiers of Engineering Management》 CSCD 2024年第1期16-31,共16页
This paper proposes a framework for evaluating the efficacy and suitability of maintenance programs with a focus on quantitative risk assessment in the domain of aircraft maintenance task transfer. The analysis is anc... This paper proposes a framework for evaluating the efficacy and suitability of maintenance programs with a focus on quantitative risk assessment in the domain of aircraft maintenance task transfer. The analysis is anchored in the principles of Maintenance Steering Group-3 (MSG-3) logic decision paradigms. The paper advances a holistic risk assessment index architecture tailored for the task transfer of maintenance programs. Utilizing the analytic network process (ANP), the study quantifies the weight interrelationships among diverse variables, incorporating expert-elicited subjective weighting. A multielement connection number-based evaluative model is employed to characterize decision-specific data, thereby facilitating the quantification of task transfer-associated risk through the appraisal of set-pair potentials. Moreover, the paper conducts a temporal risk trend analysis founded on partial connection numbers of varying orders. This analytical construct serves to streamline the process of risk assessment pertinent to maintenance program task transfer. The empirical component of this research, exemplified through a case study of the Boeing 737NG aircraft maintenance program, corroborates the methodological robustness and pragmatic applicability of the proposed framework in the quantification and analysis of mission transfer risk. 展开更多
关键词 risk evaluation maintenance steering group analytic network process task transfer maintenance program
原文传递
基于进化多任务的稀疏大规模多目标优化 被引量:1
2
作者 梁正平 王侃 +2 位作者 周倩 王继刚 朱泽轩 《计算机学报》 北大核心 2025年第2期358-380,共23页
稀疏大规模多目标优化存在稀疏位置探测困难、搜索空间巨大等诸多挑战,现有为数不多的稀疏大规模多目标优化算法在稀疏位置的探测准确率和非零决策变量的优化程度方面尚存在较大提升空间.为进一步提升稀疏大规模多目标优化的性能,本文... 稀疏大规模多目标优化存在稀疏位置探测困难、搜索空间巨大等诸多挑战,现有为数不多的稀疏大规模多目标优化算法在稀疏位置的探测准确率和非零决策变量的优化程度方面尚存在较大提升空间.为进一步提升稀疏大规模多目标优化的性能,本文从辅助任务构建与优化、辅助任务重新初始化、知识迁移等三个方面,提出了基于进化多任务优化的稀疏大规模多目标优化算法(Evolutionary Multi-Task for Sparse Large-scale Multi-objective Op⁃timization,SLMO-EMT).其中,辅助任务构建与优化方面,基于主任务精英解的稀疏分布,采用两种不同的方式对决策变量的搜索空间进行限定,构建分别用于对稀疏位置和非零决策变量进行降维优化的两个辅助任务.辅助任务重新初始化方面,根据辅助任务在历史迭代中的知识迁移效果,对其搜索空间和当前种群进行更新,以使辅助任务可持续促进主任务的进化.知识迁移方面,首先基于轮询方式和各辅助任务的知识迁移概率,挑选用于知识迁移的辅助任务,再基于相似度挑选适合的知识受体,最后在子代生成过程中采用迁移知识引导的局部交叉,借助辅助任务的知识促进主任务的进化.为验证SLMO-EMT的性能,将其与8个先进的稀疏大规模多目标优化算法在1000-10000维的32个基准测试实例,以及8个应用测试实例上进行对比,实验结果表明SLMO-EMT对于稀疏大规模多目标优化问题的求解具有明显的竞争优势.SLMO-EMT的源代码已在Github上公开:https://github.com/CIA-SZU/WK. 展开更多
关键词 稀疏大规模多目标优化 进化多任务 辅助任务 知识迁移
在线阅读 下载PDF
基于神经网络的图像风格迁移算法综述 被引量:1
3
作者 王伟 张静宜 +1 位作者 温玉辉 魏云超 《电子学报》 北大核心 2025年第5期1692-1712,共21页
风格迁移作为图像编辑领域的一个关键研究方向,在艺术创作等领域展现出广泛的应用前景.自Gat-ys等人提出使用深度卷积特征间相关性捕获纹理信息并基于此实现风格迁移后,大量基于神经网络的风格迁移算法不断涌现.近年来随着各式生成模型... 风格迁移作为图像编辑领域的一个关键研究方向,在艺术创作等领域展现出广泛的应用前景.自Gat-ys等人提出使用深度卷积特征间相关性捕获纹理信息并基于此实现风格迁移后,大量基于神经网络的风格迁移算法不断涌现.近年来随着各式生成模型的兴起,将生成对抗网络、扩散模型等生成模型引入风格迁移工作获得了新的关注.此外,图像-文本跨模态任务的突破使得文本引导条件下的图像风格迁移成为可能.本文对当前先进的研究方法进行分类和描述.具体地,依据引导条件差异,将现有方法划分为图像引导的图像风格迁移方法、文本引导的图像风格迁移方法;依据网络架构的不同,将现有方法细分为基于自编码器的方法、基于生成对抗网络的方法、基于扩散模型的方法以及基于其他模型架构的方法,对当前图像风格迁移技术的研究进行全面的综述与分析.随后,介绍了图像风格迁移任务的数据集和评价体系,并从定量与定性方面对部分最先进的图像风格迁移方法进行实验和比较.最后,讨论了当前图像风格迁移技术面临的挑战,并对未来研究方向提出了展望. 展开更多
关键词 图像风格迁移 神经网络 图像编辑 多模态任务 计算机视觉 深度学习
在线阅读 下载PDF
面向云边协同多源传输数据的知识联合提取
4
作者 尚博祥 郭晓艳 +1 位作者 郑剑 孙先范 《计算机与现代化》 2025年第9期104-108,118,共6页
随着电力物联网多源非结构化数据传输量的增加,导致云边协同任务调度和资源分配具有极大的延迟性。对此,本文利用知识图谱在数据存储和知识抽取方面的优势,提出一种多模块联合知识提取方法,该方法包括2个独立的子模块,一个用于提取头部... 随着电力物联网多源非结构化数据传输量的增加,导致云边协同任务调度和资源分配具有极大的延迟性。对此,本文利用知识图谱在数据存储和知识抽取方面的优势,提出一种多模块联合知识提取方法,该方法包括2个独立的子模块,一个用于提取头部实体,另一个用于抽取尾部实体及其对应关系。首先通过枚举传输数据中的标记序列来生成候选实体和关系,然后使用2个子模块来预测实体和关系,最后对预测的实体和关系进行联合解码,得到关系三元组,并以传输数据包含的知识为依托,实现传输调度图谱的可视化展示。实验结果显示该模型的F1值达79%,精确度相较于其他传统方法提高6%,知识抽取效果较好,能够高效对非结构化传输数据进行高度解析,实现云边协同任务调度和资源分配的精准决策。 展开更多
关键词 云边协同 数据传输 任务调度 精准决策
在线阅读 下载PDF
面向密集预测任务的点云Transformer适配器
5
作者 张德军 白燕子 +2 位作者 曹锋 吴亦奇 徐战亚 《浙江大学学报(工学版)》 北大核心 2025年第5期920-928,共9页
提出点云Transformer适配器(PCT-Adapter)框架,以增强标准Transformer在点云密集预测任务中的处理能力.设计灵活的层次化点云多尺度先验特征提取模块,该模块不仅增强了标准Transformer对不同尺度物体的感知能力,而且提升了对多样数据集... 提出点云Transformer适配器(PCT-Adapter)框架,以增强标准Transformer在点云密集预测任务中的处理能力.设计灵活的层次化点云多尺度先验特征提取模块,该模块不仅增强了标准Transformer对不同尺度物体的感知能力,而且提升了对多样数据集和下游任务的适应性.在Adapter与标准Transformer之间设计双向特征交互模块.该模块实现了点云先验特征向标准Transformer的有效注入及多尺度点云特征金字塔的更新,在保持标准Transformer架构的同时,通过多次交互显著提高了特征的表达能力. PCT-Adapter以标准Transformer为主干,支持加载多种点云Transformer预训练参数,增强了迁移学习的能力.在ShapeNetPart、S3DIS和SemanticKITTI数据集上的实验结果证明,利用PCT-Adapter框架,显著提升了标准Transformer在密集预测任务中的适应性. 展开更多
关键词 标准Transformer 密集预测任务 适配器 特征交互 任务迁移
在线阅读 下载PDF
车联网中基于位置信息映射和相关性评估的进化多任务优化算法
6
作者 沈俊杰 彭江 +1 位作者 郭坤银 刘凯 《电子学报》 北大核心 2025年第5期1661-1676,共16页
随着车联网(Internet of Vehicles,IoV)和智能交通系统的兴起,计算成本的增加和问题规模的扩大使得实时应用的实现变得极具挑战性,同时也为车载边缘计算(Vehicular Edge Computing,VEC)带来了大量亟待并行求解的组合优化问题.这些复杂... 随着车联网(Internet of Vehicles,IoV)和智能交通系统的兴起,计算成本的增加和问题规模的扩大使得实时应用的实现变得极具挑战性,同时也为车载边缘计算(Vehicular Edge Computing,VEC)带来了大量亟待并行求解的组合优化问题.这些复杂的实际问题往往具有非凸性、不可微性,甚至存在黑盒目标与约束条件,可能会超出传统数学方法的解决范围.进化多任务优化(Evolutionary Multi-Task Optimization,EMTO)作为一种新兴的多任务优化范式,通过充分利用任务间的潜在相关性,能够有效地实现多个独立优化任务的并行求解.本文设计了一种IoV显式EMTO框架,结合IoV任务的特点,深入挖掘任务间隐含的关联性,并提出了一种基于车辆位置映射和相关性评估的IoV EMTO算法.针对IoV环境下的多任务优化问题,本文对车-路数据路由(Data Routing,DR)、车-路服务迁移(Ser-vice Migration,SM)、车-车消息传输(Message Transmission,MT)和车-车任务卸载(Task Offloading,TO)四个问题进行联合优化,目标是在限定时间内最大化各个任务的交付率.进一步地,为了在任务相关性未知的情况下提升相关任务间的知识迁移效率,本文在算法中设计并引入了基于任务相关性评估的迁移机制.具体而言,通过计算链路间最长公共子序列来计算链路的相似度,针对不同的相关性分布情况设计了三种迁移策略,以确保算法在不同场景下的知识迁移能力.最后,本文通过实验验证和性能评估,验证了所提框架和算法的有效性,与其他的EMTO算法相比,本文所提算法在各优化问题上的收敛速度更快,种群间知识迁移后的求解效果更好,展现出良好的性能. 展开更多
关键词 车载边缘计算(VEC) 进化算法 多任务优化 显式知识转移 任务相关性评估
在线阅读 下载PDF
动态任务构建的多任务算法求解MOVRPTW问题
7
作者 王宇东 武燕 《西安电子科技大学学报》 北大核心 2025年第3期242-256,共15页
带时间窗的多目标车辆路径问题(MOVRPTW)是一个重要且具有挑战性的物流问题。进化多任务算法(EMT)是一种通过任务间知识迁移提升算法寻优能力的新颖方法。文中提出一种动态构造辅助任务的方法,旨在增强任务间的知识迁移效果,从而提高原... 带时间窗的多目标车辆路径问题(MOVRPTW)是一个重要且具有挑战性的物流问题。进化多任务算法(EMT)是一种通过任务间知识迁移提升算法寻优能力的新颖方法。文中提出一种动态构造辅助任务的方法,旨在增强任务间的知识迁移效果,从而提高原始任务的寻优能力。文中采用动态更换辅助任务的思想改进多任务优化算法求解MOVRPTW问题,期望算法在任务间能持续提供有效的知识迁移。在算法的迭代过程中,当辅助任务不能提供有效迁移时,依据当前原始任务的非劣解的分布信息动态更换辅助任务以探索未搜索的方向,为提供更有效的知识迁移提供可能性。同时设计了从辅助任务到原始任务及原始任务到辅助任务的两种知识迁移方法来提高算法的的寻优能力。通过在大量标准测试算例上的仿真验证表明所提算法能够持续提供有效的知识迁移,显著提高EMT算法的寻优能力,为解决MOVRPTW问题提供了新的有效途径。 展开更多
关键词 动态辅助任务 进化多任务算法 知识迁移 MOVRPTW问题
在线阅读 下载PDF
融合注意力机制的航空发动机推力估计方法研究
8
作者 邹雨杭 赵永平 《航空工程进展》 2025年第2期40-51,共12页
准确预测航空发动机推力大小对直接控制发动机推力具有重要意义。为了提升航空发动机推力估计模型的准确性和实用性,针对时间序列预测构建融合LSTM和注意力机制的多任务LSTM-Attention模型;针对不同飞行条件下推力估计的问题,运用Fine-t... 准确预测航空发动机推力大小对直接控制发动机推力具有重要意义。为了提升航空发动机推力估计模型的准确性和实用性,针对时间序列预测构建融合LSTM和注意力机制的多任务LSTM-Attention模型;针对不同飞行条件下推力估计的问题,运用Fine-tune和改进DANN的迁移学习方法以增强模型对多工况条件下的适应性。结果表明:LSTM融合注意力机制可以有效地对长时间序列数据进行建模,修正了LSTM在全局建模能力上不足的问题,同时也克服了注意力机制难以捕捉相对位置信息的局限;多任务学习策略能显著提高模型在油门杆突变节点处的预测精度,进一步提高了模型的准确性;当目标域数据较少时应当选择Fine-tune,而在目标域数据充足的情况下使用改进DANN方法将得到准确性更高的模型。 展开更多
关键词 推力估计 时间序列预测 LSTM 注意力机制 多任务学习 迁移学习
在线阅读 下载PDF
多模态序列推荐场景下融合多维感知的自蒸馏多任务学习
9
作者 汤哲 庞继芳 +1 位作者 解宇 王智强 《模式识别与人工智能》 北大核心 2025年第8期669-683,共15页
作为推荐系统的一个重要应用场景,多模态序列推荐已成为当前工业界与学术界研究的焦点之一.然而,现有面向多模态序列推荐的多任务学习方法未充分考虑模态内部的高阶关系及短期序列的增强作用,在语义表达和兴趣表征学习方面能力有限,导... 作为推荐系统的一个重要应用场景,多模态序列推荐已成为当前工业界与学术界研究的焦点之一.然而,现有面向多模态序列推荐的多任务学习方法未充分考虑模态内部的高阶关系及短期序列的增强作用,在语义表达和兴趣表征学习方面能力有限,导致个性化程度不高.因此,文中提出多模态序列推荐场景下融合多维感知的自蒸馏多任务学习模型(Self-Distillation Multi-task Learning Integrating Multi-dimensional Perception for Multimodal Sequential Recommendation,SD-MTMP).首先,在对用户评论进行主题提取的基础上,构建用户-主题超图和项目-主题超图,分别建模用户群体与项目集合内部的高阶语义关联,生成主题感知的节点表征,并基于用户-项目评分矩阵构建加权二部图,生成评分感知的节点表征.然后,设计跨模态自蒸馏辅助任务,通过主题感知表征向评分感知表征的知识迁移实现语义对齐.同时,综合考虑用户评分与时间间隔对短期序列的影响,建立双重感知注意力机制,精准建模用户的短期兴趣.在此基础上,提出适用于多模态序列推荐的多任务学习策略,通过推荐损失与自蒸馏损失的联合优化,进一步增强表征语义,提升推荐性能.最后,在3个公开数据集上的实验表明SD-MTMP的有效性. 展开更多
关键词 多任务学习 多模态序列推荐 知识迁移 双重感知注意力 超图
在线阅读 下载PDF
秩一专家混合用于多任务学习
10
作者 杨恩能 唐安科 +4 位作者 郭贵冰 姜琳颖 孙福辉 王晓燕 沈力 《计算机学报》 北大核心 2025年第10期2317-2337,共21页
多任务学习系统通过促进任务间的知识共享与迁移,能够同时处理来自不同领域的任务。近年来,基于任务算术的多任务学习方法取得了显著进展,研究表明,通过在参数层面直接将多个下游任务上独立微调的专家模型合并到预训练模型中,可以生成... 多任务学习系统通过促进任务间的知识共享与迁移,能够同时处理来自不同领域的任务。近年来,基于任务算术的多任务学习方法取得了显著进展,研究表明,通过在参数层面直接将多个下游任务上独立微调的专家模型合并到预训练模型中,可以生成具备解决相应下游任务能力的统一模型,从而为多任务学习提供了一种高效且灵活的解决方案。然而,现有的模型合并方法通常面临两个挑战:一是完全静态合并的方法由于难以解决任务间的潜在干扰和参数冲突,导致合并的多任务学习模型性能下降;二是现有动态合并的方法需要额外维护参数量庞大的专家模块,显著增加了模型成本。为此,本文提出了一种高效的模型合并方案,专门用于基于任务算术的多任务学习,称为秩一专家混合(RankOne-MoE)。具体而言,依据微调模型中不同模块所包含的下游任务知识量,本文对专家模型的绝大部分模块进行基于任务算术的静态合并;而对于与下游任务更相关的模块,我们对其线性层的参数进行奇异值分解,生成一系列秩为一的专家用于构建一个跨任务共享的秩一专家库,并通过路由机制动态组合输入实例所需的秩一专家,提升合并模型的多任务性能和适应性。实验结果表明,当合并八个ViT-B/32模型时,提出的方法相比最先进的静态合并方法在多任务精度上平均提升了5.40%;相比最先进的动态合并方法,总参数量减少了81.45%左右,充分验证了提出方法的有效性和高效性。 展开更多
关键词 多任务学习 模型融合 知识迁移 机器学习 人工智能
在线阅读 下载PDF
高轨航天器集群在轨服务智能任务规划方法 被引量:1
11
作者 郑鑫宇 曹栋栋 +4 位作者 唐佩佳 张轶 彭升人 周杰 党朝辉 《中国空间科学技术(中英文)》 北大核心 2025年第1期34-45,共12页
针对高轨航天器多对多在轨服务任务规划问题,建立了考虑燃料消耗和任务时长两个优化目标的高轨航天器在轨服务任务规划模型,并提出了一种Q学习改进的多目标遗传算法(Q-learning-based Multi-objective Genetic Algorithm,QMGA)。首先,... 针对高轨航天器多对多在轨服务任务规划问题,建立了考虑燃料消耗和任务时长两个优化目标的高轨航天器在轨服务任务规划模型,并提出了一种Q学习改进的多目标遗传算法(Q-learning-based Multi-objective Genetic Algorithm,QMGA)。首先,建立了基于四脉冲Lambert转移的多对多目标分配模型,并同时以速度脉冲和任务用时为目标函数,通过将问题解耦为轨道转移优化问题和目标分配优化问题实现了优化变量的降维,简化了计算过程。然后,结合Q学习提出了QMGA算法,采用Q学习在线更新多目标遗传算法的交叉概率与变异概率,提高了算法的寻优能力。最后采用QMGA算法求解模型,并将其计算结果与传统多目标遗传算法计算结果进行对比,发现QMGA算法可以得到更优的任务规划结果,计算得到的总速度增量消耗和总任务时间分别平均比MGA计算得到的结果减少了6.2%和19.7%。这一结果证明强化学习方法可进一步赋能传统智能优化方法,从而提升航天器集群任务能力。 展开更多
关键词 Q学习 多目标遗传算法 多目标分配任务规划 多脉冲Lambert转移 集群任务规划
在线阅读 下载PDF
基于多任务学习的技能抽取
12
作者 钱奕 陈飞飏 《湖北工业大学学报》 2025年第4期56-62,共7页
从文本中抽取技能是一项重要的自然语言处理任务。例如,企业可以从招聘启事中抽取出技能从而了解工作市场上所需热门技能及其变化趋势。技能抽取通常需要建立机器学习模型来进行处理。然而,建模过程需要人工标注大量数据和设计特征,并... 从文本中抽取技能是一项重要的自然语言处理任务。例如,企业可以从招聘启事中抽取出技能从而了解工作市场上所需热门技能及其变化趋势。技能抽取通常需要建立机器学习模型来进行处理。然而,建模过程需要人工标注大量数据和设计特征,并且在单一文本语料上学习到的机器学习模型在应用到其它文本上时效果不佳。因此通常需要在其他文本语料上重新建模,费时费力。为此,本文提出了一种基于多任务学习的技能抽取框架MTSE。实验结果表明,MTSE能有效利用不同文本的数据和特征,显著提高在不同文本上的技能抽取的建模效率和任务表现。 展开更多
关键词 技能抽取 迁移学习 多任务学习 自然语言处理
在线阅读 下载PDF
基于移动性预测的群智感知混合式任务分配
13
作者 蒋伟进 聂彩燕 +3 位作者 刘茜 杜熙晨 杨璇 蒋意容 《电子学报》 北大核心 2025年第6期1979-1995,共17页
移动群智感知(Mobile Crowd Sensing,MCS)通过用户随身携带的感知设备来收集数据,是一种大规模数据感知范式,其中任务分配是主要挑战之一.文章研究具有异构质量延迟敏感任务的混合用户任务分配问题,设计目标是在机会式用户和参与式用户... 移动群智感知(Mobile Crowd Sensing,MCS)通过用户随身携带的感知设备来收集数据,是一种大规模数据感知范式,其中任务分配是主要挑战之一.文章研究具有异构质量延迟敏感任务的混合用户任务分配问题,设计目标是在机会式用户和参与式用户共享总预算下,最大限度地提高任务完成质量.针对现有预测方法预测精度不足问题,文章提出一种基于迁移学习的移动性预测模型,通过将轨迹丰富的旧参与者的数据转移给新参与者,解决历史数据稀缺导致的预测误差.基于此预测模型,设计了一个混合用户任务分配算法,该算法利用移动性预测模型为机会式用户分配任务;此外,将剩余任务聚类到不同区域,构造二部图匹配问题使参与式用户和任务区域绑定;之后提出一种基于行程距离平衡的蚁群优化算法(Ant Colony Optimization algorithm based on Travel Distance Balance,ACOTDB),在用户行程距离预算下实现最优路径规划.在真实数据集上的大量仿真实验表明,与现有算法进行比较,本文算法在任务完成质量和任务分配效率方面具有显著的优势,验证了其有效性. 展开更多
关键词 移动群智感知 任务分配 迁移学习 移动性预测模型 蚁群优化算法 质量异构
在线阅读 下载PDF
面向跨季度多时段特征双向聚类与时序迁移的多任务短期电网负荷预测
14
作者 潘艳霞 刘国瑞 +5 位作者 任建婧 赵堃 谭沛然 马容婷 郝玲 何建樑 《电网技术》 北大核心 2025年第4期1479-1490,共12页
在电力系统领域,由于电网用电负荷受到时段性和季节性的用电需求动态变化的影响,使得电网负荷时序数据呈现分布间歇性变化的分布漂移特性。上述现象导致一般的负荷预测模型难以有效的针对动态变化数据进行充分的信息挖掘与利用,降低了... 在电力系统领域,由于电网用电负荷受到时段性和季节性的用电需求动态变化的影响,使得电网负荷时序数据呈现分布间歇性变化的分布漂移特性。上述现象导致一般的负荷预测模型难以有效的针对动态变化数据进行充分的信息挖掘与利用,降低了电力负荷模型预测的准确度。为此,文章提出了一种融合跨季度多时段的双向聚类与时序迁移的多任务短期电网负荷预测模型。该方法以分层处理的形式,首先通过聚类分析识别出负荷分布差异显著的时间段,利用多任务学习方法对各时间段内序列预测建模,实现信息共享的同时提升预测效果;随后利用时序迁移学习对每个子任务内数据分布差异进行适配,进一步减轻数据分布差异对建模的影响。实验结果表明,与现有主流预测方法相比,所提方法在真实电力负荷预测场景下展现出更优的预测性能,特别是在当数据分布发生显著变化的情况时,预测误差明显减小。所提方法可为电网调度和能源管理提供更可靠的支持。 展开更多
关键词 时序双向聚类 迁移学习 协方差对齐 多任务学习 电力负荷预测
原文传递
一种新的半监督归纳迁移学习框架:Co-Transfer 被引量:4
15
作者 文益民 员喆 余航 《计算机研究与发展》 EI CSCD 北大核心 2023年第7期1603-1614,共12页
在许多实际的数据挖掘应用场景,如网络入侵检测、Twitter垃圾邮件检测、计算机辅助诊断等中,与目标域分布不同但相关的源域普遍存在.一般情况下,在源域和目标域中都有大量未标记样本,对其中的每个样本都进行标记是件困难的、昂贵的、耗... 在许多实际的数据挖掘应用场景,如网络入侵检测、Twitter垃圾邮件检测、计算机辅助诊断等中,与目标域分布不同但相关的源域普遍存在.一般情况下,在源域和目标域中都有大量未标记样本,对其中的每个样本都进行标记是件困难的、昂贵的、耗时的事,有时也没必要.因此,充分挖掘源域和目标域中标记和未标记样本来解决目标域中的分类任务非常重要且有意义.结合归纳迁移学习和半监督学习,提出一种名为Co-Transfer的半监督归纳迁移学习框架.Co-Transfer首先生成3个TrAdaBoost分类器用于实现从原始源域到原始目标域的迁移学习,同时生成另外3个TrAdaBoost分类器用于实现从原始目标域到原始源域的迁移学习.这2组分类器都使用从原始源域和原始目标域的原有标记样本的有放回抽样来训练.在Co-Transfer的每一轮迭代中,每组TrAdaBoost分类器使用新的训练集更新,其中一部分训练样本是原有的标记样本,一部分是由本组TrAdaBoost分类器标记的样本,还有一部分则由另一组TrAdaBoost分类器标记.迭代终止后,把从原始源域到原始目标域的3个TrAdaBoost分类器的集成作为原始目标域分类器.在UCI数据集和文本分类数据集上的实验结果表明,Co-Transfer可以有效地学习源域和目标域的标记和未标记样本从而提升泛化性能. 展开更多
关键词 半监督学习 迁移学习 多任务学习 双向迁移 集成学习
在线阅读 下载PDF
基于少样本学习的命名实体识别研究综述
16
作者 张华辉 郭君茹 +2 位作者 罗锦坤 徐航 吴敏敏 《莆田学院学报》 2025年第5期17-25,共9页
为了深入分析基于少样本学习的命名实体识别方法,对近年来基于迁移学习、数据增强、多任务学习、图神经网络等少样本学习方法进行了梳理和介绍,整理了目前常用的少样本命名实体识别数据集,概述少样本学习在命名实体识别领域存在的挑战,... 为了深入分析基于少样本学习的命名实体识别方法,对近年来基于迁移学习、数据增强、多任务学习、图神经网络等少样本学习方法进行了梳理和介绍,整理了目前常用的少样本命名实体识别数据集,概述少样本学习在命名实体识别领域存在的挑战,并展望了少样本学习在命名实体识别领域的未来发展方向。 展开更多
关键词 少样本学习 命名实体识别 迁移学习 数据增强 多任务学习 图神经网络
在线阅读 下载PDF
基于改进粒子群算法的微型卫星集群任务分配求解研究
17
作者 李卓兴 唐必伟 《武汉理工大学学报》 2025年第2期110-116,共7页
作为空间操作的重要形式,微型卫星集群协同任务分配极大程度上决定了集群执行任务的自主性与智能化。针对该问题,提出一种改进粒子群(Particle Swarm Optimization,PSO)的分配求解方法。首先,建立了卫星单脉冲Lambert固定拦截轨道模型,... 作为空间操作的重要形式,微型卫星集群协同任务分配极大程度上决定了集群执行任务的自主性与智能化。针对该问题,提出一种改进粒子群(Particle Swarm Optimization,PSO)的分配求解方法。首先,建立了卫星单脉冲Lambert固定拦截轨道模型,通过普适变量法对卫星转移速度增量进行求解。然后,通过求解出的转移速度增量建立卫星任务分配能量矩阵,并设计出卫星任务分配数学模型。接着,设计了一种改进PSO算法对建立的任务分配模型进行求解。在设计的任务分配求解方法中,提出一种自适应参数选择策略对PSO算法的主要控制参考进行自适应调整,以克服传统PSO易于陷入局部最优的缺陷。最后,通过数值仿真对比,验证了所设计求解方法的可行性与有效性。仿真结果表明,文中提出的改进PSO算法在解的优越性与求解收敛性上比基本PSO、遗传算法与模拟退火等均有所提升。 展开更多
关键词 卫星集群 任务分配 粒子群算法 Lambert轨道转移
原文传递
优化课后习题设计 提升语文教学效率
18
作者 张福连 《成才之路》 2025年第20期77-80,共4页
课后习题是课堂教学的延伸与巩固,其设计的科学性、合理性直接影响着教学效果的达成。而课后习题形式的陈旧、内容的局限,则在一定程度上阻碍了课堂教学效率的提升。这就要求教师积极探寻优化语文课后习题设计的有效途径,以紧扣课时目... 课后习题是课堂教学的延伸与巩固,其设计的科学性、合理性直接影响着教学效果的达成。而课后习题形式的陈旧、内容的局限,则在一定程度上阻碍了课堂教学效率的提升。这就要求教师积极探寻优化语文课后习题设计的有效途径,以紧扣课时目标突破重难点、分层阶梯设问、创设真实情境、设计链式任务以及动态反馈等策略,充分发挥课后习题的辅助作用,助力学生的语文学习,促进语文教学效率提升。 展开更多
关键词 小学语文 课后习题 分层 情境 知识迁移力 链式任务 反馈 盲区
在线阅读 下载PDF
无人机辅助的移动边缘计算任务卸载策略
19
作者 李陶深 杜利俊 《燕山大学学报》 北大核心 2025年第4期367-376,共10页
针对接入点因地面信号阻塞或阴影而无法访问移动设备的应用场景,通过正确部署和操作无人机,构建一个基于无线携能通信的无人机辅助移动边缘计算系统模型,其中无人机既作为空中基站为移动设备提供移动边缘计算服务,又作为空中中继将移动... 针对接入点因地面信号阻塞或阴影而无法访问移动设备的应用场景,通过正确部署和操作无人机,构建一个基于无线携能通信的无人机辅助移动边缘计算系统模型,其中无人机既作为空中基站为移动设备提供移动边缘计算服务,又作为空中中继将移动设备的计算任务卸载到接入点上执行。为解决无人机总能耗最优化问题,提出一种无人机辅助移动边缘计算任务卸载策略。该策略首先通过联合优化无人机水平位置、通信和计算资源以及任务划分比率建立问题模型,然后针对该问题是非凸问题,设计一种基于连续凸近似的联合优化算法来获得次优解。仿真实验结果验证了所提出的策略与优化算法的可行性和有效性。 展开更多
关键词 无线携能通信 无人机 移动边缘计算 计算任务卸载 能耗效率
在线阅读 下载PDF
一种基于超粒子引导的自适应知识迁移多任务差分进化算法 被引量:6
20
作者 孙倩 王磊 +2 位作者 徐庆征 夏坤 李薇 《控制与决策》 EI CSCD 北大核心 2024年第1期26-38,共13页
针对传统多任务优化算法(MTEA)存在负向知识迁移、迁移算子效率低下等问题,提出一种基于超粒子引导的自适应知识迁移的多任务差分进化算法(SAKT_MFDE).首先,通过任务之间的相似程度自适应地调节任务之间的交配概率,增大任务之间的正向迁... 针对传统多任务优化算法(MTEA)存在负向知识迁移、迁移算子效率低下等问题,提出一种基于超粒子引导的自适应知识迁移的多任务差分进化算法(SAKT_MFDE).首先,通过任务之间的相似程度自适应地调节任务之间的交配概率,增大任务之间的正向迁移;其次,利用超粒子引导算法的搜索方向,进一步提升算法整体的优化效率;最后,通过多任务基准函数进行仿真实验来评价改进算法的寻优性能.实验结果表明,所提出算法可以有效规避任务之间的负向迁移,提高相似度较低的任务组的优化性能. 展开更多
关键词 多任务进化算法 知识迁移 超粒子
原文传递
上一页 1 2 7 下一页 到第
使用帮助 返回顶部