首页期刊导航|模式识别与人工智能
期刊信息/Journal information
模式识别与人工智能
模式识别与人工智能

戴汝为

双月刊

1003-6059

bjb@iim.ac.cn

0551-5591176

230031

中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱

模式识别与人工智能/Journal Pattern Recognition and Artificial IntelligenceCSCD北大核心CSTPCDEI
查看更多>>人工智能和模式识别是目前国际发展迅速的学科之一,本刊发表与此有关的最新研究结果和进展,旨在推动信息科学技术的发展。本刊面向各高等院校,研究机构和企业的科研人员、教师、工程技术人员及研究生和高年级大学生。
正式出版
收录年代

    2023年度人工智能领域国家自然科学基金项目申请与资助情况综述

    谢国王乐宋和平肖斌...
    95-105页
    查看更多>>摘要:对2023年度国家自然科学基金人工智能领域(申请代码F06)下的"人才"和"研究"两大项目系列中部分项目的申请与资助情况进行统计分析,并从申请代码、依托单位分布及其近五年(2019~2023)的变化趋势等角度进行分析,同时介绍本领域按科学问题属性分类的评审情况以及相关评审原则与举措.最后进行总结和展望,旨在为相关研究人员了解该领域的研究热点和未来发展方向提供参考.

    国家自然科学基金人工智能年度总结

    知识空间理论综述

    李金海张瑞智慧来孙文...
    106-127页
    查看更多>>摘要:知识空间理论是一种研究教育规律的科学方法,已取得一系列研究成果.文中旨在全面综述知识空间理论的研究工作.首先,阐述构建知识结构的方法和原则,介绍良级性的研究内容,并强调其在知识空间理论研究中的重要性,归纳总结推测关系的相关工作,并介绍问题之间、项目之间推测关系的研究方法.然后,分别从技能映射、技能函数、能力-绩效方法三方面梳理基于能力的知识空间理论的研究进展.进一步地,概述知识空间理论与概率模型、粒计算等结合的研究现状,并介绍知识空间理论在辅助学习与自适应测试方面的应用.最后,探讨上述研究中存在的关键科学问题,并提出初步的研究思路,为该领域的后续研究提供有益的参考.

    知识空间理论知识结构技能映射良级性推测关系形式概念分析

    基于深度学习的视频异常检测研究综述

    吉根林戚小莎王嘉琦
    128-143页
    查看更多>>摘要:视频异常检测涉及概率统计、机器学习和深度学习等方法.文中旨在综合作者课题组研究成果和其它前沿科研工作,聚焦于基于深度学习的视频异常检测方法,全面探讨该领域的背景、挑战与解决方案.综合领域内的大多数相关论文,对其进行系统分析,以期为学者提供现阶段研究进展的基础认知.对基于深度学习的视频异常检测方法进行分类、分析,总结各类方法的网络模型选择,详细介绍常用数据集和性能评价指标,以性能对比突显各类方法的优势,并对视频异常检测领域的未来研究方向和应用场景进行深入探讨和展望.

    视频异常检测深度学习伪异常卷积神经网络多示例学习

    儿童癫痫综合征智能分析:综述与展望

    郑润泽冯袁盟胡丁寒蒋铁甲...
    144-161页
    查看更多>>摘要:儿童癫痫综合征智能分析是指通过统计分析、机器学习等数据驱动方法,挖掘临床有效生物标志物,构建相应的专家系统,以解决临床和预后管理问题的研究.文中首先简述儿童癫痫综合征的定义、发作类型和分类等临床基础知识.然后,回顾基于脑电信号的儿童癫痫综合征智能分析框架和各组成部分典型方法存在的优缺点,包括数据收集及预处理、特征提取、决策器系统和专家系统.其中,将专家系统分为特定波形检测系统、诊断分类系统、发作检测系统、发作预测系统和量化评估系统,并进行全面概括与理论解释.最后,结合儿童癫痫综合征智能分析领域现有研究的局限性和挑战,展望未来研究方向,以推动儿童癫痫综合征智能分析系统的研究进展,减轻该病带来的负面影响.

    儿童癫痫综合征生物标志物脑电信号智能分析专家系统

    基于图像低维特征融合的航拍小目标检测模型

    蔡逢煌张家翔黄捷
    162-171页
    查看更多>>摘要:针对无人机航拍图像目标检测中视野变化大、时空信息复杂等问题,文中基于YOLOv5(You Only Look Once Version5)架构,提出基于图像低维特征融合的航拍小目标检测模型.引入CA(Coordinate Attention),改进Mo-bileNetV3的反转残差块,增加图像空间维度信息的同时降低模型参数量.改进YOLOv5特征金字塔网络结构,融合浅层网络中的特征图,增加模型对图像低维有效信息的表达能力,进而提升小目标检测精度.同时为了降低航拍图像中复杂背景带来的干扰,引入无参平均注意力模块,同时关注图像的空间注意力与通道注意力;引入VariFocal Loss,降低负样本在训练过程中的权重占比.在VisDrone数据集上的实验验证文中模型的有效性,该模型在有效提升检测精度的同时明显降低复杂度.

    YouOnlyLookOnceVersion5(YOLOv5)小目标检测注意力机制损失函数

    融合量子干涉信息的双重特征文本表示模型

    高珲张鹏张静
    172-180页
    查看更多>>摘要:在信息检索领域,量子干涉理论已应用于文档相关性、次序效应等核心问题的研究中,旨在建模用户认知引起的类量子干涉现象.文中从语言理解的需求出发,利用量子理论的数学工具分析语义组合过程中存在的语义演化现象,提出融合量子干涉信息的双重特征文本表示模型(Quantum Interference Based Duet-Feature Text Represen-tation Model,QDTM).模型以约化密度矩阵为语言表示的核心组件,有效建模维度级别的语义干涉信息.在此基础上,构建捕获全局特征信息与局部特征信息的模型结构,满足语言理解过程中不同粒度的语义特征需求.在文本分类数据集和问答数据集上的实验表明,QDTM的性能优于量子启发的语言模型和神经网络文本匹配模型.

    量子干涉文本匹配约化密度矩阵语义表示自然语言处理

    基于BERT和CNN的致病剪接突变预测方法

    宋程程赵依然李晓艳夏俊峰...
    181-190页
    查看更多>>摘要:遗传诊断中的一个关键挑战是评估与剪接相关的致病遗传突变.现有致病剪接突变预测工具大多基于传统的机器学习方法,主要依赖人工提取的剪接特征,从而限制预测性能的提升,尤其对于非经典剪接突变,性能较差.因此,文中提出基于 BERT(Bidirectional Encoder Representations from Transformers)和 CNN(Convolutional Neural Network)的致病剪接突变预测方法(BERT and CNN-Based Deleterious Splicing Mutation Prediction Method,BCs-plice).BCsplice中BERT模块可全面提取序列的上下文信息,与提取局部特征的CNN结合后,可充分学习序列的语义信息,预测剪接突变致病性.非经典剪接突变的影响往往更依赖序列上下文的深层语义信息,通过CNN将BERT的多级别语义信息进行组合提取,可获得丰富的信息表示,有助于识别非经典剪接突变.对比实验表明BCs-plice性能较优,尤其是在非经典剪接区表现出一定性能优势,有助于识别致病剪接突变和临床遗传诊断.

    致病剪接突变深度学习预测模型致病性预测

    加强基础研究 实现高水平科技自立自强——国家自然科学基金委员会召开基础研究科学家座谈会

    国家自然科学基金委员会微信公众号
    190页