首页期刊导航|智能系统学报
期刊信息/Journal information
智能系统学报
中国人工智能学会　哈尔滨工程大学
智能系统学报

中国人工智能学会　哈尔滨工程大学

钟义信

双月刊

1673-4785

tis@vip.sina.com

0451-82518134

150001

哈尔滨市南岗区南通大街145-1号楼

智能系统学报/Journal CAAI Transactions on Intelligent SystemsCSCD北大核心CSTPCD
查看更多>>《智能系统学报》于2006年3月正式出刊，双月刊，大16开，CN 23-1538/TP，ISSN 1673-4785，邮发代号14-190。《智能系统学报》是由中国人工智能学会和哈尔滨工程大学联合主办，是中国人工智能学会会刊。主要刊登神经网络与神经计算、智能信息处理、自然语言理解、智能系统工程、机器翻译、复杂系统、机器学习、知识工程与分布式智能、机器人、智能制造、粗糙集与软计算、免疫系统、机器感知与虚拟现实、智能控制与智能管理、可拓工程、人工智能基础等内容,目前，为美国《剑桥科学文摘》、英国《科学文摘》、中文核心期刊、中国科学引文数据库（CSCD）来源期刊、中国科技核心期刊等重要数据库收录。连续5年获国家自然科学基金资助，曾获得中国高校百佳科技期刊、中国科技论文在线优秀期刊一等奖、中国高校特色科技期刊、工业和信息化部优秀期刊等多项荣誉。
正式出版
收录年代

    算力网络助力元宇宙发展

    王晓云
    258页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    远距离和遮挡下三维目标检测算法研究

    陆军李杨鲁林超
    259-266页
    查看更多>>摘要：针对现有三维目标检测算法对存在遮挡及距离较远目标检测效果差的问题,以基于点云的三维目标检测算法(3D object proposal generation and detection from point cloud,PointRCNN)为基础,对网络进行改进,提高三维目标检测精度.对区域生成网络(region proposal network,RPN)获取的提议区域(region of interest,ROI)体素化处理,同时构建不同尺度的区域金字塔来捕获更加广泛的兴趣点;加入点云 Transformer 模块来增强对网格中心点局部特征的学习;在网络中加入球查询半径预测模块,使得模型可以根据点云密度自适应调整球查询的范围.最后,对所提算法的有效性进行了试验验证,在 KITTI 数据集下对模型的性能进行评估测试,同时设计相应的消融试验验证模型中各模块的有效性.

    目标检测深度学习激光雷达点云远距离目标遮挡下目标自动驾驶区域金字塔特征提取

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    2024 IEEE"一带一路"人工智能可持续发展大会

    266页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于K-means聚类和特征空间增强的噪声标签深度学习算法

    吕佳邱小龙
    267-277页
    查看更多>>摘要：深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率.为降低噪声标签对网络性能的影响,噪声标签学习算法被提出.该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签.然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升.为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法.首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率.并在CIFAR10、CIFAR100、MNIST和ANIMAL-10 共 4 个数据集上试验验证了该算法的有效性.

    噪声标签学习深度学习半监督学习机器学习神经网络K-means聚类特征空间增强mixup算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    AAR-Net:用于声学异质介质光声图像重建的深度神经网络

    孙美晨孙正候英飒
    278-289页
    查看更多>>摘要：在光声成像中,由于组织的吸收和扩散等引起的超声波衰减、由声速变化引起的相位偏差以及与声衰减相关的信号波形展宽都会降低图像的空间分辨率,针对该问题,提出一种基于深度学习的声学特性非均匀组织图像重建方法.通过将深度梯度下降(deep gradient descent,DGD)网络与U-Net相结合构建声伪影去除网络(acoustic artifacts removal network,AAR-Net).DGD模块利用梯度信息减少非均匀声学特性对重建图像质量的影响,实现信号域到图像域的转换.U-Net模块实现对DGD模块输出的低质量图像的优化,实现图像域到图像域的转换.仿真、仿体和在体试验结果表明,与传统的非学习图像重建方法和最新的基于图像后处理的深度学习方法相比,采用该方法重建的图像结构相似度和峰值信噪比分别可提高约 20%和 10%.AAR-Net无需任何有关成像对象声学特性的先验知识,即可重建高质量图像.

    图像重建图像增强光声光谱成像声学特性反射深度学习深度神经网络梯度方法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进Faster R-CNN的变电站设备外部缺陷检测

    张铭泉邢福德刘冬
    290-298页
    查看更多>>摘要：针对变电站设备外部缺陷目标检测任务中目标形状多样,周围环境复杂,当前代表性算法识别准确度低,错检漏检严重的问题,对比了众多目标检测算法在变电站设备缺陷数据集上的检测结果,检测精度较高的是添加了特征融合金字塔结构的Faster R-CNN(faster region-based convolutional network)算法,但其对小目标物体和设备渗漏油的检测精度仍有提升空间,为此设计一种基于Faster R-CNN的改进算法.改进算法通过对输入图像进行数据增强,在网络中添加SPP(spatial pyramid pooling)结构以及改进特征融合方式,对分类以及边界框回归损失函数进行改进的方式来提高缺陷的检测精度.与原Faster R-CNN算法进行对比,改进算法在变电站设备缺陷目标检测数据集的检测结果中AP(average precision)(0.5∶0.95)提高了 2.7 个百分点,AP(0.5)提高了4.3个百分点,对小目标物体的检测精度也提高了1.8个百分点,试验结果验证了该方法的有效性.

    变电站设备外部缺陷深度学习目标检测卷积神经网络FasterR-CNN特征提取特征融合金字塔结构损失函数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    结合矩阵补全的宽度协同过滤推荐算法

    史加荣何攀
    299-306页
    查看更多>>摘要：协同过滤是推荐系统中最经典的方法之一,能够满足人们对个性化推荐任务的需求,但许多协同过滤算法在面对评分数据稀疏性问题时推荐效果不佳.为解决此问题,提出一种结合矩阵补全的宽度协同过滤推荐算法.先使用矩阵补全技术对用户项目评分矩阵进行补全,再利用补全后的矩阵对已评分的用户和项目分别寻找其近邻项,进而构造用户与项目的评分协同向量,最后使用宽度学习系统来构建用户项目与评分之间的复杂的非线性关系.在MovieLens和filmtrust数据集上对所提出算法的有效性进行检验.试验结果表明,与当前最先进的方法相比,该方法能够有效地缓解数据稀疏性问题,具有较低的计算复杂度,在一定程度上提升了推荐系统的性能.

    推荐系统宽度学习系统矩阵补全宽度协同过滤协同过滤深度矩阵分解数据稀疏性深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    比例融合与多层规模感知的人群计数方法

    孟月波张娅琳王宙
    307-315页
    查看更多>>摘要：针对密集场景下人群图像拍摄视角或距离多变造成的多尺度特征获取不足、融合不佳和全局特征利用不充分等问题,提出一种比例融合与多层规模感知的人群计数网络.首先采用骨干网络VGG16 提取人群密度初始特征;其次,设计多层规模感知模块,获得人群多尺度信息的丰富表达;再次,提出比例融合策略,根据卷积层捕获的特征权重重构多尺度信息,提取显著性人群特征;最后,采用卷积回归策略进行密度图的回归.同时,提出一种局部一致性损失函数,通过区域化密度图的方式增强生成密度图与真实密度图的相似度,提高计数性能.在多个人群数据集上的试验结果表明,所提模型优于近年人群计数的先进方法,且在车辆计数上有较好推广性.

    人群密度估计与计数卷积神经网络多层规模感知比例融合局部一致性损失密度图回归多尺度信息空洞卷积

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    交互关系超图卷积模型的双人交互行为识别

    代金利曹江涛姬晓飞
    316-324页
    查看更多>>摘要：为提高学校、商场等公共场所的安全性,实现对监控视频中的偷窃、抢劫和打架斗殴等异常双人交互行为的自动识别,针对现有基于关节点数据的行为识别方法在图的创建中忽略了 2 个人之间的交互信息,且忽略了单人非自然连接关节点间的交互关系的问题,提出一种基于交互关系超图卷积模型用于双人交互行为的建模与识别.首先针对每一帧的关节点数据构建对应的单人超图以及双人交互关系图,其中超图同时使多个非自然连接节点信息互通,交互关系图强调节点间交互强度.将以上构建的图模型送入时空图卷积对空间和时间信息分别建模,最后通过SoftMax分类器得到识别结果.该算法框架的优势是在图的构建过程中加强考虑双人的交互关系、非自然连接点间结构关系以及四肢灵活的运动特征.在NTU数据集上的测试表明,该算法得到了 97.36%的正确识别率,该网络模型提高了双人交互行为特征的表征能力,取得了比现有模型更好的识别效果.

    双人交互行为识别关节点数据深度学习时空图卷积网络超图图结构神经网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于YOLOv4改进特征融合及全局感知的目标检测算法

    程德强马尚寇旗旗张皓翔...
    325-334页
    查看更多>>摘要：YOLOv4 算法在检测速度和精度上达到了很好的平衡,但仍存在着定位框不准确、检测率低的问题,尤其是在检测目标较小、尺度变化大的情况下.针对以上问题,提出一种新的基于YOLOv4 改进的目标检测算法.该算法采用改进的特征融合模块(path aggregation network combined with bi-directional feature pyramid net-work,P-Bifpn)代替PANet(path aggregation network),增加跨尺度连接的同时在输出端引入权重,增强重要特征的表现力,解决由多尺度变化而引起的精度下降.然后,采用新的全局注意力机制(global association network,GANet),在减少平均池化与计算量的同时增强Sigmoid函数输出,加强模型对目标上下文关系的学习,减少噪声干扰和全局信息的损失.试验采用RSOD、NWPU VHR-10 数据集,平均检测精度分别提升了约 5%和 3%;泛化试验采用VOC2007+2012 公共数据集,平均检测精度提升了约 0.6%.试验结果表明改进的算法能够有效提高模型的检测能力.

    YOLOv4目标检测特征融合跨尺度多尺度变化全局注意力平均池化上下文信息

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据