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

    特征融合的装修案例跨模态检索方法

    亢洁刘威
    429-437页
    查看更多>>摘要：目前家装客服系统中主要依靠人工方式进行装修案例检索,导致该系统不能满足用户对咨询服务快捷、及时的需求而且人力成本高,故提出一种基于特征融合的装修案例跨模态检索算法.针对多模态数据的语义信息挖掘不充分,模型检索精度低等问题,对现有的风格聚合模块进行改进,在原始模块中引入通道注意力机制,以此来为每组装修案例中不同图片的特征向量添加合适的权重,从而增强包含更多有用信息的重要特征并削弱其他不重要的特征.同时,为充分利用多模态信息,设计一种适用于检索场景下的多模态特征融合模块,该模块能够自适应地控制 2 种不同模态的特征向量进行一系列的融合操作,以实现跨模态数据间的知识流动与共享,从而生成语义更丰富、表达能力更强的特征向量,进一步提升模型的检索性能.在自建的装修案例多模态数据集上将该方法与其他方法进行比较,试验结果表明本文方法在装修案例检索上具有更优越的性能.

    家装客服系统装修案例检索跨模态检索风格聚合多模态特征融合通道注意力机制语义信息

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

    求解电动汽车车辆路径问题的双种群协同进化算法

    王朝秦芳刘蓉蓉江浩...
    438-445页
    查看更多>>摘要：绿色物流领域新兴的电动汽车车辆路径问题,由于需要对车辆路径和充电决策同时优化,搜索空间急剧增大,且需要同时满足容量和电量双重约束,现有方法难以快速找到质量较优的可行解.为此,提出一种基于双种群的协同进化算法,通过忽略电量约束构造简单带容量约束的车辆路径问题,辅助原始复杂问题的快速求解.为实现其间信息交互,设计一种基于改进距离邻接矩阵的解序列特征表示方法,旨在同时获取客户访问顺序和车辆指派信息;利用降噪自编码器构建 2 个问题解之间转换关系,以实现问题域间知识迁移.将该算法与目前常用的 3 种启发式算法和 2 种进化算法在不同规模测试集上进行对比,试验结果表明所提算法具有更快收敛速度且所获解集具有更好收敛性.

    绿色物流电动汽车车辆路径问题电量约束双种群进化算法距离邻接矩阵降噪自编码器知识迁移

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

    结合多尺度注意力机制和双向门控循环网络的视频摘要模型

    闫河刘灵坤黄俊滨张烨...
    446-454页
    查看更多>>摘要：针对视频摘要任务中全局注意力在长距离视频序列上注意力值分布的方差较大,生成关键帧的重要性分数偏差较大,且时间序列节点边界值缺乏长程依赖导致的片段语义连贯性较差等问题,通过改进注意力模块,采用分段局部自注意力和全局自注意力机制相结合来获取局部和全局视频序列关键特征,降低注意力值的方差.同时通过并行地引入双向门控循环网络(bidirectional recurrent neural network,BiGRU),二者的输出分别输入到改进的分类回归模块后再将结果进行加性融合,最后利用非极大值抑制(non-maximum suppression,NMS)和核时序分割方法(kernel temporal segmentation,KTS)筛选片段并分割为高质量代表性镜头,通过背包组合优化算法生成最终摘要,从而提出一种结合多尺度注意力机制和双向门控循环网络的视频摘要模型(local and global attentions combine with the BiGRU,LG-RU).该模型在TvSum和SumMe的标准和增强数据集上进行了对比试验,结果表明该模型取得了更高的F-score,证实了该视频摘要模型保持高准确率的同时可鲁棒地对视频完成摘要.

    视频摘要自注意力机制重要性分数长程依赖计算机视觉双向门控循环神经网络非极大值抑制核时序分割方法

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

    系统故障演化过程中事件状态联系数构建研究

    李莎莎崔铁军
    455-461页
    查看更多>>摘要：由于故障数据提取、表示、分析和处理过程存在不确定性,给系统故障演化过程研究带来困难,为此,提出一种基于集对分析联系数的系统故障演化过程事件状态联系数构建方法.基于联系数对多语义状态划分及同异反状态的表示分析能力,以系统安全为目标进行研究.分析已有精确系统故障演化过程分析方法的不足;将事件发生概率分布划分为安全、不确定、不安全三状态等效同异反状态,进而确定状态分项系数得到事件状态联系数;通过同异反真值表确定结果事件状态联系数.结果表明,得到的事件状态联系数符合联系数构造条件和逻辑真值关系,进而获得系统故障演化过程的事件演化表示方法,也可使用集对分析的已有方法进行相关研究.研究搭建集对分析理论与系统安全分析的桥梁,将蕴含不确定数据的定量分析发展为不确定性分析,化简分析过程并体现同异反特征.

    系统安全系统故障演化集对分析事件状态联系数同异反逻辑多语义不确定性

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

    双关系预测与特征融合的实体关系抽取模型

    沈健夏鸿斌刘渊
    462-471页
    查看更多>>摘要：现有分阶段解码的实体关系抽取模型仍存在着阶段间特征融合不充分的问题,会增大曝光偏差对抽取性能的影响.为此,提出一种双关系预测和特征融合的实体关系抽取模型(entity relation extraction model with dual relation prediction and feature fusion,DRPFF),该模型使用预训练的基于Transformer的双向编码表示模型(bidirectional encoder representation from transformers,BERT)对文本进行编码,并设计两阶段的双关系预测结构来减少抽取过程中错误三元组的生成.在阶段间通过门控线性单元(gated linear unit,GLU)和条件层规范化(conditional layer normalization,CLN)组合的结构来更好地融合实体之间的特征.在NYT和WebNLG这 2 个公开数据集上的试验结果表明,该模型相较于基线方法取得了更好的效果.

    实体关系抽取关系三元组预训练模型双关系预测指针网络特征融合门控线性单元条件层规范化

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

    高低频通道特征交叉融合的低光人脸检测算法

    许皓钱宇华王克琪刘畅...
    472-481页
    查看更多>>摘要：低光条件下捕获的人脸图像存在着噪声严重、对比度低等不足,极大影响了现有人脸检测器的准确性,另外,现有的低光图像检测算法欠缺小区域人脸信息的提取能力.为此,提出一种基于深度学习的两阶段人脸检测算法,即利用现有的低光图像增强算法对人脸图像进行增强后再进行检测.为提升检测算法对人脸信息的提取能力,设计一种新型的高低频通道特征交叉融合方法,该方法首先使用高低频通道特征可分离模块分离出不同尺度特征的高低频信息,然后对上述信息进行交叉融合,提升网络提取高频细节信息和低频色域信息的能力,进而提高检测网络的性能.对比试验和消融试验验证了该研究方法的有效性,试验结果表明该方法优于基准方法4.0%mAP.

    低光人脸检测高低频通道特征低光增强多尺度特征融合计算机视觉图像处理深度学习频率域分析

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

    结合聚类边界采样的主动学习

    胡峰李路正代劲刘群...
    482-492页
    查看更多>>摘要：主动学习是一种机器学习方法,需要选择最有价值的样本进行标注.目前,主动学习在应用时面临着一些挑战,其依赖分类器的先验假设,这容易导致分类器性能意外下降,同时需要一定规模的样本作为启动条件.聚类可以降低问题规模,是主动学习的一种有效手段.为此,结合密度聚类边界采样,开展主动学习方法的研究.针对容易产生分类错误的聚类边界区域,通过计算样本密度,提出一种密度峰值聚类边界点采样方法;在此基础上,给出密度熵的定义,并利用密度熵对聚类边界区域进行启发式搜索,提出一种基于聚类边界采样的主动学习方法.试验结果表明,与文献中的 5 种主动学习算法相比,该算法能够以更少标记量获得同等甚至更高的分类性能,是一种有效的主动学习算法;在标记不足,无标签样本总量 20%的情况下,算法在Ac-curacy、F-score等指标上取得较好的结果.

    主动学习机器学习聚类边界密度峰值聚类几何采样信息熵版本空间主动聚类

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

    作者须知

    封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据