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

    迁移表征的知识追踪模型

    张凯刘月覃正楚秦心怡...
    974-982页
    查看更多>>摘要：针对多数知识追踪研究在表征题目时仅利用了题目包含的概念等显性特征,未能考虑到题目中概念的考察侧重程度这一隐性特征,也未表征迁移过程中题目的迁移程度的问题,本文提出题目迁移表征的知识追踪模型.在题目侧重表征方面,采用加性注意力机制提取题目中各个概念的考察侧重程度;在题目迁移方面,利用相似性和通道注意力机制融合建模历史题目多角度的迁移程度;在迁移遗忘方面,使用门限机制建模学习迁移的遗忘过程.最终得到题目迁移表征,以此来预测学习者未来的答题表现.在实验阶段,与 6 种相关模型在3 个真实数据集上进行对比实验,结果表明提出模型的曲线下面积(area under the curve,AUC)和准确率(accur-acy,ACC)均有更好表现,尤其在ASSISTments2012 数据集上表现最佳,相较于其他对比模型分别提升了3.5%～20.1%和 2.3%～18.5%;在可解释性方面,使用图表可视化描述了题目迁移表征生成路径.本研究建模的学习迁移内在机制可为知识追踪模型的设计提供参考.

    知识追踪学习迁移机制题目表征题目迁移序列模型答题预测注意力机制门限机制

      原文链接:
    • 万方数据
    • 维普

    基于邻域互信息与K-means特征聚类的特征选择

    孙林梁娜徐久成
    983-996页
    查看更多>>摘要：针对多数邻域系统通过人工调试很难搜索到最佳邻域半径,以及传统的K-means聚类需要随机选取簇中心和指定簇的数目等问题,提出了一种基于邻域互信息与K-means特征聚类的特征选择方法.首先,将样本在各特征下与其他样本距离的平均值作为自适应邻域半径,确定样本的邻域集,并由此构建自适应邻域熵、邻域互信息、归一化邻域互信息等度量,反映特征之间的相关性;然后,基于归一化邻域互信息构建自适应K近邻集合,利用Pearson相关系数表示特征的权重定义加权K近邻密度,实现自动选取K-means算法的簇中心,进而完成K-means特征聚类;最后,给出加权平均冗余度,选出每个特征簇中加权平均冗余度最大的特征构成最优特征子集.实验结果表明所提算法不仅可以有效提升特征选择的分类结果而且可以获得更好的聚类效果.

    特征选择邻域互信息K-means特征聚类自适应K近邻特征权重加权K近邻密度

      原文链接:
    • 万方数据
    • 维普

    基于动态兴趣传播和知识图谱的推荐方法

    束玮李翔孙纪舟朱全银...
    997-1006页
    查看更多>>摘要：知识图谱推荐作为一种信息过滤方法被广泛应用于电子商务和网络社交等领域,然而多数基于知识图谱的推荐方法未采取合适的策略来解决传播过程中实体语义关联性衰减问题,且单维度建模无法利用知识图谱同时丰富用户和项目表示.针对以上问题提出一种基于动态兴趣传播和知识图谱的推荐方法(recommenda-tion method based on dynamic interest propagation and knowledge graph,RDPKG).首先,通过传播网络挖掘层级用户兴趣生成用户表示,并采用注意力机制区分不同传播层数下用户兴趣的重要性;然后,通过交叉压缩单元提取知识图谱中的有效信息生成项目表示,并采用多任务学习优化推荐单元和知识图谱嵌入单元;最后,将最终的用户表示和项目表示内积获得交互概率.在推荐系统领域的 3 种公共数据集上进行对比实验,实验结果表明在点击率预测任务中RDPKG的准确率分别达到 85.42%、76.09%和 69.39%,优于其他对比方法,充分验证了RDPKG方法的有效性.

    动态兴趣传播推荐方法知识图谱实体语义注意力机制用户兴趣多任务学习知识图谱嵌入

      原文链接:
    • 万方数据
    • 维普

    融合CNN与Transformer的MRI脑肿瘤图像分割

    刘万军姜岚曲海成王晓娜...
    1007-1015页
    查看更多>>摘要：为解决卷积神经网络(convolutional neural network,CNN)在学习全局上下文信息和边缘细节方面受到很大限制的问题,提出一种同时学习局语义信息和局部空间细节的级联神经网络用于脑肿瘤医学图像分割.首先将输入体素分别送入CNN和Transformer分支,在编码阶段结束后,采用一种双分支融合模块将 2 个分支学习到的特征有效地结合起来以实现全局信息与局部信息的融合.双分支融合模块利用哈达玛积对双分支特征之间的细粒度交互进行建模,同时使用多重注意力机制充分提取特征图通道和空间信息并抑制无效的噪声信息.在BraTS竞赛官网评估了本文方法,在BraTS2019 验证集上增强型肿瘤区、全肿瘤区和肿瘤核心区的Dice分数分别为 77.92%,89.20%和 81.20%.相较于其他先进的三维医学图像分割方法,本文方法表现出了更好的分割性能,为临床医生做出准确的脑肿瘤细胞评估和治疗方案提供了可靠依据.

    医学图像分割脑肿瘤级联神经网络卷积神经网络Transformer特征融合多重注意力残差学习

      原文链接:
    • 万方数据
    • 维普

    单边区间集模糊半概念的知识表示及提取方法

    毛华胥德华刘川郑博雅...
    1016-1026页
    查看更多>>摘要：为了使"区间"形式加以表述的不确定信息的提取具有侧重性,需提取出对象(属性)集对应的属性(对象)区间集.本文在模糊形式背景中,通过引入2个阈值,将单边区间集与经典半概念结合,提取出属性(对象)集对应的对象(属性)区间集,从而提出区间集外延-集合内涵(集合外延-区间集内涵)(interval set extent-set intent(set extent-interval set intent),ISE-SI(SE-ISI))型单边区间集模糊半概念.全体ISE-SI(SE-ISI)型单边区间集模糊半概念构成格,并给出基于格搜寻全体ISE-SI(SE-ISI)型单边区间集模糊半概念的算法.通过与已有成果对比,显示出这2种知识表示形式的多方优势.本文所得结果在知识表示及提取方法上具有适用范围广、实际应用强等优点.

    模糊形式背景半概念区间集区间集概念单边区间集概念模糊概念单边区间集模糊半概念知识表示和提取

      原文链接:
    • 万方数据
    • 维普

    面向结构地震响应预测的Phy-LInformers方法

    郭茂祖张欣欣赵玲玲张庆宇...
    1027-1041页
    查看更多>>摘要：为了准确评估建筑结构在地震作用下的动力特性和延性性能并促进韧性城乡的建设,本文提出了一种名为Phy-LInformers的深度学习框架,该框架综合运用了长短期记忆网络(long short-term memory,LSTM)、Transformer类模型Informer以及物理先验知识,以实现对建筑结构非线性地震响应的精确预测.该框架的核心思想是结合Informer的编码(Encoder)和解码(Decoder)结构,在Decoder部分引入了LSTM以预测建筑物先前的历史状态信息.同时,通过将现有的物理知识(例如预测变量之间的状态依赖关系和运动控制方程等)编码到损失函数中,对Phy-LInformers进行指导并约束其学习空间,同时提高有限训练数据下深度学习模型的预测性能.随后,通过 2 个模拟数据算例验证所提框架的性能.结果表明,所提出的Phy-LInformers是一种鲁棒性良好、预测性能优秀的非线性地震响应预测方法,即使在训练样本非常少(例如仅有 10 条)的情况下依然能准确预测结构在地震作用下的动力响应.这一特性使得Phy-LInformers在工程实践中具有可行性,并且在建筑结构抗震性能评价领域展现出良好的应用前景.

    地震响应预测物理知识物理驱动的深度学习时间序列预测少样本学习Informer长短期记忆网络Phy-LInformers

      原文链接:
    • 万方数据
    • 维普

    因素空间理论下的因果概率推理分类算法研究

    曾繁慧胡光闪孙慧汪培庄...
    1042-1051页
    查看更多>>摘要：机器学习方法与因果推理结合能极大地提升方法性能.为探究因果概率正逆向推理的分类效果,基于因素空间理论下的因素概率论,利用条件概率,研究正向因素概率推理原理及模型并提出正向因果概率推理分类法(forward causal probabilistic inference classification algorithm,FCPIC)和简化条件的可取度分类法;研究逆向因素概率推理原理及模型并结合贝叶斯网络提出逆向因果概率推理分类法(reverse causal probabilistic inference classification algorithm,RCPIC).将 3 个分类算法与KNN(K-Nearest neighbor)和SVM(support vector machine)算法进行实例对比验证,研究结果表明:FCPIC算法、可取度分类算法和RCPIC算法简单有效、具有可行性和实用性,且可取度分类法和RCPIC算法性能优于SVM和KNN算法,FCPIC算法对实际数据预测中必要类有查全需求的情况更优.研究结论丰富了因素空间的理论研究和应用价值.

    因素空间因果概率推理分类法可取度分类法贝叶斯网络因素概率论条件概率因果关系人工智能

      原文链接:
    • 万方数据
    • 维普

    2024中国元宇宙大会

    1051页
      原文链接:
    • 万方数据
    • 维普

    基于多粒度犹豫模糊语言术语集的TOPSIS决策方法研究

    金薇钱进余鹰苗夺谦...
    1052-1060页
    查看更多>>摘要：为了解决在实际决策时,由于知识背景不同决策者采用不同粒度语言术语集来表达而导致决策结果不准确的问题,本文提出了一种基于多粒度犹豫模糊语言术语集的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)决策方法.首先选用各术语集中的最大粒度作为标准粒度,通过转换算法将每个决策者的语言术语集转换到同一标准粒度下进行集结,得出相应的隶属度语言术语集;然后结合TOPSIS方法,计算每个备选方案与正、负理想点距离,以相对贴近度的大小排序实现最优方案的选择;最后,通过一个实例,验证该方法的可行性和优越性.本文所提方法可应用于最优方案的选择问题中,提升决策结果准确度.

    多粒度多属性决策犹豫模糊集语言术语集模糊语言决策模型逼近理想解排序法最优方案选择

      原文链接:
    • 万方数据
    • 维普

    基于YOLOX的类增量印刷电路板缺陷检测方法

    吴瑞林葛泉波刘华平
    1061-1070页
    查看更多>>摘要：为了应对更加实际的增量式印刷电路板缺陷检测场景,本文将知识蒸馏与YOLOX相结合,提出了一种基于YOLOX的类增量印刷电路板缺陷检测方法.在只使用新训练数据的情况下,模型能够检测出所有学过的缺陷类型.通过对模型的输出特征和中间特征使用知识蒸馏来促进旧缺陷类别知识的传递,使得学生模型能够有效保留教师模型在旧缺陷类别上的检测性能.实验结果表明,本文方法能够显著缓解增量学习过程中的灾难性遗忘问题,在两阶段增量场景下,模型对所有缺陷的平均检测精度为 88.5%,参数量为 25.3×106,检测速度为 39.8 f/s,便于工业设备部署的同时,可以满足增量式检测场景下印刷电路板(printed circuit board,PCB)质检的检测精度和检测速度要求.

    深度学习印刷电路板类增量增量学习缺陷检测目标检测动态检测知识蒸馏灾难性遗忘

      原文链接:
    • 万方数据
    • 维普