首页期刊导航|信息技术
期刊信息/Journal information
信息技术
信息技术

姚彦茹

月刊

1009-2552

hein@mail.hein.com.cn

0451-82629512 87220301

150090

哈尔滨市南岗区华山路12号

信息技术/Journal Information TechnologyCSTPCD
查看更多>> 1977年创刊，由中国电子信息产业发展研究院、黑龙江省信息技术学会主办的自动化技术与计算机技术类刊物。该刊为中国科技核心期刊，国内外公开发行。办刊宗旨是大力宣传国家信息基础建设和信息产业发展形势，深入报导国内外信息技术发展趋势，交流信息化经验，推介信息产业界精英及其管理思想。刊载范围：计算机网络与通信、软件技术、控制技术、计算机应用技术等。设有基金项目、研究与探讨、应用技术、综述与评论专栏。
正式出版
收录年代

    基于DPSO-LSTM超参数调优的股市价格预测

    张成军李琪王梅乔译...
    1-7页
    查看更多>>摘要：长短期记忆网络(Long Short-Term Memory，LSTM)适合处理和预测时间序列中间隔和延迟较长的重要事件。由于其复杂的网络结构、不确定的超参数和耗时的网络训练，使得人工寻找高效的网络配置成为一项具有挑战性的工作。文中采用分布式粒子群算法(Distributed Particle Swarm Optimi-zation，DPSO)来有效解决LSTM的超参数调优问题，研究LSTM中最优的隐藏元个数、激活函数以及学习率等超参数的选择，寻找高性能的LSTM。基于沪深300历史交易数据进行价格预测，实验结果表明该方法是有效的，这为超参数调优与股市价格预测提供了新的思路和方法。

    长短期记忆网络人工神经网络分布式粒子群优化算法超参数调优股市预测

      原文链接:
    • 万方数据
    • 维普

    基于DACO-Bi-LSTM的交通流量预测

    郭金城潘伟民
    8-14,21页
    查看更多>>摘要：针对交通流量预测任务存在预测精度低、泛化性不足且对深度学习模型调参不全面等问题，提出了 一种基于改进蚁群优化算法的双向LSTM交通流量预测模型，利用改进蚁群算法的全局寻优能力对Bi-LSTM网络的层数、神经元个数、批次大小、训练次数进行优化调参。在英国高速公路和深圳政府开放平台发布的宝安区日车流量两个公开数据集上进行实验，以RMSE、MAE为评估指标，结果表明:DACO-Bi-LSTM模型具有较强的寻优能力，同时表现出更好的预测性能。

    交通流量预测蚁群算法优化双向长短时记忆网络模型调参

      原文链接:
    • 万方数据
    • 维普

    基于多元回归的延安市PM2.5浓度预测

    王思源任瑛夏必胜王文发...
    15-21页
    查看更多>>摘要：工业化进程的加快带来的不只是经济的飞速发展，还有以PM2。5为主的污染物浓度的增加，给人类的健康以及环境的治理带来不利影响，合理有效的PM2。5浓度预测对于人类健康和环境治理有着重要意义。文中设计了基于多元回归模型的PM2。5浓度预测模型，分别预测了延安市春季、夏季、秋季和冬季的PM2。5浓度，与极限树回归、Catboost回归和K邻近回归等回归模型的预测结果进行对比。结果表明多元回归模型的误差较小，拟合精度较高，为延安市大气污染的治理提供了可靠的科学依据。

    多元回归PM2.5预测极限树回归随机森林

      原文链接:
    • 万方数据
    • 维普

    基于ALBERT-Seq2Seq模型的多标签农业文本分类方法

    香慧敏李东亚白涛
    22-29,37页
    查看更多>>摘要：针对多标签分类采用现有静态词向量模型无法捕获文本完整语义的问题，文中结合AL-BERT 与序列到序列模型，提出一种用于农业文本多标签分类的神经网络模型ALBERT-Seq2Seq。该模型采用ALBERT预训练语言模型动态获取农业文本语义信息，利用其内部多层双向Transformer架构挖掘农业文本信息的深层特征，接着引入Seq2Seq模型构造出多标签分类器并进行训练。在AGRI-ML2020农业文本多标签数据集上进行算法性能测试，实验结果表明，该模型分类F1值达89。5％，能够有效提升农业文本多标签分类效果。

    自然语言处理多标签分类序列到序列模型农业文本深度学习

      原文链接:
    • 万方数据
    • 维普

    复杂网络中节点度增量的预测研究

    余文斌钱铭杨泽俊沈鑫禹...
    30-37页
    查看更多>>摘要：节点的度属性是复杂网络的拓扑性质，因此对节点度增量的预测在复杂网络的未来趋势预测中具有重要意义。文中设计了基于链路预测相似性算法的节点度增量预测方法，并分析复杂网络中节点度增量的预测准确性。通过对比连边和度增量的预测结果，表明两者之间不存在相关性。进一步实验，文中分析了节点自身度属性和未来度增量之间的关系，实验表明:大度节点的度增量预测准确性较高，小度节点的准确性较低。由此可知，大度节点之间的差异性使得未来度增量的预测结果更加准确，同时表明链路预测结果存在异质性。

    复杂网络链路预测度增量度属性异质性

      原文链接:
    • 万方数据
    • 维普

    改进ESNs在通信话务量预测上的应用研究

    刘俊霞刘智勇刘文
    38-45,51页
    查看更多>>摘要：现有回声状态网络(Echo State Networks，ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响，较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低，输入数据维数较多时计算复杂度大的问题，提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息，提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验，结果表明，提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。

    多元时间序列回声状态网络时间序列预测交替方向乘子算法通信话务量

      原文链接:
    • 万方数据
    • 维普

    基于不平衡图像的河湖水质监测研究

    磨首屹徐绪堪王晓娇
    46-51页
    查看更多>>摘要：水质监测对于河湖生态建设有着重要意义，但传统河湖水质监测方法存在监测难度大、监测成本高等问题。为了使水质监测更为智能、方便，文中基于具有不平衡特点的河湖图像，通过代价敏感交叉熵函数方法改进了 VGG16卷积神经网络分析河湖图像进行水质监测，并与随机欠采样、图像增强等不平衡数据处理方法进行对比。经过大量实验后，结果显示文中将VGG16卷积神经网络与代价交叉熵函数结合方法的准确率、精准率、召回率与F1值均高于其他方法，分别可以达到0。91、0。92、0。91、0。92，证明该方法可以有效地对河湖不平衡图像进行水质分类。

    水质监测不平衡数据集代价敏感卷积神经网络VGG16

      原文链接:
    • 万方数据
    • 维普

    基于肌音信号的KPCAGASVM步态模式识别

    吴碧霞管小荣李仲史亦凡...
    52-59,65页
    查看更多>>摘要：外骨骼机器人发展迅速，基于生理信号的运动意图识别在人机协同控制研究中得以重视。针对肌电信号易受肌肉疲劳影响和采集要求高的缺点，提出一种基于肌音信号的核主成分分析和改进支持向量机(KPCAGASVM)的模式识别方案，对平地行走、上楼下楼和上坡下坡5种步态进行模式识别研究。基于遗传算法进行参数调优，其识别方案KPCAGASVM的识别准确率为97。33％，优于PCAGASVM和其他分类器。实验验证，基于肌音信号的KPCAGASVM为一种高效的步态运动识别方案。

    外骨骼肌音信号遗传算法支持向量机核主成分分析

      原文链接:
    • 万方数据
    • 维普

    基于联合注意力机制的多阶段去雨网络

    陈浩翰王瑛王勇
    60-65页
    查看更多>>摘要：为了提高雨天环境下拍摄的图像质量，提出了一个多阶段联合注意网络(MUANet)。该网络有三个阶段，在每个阶段的初始输入采用基于通道注意力和空间注意力的联合注意模块(UAB)进行处理，该模块可以检测通道内特征分布同时获取雨纹的空间信息。前两个阶段使用引入半实例归一化模块(HINB)的编码解码网络挖掘深层的上下文信息，精准定位雨纹在图像中的位置。最后阶段在前两个阶段生成的注意图引导下，对图像进行雨线纹理去除和背景细节的恢复。实验表明，MUANet在去雨效果和对图像背景细节的恢复上相较于现有方法有明显提高。

    多阶段网络注意力机制图像去雨半实例归一化编码解码网络

      原文链接:
    • 万方数据
    • 维普

    基于DDQN改进方法的"斗地主"策略

    孔燕吴晓聪芮烨锋史鸿远...
    66-72,80页
    查看更多>>摘要：基于当前一些已有方法在牌类博弈中训练时间长、动作空间大、胜率低等问题，提出了针对DDQN算法网络架构、编码方式的改进方法。采用二进制对手牌特征进行编码，采用手牌拆分的方法把神经网络分为主牌神经网络和副牌神经网络，并且增加GRU神经网络处理序列动作。经实验表明，该算法训练时间比传统DQN算法缩短了 13％，在"地主"和"农民"位置上的平均胜率为70％和75％，高于DQN算法的28％和60％，证明了改进算法在上述部分指标方面的优势。

    深度强化学习DoubledeepQ-learning计算机博弈GateRecurrentUnit神经网络大规模离散动作空间

      原文链接:
    • 万方数据