一种基于多层语义特征的图像理解方法

视觉场景理解包括检测和识别物体、推理被检测物体之间的视觉关系以及使用语句描述图像区域.为了实现对场景图像更全面、更准确的理解,将物体检测、视觉关系检测和图像描述视为场景理解中3种不同语义层次的视觉任务,提出一种基于多层语义特征的图像理解模型,并将这3种不同语义层进行相互连接以共同解决场景理解任务.该模型通过一个信息传递图将物体、关系短语和图像描述的语义特征同时进行迭代和更新,更新后的语义特征被用于分类物体和视觉关系、生成场景图和描述,并引入融合注意力机制以提升描述的准确性.在视觉基因组和COCO数据集上的实验结果表明,所提出的方法在场景图生成和图像描述任务上拥有比现有方法更好的性能.     

智能安全内涵与体系构建探讨

随着人工智能在各行业的推广应用,人工智能给生活、生产带来便利的同时,其破坏作用和隐患也引起了各国政府、机构的重视。因此,人工智能技术及其应用所引起的安全问题受到更多关注。但是,从智能的形态角度看,智能安全与人工智能安全在内涵上还有很多区别。本文首先阐明智能安全的内涵,指出人工智能安全实际上主要是技术层面的智能安全,但智能安全不仅涉及技术安全,还包括智能系统在各行业广泛普及带来的国家层面的安全问题,以及机器智能、混合智能等新智能形态发展给人类整体带来的潜在风险。在此基础上,本文构建了智能安全体系并给出了具体措施。狭义的人工智能安全与广义的智能安全理念相结合,有利于确保整个国家在人类文明发展过程中把握先机。     

基于注意力融合的图像描述生成方法

空间注意力机制和高层语义注意力机制都能够提升图像描述的效果,但是通过直接划分卷积神经网络提取图像空间注意力的方式不能准确地提取图像中目标对应的特征。为了提高基于注意力的图像描述效果,提出了一种基于注意力融合的图像描述模型,使用Faster R-CNN（faster region with convolutional neural network）作为编码器在提取图像特征的同时可以检测出目标的准确位置和名称属性特征,再将这些特征分别作为高层语义注意力和空间注意力来指导单词序列的生成。在COCO数据集上的实验结果表明,基于注意力融合的图像描述模型的性能优于基于空间注意力的图像描述模型和多数主流的图像描述模型。在使用交叉熵训练方法的基础上,使用强化学习方法直接优化图像描述评价指标对模型进行训练,提升了基于注意力融合的图像描述模型的准确率。     

人工免疫网络记忆分类器信息恢复系统应用

通过对不同人工免疫分类方法的比较,发现不同分类方法的效果对预测结果有一定影响,利用人工免疫记忆分类器分类方法取得比其他方法更好的预测效果.     

基于自适应克隆启发算法的作业车间调度

将优先权启发式算法获得的最小生产周期倒数作为抗体,采用实数编码,给出新的自适应克隆启发算法,用于求解作业车间调度问题。设计一种新的自适应克隆算子,基于抗体间距离的大小,在抗体间自适应地分配抗体激励度和抗体克隆的数量,模拟免疫系统自适应地调节抗体克隆数量的动态过程。FT10和FT06的仿真实验表明,该算法性能稳定、效果良好。     

基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。     

基于网络社区结构的训练集非均衡程度度量方法

在机器学习和数据挖掘实际应用中,针对分类训练集的选取,通常要求训练集中每一类所包含的数据在数量上要尽可能的"均衡".本文以非均衡训练集与分类学习效率关系研究为依据,给出了"均匀度"和"内聚度"两种类型的训练集非均衡程度因素的概念;"均匀度"是用来描述训练集类之间(between-class)的非均衡程度,其含义是指训练集不同类之间数据数量的非均衡程度;"内聚度"是用来描述训练集类内部(within-class)的非均衡程度,指训练集中不同类在空间分布上的线性相关程度,通过训练集数据之间的相关程度,构建出训练集的网络结构,运用一种能体现训练集内聚性的网络拓扑结构的指标-网络社区结构作为度量,提出了基于网络社区模块结构的非均衡训练集度量方法,并指出了高均匀度和高内聚度是选取"优良"分类训练集的关键因素.通过对UCI标准训练集的实验,结果验证本方法作为选取训练集标准的有效性.     

基于网络社区模块结构的特征选择性能评价

利用网络社区模块结构作为特征选择的度量指标，给出了一种基于全局拓扑结构的特征选择性能评价方法。对一种基于免疫学原理的数据压缩和特征提取模型——人工免疫网络进行了验证，通过对数据特征提取前的抗原数据网络和特征提取后的记忆网络的网络社区模块结构的对比，达到对人工免疫网络(aiNET)的特征提取性能评价的目的。实验结果证实了人工免疫网络模型可以保持网络拓扑结构上的稳定性，验证了利用网络社区结构作为特征选择度量的合理性。     

基于小生境进化策略的免疫算法参数优化

对于联立方程这样具有多个优化解的问题,一般希望同时得到多个优化解.利用免疫算法可以解决这样的问题.但是不同的免疫算法参数应该优化设置.进化策略的群体中的个体都是独立进化的,个体进化主要通过变异算子完成,所以使用进化策略可以缩短搜索时间.利用小生境进化策略作为元算法解决免疫算法参数优化问题.利用联立非线性方程问题验证并与一般算法得到的结果相比较,结果表明,所提出的方法性能优于没有经过参数优化的方法.     

基于人工免疫系统的数据挖掘技术原理与应用

该文首先对人工免疫系统的发展历史和自然免疫系统机制进行简要介绍,之后重点对人工免疫系统在数据挖掘领域中的原理与应用研究进行详细分析综述。主要分两个部分,第一部分是从数据挖掘的主要任务——聚类和分类角度阐述人工免疫系统应用现状,第二部分主要从数据挖掘对象子领域——网络数据挖掘和文件挖掘角度分析人工免疫系统的应用,同时对有代表性的方法及其改进过程进行了详细介绍,指出人工免疫数据挖掘技术中的优点和缺点。最后提出新的研究方向。