排序学习研究进展与展望 

排序学习利用机器学习技术去训练排序模型以解决排序问题,是信息检索与机器学习交叉领域的一个新兴研究热点.越来越多的排序学习方法已经应用于实际系统中,如搜索引擎和推荐系统等.本文概括了排序学习的研究进展,并进行展望.首先,阐述了排序学习问题.然后,对排序学习方法进行了分类,并重点分析了依据训练排序模型时所采用的不同机器学习...
《自动化学报》  2018年 第08期 下载次数(539)| 被引次数(5)

跨媒体语义共享子空间学习研究进展 

随着信息技术的飞速发展,现实世界中涌现出大量的跨媒体数据.所谓跨媒体数据是指那些表达的内容相似,但以不同模态、不同来源、不同背景等形式出现的数据.比如,一张描述花豹的网页通常采用共生的图片和文本等不同的模态刻画花豹的外形和习性.这些跨媒体数据通常呈现出底层特征异构、高层语义相关的特性.传统的单媒体学习方法已无法适应跨媒...
《计算机学报》  2017年 第06期 下载次数(567)| 被引次数(13)

多Agent强化学习方法与应用 

强化学习是Agent通过试错与环境交互改进动作策略,单Agent强化学习能够进行自学习和在线学习,单Agent的知识和资源是有限的,多个Agent强化学习是求解复杂问题的有效途径。多Agent系统比单Agent具有更强的问题求解能力,但多Agent的参与又增加了问题的复杂性。本文分析了多Agent强化学习方法的研究现状...
《福建电脑》  2015年 第05期 下载次数(192)| 被引次数(1)

基于最大-最小相似度学习方法的文本提取 

应用最大-最小相似度(maximum-minimum similarity,简称MMS)学习方法,对基于高斯混合模型的文本区域提取方法中的有关参数进行优化.该学习方法通过最大化正样本相似度和最小化反样本相似度获得最佳分类能力.根据这种判别学习思想,建立了相应的目标函数,并利用最速梯度下降法寻找目标函数最小值,以得到文本...
《软件学报》  2008年 第03期 下载次数(597)| 被引次数(10)

基于卷积神经网络的生物医学信号分类与重构 

生物医学信号是通过仪器设备可以采集到的、对于生命体状态最直接的描述信息。其种类众多且来源广泛,是生物学、信息学、医学等学科的重要研究对象。随着生物医学相关学科的迅速发展,科研人员和医务工作者对于此类信号处理、分析技术的需求愈发强烈。高效的生物信号处理方法可以有效提升科研人员探索生命机制工作的效率,从而更好地揭示生理结构...
西安电子科技大学  博士论文  2018年 下载次数(530)| 被引次数(2)

基于偏好数据库的无环CP-nets结构学习方法研究 

偏好建模、获取、推理,是计算机科学中涉及多学科交叉的研究领域,已成为人工智能研究中的一个基本主题,在推荐系统、社交网络、国家安全、产品设计与营销、个性化定制等方面具有相当重要的学术价值和十分现实的应用价值。条件偏好网(Conditional Preference networks,CP-nets)是用来表示偏好的主要图...
山东大学  博士论文  2018年 下载次数(96)| 被引次数()

非稀疏多核支持向量机学习方法研究 

核方法是解决非线性模式识别的一种有效方法,它用核函数k(xi,xj)来度量样本xi和xj之间的相似性,并通过一个非线性映射将输入数据映射到高维特征空间H,然后在H中寻找线性决策边界。但传统的核方法是基于单个特征空间映射的单核学习方法,多核学习相对于传统的单核学习,有更强的可解释性和可扩展性,在解决一些实际问题时往往能够...
武汉大学  博士论文  2015年 下载次数(88)| 被引次数()

多智能体深度强化学习方法及应用研究 

在大数据时代,最亟待解决的问题是如何在海量数据中获取最需要的信息。这主要有两方面的困难,一是海量数据难以处理,二是人类社会是一个多智能体系统,智能体之间存在很大的差异性,难以对“最需要”这一模糊概念下统一的准确定义。因此,本论文研究多智能体深度强化学习方法,希望能学习出用户模式,在数据中挖掘到每个用户最需要的信息,最大...
西安电子科技大学  博士论文  2018年 下载次数(1387)| 被引次数(1)

基于哈希学习的跨模态检索与标注方法研究 

随着大数据时代的到来,互联网上的多媒体数据呈爆炸式增长。海量多媒体数据资源给实际应用带来了新的需求,如何对其进行智能化管理和应用是研究者面临的新挑战。多媒体数据不仅数据量大,而且往往呈现多模态的特征,它们通常由图像、文本、视频、音频等不同类型的模态数据组合而成。为了解决有效管理应用这些多样化复杂化的多模态数据的问题,我...
华中科技大学  博士论文  2017年 下载次数(128)| 被引次数()

面向不同数据环境的无/有监督建模方法研究 

最近几年,机器学习方法随着人工智能的火热得到了迅猛发展,在医疗、交通、金融等领域得到了广泛的应用。但是,随着应用场景的不断扩大,数据的规模和形式也变得复杂,多样化的数据场景,例如大模糊数据场景和多视角数据场景等给传统的机器学习方法带来了巨大的挑战。在无监督学习和有监督学习中,传统的聚类分析和TSK模糊系统在面对这些复杂...
江南大学  博士论文  2018年 下载次数(124)| 被引次数()

顶序学习及其应用的研究 

排序学习是机器学习中的重要研究方向。传统排序学习研究通常试图优化排序列表的整体排序质量;然而,在信息检索、推荐系统等很多实际任务中,人们通常仅关注位于排序列表顶部的少量样本的准确性。若使用传统排序学习方法,大量的计算资源会被用来优化不被关注的样本的排序质量,造成不必要的计算负担。此时,如何降低这些计算负担从而高效优化排...
南京大学  博士论文  2015年 下载次数(49)| 被引次数()

基于深度学习的网络异常检测技术研究 

网络异常检测技术通过建立正常行为基准来识别网络异常行为,可以检测出新型网络攻击行为,通用性较强,在入侵检测、僵尸网络检测等领域有着广泛应用,是业界研究热点和重点。然而,随着大数据时代来临,攻击方法日新月异,新型攻击层出不穷,网络攻击呈现出泛在化、智能化、复杂化趋势,当前网络异常检测技术难以满足日益增长的高检测率、低误报...
战略支援部队信息工程大学  博士论文  2018年 下载次数(554)| 被引次数(1)

基于深度学习的智能汽车容错感知与决策控制方法研究 

随着硬件设备和人工智能算法的不断发展,人工智能已经渗透到生活的各个方面,人工智能辅助甚至完全替代人类操作成为一种趋势。智能汽车(IV)搭载的先进驾驶辅助系统(Advanced Driving Assistance System,ADAS)利用安装在车上的多种传感器,在汽车行驶过程中实时感应周围的环境,采集数据,进行静态...
浙江大学  博士论文  2018年 下载次数(353)| 被引次数(1)

解纠缠表示学习与概念空间构建 

知识和数据的表示是人工智能的核心问题之一。良好的知识和数据形式化表示可让下游的模型学习和算法应用更为简单有效。评判表示的一个重要标准是可解释性。可解释表示不仅便于人类理解算法的结果,更可以提高模型的鲁棒性和泛化能力,帮助计算机更准确地理解数据背后的规律。解纠缠表示是研究可解释表示的重要方向之一。解纠缠表示学习的主要目的...
浙江大学  博士论文  2019年 下载次数(88)| 被引次数()

开放环境下的度量学习研究 

利用对象之间的相似性关系,度量学习为样本学到有效的特征表示,使得在该表示空间中,样本之间的距离度量能够精确反映样本之间的相似与不相似关系。有效的距离度量与表示空间极大地辅助了后续的多样化任务。在度量学习的研究中,传统的方法依赖于静态的、封闭的环境,需要无干扰、不变化的特征,大量的训练样本,且只能处理单一的对象语义。而实...
南京大学  博士论文  2019年 下载次数(62)| 被引次数()

共找到相关记录7047条12345678910下一页