基于关系归纳偏置的睡眠分期综述

睡眠障碍严重影响人类健康和生活,将睡眠阶段准确分类是检测和治疗睡眠障碍的关键。近年来,基于深度学习的方法超越了传统机器学习方法及人类专家。然而,深度学习的内部结构复杂,需要对计算机及医学领域熟悉的专家进行设计。旨在分析现有基于深度学习的睡眠分期模型中的关系归纳偏置,探索睡眠分期模型设计基本原则。对平移不变性、时间不变性和分层处理等关系归纳偏置进行分析。首先按照模型中是否包含具有平移不变性的卷积层和具有时间不变性的循环层将其分为三类:卷积神经网络框架、循环神经网络框架和混合神经网络框架。然后按照模型中对帧、片段和序列的分层处理方式进行了更加细致的分类。接着分析模型中包含不同关系归纳偏置对睡眠分期的性能影响,提出了设计睡眠分期模型需要引入与任务相匹配的关系归纳偏置。最后讨论了基于深度学习睡眠分期方法的优越性与局限性,以及未来可能需要使用更加高级的关系归纳偏置对知识进行更加抽象的表达并与其他人工智能技术相结合。

最小归纳依赖关系在采掘聚类关联规则中的应用研究

数据集中的冗余属性会降低数据采掘结果的解释能力及精度。该文介绍了在非项目集类型的数据集中采掘聚类关联规则的基本原理，并利用RoughSet理论对属性间的归纳依赖关系进行了分析，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系的算法，使采掘出的关联规则的精度及解释能力都达到令人满意的水平。

基于博弈变动分析的政府统计帕累托改进研究

文章通过归纳政府统计内外的主要参与方之间的基本关系,建立了5个博弈模型;在博弈均衡分析和博弈参数变动分析的基础上,力图刻画政府统计的效率状态,引出政府统计的帕累托改进方向。

程序包、程序库、数据库、知识库

Y2000-62099-49 0011928采用定位散列法的工程图纸数据库中的直线标引结构=Locating indexing structures in engineering drawingdatabases uSing location hashing[会,英]/Syeda-Mah-mood,T.//1999 IEEE Computer Vision and PatternRecognition,Vol.1.—49～55(PC)Y2000-62099-200 0011929语义事件检测用的计算法=A computational approachto semantic event detection[会,英]/Qian,R.& Haer-ing,N.//1999 IEEE Computer Vision and PatternRecognition,Vol.1.—200～206(PC)