知识引导的视觉关系检测模型

视觉关系检测(VRD)任务是在目标识别的基础上,进一步检测目标对象之间的关系,属于视觉理解和推理的关键技术。由于对象之间交互组合,容易造成对象间关系组合爆炸的问题,从而产生很多关联性较弱的实体对,导致后续的关系检测召回率较低。针对上述问题,提出知识引导的视觉关系检测模型。首先构建视觉知识,对常见的视觉关系检测数据集中的实体标签和关系标签进行数据分析与统计,得到实体和关系间交互共现频率作为视觉知识;然后利用所构建的视觉知识,优化实体对的组合流程,降低关联性较弱的实体对得分,提升关联性较强的实体对得分,进而按照实体对的得分排序并删除得分较低的实体对,对于实体之间的关系也同样采用知识引导的方式优化关系得分,从而提升模型的召回率。在公开数据集视觉基因库(VG)和VRD中验证所提模型的效果:在谓词分类任务中,与现有模型PE-Net(Prototype-based Embedding Network)相比,在VG数据集上,召回率Recall@50和Recall@100分别提高了1.84和1.14个百分点;在VRD数据集上,相较于Coacher,Recall@20、Recall@50和Recall@100分别提高了0.22、0.32和0.31个百分点。

知识引导的森林火灾逃生路网动态生成方法

规划合理的森林火灾逃生路网对应急逃生决策具有重要作用,但现有方法动态适应性弱,且未考虑山沟地带、狭窄山脊等影响人员逃生安全的关键空间信息,导致逃生路网规划准确性差。因此,本文引入智能化测绘技术方法,提出一种知识引导的森林火灾逃生路网动态生成方法,通过突破森林火灾逃生路网规划知识图谱构建、关键空间区域提取等关键技术,建立森林火灾逃生路网通行栅格网络模型,实现改进A*算法的逃生路网动态优化生成,研发原型系统并开展试验分析。结果表明,本文方法能够实现林火蔓延环境下逃生路网的动态生成,可为扑救人员提供有效的逃生决策信息;逃生规划准确率与已有静态森林火灾逃生路网规划方法的逃生规划准确率相比,高安全区重叠率提升了3.06%,逃生路网危险区重叠率降低了27.39%。

知识引导下的城区LiDAR点云高精度三角网渐进滤波方法

针对城区LiDAR点云特点,提出一种基于知识的三角网渐进滤波方法:①对格网内插后的栅格数据进行面向对象分割;②采用迭代Otsu聚类手段对地面对象与非地面对象自动分离;③针对分类结果构建初始三角网,并自适应调整地面点判据参数,达到提高滤波质量目的。选用ALS50系统真实数据进行滤波试验,并与传统方法滤波结果进行精度评价,评价结果表明基于知识的滤波方法能进一步提高点云滤波质量。

蚁群算法中基于知识引导的信息素控制策略

针对蚁群算法在求解旅行商问题性能方面的不足,提出了一种基于知识引导的信息素控制策略.该策略利用问题先验知识初始化信息素,旨在提高算法运行初期信息素对蚂蚁搜索的启发能力;采用群知识引导信息素更新,加强信息素对蚂蚁搜索的引导能力,增强蚂蚁搜索的目的性.实验结果表明,基于这种信息素控制策略的蚁群算法的总体性能明显优于当前最先进的蚁群算法.

知识引导的多目标多智能体进化算法

将智能体模型与知识模型相结合,提出一种知识引导的多目标多智能体进化算法.算法定义了智能体的不同邻域环境,并通过对邻域之间的竞争、正交交叉、知识学习等操作实现种群的演化过程.算法采用一种新颖的方法求非劣解集,并使用循环拥挤排序法对外部归档集进行维护.通过对多个测试函数的仿真结果表明,知识的引入不仅增加了种群多样性,而且提高了算法的收敛性.

先验知识引导下的基于遗传搜索的知识发现方法

针对知识库的不完备所导致的分类器泛化能力较差的问题,提出一种在先验知识引导下基于遗传算法的知识发现方法。该方法通过引入问题近似先验领域知识,进行种群初始化和变异函数构造,利用先验知识引导下的遗传算法对问题的解空间进行搜索,最终获取新知识。利用该方法可以获得同时覆盖先验领域知识和训练样例的一般知识,进而提高分类器的分类性能和泛化能力。实验结果表明,与经典遗传算法相比,不仅该算法的泛化能力更强,而且所获得特征规模较小。

数据驱动与知识引导相互结合的智能计算

在“数据是燃料、人工智能是引擎”的数据驱动机器学习时代,人工智能正在经历“大数据、小任务;小数据、大任务”的涅槃,如何从娴熟于“炼金术”的调参师向笃定于“厚积薄发”推理机迈进,是面临的巨大挑战。机器学习(machine learning)这一单词首次出现时被定义为“不需要确定性编程就可以赋予机器某项技能的研究领域”,其目标是构造一种学习机器(learning machine),使之像人一样具有“learning to learn”的能力。人类学习离不开数据、知识以及与环境交互等,本文探讨数据驱动与知识引导相互结合的智能计算这一问题,希望这一模式将推动更通用(more general)计算范式跃变。

知识引导的切削加工再生型颤振稳定性建模与分析

针对现有切削加工颤振稳定性分析中存在的模型抽象、可视化程度低、操作难度大、求解效率低等问题,提出集成逻辑推理与数值计算的切削加工再生型颤振稳定性建模与分析策略,探讨基于复合知识模型的经验知识、规范知识、领域知识、历史实例知识表达和处理方法,研究知识引导的切削加工再生型颤振稳定性分析工作机制,构建稳定性分析系统框架,进而以某车削加工系统再生型颤振稳定性分析为例,验证所提策略的可行性和有效性。

数据驱动与知识引导结合下人工智能算法模型

当前人工智能的学习模式主要以数据驱动为主要手段,以深度神经网络为主流的机器学习算法取得了显著进展。但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足。该文认为在现有机器学习算法中引入先验假设、逻辑规则和方程公式等知识,建立数据和知识双轮驱动的人工智能方法,将推动更通用计算范式的变革创新。该文将可用于引导人工智能算法模型知识归纳为4种——逻辑知识、视觉知识、物理定律知识和因果知识,探讨将这些知识与现有数据驱动模型相互结合的典型方法。

数据与知识驱动的零件特征工艺决策方法

在零件的工艺设计阶段,加工工艺方案的生成强依赖于设计人员选择和应用的工艺知识.而由于实际的生产环境与设计人员选择工艺知识存在着诸多偏差,加工方案与实际的工艺过程不匹配成为当前零件制造领域关注的难题.为解决上述问题,本文提出了一种数据与知识双驱动的零件特征工艺决策方法.本方法使用基于注意力机制的MLP深度学习算法,从结构化工艺数据中挖掘工艺知识,关联零件特征与特征工艺标签.将其经过数据加工后,用于训练神经网络模型.经过验证,该方法能够以零件特征的工艺数据为输入,输出其对应的特征工艺标签的概率分布,为零件工艺方案的选择提供决策支持.

嵌入多阶泰勒微分知识的多尺度注意力循环网络深度时空序列预测方法

融合先验物理知识的深度时空序列预测方法通常使用偏微分方程(PDE)进行建模,这种做法通常存在两大问题:(1)偏微分方程的近似精度低;(2)无法在循环网络中有效捕捉多种空间尺度的时空特征和时空序列的边缘相关空间信息。为此,该文提出了融合泰勒微分的卷积循环神经网络(TDI-CRNN)。首先,为了提高高阶偏微分方程的近似精度并缓解偏微分方程应用的局限性,设计了一种多阶泰勒近似物理模块。该模块首先使用泰勒展开式对输入序列作微分逼近,再将不同阶数之间的微分卷积层使用微分系数耦合,最后动态调整泰勒展开结果的截断阶数与微分项数。其次,为了捕获循环网络隐藏状态的多种空间尺度特征并更好地捕捉时空序列的边缘相关空间信息,设计了一种多尺度注意力循环模块(MSARM),在该模块的多尺度卷积空间注意力UNet(即MCSA-UNet)的卷积层中使用了多尺度卷积和空间注意力机制,目的是关注时空序列的局部空间区域。在Moving MNIST,KTH以及CIKM数据集上开展了大量实验,Moving MNIST数据集的均方误差(MSE)指标下降到42.7,结构相似性指数(SSIM)提高到0.912;KTH数据集的SSIM和峰值信噪比(PSNR)分别提高到0.882和29.03;CIKM数据集上的临界成功指数(CSI)提高到0.515。最终的可视化和定量预测结果均验证了TDI-CRNN模型的合理性和有效性。

基于知识引导的机器视觉SMT贴片检测窗口优化

结合S形聚类方法和蚁群算法的优势,将先验知识和反馈信息用于引导机器视觉的随机搜索,以找到最佳检测窗口位置,从而减少检测窗口数量、提高机器视觉在线检测效率.以电路板元器件贴片(SMT)为检测对象进行实验,结果显示:在使用阵列相机的机器视觉SMT检测中,该方案可以有效减少检测窗口的数量.

一种区域知识引导的船舶吃水线动态识别算法

用于船舶吃水线识别的机器视觉检测方法采用固定相机获取水尺区域,存在船舶外弦吃水线图像数据采集难度大、吃水线测定效率低等问题。基于此,利用无人机搭载相机航拍图像,充分考虑其图像特点,提出一种吃水线区域动态识别算法。无人机航拍图像克服了已有固定相机的不足,但是,由于无人机飞行航迹的变化导致吃水线图像存在波动,此外,吃水线区域的水迹线、水波纹以及不同曝光环境也会影响吃水线的识别精度,为此,首先采用融合水尺特性先验知识的轮廓统计筛选方法,提取先导知识,定位整幅图像中感兴趣的吃水线水平区域;进而综合利用像素点在L×a×b颜色空间的信息,采用知识引导的K-means++聚类和分水岭算法,实现吃水线的精确分割。面向多场景下的航拍图像,实验结果表明,所提算法可以有效避免光照条件和水迹线等的干扰,实现动态视频下船舶吃水线区域的快速识别,对港口这一复杂航拍场景具有较强的环境鲁棒性,为准确实时水尺计重提供有效保障。

知识引导的快速表格分割方法研究

数据录入的低效率一直是影响OA 和数据库应用发展的因素之一.改善这一途径就是发展数据自动录入技术.本文讨论了自动报表录入系统中的分割算法,针对表格的多样性,提出一种在图象知识库支持下的快速分割算法,并在应用中取得了较好的效果.

知识和数据驱动的污水处理反硝化脱氮过程协同优化控制

为有效提升城市污水处理过程的脱氮效果,提出一种知识和数据驱动的反硝化脱氮过程协同优化控制(Knowledge-data-driven cooperative optimal control,KDDCOC).所提方法主要有以下两个方面:首先,建立一种基于自适应知识核函数的协同优化控制目标模型,动态描述出水水质(Effluent quality,EQ)以及泵送能耗(Pumping energy consumption,PE)、关键变量的协同关系;其次,提出一种知识引导的协同优化算法(Knowledge guide-based cooperative optimization algorithm,KGCO),快速准确求解硝态氮(Nitrate nitrogen,SNO)优化设定值,提高KDDCOC的响应速度.KDDCOC利用比例−积分−微分(Proportional-integral-derivative,PID)控制器对硝态氮优化设定值进行跟踪,将提出的KDDCOC应用于城市污水处理过程基准仿真模型1号(Benchmark simulation model No.1,BSM1),实验结果表明,该方法能够提高出水水质,降低运行能耗,有效改善脱氮效果.

浅谈教员如何提高内分泌教学知识引导能力

医学是一门实践性科学。内分泌教学顺应医学教学改革思路,转变教育思想、更新教育观念,与时俱进,不断完善,以培养高素质的医学生。教员的知识引导能力(即教学吸引力)的大小,在整个教学过程中起到了举足轻重的作用,本文就课前、课中、课后三个方面如何提高教员的教学吸引力做初步探讨。

知识引导的跨语言义原预测

语言学家认为,义原是人类语言的最小语义表示单位,词语的任何含义都可以通过义原间组合表达。目前,义原资源已应用于多种自然语言处理的下游任务中并取得不错的效果。现有义原资源主要以中文词语为主,同时少部分英文词语也有义原标注,但在其他语言中尚未普及。目前,已有部分研究者提出了自动化的跨语言义原预测方法,一定程度上实现为其他语言的目标词汇自动标注义原的能力。

深入贯彻落实科学发展观 学会运用科学知识引导科学发展

科学发展观是对经济社会发展一般规律认识的深化,是马克思主义关于发展的世界观和方法论的集中体现,是我们必须长期坚持的根本指导方针。

基于知识的污水生化处理过程智能优化方法

针对污水处理过程控制能耗过大和水质超标严重等问题,本文提出一种基于知识的污水生化处理过程智能优化控制方法.该方法通过记忆多目标智能优化算法的动态处理信息,建立环境变量参数与最优解之间的知识模型.优化算法利用知识库中非支配解的引导,结合定向局部区域寻优以及随机全局寻优策略,提高了算法的收敛性,获取了更高质量的解.最后基于国际通用平台BSM1进行实验验证.结果表明,与其他优化算法相比,该方法能够在保证出水水质的前提下产生更少的能量消耗.

基于知识的结构故障诊断理论

一、引言长期以来,基于动力特性的结构故障诊断方法一直是国际学术界和工程界关注的热点。结构故障诊断主要包括3方面的内容:1)结构损伤识别;2)结构损伤定位;3)结构损伤程度的标定和评价。损伤识别是进行结构故障诊断的基础,目前国际上关于结构故障诊断的研究多集中在损伤识别的层次上;损伤定位是进行结构故障诊断的核心,也是问题的难点所在。目前。