基于高置信度伪标签数据选择算法的临床事件抽取方法

【目的】事件抽取是构建高质量事件知识图谱的前提。临床事件抽取过程中事件元素存在依赖关系,现有方法无法准确识别事件元素并组合为事件,且现有临床事件标记数据较少,给事件抽取任务带来了极大的挑战。【方法】将临床事件抽取建模为实体识别模型,提出一种融合多特征的中文医学事件抽取方法:BERT-MCRF.该方法使用BERT构建模型的嵌入和特征提取部分,在CRF层加入多个字的滑动窗口特征,然后将BERT-MCRF作为半监督实验的基实验,提出一种高置信度伪标签数据选择算法作为筛选数据的条件,得到较高质量的300条数据与原始数据合并,最终构建了1700条语料,并重新训练模型。【结果】BERT-MCRF模型在3种属性实体上的整体F1值达到80.21%,比经典的BiLSTM-CRF模型提升15.11%;通过半监督思路重新训练的模型最终F1值达到81.56%,较原始BERT-MCRF提升了1.35%.

一种基于置信传播的算法求解随机约束满足问题

为了求解具有增长域的随机约束满足问题(CSP),提出一种基于置信传播的算法即NBP* (new-selected belief propagation*, NBP*)。在置信传播算法中,当BP方程不收敛时,算法就会终止。然而算法在经过多次迭代之后,虽然约束发送给变量的信息没有达到收敛条件,但是仍有部分信息是准确的,所以当算法的BP方程不收敛时,提出利用最后一次迭代得到的约束发送给变量的信息来计算变量的边际概率,当赋值不满足约束时,根据边际概率确定的变量顺序挑选下一个变量进行赋值,得到NBP*算法。数值实验表明:这种算法可以在可满足性相变区域找到解,并且有效提高了置信传播算法的求解效率。

采用加权置信传播算法的LDPC码性能分析

LDPC码置信传播译码算法中,由于环路的存在,影响迭代译码的性能和迭代译码的收敛性。为减小这一影响,在迭代译码算法中引入加权因子,采用迭代加权的译码方法。该算法可使迭代信息趋于平稳,增加译码可信度,减少迭代次数,加快迭代译码的收敛,从而改善译码性能的方法。仿真结果表明,这种方法对最小环长小且环长分布较均匀的中短码长的码子性能影响较大。

基于置信传播的立体匹配并行算法

考虑在双目立体视觉匹配算法中置信传播算法虽然能获得较好的视差图但匹配速度较慢,本文提出了一种基于置信传播的并行匹配方法。该方法以置信传播为基础,采用并行机制来提高匹配速度。首先,利用最优边缘算法计算图像中的边缘信息;然后,利用边缘信息将整个待匹配视图切割成若干小的区域,使用OpenMP多核优化算法并行对各个小区域进行匹配;最后,合并出整个视差图。使用Meddlebury测试平台提供的立体图对进行了实验。结果表明,在保证匹配准确率的前提下,置信传播算法将匹配速度提高了3.51倍,为立体匹配的实际应用奠定良好的基础。该方法在具备多核处理器的嵌入系统中也有良好的应用前景。

RB模型实例集上置信传播算法的收敛性

置信传播算法求解RB(k,n,a,r_c,p)模型实例时非常有效,几乎能够有效求解接近可满足性相变点的难解实例.然而,因子图带有回路的实例,置信传播算法不总有效,常表现为不收敛.对于这种现象,至今缺少系统的理论解释.置信传播算法是最为基础的信息传播算法,对置信传播算法的收敛性分析是其他信息传播算法收敛性分析的重要基础.在RB(k,n,a,rc,p)模型中,取k=2,a>1/k,r_c>0均为常数,且满足ke^(-a/r_c)≥1.证明了如果p∈(0,n^(-2a)),则置信传播算法在RB(k,n,a,r_c,p)模型产生的随机实例集上高概率收敛.最后,在RB(k,n,a,r_c,p)模型上选取了几组不同的数据进行数值模拟,实验结果表明该结论有效.当问题规模n增大时,在RB(k,n,a,r_c,p)模型的可满足区域,实验收敛区间趋于一个固定范围,而理论收敛区间逐渐变窄.原因在于,RB(k,n,a,r_c,p)模型是一个具有增长定义域的随机CSP实例产生模型,不协调赋值的数目与参数p及问题规模n有关.

置信域算法在输电线路覆冰不平衡张力计算中的应用及不平衡张力的影响因素

输电线路覆冰不平衡张力计算是验算杆塔强度、检验各档导线应力和对地距离的前提条件。针对覆冰不平衡张力数学模型的高维、强非线性等特点,选用具有强鲁棒性的Trust Region优化算法完成模型求解。算例和大量仿真结果显示,该算法可得耐张段各档应力、档距增量和高差增量的高精度解。在模型和算法准确性得到验证之后,计算了不同冰区和覆冰不平衡率下最大不平衡张力百分比,进一步分析了不平衡张力随导线安全系数、悬垂串串长、档高差等因素的变化规律,可用于解决覆冰线路的优化设计、安全运行和事故分析等问题。

极化码置信传播算法早期终止准则的研究

适用于极化码置信传播(Belief-Propagation,BP)算法的早期终止准则研究具有实际意义。本文提出将循环冗余校验(Cyclic Redundancy Check,CRC)作为极化码BP算法的早期终止准则(简称为BP-CRC),当BP算法迭代次数大于门限后,如果信源估计值符合CRC校验,提前终止迭代;否则,就按固定迭代次数执行完BP算法。(1024,512)极化码通过二进制输入高斯白噪声信道后,提出的BP-CRC与基于生成矩阵G的早期终止准则(简称为BP-Gmatrix)做对比。仿真结果表明:在译码性能上,BP-CRC与原始BP算法基本一致;在平均迭代次数减少的效果上,和BP-Gmatrix一致;随着信噪比的增大,两者平均迭代次数减少的次数更明显。CRC比生成矩阵G检测的计算复杂度更低。平均迭代次数的减低,可以有效降低BP译码器的时延和能耗。因此,CRC是有效的低能耗和低复杂度的极化码BP算法早期终止准则。

置信传播译码算法的性能测度

本文基于树和有限状态机系统地推导了低密度校验码 (LDPC)置信传播译码算法中的消息修正公式 ,引入了连续消息空间的概率测度 ,推导了常见二元对称信道输出分布和迭代过程中消息密度进化的计算公式 ,讨论了算法性能的参数化估计 .这种计算分析工具可以用于独立于信道的算法收敛性分析 ,有助于设计LDPC码 ,有助于分析LDPC码译码器的量化效应并实现快速译码方案 。

基于置信传播的优化译码算法研究

该文在对LDPC码的译码算法分析的基础上,针对校验矩阵中含有的环对译码算法的影响,提出了一种在置信传播算法基础之上的译码算法。该算法通过及时切断消息在环上的重传回路,可消除因校验矩阵中的环回传原始信息对译码造成的影响,保证优质的原始信息能尽可能地传播到其能传播的节点,从而提升了LDPC码的译码性能。仿真实验表明,在低信噪比的信道中,该算法具有相当于传统算法的性能和更低的计算复杂度;在良好的信道条件下可以取得比传统算法更优异的性能。

基于置信传播算法的低密度校验码量化译码设计

介绍了二元输入连续输出无记忆AWGN信道下低密度校验 (LDPC)码的置信传播译码算法及其密度进化特性 .根据密度进化规律 ,分析了不同消息空间中的量化译码问题 .得出结论如下 :对于概率和概率差消息 ,只有高阶均匀量化才能获得满意的译码性能 ;似然比消息的适当对数量化可等价于对数似然比消息的均匀量化 ;对数似然比消息易于实现相对信道输入± 1的无偏对称量化 ,并有效利用消息的统计特性 .由非均匀量化在大消息区域分配的量化电平可以有效地促进算法收敛 .仿真结果表明 。

基于分组混合策略的LDPC置信传播译码算法

置信传播(BP-Based)译码算法通过对校验节点消息的简化处理,并在传递的变量信息之间引进相关性,可大大降低算法的复杂度。为了减少BP-Based算法的迭代次数和性能损失,采用分组混合策略对BP-Based算法进行改进,加快了信息更新速度,减少了错误信息从停止集传播到Tanner图中其他节点的概率。MATLAB仿真表明,在几乎不增加复杂度的情况下,改进算法可以提高译码性能。

基于联合信息的重加权置信传播算法

针对最优映射下低密度奇偶校验(LDPC)编码调制系统无迭代增益的问题,采用因子图和互信息方法对系统进行了研究,提出了一种基于联合信息的重加权置信传播算法。和传统迭代接收算法相比,该算法改进了迭代结构,不仅增加了调制器,获得了格雷映射下的迭代增益,而且在解调器的外信息中引入加权符号信息,在译码器的外信息中引入指数型先验信息,合成为联合信息,增大解调器和解码器之间的平均互信息值,进一步提高了系统性能。从互信息角度说明该算法的合理性,同时分析了权值和自适应指数对算法性能的影响。给出了在瑞利衰落信道下的仿真结果,验证了该算法的有效性和优越性。

一种加速收敛的LDPC码置信传播译码算法

分析了LDPC码置信传播译码算法,研究了置信传播译码算法过程中传递消息的收敛特性,提出了一种旨在降低算法迭代次数的修正的BP算法。仿真结果表明,该算法的迭代次数约为标准BP算法的1/2,但性能的恶化并不大。

基于彩色图像分割的置信传播快速立体匹配算法

本文采用了一种基于彩色图像分割和置信传播相结合的快速立体匹配算法。对于已经校准好的两幅图像,首先采用均值漂移算法对彩色图像进行图像分割,然后采用区域匹配算法进行快速初始立体匹配,再采用左右一致性校验法滤除误匹配点,得到初始视差图以及各个区域的视差平面模板。最后采用置信传播算法对获得的视差平面模板进行全局优化,得到各个区域最优视差平面模板,从而得到最终视差图。实验结果表明,采用区域匹配与全局优化算法相结合,不仅提高了立体匹配速度,同时也保证了匹配质量。

一种基于改进置信度传播的个性化推荐算法

基于RWR的方法作为一种TOP-N推荐解决了传统推荐算法遇到的大多数问题,但它只考虑了均匀结点,并且在矩阵分解时需要极大的空间代价。若将置信度传播算法引入则不会存在这些问题,然而传统置信度传播算法用全局结点来计算目标结点置信度,时间复杂度较大,因此,提出将置信度传播算法改进优化后应用于个性化推荐算法中,以用户和项目为两个结点集合,通过自适应大小区域内的结点计算目标结点的置信度,根据最终结点置信度推荐相应项目给目标用户。通过与传统置信度传播算法的对比实验,得到了在最优精度下的相应参数设置,然后与基于RWR的方法和基于项目的协同过滤算法进行比较,实验结果表明,提出的算法要优于上述算法。

一种用于立体图像匹配的改进置信传播算法

给出了一种用于立体图像匹配的改进置信传播算法。基于视差场的连续性假设。传统视差估计置信传播算法将稠密视差场抽象为一种马尔可夫场,置信传播在消息双向传递的马尔可夫网络上进行。考虑到在物体遮挡区域视差场并不连续,首先采用基于初始视差估计的交叉不稳定检测技术检测出遮挡区域,将稠密视差场更加精确地抽象为一种马尔可夫场和贝叶斯场的混合场,置信传播在马尔可夫和贝叶斯的混合网络上进行,使得遮挡区域像素视差信息不传递给非遮挡区域,提高了视差估计精度并降低了算法复杂度。采用Middlebury网站提供的标准测试图像对本文算法进行了客观评估,实验结果表明,本文算法同时具有较好的视差估计精度和运算效率。

LDPC译码中的消息传递算法和置信传播算法等效性的证明

给出了LDPC译码中三种算法:硬判决算法、消息传递算法以及置信传播算法的详细步骤,证明了消息传递算法和置信传播算法的等效性,得出了消息传递算法是置信传播算法对数域的实现方法.

基于深度置信网络算法的面向铁磁材料旋转磁滞损耗的矢量磁滞模型

铁磁材料磁滞建模是电气工程领域的基础性理论研究之一。该文基于深度置信网络(DBN)算法结合磁滞算子空间理论提出一种矢量磁滞模型。在模型结构中,引入郎之万函数作为映射函数对磁滞数据进行输入转换计算。利用多个磁滞算子构建算子空间生成高维算子数据,算子空间的数据输出作为DBN模型的输入,结合DBN算法表征算子数据与模型输出的非线性关系。利用样本的磁感应强度数据和生成的算子数据训练模型,获得模型参数。通过仿真表明构建的模型可以有效地描述铁磁材料在旋转磁化情况下的非线性特性和各项异性。同时,结合磁损分离理论改进磁损模型中相应的损耗系数,构建动态磁损计算模型,并将磁滞模型获得的数据应用于动态损耗计算。仿真表明,构建的磁滞模型可以有效地表征铁磁材料的实际磁化特性和损耗情况。

基于振荡信息修正的置信传播算法

置信传播(beliefpropagation,BP)算法的计算复杂度较高,且变量、校验节点间信息传递时的振荡现象导致了译码性能降低。为了提高其译码性能、降低该算法的计算复杂度,通过分析校验和与错误位数的关系,提出了一种提前结束迭代的判决准则;另外,通过对振荡信息的修正来改善其传递的信息的可靠性,进而来提高BP算法的译码性能。仿真结果显示,改进的译码算法在降低了低信噪比时的平均迭代次数的同时还提高了译码性能。

一种求解0-1背包问题的置信传播算法

针对启发式算法在求解0-1背包问题时易陷入局部最优以及寻优精度低等不足,提出一种求解0-1背包问题的置信传播算法。根据0-1背包问题的线性规划,构造该问题的因子图模型,并基于该模型的特点设计对应的标识函数,进而设计一种求解0-1背包问题的置信传播算法。当算法收敛时,计算每个物体节点的置信度,以确定该物体的装包概率,从而高概率地给出0-1背包问题的解。与其他启发式算法进行了比较,结果表明,该算法具有较好的全局搜索能力。