最新刊期
2024年第6卷第4期
- 摘要：简要回顾2024年智能科技（特别是新AI）的发展，讨论2025年AI发展的三大可能方向。关键词：新AI;人工智能;代理智能;自主智能;平行智能;知识自动化;PAPAI++402|172|3更新时间：2024-12-15
评论智能
- 摘要：深度强化学习（deep reinforcement learning，DRL）作为一种实现通用人工智能的有效学习范式，已在一系列实际金融市场量化交易应用中取得了显著成果，成为该领域的主流方法。首先，对深度强化学习的基本概念和原理进行了详细介绍，在此基础上，系统地综述了DRL在金融市场量化交易中的应用和实践进展，涵盖了基于策略的算法模型、基于价值的算法模型，以及基于演员—评论家的算法模型等不同类型的DRL在金融市场量化交易中的应用。进一步探讨了DRL在金融市场量化交易中的优势，指出其能够根据市场环境的动态变化调整交易策略，以适应不同的市场环境。其次，指出了DRL在金融市场量化交易中面临的挑战，包括数据质量问题、模型稳定性问题、过拟合问题等。最后，对DRL在金融市场量化交易领域未来的发展趋势进行了展望。随着算法的不断优化和计算能力的提升，DRL将在金融市场量化交易领域发挥更加重要的作用，为投资决策提供更加准确和可靠的支持。关键词：金融市场;量化交易;深度强化学习2724|1175|0更新时间：2024-12-15
综述与展望
- 摘要：面向高质量和精准烹饪的需求，提出一种基于多模态大语言模型的数字厨师与智能烹饪方法。离线阶段利用视觉、声音、温度等多源传感器记录专业厨师的连续操作，将图像与多轮问答文本融合，建立烹饪专家知识库，并采用低秩适配方法对预训练多模态大语言模型进行微调，以构建能够理解烹饪意图的多模态大语言模型。在线阶段将实时感知的数据转换为图文输入微调后的大语言模型，经模型分析后生成烹饪指令，引导用户完成相应的烹饪动作。以煎牛排任务为例，搭建了智能烹饪软硬件系统并进行实验验证。实验结果表明，经过微调后的智能烹饪系统能有效控制牛排的熟度与品质，相较于微调前的模型，显著提升了烹饪指令的合理性和针对性。关键词：多模态大语言模型;数字厨师;智能烹饪;烹饪机器人;专家系统;人工智能536|340|1更新时间：2024-12-15
- 摘要：综合集成法已被广泛应用于处理复杂系统相关问题，其核心是人机结合、从定性到定量的迭代求解，然而如何描述定性与定量知识，如何有效融合定性与定量知识仍是亟须解决的问题。模糊系统模拟了人脑推理过程，既可以利用专家的定性知识，也能够从数据中学习模糊规则，使用规则映射的方式实现对不确定性问题的系统决策。将模糊系统引入定性与定量知识的描述理解与融合过程，提出了一种基于模糊系统的可解释性综合集成法。该方法从定性和定量两个角度分别获取知识，再将两种知识综合集成，形成模糊规则库，完成模糊系统建模。该方法可以有效地将专家经验和数据学习相结合，增强模型的可解释性，提高复杂系统决策过程的鲁棒性和科学性，有望成为未来综合集成法研究的一种实现途径，更好地解决现实世界复杂系统的相关问题。关键词：模糊系统;综合集成法;复杂系统问题;可解释性107|134|0更新时间：2024-12-15
- 摘要：目前在复杂的真实应用场景中，小人脸检测任务面临诸多挑战，如人脸尺度小、光照变化剧烈和精度较低等。针对现有模型容易忽视小人脸检测的问题，提出了一种基于卷积核注意力机制的小人脸检测模型SK-YOLOv5s。首先，设计一种小人脸增强模块，将浅层特征与深层特征进行融合与上采样，提高了小人脸特征图的分辨率，从而增强其特征；其次，在模型中引入SKNet注意力机制，能够多尺度自适应调节感受野大小，提高小人脸的检测率；最后，采用EIoU作为目标损失函数、FReLU作为激活函数，直接减小预测与真实边界框之间的宽度和高度差异，增强特征图的非线性表达能力，提高小人脸检测的精度和稳定性，相较于YOLOv5s，所改进模型在WIDER FACE数据集中的mAP提升了0.079。实验结果证明了所改进模型在真实场景下进行小人脸检测的可行性。关键词：小人脸检测;注意力机制;YOLOv5s187|226|0更新时间：2024-12-15
- 摘要：现有的“数据相同，算法不同”式的聚类集成算法训练策略普遍存在处理大规模数据性能受限以及共识函数适应性不强的缺点。为此，对“数据不同，算法相同”式的聚类集成算法训练策略进行了研究，构建了一种基于标签迭代的聚类集成（LICE）算法。首先，该算法在原始数据集的随机样本划分（RSP）数据块上训练若干基聚类器。接着，利用最大平均差异准则对聚类簇数相同的基聚类结果进行融合，并基于标签确定的RSP数据块训练一个启发式分类器。之后，迭代式地利用启发式分类器对标签不确定的RSP数据块中的样本点进行标签预测，利用分类标签与聚类标签一致的样本点强化启发式分类器的性能。最后，通过一系列可信的实验对LICE算法的可行性和有效性进行验证，结果显示在代表性数据集上，LICE算法对应的标准互信息、调整兰德系数、Fowlkes-Mallows指数以及纯度在第5次迭代时相比于迭代起始分别平均提升了17.23%、16.75%、31.29%和12.37%。与7种经典的聚类集成算法相比，在选用的数据集上，这4个指标的值分别平均提升了11.76%、16.50%、9.36%和14.20%。实验证实了LICE算法是一种高效合理的、能够处理大数据聚类问题的聚类集成算法。关键词：聚类集成算法;集成学习;随机样本划分;最大平均差异;标签迭代140|177|0更新时间：2024-12-15
学术论文
-
- 摘要：社交网站吸引了数十亿用户，影响着人们的生活方式。社交网站作为开放平台，注册加入的门槛较低，社交机器人能够轻易地注册，并进行舆论导向控制、不实信息传播等有害活动，以谋取利益。单一社交网站的机器人检测系统往往需要依赖用户的历史行为数据进行分析。因此，社交机器人在被识别出之前往往已经成功实施了恶意攻击。为尽早地识别出社交机器人，提出了跨网站社交机器人检测系统Cerberus。Cerberus可以解决用户早期在单个社交网站上数据不充足导致的用户识别“冷启动”的问题。Cerberus使用用户在Medium网站上的个人信息和历史活动信息，对用户链接在Twitter上的账号是否为社交机器人账号进行预测。结果表明，该系统的AUC值可达0.7552，具有良好的识别准确性。关键词：在线社交网络;社交机器人检测;跨网站链接;深度学习;冷启动用户268|428|0更新时间：2024-12-15
- 摘要：在新闻领域，识别命名实体涉及复杂的语法结构和长名称，这为确定实体边界带来了挑战，同时也引发了序列标注方法在预测长实体时的提前中断问题。为了应对这些挑战，提出了一种基于跨度与类别增强的中文新闻命名实体识别模型——SpaCE。该模型基于Transformer结构的双向编码器表示预训练模型（BERT），通过跨度预测和类别描述增强，提升了识别性能。在编码新闻文本信息的过程中，模型结合类别描述以增强语义知识，并采用基于跨度的解码方式来解决长实体预测中断问题。另外，通过精确标记的方法引入词边界信息，并优化实体匹配策略，有效减少了由跨度解码引起的非实体匹配情形。与基线模型相比，SpaCE在3个数据集上的性能均有所提升。另外，在无序文本上，SpaCE仍表现出了较强的命名实体识别能力，具有很好的鲁棒性。关键词：新闻命名实体识别;BERT;跨度;类别增强;词边界信息113|197|0更新时间：2024-12-15
- 摘要：时空事件连锁发生的现象，在现实中很常见。为揭示这类现象背后的机制，开启了影响传播模式挖掘研究。挖掘事件影响传播树是其中一项基础工作，通常根据事件时空邻近关系，生成事件邻居集，用前缀树方法构建事件影响传播树。在时空事件较稠密时，组合式增长使挖掘时间与空间成本剧增，无法对大规模数据进行挖掘。为此，提出一种新方法，通过构建地理空间实体KD树，检索事件之间的时空邻近关系。设计一种三层哈希图数据结构存储事件的时空邻近关系，使事件影响传播树的信息虚拟化，不创建树实体，避免组合爆炸和大量树操作，提高挖掘效率，降低空间成本。在LSTW时空数据集上的实验结果，验证了新方法的效果。关键词：时空数据挖掘;事件影响传播树;KD树;哈希图88|190|0更新时间：2024-12-15
- 摘要：社交网络对齐作为网络科学的重要研究方法，已在多个领域广泛应用。现有方法通常依赖高质量的用户属性信息来完成特定任务，但隐私保护机制的存在使得这些信息难以获取。此外，若仅依赖网络拓扑结构，可能面临数据不足的挑战。针对上述问题，基于节点邻域特征和网络同质性提出一种基于同质多层图卷积的多尺度网络对齐模型。节点特征方面，通过K近邻算法聚合节点邻域信息建模深层网络结构，从而进行数据增强。图卷积方面，根据网络同质性构建同质度矩阵，对卷积过程进行引导，并以网络社区结构为基础来处理不同尺度的社交网络。在两个不同规模的现实社交网络实验结果表明，该方法能够有效提升社交网络对齐任务的性能。关键词：网络对齐;网络嵌入;网络同质性;多尺度网络;社区发现87|140|0更新时间：2024-12-15
专题：社会计算与社会智能
- 地址：北京市丰台区东铁匠营街道顺八条1号院B座“北阳晨光大厦”2层 邮编：100079
- 联系电话：（010）53879206 Email：cjist@bjxintong.com.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：161982 今日访问量：145
0