【摘 要】
：
该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充.HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量.实验结果表明,利用HVE-GAN模型生成的“类人”社交机器人数据的“真实性”与多样性程度均明显优于基线模型.
【机 构】
：
北京信息科技大学网络文化与数字传播北京市重点实验室 北京 朝阳区 100101;北京信息科技大学计算机学院 北京 朝阳区 100101
论文部分内容阅读
该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现“类人”社交机器人检测数据集的扩充.HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的“真实性”及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量.实验结果表明,利用HVE-GAN模型生成的“类人”社交机器人数据的“真实性”与多样性程度均明显优于基线模型.
其他文献
近年来,量子科技的发展突飞猛进,成为继云计算、大数据、人工智能、区块链技术之后的又一种新兴战略性技术,其中量子理论在智能优化领域的应用被证明是较为成功和富有前景的.该文从量子力学的视角综述了当前智能优化算法的研究进展.将量子力学在智能优化算法中的应用分成了两个方面:1) 将量子理论中的量子比特、量子门等概念应用于构造智能优化算法的相关研究,这些工作通过在智能优化算法中实现量子特性从而获得算法性能的提升;2) 利用薛定谔方程、波函数、叠加态等概念对智能优化算法进行建模,建立了智能优化算法的量子化描述方式,为
针对现有基于信号分组优化的椭圆球面波函数(PSWFs)信号多载波调制方法,存在峰均功率比高的问题,该文提出一种基于连续相位调制(CPM)的椭圆球面波多载波索引调制方法.将具有编码特性的CPM调制作为星座符号映射方式,以椭圆球面波函数信号作为索引载波波形,产生调制信号,并利用最大似然检测与CPM差分解码实现接收端信号的检测与解调.该方法能以较小的误码性能损失和适量增加算法复杂度,有效降低现有方法调制信号峰均功率比值约2.90 dB.
自新冠肺炎疫情爆发以来,口罩佩戴检测成为疫情防控的必备操作.该文针对在光线昏暗条件下口罩佩戴检测准确率较低的问题,提出了将注意力机制引入YOLOv5网络进行口罩佩戴检测的方法.首先对训练集图片使用图像增强算法进行预处理,然后将图片送入到引入了注意力机制的YOLOv5网络中进行迭代训练,完成训练后,将最优权重模型保存并在测试集上测试.实验结果表明,在注意力的加持下,该模型能有效增强人脸和口罩等关键点信息的提取,提高模型的鲁棒性,在光线昏暗条件下对口罩佩戴的检测准确率能达到92%,能够有效满足实际需求.
多层网络描述了复杂系统之间或强或弱的耦合或联系.为了较为系统和全面地介绍基于渗流理论的多层网络鲁棒性研究,该文综述了多层网络跨层节点的依赖特征、层内节点的连接结构特征、层内节点的耦合特性和攻击方式对级联失效动力学和鲁棒性的影响.与单层网络完全不同,多层网络会在遭受攻击时发生突然性的崩溃;同时度分布异质性较强的多层网络会更为脆弱,在崩溃中会出现多重相变或混合相变现象.此外,弱依赖机制使得多层网络模型能够描述复杂系统更多丰富的细节,如依赖强度的异质性、依赖强度的非对称性及依赖关系的拓扑结构等.这些结果表明,多
多数喜阳植物在高密度种植时为了获得足够的光源,会增加营养生长而减少生殖生长,引起一系列的表型变化,被称为避荫反应(Shade Avoidance Response,SAR).农业生产中避荫反应的产生限制了荫影不耐受作物的种植密度.本研究中我们发现番茄栽培品种Moneymaker(MM)和Ailsa Craig(AC)在低红光与远红光比例(R/FR)模拟的荫影环境下,会展现节间伸长、真叶中叶绿素和花青素含量降低的表型.实时定量PCR数据表明荫影环境促进节间中生长素响应基因并抑制真叶中花青素合成基因的表达水平
复杂网络控制能够捕获整个网络的状态,使得从海量的蛋白质相互作用数据中找到潜在的肿瘤致病基因成为可能.该文利用复杂网络控制理论探究肿瘤关键基因,对5种癌症相关的蛋白质–蛋白质相互作用网络,通过网络最小控制集方法,选取始终处于最小控制集(minimum dominating set, MDS)的基因作为候选关键基因.利用肿瘤相关的生物通路数据和已被证实的肿瘤基因数据,采用富集分析证明了该方法的有效性.构建网络综合中心性指标,对候选关键基因进行排序.进而针对不同的癌症类型,挑选排在前面的候选基因(非已知重要基因
针对天线阵列中阵元个数有限而导致波达方向DOA估计分辨率较低的问题,该文提出了一种基于宽频跳变信号相位补偿的虚拟孔径重构方法.该方法通过利用宽频跳变信号,将多个频点的信号向量加入补偿相位形成虚拟导向矢量,从而形成远大于物理孔径的虚拟孔径,实现高分辨DOA估计.仿真实验结果表明,该文所提的虚拟阵列重构方法可有效地提高DOA估计的角度分辨率,且具有较小的计算复杂度.
针对传统胶囊神经网络特征提取结构单一,模型参数量大以及动态路由算法中相似度衡量粗糙等问题,该文提出一种改进的胶囊神经网络.应用Fire Module模块,将网络中特征图通道数先进行压缩,再通过多尺度的卷积核提取特征信息,进而提升网络的特征提取能力和减少网络模型的参数.将Dropout思想引入胶囊神经网络来增加模型的多样性,并在动态路由结构中应用Tanimoto系数提高动态路由算法性能,加快模型收敛提高精度.为验证改进胶囊神经网络的有效性,将改进的胶囊神经网络与双卷积胶囊神经网络和传统卷积神经网络以及VGG
为有效地通过语音识别抑郁状态,在将语音进行滤波、降采样等预处理后通过短时傅里叶变换成时频图,输入本文提出的DD-AudioNet(一种融合注意力机制与双向长短时记忆网络的卷积神经网络)进行训练,提取神经网络的瓶颈层向量作为深度学习特征,共128个,再加上声学、频域、停顿、Mel频率倒谱系数和色度5类常用特征共计563个,基于特征选择方法Lasso选择了 26个.用迁移学习方法CORAL拉近训练集和测试集的特征分布,最后通过逻辑回归、随机森林和XgBoost分别进行分类辨识.实验结果表明,本文通过高维度特征
该文针对单图像超分辨率网络(SISR)提出了一种简单的网络剪枝方法.该方法通过评估超分网络中各模块的相似性,用一种简单办法将相似度转换为各模块对网络的贡献程度,从而找到对超分网络相对不重要的模块进行网络剪枝,达到超分辨率网络压缩的目的.通过基于模块相似性的超分网络剪枝,原本参数量庞大的超分网络得到了压缩,参数量和运算量都大幅下降.实验表明,通过剪枝后的超分网络其参数量可以下降60%以上,同时精度下降不超过0.1%,对超分网络部署到低性能平台有着实际意义.