计算智能与神经科学
期刊指标
录取率 28%
提交最终决定 79天
录取出版物 37天
小城堡 4.700
影响因子 2.284

计算智能技术解决不对称旅行推销员问题的比较绩效分析

阅读全文

杂志简介

计算智能与神经科学是神经计算、神经工程和人工智能交叉领域的论坛。该杂志的重点是计算神经科学的智能系统。

编辑焦点

主编Cichocki教授,从事人工智能和生物医学应用领域的先进数据分析技术的研究。

特殊问题

我们目前有许多特殊问题开放才能提交。特殊问题突出了领域内研究的新兴领域,或为现有研究区提供更深入的调查。

最新的文章

更多的文章
研究文章

一种基于时间卷积网络的结构变形深度学习预测模型

结构工程受各种主客观因素的影响,变形通常是不可避免的,变形监测数据通常是非平稳、非线性的,变形预测是结构监测领域的难点问题。针对传统结构变形预测方法存在的问题,提出了一种基于时间卷积网络(tns)的结构变形预测模型。该模型采用一维扩展的因果卷积来减少模型参数,扩大感受场,防止未来的信息泄漏。通过获取时间序列的长期记忆,可以有效挖掘结构变形数据的内部时间特征。通过正交实验对TCN模型的网络超参数进行优化,确定模型参数的最优组合。实验结果表明,该模型的预测值与实际监测值具有较高的一致性。模型参数优化后的平均RMSE、MAPE、MAE分别比未优化前降低44.15%、82.03%、66.48%,平均运行时间比未优化前降低45.41%。与WNN、DBN-SVR、GRU和LSTM模型相比,RMSE、MAE和MAPE的平均值分别降低了26.88%、62.16%和40.83%。

研究文章

神经胶质瘤的三维多任务残差分割和IDH基因型预测框架

胶质瘤是成人恶性脑肿瘤的主要类型,异柠檬酸脱氢酶(IDH)突变状态对胶质瘤的诊断、治疗及预后影响很大。放射医学影像为胶质瘤病灶间和病灶内异质性的取样提供了一个无创的平台,先前的研究表明,IDH基因型可以通过多模态放射影像的融合来预测。医学影像特征和IDH基因型对治疗至关重要;然而,对于胶质瘤病变区域的分割和IDH基因型的预测仍缺乏一个多任务框架。在本文中,我们提出了一种新的三维多任务深度学习模型分割和基因型预测(SGPNet)。剩余单元也被引入到SGPNet中,允许输出块提取不同任务的层次特征,促进信息传播。我们的模型在多模态脑瘤分割挑战(BRATS) 2020和癌症基因组图谱(TCGA)胶质瘤数据库的数据集上,减少了26.6%的分类错误率。此外,我们首先通过设置不同的学习目标组,实际调查了病变区域对IDH基因型预测性能的影响。实验结果表明,病变区域信息对IDH基因型预测更为重要。我们的框架是有效的和可推广的,它可以作为一个高度自动化的工具应用于临床决策。

研究文章

面向计算机视觉轻量级任务的小网络:一种基于特征表示的剪枝方法

由于巨大的网络参数,许多当前的卷积神经网络很难满足实际应用要求。为了加速网络的推论速度,越来越多地关注网络压缩。网络修剪是压缩和加快网络的最有效和最简单的方法之一。本文提出了一种用于轻量级任务的修剪算法,并研究了基于特征表示的修剪策略。与其他修剪方法不同,所提出的策略是由实际任务指导的,并消除网络中的无关滤波器。修剪后,网络压实到较小尺寸,易于通过微调恢复精度。所提出的修剪算法的性能在确认的图像数据集上验证,实验结果证明了所提出的算法更适合于修剪微调数据集的无关滤波器。

研究文章

基于加权属性三组哈希的大规模类似案件匹配

类似司法案件匹配的目的是从多个候选文件中准确地选择与目标文件最相似的司法文件。相似案件匹配的核心是计算两个事实案件文件之间的相似性。由于采用了类似的司法案件匹配技术,法律专业人员可以在候选集合中及时发现和判断类似的案件。这些技术也有利于司法制度的发展。但是,司法案件文书不仅篇幅长,而且具有一定的结构复杂性。与此同时,各类司法案件也在迅速增加;因此,在大型语料库中很难找到与目标文档最相似的文档。本文提出了一种新的类似司法案件匹配模型,该模型基于哈希学习获得司法特征属性的权重,并利用二进制码实现快速相似匹配。该模型利用双向编码器表示从变压器(BERT)模型中提取司法特征属性向量,然后通过学习哈希函数得到加权的司法特征属性。我们进一步施加三重约束,以确保司法案件数据投影到汉明空间时能够很好地保持相似性。 Comprehensive experimental results on public datasets show that the proposed method is superior in the task of similar judicial case matching and is suitable for large-scale similar judicial case matching.

研究文章

一种基于引导训练的特征融合方法

本文提出了一种基于指导性训练的特征融合方法(fdt - net),针对一些仅靠图像无法准确分类的特定识别任务,将图像数据与数值数据融合。该结构分为共享权值网络部分、特征融合层部分和分类层部分。首先,提出引导训练方法优化训练过程,将代表性图像和训练图像输入共享权值网络学习更好地提取图像特征的能力,然后在特征融合层中融合图像特征和数字特征,输入到分类层中进行分类任务。通过实验验证了该模型的有效性。损失由共享权值网络和分类层的输出来计算。实验结果表明,本文提出的fdt - net算法的准确率达到87.8%,比ShuffleNetv2的CNN模型(只处理图像数据)高15%,比DNN方法(只处理结构化数据)高9.8%。

研究文章

基于rmrmr增强视觉词袋的高分辨率遥感图像分类

提出了一种基于ReliefF改进mRMR (ReliefF improved mRMR, RmRMR)准则的视觉词袋(bag of visual words, BoVW)算法,对生成的具有高信息冗余度的视觉词进行过滤,用于遥感图像分类。首先,每个词对分类的贡献程度用其权重参数表示,该权重参数通过ReliefF算法进行赋值;然后,根据mRMR准则计算每个单词的相关度和冗余度,并添加词典平衡系数。最后,建立了一种新的字典判别函数,对全局判别小字典子集进行过滤得到。实验结果表明,该算法有效地减少了字典中的冗余信息,较好地平衡了单词的相关性和冗余,提高了字典子集的特征描述能力,显著提高了高分辨率遥感图像的分类精度。

计算智能与神经科学
期刊指标
录取率 28%
提交最终决定 79天
录取出版物 37天
小城堡 4.700
影响因子 2.284
提交