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

期刊档案

计算智能与神经科学是神经计算,神经工程和人工智能跨学科领域的论坛。期刊的重点是智能系统,用于计算神经科学。

编辑焦点

CICHOCKI教授主编,从事高级数据分析技术的人工智能和生物医学应用领域的世界领先研究。

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

基于时间卷积网络的结构变形深度学习预测模型

结构工程受到各种主观和客观因素的影响,变形通常是不可避免的,变形监测数据通常是非间断的和非线性的,并且变形预测是结构监测领域的难题。针对传统结构变形预测方法的问题,基于本研究中的时间卷积网络(TCNS)提出了一种结构变形预测模型。该建议的模型使用一维扩张的因果卷积来减少模型参数,扩展接收领域,并防止未来的信息泄漏。通过获得时间序列的长期记忆,可以有效地开采结构变形数据的内部时间特性。TCN模型的网络超参数由正交实验进行了优化,其确定了模型参数的最佳组合。实验结果表明,所提出的模型的预测值与实际监测值高度一致。具有优化模型参数的平均RMSE,MAPE和MAE分别降低44.15%,82.03%和66.48%,与没有优化参数的结果相比,平均运行时间减少了45.41%。与WNN,DBN-SVR,GRU和LSTM模型相比,平均RMSE,MAE和MAPE分别减少了26.88%,62.16%和40.83%。

研究文章

SGPNET:胶质瘤的分割和IDH基因型预测的三维多任务框架

胶质瘤是成人恶性脑瘤的主要类型,异柠檬酸脱氢酶(IDH)突变状态对胶质瘤的诊断、治疗和预后影响很大。放射医学成像为神经胶质瘤病变间和病变内的异质性采样提供了一个无创的平台,并且先前的研究表明,IDH基因型可以从多模态放射影像的融合中预测。医学影像特征和IDH基因型对医学治疗至关重要;然而,它仍然缺乏一个分割胶质瘤病变区域和预测IDH基因型的多任务框架。在本文中,我们提出了一种新的三维(3D)多任务深度学习模型用于分割和基因型预测(SGPNet)。剩余单元也被引入SGPNet,允许输出块为不同的任务提取层次特征,并促进信息传播。与之前的BRATS(2020)和TCGA(肿瘤基因组图谱)胶质瘤数据库数据集相比,我们的模型减少了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,实际研究了病变区域对IDH基因型预测性能的影响。实验结果表明,病变区域信息在IDH基因型预测中更为重要。我们的框架是有效和可推广的,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

计算机视觉中用于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

用于大规模相似司法案件匹配的加权属性三元哈希算法

类似的司法案例匹配旨在使得能够精确选择与来自多个候选者的目标文档最相似的司法文件。类似司法案例匹配的核心是计算两个事实案件文件之间的相似性。由于司法案例相匹配技术,法律专业人员可以在候选集中立即找到和判断类似案例。这些技术也可以使司法系统的发展受益。但是,司法案件的文件不仅长度长,但也具有一定程度的结构性复杂性。同时,各种司法案件也在迅速增加;因此,很难找到与大语料库中的目标文档最相似的文件。在这项研究中,我们提出了一种类似的类似司法案例匹配模型,其基于哈希学习获得司法特征属性的权重,并通过使用二进制代码来实现快速类似的匹配。所提出的模型利用来自变换器(BERT)模型的双向编码器表示来提取司法特征属性矢量,并随后通过学习散列函数来获得加权司法特征属性。我们进一步施加了三联限制,以确保在投射到汉明空间时司法案例数据的相似性很好地保存。 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

一种分类任务有指导训练的特征融合方法

本文构造了一种带指导训练的特征融合方法(FGT-Net),针对仅靠图像无法准确分类的特定识别任务,将图像数据与数字数据进行融合。该结构分为共享权网络部分、特征融合层部分和分类层部分。首先,提出了引导训练方法来优化训练过程,将具有代表性的图像和训练图像输入到共享权值网络中学习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。损耗是通过共享权网络和分类层的输出来计算的。实验结果表明,所提出的fft - net的准确率达到87.8%,比只处理图像数据的ShuffleNetv2的CNN模型高15%,比只处理结构化数据的DNN方法高9.8%。

研究文章

高分辨率遥感图像分类与rmrmr增强袋视觉词

提出了一种Relieff改进的MRMR(RMRMR)标准的视觉单词袋(BOVW)算法,以过滤以高信息冗余产生的用于遥感图像分类的视觉词。首先,每个单词到分类的贡献程度由其加权参数表示,其使用Crefieff算法分配。接下来,根据MRMR标准,通过添加字典余额系数来计算每个单词的相关性和冗余。最后,建立了一种新颖的词典判别函数,并过滤并获得全局判别的小规模字典子集。实验结果表明,该算法有效地减少了字典中的冗余信息量,更好地平衡了单词的相关性和冗余,以改善字典子集的特征描述力,并显着提高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