所屬欄目:電子信息期刊 熱度: 時間:
《模式識別與人工智能》
關(guān)注()【雜志簡介】
人工智能和模式識別是目前國際發(fā)展迅速的學(xué)科之一,本刊發(fā)表與此有關(guān)的最新研究結(jié)果和進展,旨在推動信息科學(xué)技術(shù)的發(fā)展。本刊面向各高等院校,研究機構(gòu)和企業(yè)的科研人員、教師、工程技術(shù)人員及研究生和高年級大學(xué)生。集信息、知識、趣味、可讀性于一體,以模式識別與人工智技術(shù)見長,博采、精選國內(nèi)外模式識別與人工智研究、開發(fā)與應(yīng)用的精華。
【影響因子】
國家新聞出版總署收錄 自1992年以來,一直被《中文核心期刊要目總覽》收為自動化技術(shù)、計算機技術(shù)領(lǐng)域核心刊物。
1994年起,為《中國學(xué)術(shù)期刊文摘》引用期刊。
1995年,被美國工程信息公司(Ei)收為Ei Page One數(shù)據(jù)庫收錄期刊。
1996年被《中國科學(xué)引文數(shù)據(jù)庫》列為來源期刊及統(tǒng)計源。
1998年,被教育部定為“學(xué)位與研究生教育中文重要期刊”之一。
1999年~2000年,獲國家自然科學(xué)基金委擇優(yōu)支持基礎(chǔ)性和高科技學(xué)術(shù)期刊專項資助經(jīng)費資助。
2008年,被 EI Compendex 數(shù)據(jù)庫收錄。
【欄目設(shè)置】
主要欄目:論文與報告、綜述與評論、研究與應(yīng)用、信息與動態(tài)等。
雜志優(yōu)秀目錄參考:
動態(tài)網(wǎng)絡(luò)上最大流概念及其性質(zhì)的研究 張鈴,ZHANG Ling
第六屆ABB杯全國自動化系統(tǒng)工程師論文大賽征文通知
情感等級BDI主體模型研究 張曉君,周昌樂,ZHANG Xiao-Jun,ZHOU Chang-Le
適于漸變概念漂移數(shù)據(jù)的自適應(yīng)分類算法 張景祥,王士同,鄧趙紅,Zhang Jing-Xiang,Wang Shi-Tong,Deng Zhao-Hong
實現(xiàn)穩(wěn)定雙向認知映射的逆向云變換算法 許昌林,王國胤,XU Chang-Lin,WANG Guo-Yin
一種基于液體狀態(tài)機的音樂和弦序列識別方法 張冠元,王斌,ZHANG Guan-Yuan,WANG Bin
基于類原型的復(fù)雜網(wǎng)絡(luò)重疊社區(qū)發(fā)現(xiàn)方法 姜雅文,賈彩燕,于劍,JIANG Ya-Wen,JIA Cai-Yan,YU Jian
基于稀疏表示的KCCA方法及在表情識別中的應(yīng)用 周曉彥,鄭文明,辛明海,ZHOU Xiao-Yan,ZHENG Wen-Ming,XIN Ming-Hai
基于文本密度模型的Web正文抽取 朱澤德,李淼,張健,陳雷,曾新華,ZHU Ze-De,LI Miao,ZHANG Jian,CHEN Lei,ZENG Xin-Hua
核正交判別局部正切空間對齊算法 鄭剛民,夏蘇娜,馬媛媛,馬小虎,ZHENG Gang-Min,XIA Su-Na,MA Yuan-Yuan,MA Xiao-Hu
基于粒子濾波與稀疏表達的目標跟蹤方法 楊大為,叢楊,唐延?xùn)|,YANG Da-Wei,CONG Yang,TANG Yan-Dong
引入跟蹤搜索和免疫選擇的人工蜂群算法 付麗,羅鈞,F(xiàn)U Li,LUO Jun
電子信息職稱論文:對醫(yī)院電子檔案管理工作的幾點認識
[摘要]隨著醫(yī)院現(xiàn)代化的建設(shè),計算機使用的普及,對醫(yī)院的各種公文文件、數(shù)據(jù)報表、病案管理等方面,都提出了更高的要求,原有的檔案管理模式已難以適應(yīng)現(xiàn)代醫(yī)院檔案工作的發(fā)展要求。為了更好地服務(wù)醫(yī)院,本文談幾點對醫(yī)院電子檔案工作的認識,以推進電子檔案的管理和推廣。
[關(guān)鍵詞]電子信息職稱論文,醫(yī)院電子檔案,管理,質(zhì)量
一、 醫(yī)院實行電子檔案管理的優(yōu)勢
隨著信息化的發(fā)展,特別是隨著辦公自動化的進一步擴展和深化,電子計算機和通信技術(shù)相結(jié)合形成了信息技術(shù)產(chǎn)業(yè),過去用紙墨、照相形成和傳遞的政府機關(guān)公文以及圖書、影像、文獻資料等,都可用電子計算機進行管理,而記錄檔案信息的載體也日趨多樣化,包括文本文件、電子報表、電子郵件、圖像文件、視頻文件等,在管理方式、載體形式、信息互動等方面對紙質(zhì)檔案形成巨大的沖擊。電子檔案的優(yōu)勢是:
模式識別與人工智能最新期刊目錄
主編寄語————作者:鄭南寧;
摘要:<正>時光飛逝、歲月疾馳,當我們每個人都在為學(xué)習(xí)、工作和生活忙碌奔波不停的時候,2025年悄然而至,新的華彩篇章也徐徐開啟。舊符煥彩,新禧呈祥,在這個大地回春、萬物復(fù)蘇的美好時刻,我謹代表編輯委員會和編輯部全體成員向關(guān)心和支持《模式識別與人工智能》發(fā)展的廣大專家學(xué)者致以誠摯的祝福和問候!祝大家在新的一年里身體健康!工作順利!萬事如意!2024年,既是中華人民共和國成立75周年,也是《模式識別與人工...
廣義多尺度多重集值決策系統(tǒng)的最優(yōu)尺度約簡————作者:劉夢欣;謝禎晃;吳偉志;朱康;
摘要:多尺度數(shù)據(jù)的知識表示與知識獲取是現(xiàn)階段多粒度計算研究的一個重要方向.在分析多尺度數(shù)據(jù)時,一個關(guān)鍵問題是最優(yōu)尺度組合的選擇,其目的是選擇合適的子系統(tǒng)用于最終決策.因此文中針對多尺度多重集值數(shù)據(jù)的知識獲取問題展開研究.首先,基于海林格距離,在廣義多尺度多重集值決策系統(tǒng)中構(gòu)造不同尺度組合下對象集上的相似關(guān)系,給出廣義多尺度多重集值決策系統(tǒng)的信息粒表示.然后,在協(xié)調(diào)廣義多尺度多重集值決策系統(tǒng)中,定義最優(yōu)尺...
基于對抗強化學(xué)習(xí)的多跳知識推理————作者:成凌云;郭銀章;劉青芳;
摘要:為了解決現(xiàn)有知識圖譜問答中多跳推理模型在復(fù)雜關(guān)系中表示不足、數(shù)據(jù)稀疏性及強化學(xué)習(xí)推理中存在虛假路徑等問題,文中提出基于對抗強化學(xué)習(xí)的多跳知識推理模型.首先,通過高階分解關(guān)系向量,實現(xiàn)實體與關(guān)系特征參數(shù)化組合,并在聚合鄰居節(jié)點時引入注意力機制,賦予不同權(quán)重,增強復(fù)雜關(guān)系的表示能力.還設(shè)計知識圖譜嵌入框架,用于衡量嵌入空間中〈主題實體,問題,答案實體〉的可信度.然后,將多維信息融入強化學(xué)習(xí)框架的狀態(tài)表...
基于多尺度空間自適應(yīng)注意力網(wǎng)絡(luò)的輕量級圖像超分辨率方法————作者:黃峰;劉鴻偉;沈英;裘兆炳;陳麗瓊;
摘要:針對現(xiàn)有圖像超分辨率重建方法存在模型復(fù)雜度過高和參數(shù)量過大等問題,文中提出基于多尺度空間自適應(yīng)注意力網(wǎng)絡(luò)(Multi-scale Spatial Adaptive Attention Network, MSAAN)的輕量級圖像超分辨率重建方法.首先,設(shè)計全局特征調(diào)制模塊(Global Feature Modulation Module, GFM),學(xué)習(xí)全局紋理特征.同時,設(shè)計輕量級的多尺度特征聚合...
融合數(shù)據(jù)質(zhì)量增強和時空信息編碼網(wǎng)絡(luò)的船舶海上軌跡預(yù)測方法————作者:石悅;羅賀;蔣儒浩;王國強;
摘要:高精度的海上船舶軌跡預(yù)測是降低船舶碰撞風(fēng)險、提升船舶搜救效率的重要基礎(chǔ).海上航行環(huán)境的多變性使船舶軌跡數(shù)據(jù)在時間和空間上具有高度復(fù)雜性,現(xiàn)有方法對船舶軌跡數(shù)據(jù)的質(zhì)量及運動信息關(guān)注度不足,難以充分捕捉軌跡中的時空特征和關(guān)聯(lián)信息.因此,文中提出融合數(shù)據(jù)質(zhì)量增強和時空信息編碼網(wǎng)絡(luò)的船舶海上軌跡預(yù)測方法(Ship Maritime Trajectory Prediction Method Integrat...
面向動態(tài)數(shù)據(jù)的聯(lián)合自表示子空間聚類方法————作者:張漢濤;趙杰煜;葉緒倫;
摘要:自表示子空間聚類方法在高維數(shù)據(jù)處理中表現(xiàn)優(yōu)秀,已成為該領(lǐng)域的關(guān)鍵技術(shù)之一.然而,傳統(tǒng)的自表示模型通常假設(shè)數(shù)據(jù)集是靜態(tài)的,難以適應(yīng)動態(tài)、連續(xù)到達的數(shù)據(jù)流,會導(dǎo)致新舊數(shù)據(jù)存在特征異構(gòu)、新到樣本可能包含未知新類別等情況.因此,文中提出聯(lián)合自表示子空間聚類方法(Joint Self-Expressive Subspace Clustering Method, JSSC),可適應(yīng)數(shù)據(jù)流的連續(xù)到達.JSSC結(jié)...
融合深淺層次知識的自學(xué)習(xí)TSK模糊癲癇輔助檢測算法————作者:施奇環(huán);張雄濤;
摘要:Takagi-Sugeno-Kang(TSK)模糊分類器在癲癇檢測中用于處理模糊信息.然而,由于癲癇腦電信號復(fù)雜、患者發(fā)作表現(xiàn)多樣,一階TSK模糊分類器通常難以從訓(xùn)練樣本中獲取足夠的泛化性能.因此,文中提出融合深淺層次知識的具有自我學(xué)習(xí)能力的TSK模糊分類算法(Deep-Shallow Mix Self-Learning TSK, DSMT),用于癲癇輔助檢測.DSMT引入類似人類“反思-歸納”的...
關(guān)于2025年度國家自然科學(xué)基金項目申請與結(jié)題等有關(guān)事項的通告
摘要:<正>國家自然科學(xué)基金委員會(以下簡稱自然科學(xué)基金委)堅持以習(xí)近平新時代中國特色社會主義思想為指導(dǎo),全面貫徹黨的二十大和二十屆二中、三中全會精神,深刻領(lǐng)會習(xí)近平總書記關(guān)于基礎(chǔ)研究的重要論述和指示批示精神,堅持需求導(dǎo)向和自由探索,堅持“四個面向”的戰(zhàn)略導(dǎo)向,牢牢把握科學(xué)基金新定位,強化基礎(chǔ)研究前瞻性、戰(zhàn)略性、系統(tǒng)性布局,推進教育、科技、人才一體化發(fā)展
融合級聯(lián)頻域特征的信息微觀擴散預(yù)測模型————作者:賴雨陽;朱小飛;
摘要:微觀擴散預(yù)測對于深入理解信息在社會網(wǎng)絡(luò)中的傳播具有關(guān)鍵意義.為了進一步提升信息傳播預(yù)測的精準度,文中提出融合級聯(lián)頻域特征的信息微觀擴散預(yù)測模型.首先,基于用戶友誼關(guān)系和歷史級聯(lián),分別構(gòu)建社交圖和信息擴散超圖,并利用圖卷積神經(jīng)網(wǎng)絡(luò)提取用戶在社交關(guān)系和轉(zhuǎn)發(fā)行為上的表征.然后,應(yīng)用傅立葉變換,將級聯(lián)的時域特征映射至頻域,通過高頻分量與低頻分量捕捉級聯(lián)的短期波動和長期趨勢.最后,為了生成更具表現(xiàn)力的用戶表...
生物拓撲語義增強的藥物與微生物異質(zhì)圖表征學(xué)習(xí)————作者:郭全明;郭延哺;宋勝利;陳紫豪;朱昊坤;
摘要:微生物與藥物的相互作用對人體健康具有重要影響.現(xiàn)有關(guān)聯(lián)預(yù)測方法未充分建模異質(zhì)圖的內(nèi)部節(jié)點信息,且忽略不同元路徑實例蘊含信息的重要性.為此,文中提出生物拓撲語義增強的藥物與微生物異質(zhì)圖表征學(xué)習(xí)方法(Biological Topology-Semantic Enhanced Heterogeneous Graph Representation Learning for Drug-Microbe Int...
基于自適應(yīng)組合濾波器的譜圖神經(jīng)網(wǎng)絡(luò)————作者:李偉諾;黃梅香;盧福良;屠良平;
摘要:譜圖神經(jīng)網(wǎng)絡(luò)(Spectral Graph Neural Networks, SGNNs)在處理同配圖數(shù)據(jù)時性能較優(yōu).然而,現(xiàn)有的SGNNs大多基于拉普拉斯矩陣的多項式近似設(shè)計濾波器,難以有效捕獲圖譜信號中的高頻部分,進而限制其在異配圖數(shù)據(jù)上的應(yīng)用.此外,基于拉普拉斯矩陣設(shè)計的濾波器僅反映圖拓撲的全局結(jié)構(gòu)特征,無法靈活適應(yīng)圖數(shù)據(jù)中復(fù)雜的局部模式.為此,文中提出基于自適應(yīng)組合濾波器的譜圖神經(jīng)網(wǎng)絡(luò)(S...
高量子位橫場伊辛模型的通用波函數(shù)重構(gòu)————作者:叢爽;林麗敏;
摘要:為了研究重構(gòu)高維橫場伊辛模型中基態(tài)波函數(shù)的泛化性能,文中提出高量子位通用波函數(shù)概率分布重構(gòu)模型.該模型利用Mamba的自回歸特性,同時結(jié)合高效采樣流程,無需額外標簽樣本就能自動生成獨立訓(xùn)練樣本.結(jié)合多基態(tài)尺度縮放與變分蒙特卡洛優(yōu)化策略,僅利用少量小區(qū)間內(nèi)的不同物理參數(shù)訓(xùn)練高量子位通用波函數(shù)的模型權(quán)值.在40量子位系統(tǒng)波函數(shù)重構(gòu)的數(shù)值仿真實驗中,僅需采用外場強度為0.5至1.5的部分值進行權(quán)值訓(xùn)練,...
輕量化特征點及可變形描述符提取網(wǎng)絡(luò)————作者:方寶富;張克傲;王浩;袁曉輝;
摘要:特征點提取是視覺同時定位與建圖(Visual Simultaneous Localization and Mapping, VSLAM)的重要步驟之一,近年來出現(xiàn)的基于深度學(xué)習(xí)的特征點提取方法通常效率較低,無法滿足實時性要求,也不能提供描述符所需的幾何不變性.為此,文中提出輕量化特征點及可變形描述符提取網(wǎng)絡(luò)(Lightweight Keypoint and Deformable Descripto...
角色增強的共情回復(fù)生成————作者:吳運兵;葉成龍;陰愛英;陳開志;楊州;
摘要:共情回復(fù)生成旨在理解對話中用戶的經(jīng)歷與感受并表達出合理的回復(fù).心理學(xué)理論認為,角色是人格的外在表現(xiàn),與共情密切相關(guān).然而,現(xiàn)有工作主要關(guān)注共情的認知因素和情緒因素,忽略有益于共情的角色因素,導(dǎo)致缺少個性化的共情回復(fù).為了解決該問題,文中提出角色增強的共情回復(fù)生成模型(Persona-Enhanced Empathetic Response Generation Model, PERG).首先,為了...
基于領(lǐng)域知識融合和短語結(jié)構(gòu)約束的冶金文獻命名實體識別方法————作者:陳瑋;余正濤;王振晗;
摘要:冶金命名實體識別旨在識別冶金領(lǐng)域文本中的冶金技術(shù)、冶金工藝、術(shù)語、金屬元素、冶金機構(gòu)等相關(guān)實體,是冶金領(lǐng)域知識獲取與整理、熱點識別、信息檢索的基礎(chǔ).但是,標注數(shù)據(jù)稀缺,實體類型與通用領(lǐng)域差異顯著,包含較多長實體,這些使通用領(lǐng)域命名實體識別模型難以遷移至冶金領(lǐng)域.因此,文中提出基于領(lǐng)域知識融合和短語結(jié)構(gòu)約束的冶金文獻命名實體識別方法,利用少量冶金領(lǐng)域的實體標注語料微調(diào)模型,增強遷移模型對冶金領(lǐng)域?qū)嶓w...
《模式識別與人工智能》2024年總目次
摘要:<正>~
國家自然科學(xué)基金條例
摘要:<正>(2007年2月24日中華人民共和國國務(wù)院令第487號公布2024年11月8日中華人民共和國國務(wù)院令第796號修訂)第一章 總 則第一條 為了規(guī)范國家自然科學(xué)基金的使用與管理,提高國家自然科學(xué)基金使用效能,加強基礎(chǔ)研究,培養(yǎng)科學(xué)技術(shù)人才,增強自主創(chuàng)新能力,實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略,推動實現(xiàn)高水平科技自立自強,根據(jù)《中華人民共和國科學(xué)技術(shù)進步法》,制定本條例。第二條 國家自然科學(xué)基金工作堅持黨中央...
無錨框關(guān)鍵點與注意力機制結(jié)合的自適應(yīng)孿生網(wǎng)絡(luò)目標追蹤方法————作者:袁帥;竇慧澤;耿金玉;欒方軍;
摘要:目前孿生網(wǎng)絡(luò)目標追蹤算法在目標候選框的生成階段計算復(fù)雜度較高,導(dǎo)致算法存在實時性較差以及在復(fù)雜場景中目標追蹤精準度較低等缺陷.針對這些問題,文中提出無錨框關(guān)鍵點與注意力機制結(jié)合的自適應(yīng)孿生網(wǎng)絡(luò)目標追蹤方法.首先,在孿生子網(wǎng)絡(luò)的主干網(wǎng)絡(luò)中設(shè)計大核卷積注意力模塊,提取目標全局特征,提升方法的精準度和泛化能力.然后,設(shè)計無錨框多關(guān)鍵點模塊,學(xué)習(xí)目標的多關(guān)鍵點,采用自適應(yīng)學(xué)習(xí)權(quán)重系數(shù)模塊,篩選準確的目標關(guān)...
基于擴散模型的無條件反事實解釋生成方法————作者:仲智;王宇;祝子燁;李云;
摘要:反事實解釋通過對輸入數(shù)據(jù)實施最小且具解釋性的改動改變模型輸出,揭示影響模型決策的關(guān)鍵因素.現(xiàn)有基于擴散模型的反事實解釋方法依賴條件生成,需要額外獲取與分類相關(guān)的語義信息,難以保證語義信息質(zhì)量并增加計算成本.針對上述問題,文中基于生成擴散模型中的DDIMs(Denoising Diffusion Implicit Models),提出基于擴散模型的無條件反事實解釋生成方法.首先,利用隱式去噪擴散模型...
基于優(yōu)質(zhì)樣本篩選的離線強化學(xué)習(xí)算法————作者:侯永宏;丁旺;任懿;董洪偉;楊松領(lǐng);
摘要:針對離線強化學(xué)習(xí)算法過度依賴數(shù)據(jù)集樣本質(zhì)量的問題,提出基于優(yōu)質(zhì)樣本篩選的離線強化學(xué)習(xí)算法.首先,在策略評估階段,賦予優(yōu)勢值的樣本更高的更新權(quán)重,并添加策略熵項,快速識別高質(zhì)量且在數(shù)據(jù)分布內(nèi)概率較高的動作樣本,從而篩選更有價值的動作樣本.在策略優(yōu)化階段,最大化歸一化優(yōu)勢函數(shù)的同時,保持對數(shù)據(jù)集上動作的策略約束,使算法在數(shù)據(jù)集樣本質(zhì)量較低時也可高效利用優(yōu)質(zhì)樣本,提升策略的學(xué)習(xí)效率和性能.實驗表明,文中...
相關(guān)電子信息期刊推薦
核心期刊推薦
copyright © www.56st48f.cn, All Rights Reserved
搜論文知識網(wǎng) 冀ICP備15021333號-3