陈亚瑞

作品数：40被引量：129H指数：6
导出分析报告
供职机构：天津科技大学更多>>
发文主题：变分生物识别网络神经网络均值更多>>
发文领域：自动化与计算机技术文化科学天文地球理学更多>>
发文期刊：《天津科技大学学报》《模式识别与人工智能》《信息与电脑》《天文学进展》更多>>
所获基金：国家自然科学基金天津市自然科学基金天津市高等学校科技发展基金计划项目天津市应用基础与前沿技术研究计划更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于监督对比正则化项的信息蒸馏留生成对抗网络
《天津科技大学学报》2025年第2期61-70,共10页陈亚瑞 王晓捷 李晴 刘浩天 史艳翠 赵婷婷 
国家自然科学基金项目(61976156)。
传统生成对抗网络主要通过最大化解耦表示和生成数据之间的互信息来学习解耦表示,较少分析解耦表示各维度之间的独立性。本文提出一种基于监督对比正则化项的信息蒸馏生成对抗网络(information distillation generative adversarial net...
关键词：生成对抗网络 变分自编码器 解耦表示 对比学习 
基于RBAC模型的中文医疗命名实体识别被引量：1
《天津科技大学学报》2024年第5期56-62,共7页张斌 赵婷婷 张碧霞 陈亚瑞 王嫄 
国家自然科学基金项目(61976156);天津市企业科技特派员项目(20YDTPJC00560)。
中文医疗命名实体识别旨在从非结构化数据中抽取结构化实体,目前的主流研究都使用了大量的训练数据。针对中文医疗命名实体识别训练数据匮乏的问题,提出了基于联合分词的RBAC(RoBERTa-BiGRU-Attention-CRF)模型和基于语义搜索的命名实...
关键词：多任务学习 预训练模型 双向门控循环单元 多头注意力 条件随机场 数据增强 
融合语义增强和位置编码的图文匹配方法
《天津科技大学学报》2024年第4期63-72,共10页赵婷婷 常玉广 郭宇 陈亚瑞 王嫄 
国家自然科学基金项目(61976156);天津市企业科技特派员项目(20YDTPJC00560)。
图文匹配是跨模态基础任务之一,其核心是如何准确评估图像语义与文本语义之间的相似度。现有方法是通过引入相关阈值,最大限度地区分相关和无关分布,以获得更好的语义对齐。然而,对于特征本身,其语义之间缺乏相互关联,且对于缺乏空间位...
关键词：跨模态图文匹配 图注意力 位置编码 相关性阈值 
基于探针稀疏注意力机制的门控Transformer模型
《天津科技大学学报》2024年第3期56-63,共8页赵婷婷 丁翘楚 马冲 陈亚瑞 王嫄 
国家自然科学基金项目(61976156);天津市企业科技特派员项目(20YDTPJC00560)。
在强化学习中,智能体对状态序列进行编码,根据历史信息指导动作的选择,通常将其建模为递归型神经网络,但其存在梯度消失和梯度爆炸的问题,难以处理长序列。以自注意力机制为核心的Transformer是一种能够有效整合长时间范围内信息的机制...
关键词：深度强化学习 自注意力机制 探针稀疏注意力机制 
基于对比学习的深度残差网络图像超分辨率方法
《天津科技大学学报》2024年第3期72-80,共9页陈亚瑞 徐肖阳 
传统的基于对比学习的图像超分辨率方法,一般将原始图像作为正样本,将退化图像或其他类图像作为负样本,存在对纹理细节恢复差的问题。本文提出基于对比学习的深度残差网络图像超分辨率(depth residual image super-resolution based on ...
关键词：图像超分辨率 对比学习 残差网络 
潜在空间中的策略搜索强化学习方法
《计算机科学与探索》2024年第4期1032-1046,共15页赵婷婷 王莹 孙威 陈亚瑞 王嫄 杨巨成 
国家自然科学基金(61976156);天津市企业科技特派员项目(20YDTPJC00560)。
策略搜索是深度强化学习领域中一种能够解决大规模连续状态空间和动作空间问题的高效学习方法,被广泛应用在现实问题中。然而,此类方法通常需要花费大量的学习样本和训练时间,且泛化能力较差,学到的策略模型难以泛化至环境中看似微小的...
关键词：无模型强化学习 策略模型 状态表示 动作表示 连续动作空间 策略搜索强化学习方法 
基于Spark分布式框架的海量星表数据时序重构方法研究被引量：1
《天文学进展》2024年第1期86-101,共16页赵青 权文利 陈亚瑞 崔辰州 樊东卫 
国家自然科学基金(11803022,12273077);国家重点研发计划(2022YFF0711500);数字化学习技术集成与应用教育部工程研究中心创新基金(1221004)。
时序重构是时域天文学中的一个重要数据处理步骤,也是拟合光变曲线、开展时域分析研究的基础。Hadoop、Spark这类MapReduce分布式模型在执行过程中分布式集群节点间的任务比较独立,需要跨节点的数据传输量较少。提出了非阻塞异步执行流...
关键词：时域天文学 交叉证认计算 时序重构 分布式计算 SPARK 
基于图卷积神经网络的人体骨架动作识别研究进展被引量：1
《天津科技大学学报》2023年第6期1-11,共11页杨巨成 张泉钰 王波 王嫄 陈亚瑞 赵婷婷 
国家自然科学基金项目(61976156)。
基于人体骨架的动作识别是实现计算机视觉智能的重要分支。本文对基于图卷积神经网络的人体骨架动作识别技术进行研究并分析,对基于频谱图卷积和空域图卷积的研究现状进行综述,并从邻接矩阵和输入特征两个角度详述了图卷积模型在人体骨...
关键词：图理论 图神经网络 图卷积神经网络 基于骨架的动作识别 时空域融合 
全相关约束下的变分层次自编码模型
《天津科技大学学报》2023年第5期64-73,共10页陈亚瑞 胡世凯 徐肖阳 张奇 
天津科技大学青年教师资助计划项目(2017LG10)。
基于深度学习的解耦表示学习可以通过数据生成的方式解耦数据内部多维度、多层次的潜在生成因素,并解释其内在规律,提高模型对数据的自主探索能力。传统基于结构化先验的解耦模型只能实现各个层次之间的解耦,不能实现层次内部的解耦,如...
关键词：解耦表示学习 变分自编码器 概率生成模型 结构化先验 非结构化先验 
潜在空间中深度强化学习方法研究综述
《计算机科学与探索》2023年第9期2047-2074,共28页赵婷婷 孙威 陈亚瑞 王嫄 杨巨成 
国家自然科学基金(61976156);天津市企业科技特派员项目(20YDTPJC00560)。
深度强化学习(DRL)是实现通用人工智能的一种有效学习范式,已在一系列实际应用中取得了显著成果。然而,DRL存在泛化性能差、样本效率低等问题。基于深度神经网络的表示学习通过学习环境的底层结构,能够有效缓解上述问题。因此,基于潜在...
关键词：强化学习 深度学习 潜在空间 状态表示 动作表示 
全选清除导出
共4页<1234>
检索报告 对象比较 聚类工具 使用帮助 返回顶部