Reducing fuzzy relation equations via concept lattices
University of Cádiz(加的斯大学)
本文利用模糊关系方程(FRE)与概念格的关联,基于面向属性和面向对象概念格的属性约简理论检测冗余方程,实现无信息损失的FRE约简,降低可解方程的解集计算量,并提出不可解FRE的近似解计算新方法。
2024-10-08 cs.AI
Object-Oriented Dynamic Networks
本文描述了面向对象的动态网络(OODN)等知识表示模型,它为我们提供了一个表示知识的机会,这些知识可以及时修改,在对象和对象类之间建立新的关系,并表示它们修改的结果。该模型基于对象的属性和方法表示。它使我们有可能对对象进行分类,并在某种意义上建立其类型的层次结构。此外,它能够表示概念之间的修改关系,建立新的对象类的基础上现有的类,并创建集合和多集的概念。OODN可以表示为一个连通的有向图,其中节点是概念,边是它们之间的关系。使用这种知识表示模型,我们可以考虑修改的知识和运动,通过网络的图形作为一个过程的逻辑推理或找到正确的解决方案或创造力等所提出的方法给我们一个机会,以模拟人类知识系统的某些方面和人类思维的主要机制,特别是获得新的经验和知识。
2015-10-14 cs.AI
Fuzzy Object-Oriented Dynamic Networks. I
Taras Shevchenko national University of Kyiv(基辅塔拉斯·舍甫琴科国立大学);University of Rzeszow(热舒夫大学)
模糊对象和它们的类的概念进行了描述,使它能够结构化地表示有关模糊和部分定义的对象和它们的类的知识。在这样的对象和类的操作也提出了,使人们有可能获得集和新的类的模糊对象,并在外部因素的影响下,对象结构的模型变化。
2016-02-16 cs.AI
Inheritance in Object-Oriented Knowledge Representation
Taras Shevchenko national University of Kyiv(基辅塔拉斯·舍甫琴科国立大学)
本文讨论了面向对象程序设计、框架和面向对象动态网络等知识表示模型中的继承机制。此外,还讨论了模糊和不精确知识表示中的继承问题。本文介绍了新的继承类型,所有已知的继承类型和方法的一般分类,它允许避免在许多情况下的问题与异常,冗余和模糊的面向对象的动态网络及其模糊扩展。所提出的方法基于同构和非同构或异构类对象的概念,这使得继承层次结构的建立更加灵活和有效。
2015-10-14 cs.AI
Semantic Oriented Agent based Approach towards Engineering Data Management, Web Information Retrieval and User System Communication Problems
Vienna University of Technology(维也纳技术大学)
软件产业对软件产生了四个严重的问题,即,本论文主要讨论了用户系统通信/人机界面、Meta数据抽取、信息处理与管理以及数据表示等问题。为了在该领域做出贡献,我们已经提出并描述了一个智能语义面向代理的搜索引擎,包括智能图形用户界面的概念,基于自然语言的信息处理,数据管理和数据重建的最终用户端的信息表示。
2010-08-07 cs.AI
BBQ-Networks: Efficient Exploration in Deep Reinforcement Learning for Task-Oriented Dialogue Systems
我们提出了一种新算法,可以显著提高对话系统中深度Q学习代理的探索效率。我们的智能体通过汤普森采样进行探索,从贝叶斯反向传播神经网络中提取蒙特卡罗样本。我们的算法比常见的探索策略(如ε-greedy,Boltzmann,bootstrapping和基于内在奖励的策略)学习得更快。此外,我们还证明了,在重放缓冲区中加入一些成功的经验,可以使Q学习在可能失败的情况下变得可行。
2017-11-20 cs.AI cs.CL cs.LG
DeepSVU: Towards In-depth Security-oriented Video Understanding via Unified Physical-world Regularized MoE
School of Computer Science and Technology, Soochow University(苏州大学计算机科学与技术学院)
本文提出DeepSVU任务,通过统一物理世界正则化MoE方法,提升视频中威胁的识别、归因和评估能力。
2026-02-20 cs.AI cs.CV
Remote Inference over Dynamic Links via Adaptive Rate Deep Task-Oriented Vector Quantization
School of ECE, Ben-Gurion University of the Negev(内盖夫本-古里安大学电子与计算机工程学院);Rafael Advanced Defense Systems(拉斐尔先进防务系统公司)
针对动态链路和速率受限信道下远程推理的压缩自适应难题,提出基于嵌套码本与渐进学习的ARTOVeQ机制,实现多速率、多分辨率、可逐次细化的低延迟深度推理。
2025-01-05 cs.AI eess.SP
CORL: Research-oriented Deep Offline Reinforcement Learning Library
Tinkoff
CORL 是一个面向研究的深度离线强化学习开源库,通过单文件实现、实验跟踪和 D4RL 基准测试,为离线及离线到在线算法提供可靠、透明且易于分析的实现与评估工具。
2023-10-26 cs.AI cs.LG
Towards Goal-oriented Intelligent Tutoring Systems in Online Education
Singapore Management University(新加坡国立管理学院);National University of Singapore(国立新加坡大学);University of Science and Technology of China(中国科学技术大学)
本文提出目标导向型智能导学系统(GITS)任务,并设计基于图的强化学习框架PAI,结合认知结构与动态诊断模型进行练习和评估规划,在三个学科基准数据集上验证了其有效性与效率。
2025-08-22 cs.AI cs.CY cs.IR
CrossTalk: Intelligent Substrates for Language-Oriented Interaction in Video-Based Communication and Collaboration
University of California San Diego(加州大学圣地亚哥分校)
本文提出CrossTalk视频会议系统,通过面板基底、语言意图识别和轻量级交互技术,将智能主动融入通信协作,实现更流畅灵活的交互体验。
2023-08-07 cs.AI cs.CL cs.HC
A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented, Temporal and Depth-aware design
Institute of Mathematical;Computer Sciences (ICMC) University of S a o Paulo S a o Carlos, S a o Paulo, Brazil
语义图像和视频分割是当今计算机视觉中最重要的任务之一,因为它们通过对给定场景中的像素进行密集分类来提供对环境的完整和有意义的表示。最近,深度学习,更准确地说是卷积神经网络,在性能和泛化能力方面将语义分割提升到了一个新的水平。然而,设计深度语义分割模型是一项复杂的任务,因为它可能涉及依赖于应用程序的方面。特别是,在考虑自动驾驶应用时,应该考虑鲁棒性-效率权衡以及内在限制(计算/内存边界和数据稀缺性)和约束(实时推理)。在这方面,使用额外的数据形式,如深度感知的推理场景的几何形状,从视频的时间线索,以探索冗余和一致性,是有前途的方向,但尚未探索其全部潜力的文献。在本文中,我们进行了调查的深度语义分割在自动驾驶汽车的视觉背景下,最相关的和最新的进展,从三个不同的角度:面向效率的模型开发的实时操作,RGB深度数据集成(RGB-D语义分割),并使用时间感知模型的视频的时间信息。我们的主要目标是从每个角度对主要方法,优势,局限性,结果和面临的挑战进行全面讨论,以便读者不仅可以开始,而且还可以了解这一令人兴奋和具有挑战性的研究领域的最新进展。
2023-03-08 cs.AI cs.CV
PrimeSeeker: Capability-Oriented Supervision for Deep Search Agents
Beihang University(北京航空航天大学);Huawei Technologies Ltd.(华为技术有限公司);Tsinghua University(清华大学)
针对深度搜索智能体训练中全局难度指标与局部检索能力不匹配的问题,提出PrimeSeeker框架,通过潜在锚点推理构建基于网络的锚点结构并联合生成问题与参考证据骨架,以监督微调和强化学习优化,在五个基准上以更少工具调用实现强性能。
2026-09-30 cs.AI cs.CL
Synthetic Resonance: A Framework for Growth-Oriented Human-AI Relationships
Arizona State University(亚利桑那州立大学)
提出“合成共鸣”概念,描述人机间无需共享情感或意识即可产生有意义关系的结构化动态互动模式,并探讨其伦理意义。
2026-06-19 cs.AI cs.HC
Deep Clustering via Center-Oriented Margin Free-Triplet Loss for Skin Lesion Detection in Highly Imbalanced Datasets
Amasya University(阿马西亚大学);Bilkent University(比尔肯特大学);National Magnetic Resonance Research Center, Bilkent University(比尔肯特大学国家磁共振研究中心);Sabuncu Brain Research Center, Bilkent University(比尔肯特大学萨本朱脑研究中心)
黑色素瘤是一种致命的皮肤癌,是可以治愈的,并且在早期诊断时具有显著增加的存活率。基于学习的方法对于从皮肤镜图像检测黑色素瘤具有重要的前景。然而,由于黑色素瘤是一种罕见的疾病,现有的皮肤病变数据库主要包含高度不平衡的良性与恶性样本的数量。反过来,由于大多数类别的统计优势,这种不平衡在分类模型中引入了实质性偏差。为了解决这个问题,我们引入了一种基于皮肤镜图像的潜在空间嵌入的深度聚类方法。聚类是使用一种新的面向中心的无边缘三重损失(COM-三重)来实现的,该算法对卷积神经网络主干的图像嵌入进行了强制执行。该方法的目标是形成最大分离的聚类中心,而不是最小化分类错误,因此它对类不平衡不太敏感。为了避免对标记数据的需要,我们进一步提出了基于高斯混合模型生成的伪标签来实现COM三元组。综合实验表明,COM-三重损失的深度聚类优于三重损失的聚类,以及监督和无监督设置中的竞争分类器。
2022-04-03 cs.AI cs.CV cs.LG
An AI Chatbot for Explaining Deep Reinforcement Learning Decisions of Service-oriented Systems
University of Duisburg-Essen(杜伊斯堡-埃森大学);paluno – The Ruhr Institute for Software Technology(paluno——鲁尔软件技术研究所)
本文提出 Chat4XAI,利用 ChatGPT API 与提示工程为面向服务系统中的 Deep RL 黑箱决策生成自然语言解释,并通过自适应服务示例评估其保真度与稳定性。
2023-09-25 cs.AI cs.CL cs.LG