-
基于集体反思的多智能体强化学习框架,用于面向任务的对话策略学习
凯旭 | 王振宇 | 赵洋洋 | 方博鹏亮点:•一个多智能体框架,利用辅助智能体通过集体智能获取用户意图级别的反馈,从而提升系统的可扩展性。•辅助智能体与主智能体之间的协作,避免了针对特定任务的超参数调整,并减少了次优行为对策略学习的影响。•在三个以任务为导向的对话数据集上的表现
来源:Neural Networks
时间:2026-05-19
-
具有信息分离功能的全球-局部适应方法,用于抗噪声的传输故障诊断
任俊宇|甘文胜|张光宇|钟伟|余菲利普·S.摘要现有的传输故障诊断方法通常假设数据是干净的或领域特征具有足够的相似性,这在存在严重噪声干扰和领域变化的工业环境中限制了它们的有效性。为了解决这一挑战,我们提出了一种信息分离全局-局部对抗网络(ISGFAN),这是一种在噪声条件下进行
来源:Neural Networks
时间:2026-05-19
-
QMSANet:一种基于四元数的多尺度注意力网络,用于鲁棒的颜色图像去噪
易刘|齐谢|余国|陈国清|吴博阳|孟德宇|让-米歇尔·莫雷尔|金启宇|郭国宝•QMSANet完全在四元数域中运行,能够在处理的各个阶段一致地对通道间相关性进行建模,从而减少结构模糊并保留精细的结构细节。•该网络整合了三个定制模块:QMSB用于提取多尺度稀疏特征,QSEB用于增强深
来源:Neural Networks
时间:2026-05-19
-
通过KANs更好地利用光照先验信息以去除夜间闪光
Aoxiang Ning | Minglong Xue | Senming Zhong | Palaiahnakote Shivakumara | Mingliang Zhou摘要在夜间摄影中,强光源常常会产生光晕现象,这种现象与场景的照明分布密切相关。然而,现有的方法忽略了这种
来源:Neural Networks
时间:2026-05-19
-
OACodec:通过正交解耦和互信息最小化实现音频属性分离
钱玉坤|张文杰|张泽华|周连宇|庄旭毅|王明江摘要基于端到端神经网络和向量量化的神经音频编解码器(NACs)最近实现了高保真度的语音压缩和重建。然而,大多数现有的NACs学习到的潜在代码会混合说话人的音色、韵律和语音信息,这限制了其可解释性和可控性。尽管有一些尝试引入了考虑属性的
来源:Neural Networks
时间:2026-05-19
-
通过多粒度对齐实现跨模态食谱检索
Runqi Zan|Tao Yao|Yuxin Yu|Guorui Sheng|Zongchao Huang摘要随着全球对食品安全和营养管理的日益重视,跨模态食谱检索技术在食品计算领域变得越来越重要。然而,以往的方法通常侧重于将食谱文本和图像与粗粒度嵌入对齐,以学习一个共享空间,
来源:Neural Networks
时间:2026-05-19
-
一种端到端的双主干网络框架,用于无人机鱼类疾病检测,该框架采用了优化的GateHCO特征融合机制
Jiaji Pan|Zehui Liu|Xuanzhi Li|Xianwu Luo|Fengming Huang|Miaolei He|Wei Qin|Yaoyi Cai|Jun Xiao|Yu Li|Hao Feng摘要早期检测鱼类疾病对于抑制传染性疾病具有重要意义。如今,计算
来源:Neural Networks
时间:2026-05-19
-
随机逼近方法在对比学习中的应用
Erland B. Olsson | 杨志荣摘要对比学习通过将正样本(相似的例子)拉近,将负样本(不相似的例子)推开,从而学习从输入到输出的映射关系。这种方法在计算机视觉的广泛应用中得到了验证,涵盖了图像分类、目标检测、视频处理等多个领域,并在自然语言处理、音频与语音、图论、推荐
来源:Neural Networks
时间:2026-05-19
-
Mapp:一种模型不可知的隐私保护框架,用于双边图神经网络推理
Juxiang Zeng|Pinghui Wang|Yangchao Qian|Tingqin Liu|Jing Tao|Xiaohong Guan摘要图神经网络(GNNs)在医疗保健和金融等关键领域取得了显著的成功,然而部署基于GNN的预测服务会引发隐私问题,这些问题涉及客户的
来源:Neural Networks
时间:2026-05-19
-
循环求解器中的联合算子学习:用于界面重建的分数阶拉普拉斯-贝尔特拉米特征
郑阳阳|魏华毅|曹书豪|郭如驰摘要在这项工作中,我们提出了一种联合算子学习方法,用于从边界数据重建电导率系数的图像。受到利用偏微分方程(PDE)求解器作为该逆问题预处理器的启发,我们研究了一种“求解器内循环”训练机制。该机制允许集成在PDE求解器模块中的可学习参数与神经网络中的参
来源:Neural Networks
时间:2026-05-19