简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.
简介:摘要:跨领域案件的检索,往往由于技术领域较为陌生,审查员未掌握该技术领域的专业技术知识,而导致检索要素扩展困难。本文以一个案例为切入点,探寻图片检索在跨领域的结构类案件中对应关键词、分类号扩展的应用。
简介:最新研究表明,学术成就不是衡量学生成功的唯一标准。大学和就业的成功是多维度的,需用多种指标进行评价。ACT综合能力测评框架是对学生在学习和工作中取得成功所需掌握的知识和技能的完整描述,是ACT公司新一代综合能力测评系统的命题基础。本文着重介绍ACT综合能力测评框架中跨领域能力的命题思路,旨在为中国考试改革提供借鉴和参考。
简介:摘要:现如今,我国是智能化快速发展的新时期,为更好制定人工智能领域发展政策,通过构建人工智能领域的技术融合网络,分析该领域技术融合机理。基于人工智能领域2010~2019年的专利数据,结合技术维度和组织维度,从技术特征、组织的技术特征、组织的关系特征3个层面进行实证研究。结果表明:人工智能领域组织合作稀疏、融合技术相对分散、组织和技术具有明显的核心边缘结构特征;技术特征层面,相似技术更易融合,已发生融合的技术会促进新融合发生;组织的技术特征层面,组织拥有的共性技术会抑制与其他技术融合的发生;组织的关系特征层面,组织间合作关系对技术融合作用与领域发展阶段密切相关,“伙伴圈”会抑制技术融合。