基于翻译日志的统计机器翻译模型剪枝

提出一种基于翻译日志的统计机器翻译模型的剪枝方法。该方法利用翻译规则在翻译日志中的命中频数对机器翻译规则进行过滤, 保留当前机器翻译模型所需的最小规则表。实验表明, 该方法能够在仅保留原有模型1%~3%翻译规则的前提下达到原有模型的翻译效果。     

决策树挖掘技术在手术诊断上的实现

在ID3算法基础上提出了基于卡方测试的前剪枝算法,并在Jbuilder2006系统下构建了一个基于决策树挖掘技术的可视化决策系统。该研究基于B/S架构的系统,通过浏览器自动将服务器上的A pplet下载到客户端来访问系统,实现了医疗系统的手术诊断数据表的数据挖掘,所得到的实验结果与专家诊断结果基本吻合,取得了较好的实际应用效果。     

博弈树搜索算法研究

通过讨论人工智能中用于计算机博奕的一般技术如极大极小搜索、Alpha-Beta剪枝、小窗口搜索,对五子棋博奕的内在规律进行了分析研究,给出解决五子棋博奕的2种优化算法,这2种优化算法大大提高了搜索效率,相比之下引入置换表后的优化算法的搜索效率更高。     

经济网格中基于剪枝策略的时间-费用优化任务调度

由于在经济网格环境下,存在着资源异构和分布的特征,网格任务调度变成了一个复杂的问题.为此,针对独立任务,在考虑用户的服务质量经济需求偏好的基础上,提出了一个优化用户时间和费用的任务调度方案选择算法.该算法首先将网格中兼顾时间和费用的任务调度方案形式化为一个n层m叉树,然后将调度方案的选择问题转化为树的遍历问题,最后利用剪枝方法避免无效路径的搜索,降低了时间复杂度,实现了任务的优化调度.结果表明该算法能按照用户的时限和费用需求偏好选择优化的调度方案,且在性能上优于传统的未剪枝算法.所以该算法是一种可行的任务调度算法.     

决策树分类算法的分析和比较

在数据挖掘中存在多种算法,决策树分类算法是应用比较多的一种。基于决策树分类算法的研究现状,对各种决策树分类算法的基本思想进行了阐述,并对不同的算法进行了分析和比较。     

具有多尺度决策的信息系统的最优全局剪枝选择

作为人工智能领域的一个重要方向，粒计算在数据挖掘和知识发现方面的研究呈现较大的优势.针对具有多尺度决策的信息系统的知识获取问题，利用粒度树与剪枝来研究具有多尺度决策的信息系统的最优尺度选择问题.首先介绍了粒度树与剪枝的概念，每个属性和决策都有一个粒度树，每个粒度树都有许多不同的局部剪枝，代表特定属性下的尺度选择.不同属性和决策的一个局部剪枝组合形成全局剪枝，从而产生一个混合尺度决策表.其次，给出具有多尺度决策的信息系统基于粒度树与剪枝的最优全局剪枝选择的概念.最后将全局剪枝选择与最优尺度选择进行比较研究，还设计了一个算法来验证该方法的有效性.     

基于模型剪枝动态调整压缩率的CSI反馈方法

针对现有基于深度学习(deep learning, DL)的信道状态信息(channel state information, CSI)反馈方案只能以固定压缩率(compression rate, CR)进行压缩反馈的问题，提出了一种基于模型结构化剪枝动态调整CR的CSI反馈方案。首先设计了残差信道特性注意(residual channel characteristic attention, RCCA)机制，并搭建了CSI反馈网络RCCA-Net,充分利用复信道矩阵实部虚部间的幅度相位依赖关系，进一步提高CSI反馈-重建质量。其次设计了RCCA-Prune方案，并以?²范数评估各神经元对最终结果的贡献度，通过模型结构化剪枝技术删除贡献度较小的神经元以实现CR的动态调整。仿真结果表明，所提的动态调整CR方案在不同CR下均有较佳的反馈性能，且在不同的测试环境中具有良好的泛化性。