本文展示了知识图谱对机器推理关于传感器观察到的信号原因的影响,表明构建更加智能的监控系统的方法允许推理信号的最有可能的原因来代替不考虑信号来源而直接采取行动的方法。
Aug, 2022
本文综述了从统计学和物理学等传统观点以及从图信号处理 (GSP) 角度采用的更近期的方法。本文重点强调了传统和 GSP 为基础的图推理方法之间的概念上的异同,并强调了后一种方法在许多理论和实践情景中的潜在优势,并结论了未来信号处理和机器学习算法的设计面临的若干开放问题和挑战。
Jun, 2018
本文利用 5G/B5G 测试网络采集数据,构建了一个基于知识图谱和图卷积神经网络的自动节点分类和网络异常原因追踪模型,该模型应用于公共数据集上的无监督学习中取得了比现有模型更好的分类精度。
讨论了机器学习在知识图谱上的应用以及实验评估了一种适用于工业系统的异常活动评分方法。该方法经过无监督训练后,能够在各种场景下生成直观易懂、可解释的警报,为利用知识图谱的关系式机器学习在入侵检测方面带来潜在的好处。
May, 2021
本文介绍了图形学习方法,如何通过图信号了解底层网络拓扑,以及统计方法,使用相关分析学习高斯图模型,并介绍近期的 GSP 基础网络推断框架,以及对动态网络的推断,非线性模型的配对交互以及对有向图的扩展及其与因果推理的关系等领域的挑战和机遇进行概述。
Oct, 2018
本论文提出了一种基于认知语义学和知识图谱的语义传播框架,使用三元组来提取语义信息并进行纠错,相较于其他基准系统具有更高的数据压缩率和通信可靠性。
Feb, 2022
本文提出一个基于知识图谱的图推理模型,通过消息传播和图注意力机制,将外部信息有效地整合到深度神经网络中,提高社交关系识别准确性。试验结果表明,该模型在公共基准测试中优于目前领先的竞争对手。
Jul, 2018
本文研究基于图信号的信号处理问题,提出了一种基于核回归的模型方法,能够有效地处理图信号的重构和估计问题,并通过多核方法的应用,解决了参数选择和滤波器自动选择的难题。
May, 2016
通过将知识图谱的概念融入移动网络的智能操作中,建立了一个无线数据知识图谱,从而实现对从无线通信网络收集的海量和复杂数据的特征数据集的按需生成,提高了人工智能训练、推理和验证过程的效率,并显著减少了通信网络的资源浪费和开销。
Apr, 2024
我们提出了一个图信号模型,并将信号恢复任务转化为对应的优化问题,通过交替方向乘子方法提供一般解决方案,然后展示了信号修复、矩阵完成、鲁棒主元分析和异常检测等都与图信号恢复有关,提供了相应的特定解决方案和理论分析,最后在在线博客分类、桥梁状况识别、温度估计、推荐系统和在线博客分类专家意见结合等实际恢复问题上验证了所提出的方法。
Nov, 2014