【摘 要】
：
随着人工智能技术的突破性进展,人工智能与可视化的交叉研究成为当前的研究热点之一,为人工智能和大数据分析领域的若干核心难题提供了启发式的理论、方法和技术.一方面,人工智能技术的创新应用提升了可视化的分析效率,拓展了分析功能,为大数据可视分析提供了强有力的工具.另一方面,可视化技术增强了以深度学习为代表的人工智能的可解释性和交互性,为可解释人工智能提供了可靠的技术基础.本文从面向人工智能的可视化技术和
论文部分内容阅读
随着人工智能技术的突破性进展,人工智能与可视化的交叉研究成为当前的研究热点之一,为人工智能和大数据分析领域的若干核心难题提供了启发式的理论、方法和技术.一方面,人工智能技术的创新应用提升了可视化的分析效率,拓展了分析功能,为大数据可视分析提供了强有力的工具.另一方面,可视化技术增强了以深度学习为代表的人工智能的可解释性和交互性,为可解释人工智能提供了可靠的技术基础.本文从面向人工智能的可视化技术和人工智能驱动的可视化技术两个方向,分别介绍了数据质量改善、可解释机器学习、智能特征提取、可视化自动布局与
其他文献
随着《国务院关于授权和委托用地审批权的决定》的印发,我国以新增建设用地管控为核心的用地审批制度的事权配置进一步明晰,但存量建设用地审批的制度设计相对滞后。文章基于土地发展权视角,梳理我国土地开发及利用过程中各级政府用地审批的事权配置,分析国土空间规划中用地审批制度建立的任务与面临的困境,并结合广州城市更新用地报批实践,探讨国土空间规划中存量建设用地审批的制度设计及审批策略,提出存量建设用地的审批应
在资源紧约束背景下,"先底后图"的底线思维纠偏了传统城乡规划中重发展轻保护的倾向。"双评价"作为新时代国土空间规划重要的基础工作和平衡保护与发展的核心标尺,是划定"三区三线"、分解传导指标、优化国土空间格局、制定高质量发展策略等的重要支撑依据。"双评价"结果是明确保护的底线与控制发展的上限,在底线之上、上限之下如何科学合理地布局国土空间还需要结合社会经济发展情况来判断。文章以生态保护与经济发展矛盾
随着国家启动实施乡村振兴战略,推动农业农村发展,近郊乡镇地区成为新的投资热土,大量资金的投入带来了乡镇产业的转移、空间模式和土地利用方式的变化。文章结合上海市近郊某镇"产城乡"一体化发展的实证案例,研究某镇在乡村振兴和城镇化发展上相互作用机制,系统梳理和解析了大城市近郊乡镇空间在"产城乡"一体化发展下的土地运作模式,并探索了土地要素作用下近郊乡镇"产城乡"一体化发展的实施路径。
城市在全球科研合作网络中的地位能级可以反映城市在全球科学版图中的门户作用和支配能力。研究以Web of Science合著论文数据为基础,选取全球526个主要城市(包括44个中国主要城市),借助空间分析和网络分析,研究了2002—2006和2014—2018年两个时段全球城市科研合作网络的演进过程,并重点关注中国城市在网络中的演化特征。研究结果显示:(1)全球城市科研合作网络的重心逐渐从欧美向亚太
源自开发区以产业发展为核心目标的城市产业新区是我国城市化进程中城市新区的主干组成部分。在对武汉市三个典型产业新区的城市用地发展进行了全面梳理和数据分析后发现:城市产业新区中的城市用地发展总体可归纳为两类功能空间的独立发展,其生产空间的发展由新区自身发展所主导,而生活空间的发展则实际是由新区所处城市地域的城市功能发展所主导,两者在发展中并不存在着相互关联。基于研究发现,进一步提出引导城市产业新区走向
中国正处于从"体力城镇化"走向"智力城镇化"的关键窗口期,能否以生态文明的建构为目标导向,促进社会创新和创造经济价值,是衡量中国城镇化是否能够"华丽转型"走上高质量发展道路的重要标准。根据指标的关键性、客观性、易获性,遴选碳汇指数(CSI)、税收指数(LTI)、专利指数(IPI)共3大关键指标,以各个指标年度之间的变量作为核心依据,对我国城市空间使用的生态效益、经济效益、社会效益进行评价,并构建城
迁移学习利用不同但相关的源域标记数据来解决目标领域的学习问题,大多数减小域间分布差异的方法依赖于最大均值差异距离,但其仅仅能匹配域间数据分布的各阶矩.此外,隐私保护意识的增强限制了对数据源的访问,对迁移学习的发展提出了新的挑战.本文提出一种基于联合分布核适配的迁移学习及其隐私保护方法,直接在再生核希尔伯特空间中同时减小域间边缘分布和条件分布的差异,从而学习一个域不变核矩阵.此外,我们设置数据源双方
在传统的特征选择方法中,为了保证行的稀疏性,经常采用l_1范数或者l_(2,1)范数来约束评价矩阵.作为凸正则项,它们在多数情况下可以发挥良好的作用.然而在处理冗余性特征时,一些非凸正则项有望表现出更好的性能.借助自适应流形学习与非凸约束的优点,本文提出了一种新的算法,叫做基于自适应对偶图与非凸约束的嵌入特征选择(adaptive dual graphs and non-convex constr
全切片数字成像(whole slide imaging, WSI)是病理切片数字化的核心技术,其自动对焦的速度和精度决定了WSI系统的性能.然而,传统的自动对焦方法需要拍摄多张离焦子图像创建图像堆栈,或者需要复杂的硬件调制光学系统,从而限制了WSI在实际场景中的应用.本文设计了基于深度学习的数字病理扫描系统单次曝光自动对焦方法,对子图像逐个进行网络虚拟自动对焦,将单张离焦子图像通过网络直接生成准焦
联邦学习能够在保障本地数据隐私前提下利用分布式数据和计算资源实现机器学习模型联合训练.现有异步联邦学习有效解决了同步联邦学习所存在的计算资源浪费、训练效率低等问题.然而,现有异步联邦学习通过聚合不同节点训练得到局部模型,并通过中心服务器完成全局模型更新,内生性地受制于中心化信用模式,存在单点失效、隐私泄露等问题.为此,提出了一种基于区块链的隐私保护异步联邦学习,通过上链局部模型并通过共识算法生成全