检索结果-内蒙古大学图书馆

中国科学：信息科学 2022年第6期52卷 1040-1052页

作者：庄毅敏文渊博李威郭崎中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190 中国科学院大学北京100049 中国科学技术大学计算机科学与技术学院合肥230026 上海寒武纪信息科技有限公司上海201308

随着各类机器学习算法的广泛应用,高能效地定制机器学习系统受到越来越多的关注.定制机器学习系统高效部署的关键在于其编程与编译环境.中间表示是编程与编译环境的核心,用于连接上层编程语言和底层硬件指令.当前的中间表示或是面向上... 详细信息

随着各类机器学习算法的广泛应用,高能效地定制机器学习系统受到越来越多的关注.定制机器学习系统高效部署的关键在于其编程与编译环境.中间表示是编程与编译环境的核心,用于连接上层编程语言和底层硬件指令.当前的中间表示或是面向上层算法或是面向以标量处理为核心的传统处理器,难以高效应对以张量处理为核心的机器学习系统.本文提出了面向机器学习系统的张量中间表示,以提升机器学习系统的编程和运行效率.具体而言,我们定义了一系列张量类型,张量操作及张量存储空间,并在此基础上进行张量处理优化.我们将所提出的张量中间表示对TVM的底层标量中间表示进行了扩展并在典型机器学习系统上进行了实验.我们探索了原有中间表示没有发掘的优化并取得了1.62~2.85倍的性能提升,同时在典型算子的开发效率上平均提升了5.46倍.

关键词：机器学习系统编程与编译张量处理中间表示编程效率

来源：评论

学校读者我要写书评

暂无评论

一个轻量级分布式机器学习系统的设计与实现

引用

计算机工程 2020年第1期46卷 201-207页

作者：宋匡时李翀张士波中国科学院计算机网络信息中心北京100190 中国科学院大学计算机科学与技术学院北京100190

为满足大规模机器学习系统高定制化、低耦合与低资源消耗的需求,设计并实现一个轻量级分布式机器学习系统。采用模块化分层设计并移植多种主流的机器学习与深度学习算法,同时提出参数服务器与动态Ring-AllReduce 2种可扩展梯度同步方案... 详细信息

为满足大规模机器学习系统高定制化、低耦合与低资源消耗的需求,设计并实现一个轻量级分布式机器学习系统。采用模块化分层设计并移植多种主流的机器学习与深度学习算法,同时提出参数服务器与动态Ring-AllReduce 2种可扩展梯度同步方案,对算法模型进行并行训练加速。实验结果表明,该系统对于稀疏与稠密模型均有较好的扩展性与稳定性,参数服务器训练可达到与单机相近的准确率与收敛效果,Ring-AllReduce也能在8节点模型上实现相对单节点模型6倍的训练加速。

关键词：机器学习系统分布式系统并行计算集合通信模块化

来源：评论

学校读者我要写书评

暂无评论

联接机制与符号机制相结合的机器学习系统:发展与展望

引用

计算机科学 1996年第3期23卷 6-9页

作者：孟祥武程虎中国科学院软件所北京100080

机器学习是人工智能研究的一个重点,并已出现了多种学习方法,如:机械学习、归纳学习、演绎学习、类比学习、基于解释学习、遗传算法和联接学习等.

关键词：机器学习系统人工智能联接机制符合机制

来源：评论

学校读者我要写书评

暂无评论

面向机器学习系统的需求建模与决策选择

引用

计算机科学 2020年第12期47卷 42-49页

作者：杨立马佳佳江华禧马肖肖梁赓左春中国科学院软件研究所北京100190 中科软科技股份有限公司北京100190

机器学习支撑的系统应用越来越普遍,但是此类系统的需求通常难以表达完整且可能存在一些难以检测的冲突,使得这些系统通常无法在生产环境中高效满足用户的综合需求。此外,对于在实际场景中使用的机器学习系统,用户信任通常取决于包含可... 详细信息

机器学习支撑的系统应用越来越普遍,但是此类系统的需求通常难以表达完整且可能存在一些难以检测的冲突,使得这些系统通常无法在生产环境中高效满足用户的综合需求。此外,对于在实际场景中使用的机器学习系统,用户信任通常取决于包含可解释性、公平性等非功能需求在内的综合需求的满足程度,且在不同领域内应用机器学习通常有特定的需求,为保证需求描述的质量及实施过程的决策带来了挑战。为解决以上问题,文中提出了一个机器学习系统的需求建模和决策选择框架,包括一个MLS(Machine Learning Systems)需求概念模型和机器学习管道过程元模型,以及对训练数据集、算法等组件的决策选择方法,旨在规范实际场景中机器学习系统的需求设计、开发和评估。实例研究表明,提出的MLS需求描述和实现方法是可行且有效的。

关键词：机器学习系统需求建模非功能需求元模型决策选择

来源：评论

学校读者我要写书评

暂无评论

一种机器学习系统的设计与实现

引用

计算机应用 2001年第Z1期21卷 160-162页

作者：何友鸣方辉云中南财经政法大学信息系湖北武汉430064

在试图完成一种分类专家系统的实践中 ,采用系统与有专门知识用户之间的交互作用 ,完成了系统获取知识的设计。

关键词：专家系统机器学习机器学习系统

来源：评论

学校读者我要写书评

暂无评论

机器学习系统简论

引用

气象 1986年第8期 20-27页

作者：陈槐铭北京工业学院人工智能研究所

一、学习的含义、学习系统的定义学习是人类增长知识、改善技能的基本活动。人所以能适应环境的变化并提高解决问题的能力,其原因在于人能通过学习积累经验,总结规律,以增长知识和才能、从而更好地改善自己的决策与行动。早在人工智能... 详细信息

一、学习的含义、学习系统的定义学习是人类增长知识、改善技能的基本活动。人所以能适应环境的变化并提高解决问题的能力,其原因在于人能通过学习积累经验,总结规律,以增长知识和才能、从而更好地改善自己的决策与行动。早在人工智能研究初期,人工智能研究者就企图理解学习的过程,编制能够进行学习活动的计算机程序。研究学习有两个基本目的。其一是理解学习活动本身。通过开发计算机学习模型,心理学家获得对人类学习的认识,哲学家理解知识的含义、知识增加的原因等。其二是使计算机具有学习的能力。教会计算机去解决问题而不是编制程序是人工智能的长期目标。计算机的许多应用,诸如智能辅助程序等都包括新知识的获取。因此,学习的研究就能开拓计算机的应用范围。学习是人类的基本活动,知识则是智能的集中表现。我们所理解的知识主要有两类。一类是显式

关键词：机器学习系统决策论产生式规则人工智能系统计算机程序神经模型

来源：评论

学校读者我要写书评

暂无评论

时间序列预报的机器学习系统

引用

软件 1995年第Z1期 4-15页

作者：周永刚天津大学自动化系

一、概述时间序列(Time series)是一组按时间顺序排列的数据,而这些数据是以均匀时间间隔采样所得到的离散序列。例如,某种商品的每日销售量,股票的每日价格,每日的平均气温等。对这类数据进行分析的统计方法称为时间序列分析。和其他... 详细信息

一、概述时间序列(Time series)是一组按时间顺序排列的数据,而这些数据是以均匀时间间隔采样所得到的离散序列。例如,某种商品的每日销售量,股票的每日价格,每日的平均气温等。对这类数据进行分析的统计方法称为时间序列分析。和其他统计分析方法不同,时间序列分析的特点是明显地承认观察值的排列顺序的重要性。除极个别情况外,在几乎所有的时间序列中,观察值都是相关的。实际上,所获得的数据的最为重要和有用的特性就是观察值之间的

关键词：机器学习系统概念持续性描述形式思维形式序列时间序列预报规则集

来源：评论

学校读者我要写书评

暂无评论

面向数据中心网络的分布式机器学习系统架构设计与性能分析

面向数据中心网络的分布式机器学习系统架构设计与性能分析

引用

作者：周祺华南京邮电大学

学位级别：博士

数据中心网络是支撑大数据与云计算平台的重要基础设施,被广泛用于数据密集型与大规模并行计算任务。由于此类任务对计算负载、通信带宽有着较高的要求,通常需要依托分布式处理的方式来运行。近年来,随着人工智能技术的迅速发展与各类... 详细信息

数据中心网络是支撑大数据与云计算平台的重要基础设施,被广泛用于数据密集型与大规模并行计算任务。由于此类任务对计算负载、通信带宽有着较高的要求,通常需要依托分布式处理的方式来运行。近年来,随着人工智能技术的迅速发展与各类应用场景的落地,机器学习任务在数据中心内部的占比显著增加。传统的分布式大数据处理系统,例如Hadoop、Spark等,在架构设计之初并未针对机器学习任务进行专门优化,在保障训练收敛效率、提升迭代计算速度、改善模型质量、缩短推理延迟、节约系统资源开销等指标层面表现欠佳。因此,有必要针对机器学习应用这类新兴场景设计专门的分布式系统架构,并进行相关功能的模块构建与性能分析,从而适应现实应用场景的需求。分布式机器学习系统的架构设计通常与业界的软硬件发展状况有着紧密的联系,现有的系统在部署时虽然能够借助数据中心的庞大算力与海量数据资源,但研究表明其实际性能仍旧面临着网络拓扑兼容能力不足、有限带宽影响数据交互性能、异构环境降低集群协同效率、掉队节点拖慢任务处理速度、模型训练消耗大量资源等严峻挑战。而以往的研究往往针对单个性能指标进行改进,未能从整个系统的层面进行综合优化。基于上述现状分析,本文旨在解决制约分布式系统处理机器学习任务时的效率瓶颈问题,设计并实现一个面向数据中心异构环境的高性能分布式机器学习系统,为大规模机器学习应用提供良好的系统性支持。通过对标底层网络拓扑、中间层通信模式与分布式计算、上层应用管理,本文自底而上地对整个系统进行了软硬件综合设计与优化,并将整个系统解耦为四个核心模块,分别对应如下研究目标与优化理念。(1)针对机器学习任务在底层数据中心网络部署过程中,难以有效兼容多接口拓扑的问题。重点研究了去中心化协同场景下的梯度通信特征与网络拓扑适配机制,以提升分布式梯度同步与模型收敛效率。为此,设计了“基于梯度交换与集合式通信的集群拓扑驱动器”模块,其核心目标是使分布式系统适应各类底层网络拓扑。通过设计去中心化的梯度交换算法与集合式通信框架,能够充分发挥多接口网络的并行传输能力,从而提升执行机器学习任务的模型同步效率。实际部署表明,在去中心化的分布式模型训练场景下,集群拓扑驱动器能够节省56.28%的通信时间开销,并提高2.84倍的模型收敛速度。(2)针对机器学习任务在中间层通信过程中,面临有限带宽影响数据交互性能的问题。重点研究了数据中心网络的流量调度、带宽分配与动态压缩机制,以最小化数据传输时间与通信开销。为此,设计了“基于数据中心网络与智能压缩策略的联合流调度器”模块,其核心为共同优化联合流调度与流量压缩策略。提出了面向联合流调度的最快容量消除优先算法,并在群集框架内引入流量压缩技术来减少传输消耗,有效缓解了带宽不足对数据交互性能的制约。为数据传输提供网络层支撑,提升计算密集型任务的通信效率。实际部署表明,在采用Hi Bench的基准测试场景下,联合流调度器模块能够降低1.47倍的平均联合流完成时间,并减少48.41%的通信流量。(3)针对机器学习任务在中间层分布式计算过程中,掉队节点降低异构环境下的集群协同效率的问题。重点研究了适应异构环境的参数同步算法与掉队问题解决方法,以提升集群的算力资源利用率与任务处理速度。为此,设计了“基于掉队投影与并行度控制的异构参数服务器”模块,其核心为感知分布式机器学习任务的应用特征。通过控制各节点训练并行度的方式,消除了节点间的算力异构性。同时采用基于容器粒度的任务迁移方法,平衡集群内的任务负载,进而提升各节点的资源利用率,最终解决异构环境下的掉队问题。实际部署表明,在GPU与CPU组成的异构集群环境下,参数服务器模块能够减少86.16%的掉队延迟时间,并提高3.19倍的训练迭代速度。(4)针对机器学习任务在上层模型训练过程中,受制于大量算力与能量开销的问题。重点研究了资源受限条件下部署绿色机器学习应用的负载分配与资源调度方法,以最小化任务执行时间与能量开销。为此,设计了“基于模型切分与计算图分配的分布式训练管理器”模块,其核心是针对模型训练速度与任务处理的能量开销进行联合优化。通过采用面向模型切分的多层级混合同步机制,并依托计算图分配的方式来协调节点间的任务负载,有效保障了分布式训练的参数同步效率。同时,改善了异构环境下集群的资源利用率,提升了任务处理速度与能量开销两个层面的性能,从而满足了构建绿色分布式机器学习应用的需求指标。实际部署表明,在云边协同的图像分类任务场景下,分布式训练管理器模块能够提高4.67倍的任务处理速度,并减少68.92%的能量开销。上述四个模块共同构成了面向数据中心网络的分布式机器学习系统,能够在分布式训练的效率、任务处理速度与节省能量开销等层面,取得有效的性能提升。本文的研究工作将能够为分布式机器学习系统的后续研究提供理论支撑与方向指导,有利

关键词：数据中心网络分布式处理机器学习系统参数服务器异构环境

来源：评论

学校读者我要写书评

暂无评论

机器学习系统毒化攻击综述

引用

通信技术 2020年第3期53卷 535-542页

作者：张义莲颜晟朱旻捷陈艳国网上海嘉定供电公司上海201800 国网上海市电力公司上海200122

自机器学习被应用到许多关键性领域以来,机器学习系统的脆弱性也引起了人们的高度重视。其中,针对机器学习系统的毒化攻击得到了研究者的广泛关注,呈现了一些研究成果。因此,将系统地介绍当前机器学习系统毒化攻击的研究进展,对机器学... 详细信息

自机器学习被应用到许多关键性领域以来,机器学习系统的脆弱性也引起了人们的高度重视。其中,针对机器学习系统的毒化攻击得到了研究者的广泛关注,呈现了一些研究成果。因此,将系统地介绍当前机器学习系统毒化攻击的研究进展,对机器学习系统毒化攻击算法进行分类和总结,包括针对机器学习中的线性分类器、支持向量机、贝叶斯分类器和深度神经网络等几类常见模型的毒化攻击等攻击算法,目标是使现有的关于机器学习系统毒化攻击的研究成果更加清晰,为相关研究者的研究工作提供启发。

关键词：毒化攻击毒化数据机器学习系统深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于解释学习的石油蒸馏过程故障诊断机器学习系统

引用

计算机与应用化学 1996年第4期13卷 277-281页

作者：吕翠英徐亦方沈复史忠植华南理工大学化工研究所石油大学化工部中国科学院计算所

建立了基于深层知识处理石油蒸馏过程故障诊断知识库不完善问题的学习模型。对于学习模型进行知识获取，对完善知识库过程中产生的多个断口问题进行数学抽象，并提出了较通用的解决策略。同时提出了知识库一致性维护操作方法，使机器学... 详细信息

建立了基于深层知识处理石油蒸馏过程故障诊断知识库不完善问题的学习模型。对于学习模型进行知识获取，对完善知识库过程中产生的多个断口问题进行数学抽象，并提出了较通用的解决策略。同时提出了知识库一致性维护操作方法，使机器学习获得的新知识在确认非矛盾和非冗余后输入到原始知识库中。

关键词：石油蒸馏故障诊断机器学习系统

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：