检索结果-内蒙古大学图书馆

计算机学报 2022年第3期45卷 542-566页

作者：闵巍庆刘林虎刘宇昕罗梦江蒋树强中国科学院智能信息处理重点实验室北京100190 中国科学院计算技术研究所北京100190 中国科学院大学北京100049

食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计... 详细信息

食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计算机视觉领域中细粒度视觉识别的重要分支,因而具有重要的理论研究意义,并在智慧健康、食品智能装备、智慧餐饮、智能零售及智能家居等方面有着广泛的应用前景.为此,本文对食品图像识别领域进行了全面综述.该文首先从识别对象、视觉特征表示及学习方法等不同维度对目前的食品图像识别进行分类并深入阐述和分析了当前的研究进展,指出深度学习模型是当前食品图像识别的主流方法,融入各种上下文信息和外部知识是改进食品图像识别的重要手段.其次从食品数据规模、食品类型及是否包含上下文和多模态信息等方面介绍了现有的食品图像识别数据集,并给出了不同识别方法在主流数据集上的性能对比和分析.接下来总结了食品图像识别在饮食质量评估、食品自动结算、智能厨具、食品图像的组织检索和推荐等多个方面的应用情况.最后本文从面向食品特点的食品图像识别方法、大规模食品图像识别基准数据集构建等方面对食品图像识别未来可能的研究方向进行了总结和展望.

关键词：食品图像识别深度学习饮食管理食品计算

来源：评论

学校读者我要写书评

暂无评论

基于多历史序列联合演化建模的两阶段时序知识图谱推理

引用

中文信息学报 2024年第2期38卷 46-53页

作者：李紫宣官赛萍靳小龙白龙郭嘉丰程学旗中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049

近年来,随着互联网技术和应用模式的迅猛发展,互联网数据规模爆炸式增长,其中包含大量带有时序信息的动态事件知识。为了建模这类动态事件知识,时序知识图谱在传统知识图谱的基础上引入时间信息,以带时间戳的知识图谱序列刻画这类知识... 详细信息

近年来,随着互联网技术和应用模式的迅猛发展,互联网数据规模爆炸式增长,其中包含大量带有时序信息的动态事件知识。为了建模这类动态事件知识,时序知识图谱在传统知识图谱的基础上引入时间信息,以带时间戳的知识图谱序列刻画这类知识。时序知识图谱推理任务旨在根据过去发生的事件四元组(主语实体,关系(事件类型),宾语实体,时间戳)预测未来发生的事件。为此,模型需要充分建模实体的历史演化过程。然而,巨大的实体数目以及它们对应的大量历史事件给时序知识图谱推理任务带来了巨大挑战。为了降低待建模历史的规模,已有方法选择建模查询实体的长程历史或者全部实体的短程历史,都丢失了一部分历史信息。实际上,由于不同实体对于一个查询的相关程度不同,模型需要更充分地建模相关实体的历史信息。基于此,该文提出了基于多历史序列联合演化建模的两阶段时序推理模型MENet(Multi-sequence Evolution Network)。具体而言,其在第一阶段采用了一种基于启发式规则的候选实体筛选策略,选择最有可能发生事件的候选实体,从而有效地降低了需要建模的实体数目;在第二阶段,其采用了一个多历史序列联合演化模型:首先通过组合多个实体各自的长程历史信息,得到需要建模的图序列,进而通过考虑该图序列上同时刻发生事件之间的结构依赖、事件发生的时间数值信息以及不同时刻之间的时序依赖,从而更精准地建模实体演化过程。在三个标准数据集上的实验结果表明,上述模型相比于当前最先进的方法模型具有更好的推理性能。

关键词：时序推理知识图谱

来源：评论

学校读者我要写书评

暂无评论

异常信息敏感的框架API生命周期模型构造

引用

计算机学报 2024年第9期47卷 1989-2008页

作者：燕季薇黄进豪杨恒钦严俊中国科学院软件研究所软件工程技术研究开发中心北京100190 北京工业大学信息学部北京100124 国科大杭州高等研究院杭州310024 中国科学院软件研究所基础软件与系统重点实验室北京100190 中国科学院软件研究所计算机科学国家重点实验室北京100190

大型软件系统的实现依赖于底层框架或第三方库,但这些复杂的框架/库代码在演化升级时往往独立于其调用者,为上层软件的质量保障带来挑战.例如,框架/库代码演化时新增和删除API、更改API的代码语义等行为会导致框架/库代码的不同版本之... 详细信息

大型软件系统的实现依赖于底层框架或第三方库,但这些复杂的框架/库代码在演化升级时往往独立于其调用者,为上层软件的质量保障带来挑战.例如,框架/库代码演化时新增和删除API、更改API的代码语义等行为会导致框架/库代码的不同版本之间不兼容,进而在上层应用开发者更新版本时,影响应用代码的正确性.为应对这一问题,需精准提取框架/库代码API的演化过程,形成演化报告,协助上层应用开发者选择兼容的版本或快速进行代码适配.其中,框架/库代码API的演化过程分析对应着框架API生命周期模型构造.现有工作中的API生命周期模型主要关注API的存在性变动,而未考虑特定代码语义变更对开发者的影响,特别是异常相关代码带来的语义变更,给上层软件系统带来隐患.为此,本文采用面向Java字节码的静态分析方法,识别框架API中的异常抛出行为并为其生成异常摘要报告,通过多轮流式匹配策略获取异常信息的变更情况,最终为框架/库代码构造异常信息敏感的API生命周期模型.该方法:(1)通过控制依赖语句切片提取异常抛出语句的关键触发条件,采用参数推断策略将局部变量的约束条件转换为仅与外部输入参数相关的异常前断言,并基于自底向上的摘要传递实现跨过程异常摘要提取;(2)通过关键信息精准匹配和自适应模糊匹配策略,分析异常摘要信息的新增、删除和修改情况,最终得到异常敏感的API生命周期模型(共涉及七种API变更形式).基于该方法,实现了基于Java字节码分析的API生命周期提取工具JavaExP.与现有最新方法相比,JavaExP的异常摘要信息提取准确性(F1值)提高了67%,分析用时减少了87%.对真实项目的API生命周期演化分析表明,与异常不敏感的API生命周期模型相比,采用异常敏感的模型时,API发生变动的比例提高了18%.在75,433个被分析的API中,约有20%API的异常抛出行为至少发生过一次改变,这些API共涉及超过七千多处独立的异常变更.在多个项目上的分析结果表明,异常敏感的模型构造能够更加精准地描述API的演化过程.

关键词：静态分析代码演化 Java异常摘要 API生命周期

来源：评论

学校读者我要写书评

暂无评论

光波导输入的双通道同步定标虚拟成像相位阵列光谱仪

引用

光子学报 2024年第4期53卷 1-10页

作者：张中楠林栋朱小明王宇韬冯吉军何晋平中国科学院南京天文光学技术研究所太阳与空间仪器研究室南京210042 中国科学院天文光学技术重点实验室南京210042 中国科学院大学北京100049 上海理工大学光电信息与计算机工程学院上海200093 中国科学院大学南京学院南京211135

激光频率梳定标的虚拟成像相位阵列光谱仪有潜力同时实现超高光谱分辨率与波长定标精度,对于天文光谱探测有重要意义。然而,现有的研究工作中,虚拟成像相位阵列光谱仪采用常规的双通道光纤输入模式,在受环境干扰时,两个通道的同步性较差... 详细信息

激光频率梳定标的虚拟成像相位阵列光谱仪有潜力同时实现超高光谱分辨率与波长定标精度,对于天文光谱探测有重要意义。然而,现有的研究工作中,虚拟成像相位阵列光谱仪采用常规的双通道光纤输入模式,在受环境干扰时,两个通道的同步性较差,相对漂移严重,从而降低了光谱仪的重复性定标精度。为解决该问题,提出一种以光波导作为输入器件的双通道虚拟成像相位阵列光谱仪,利用波导通道之间相对稳定的特性,实现更高水平的同步定标精度。通过对不同环境下光谱仪的稳定性进行研究得出,在相似的测试条件下,波导输入的虚拟成像相位阵列光谱仪的重复性定标精度明显优于光纤输入时的定标表现。

关键词：天文光谱探测虚拟成像相位阵列双通道光谱仪光波导同步定标激光频率梳

来源：评论

学校读者我要写书评

暂无评论

自动迭代聚类数据集训练的虚假信息识别方法

引用

情报学报 2023年第1期42卷 59-73页

作者：张均胜孙晓平刘志辉中国科学技术信息研究所北京100038 中国科学院计算技术研究所智能信息实验室北京100190

随着互联网虚假信息日益泛滥,自动识别虚假信息成为互联网信息治理的迫切需求。互联网上虚假信息伴随新事件不断产生,导致识别虚假信息的有监督统计机器学习模型需要不断更新迭代。每次迭代更新都需要构建新的训练集,以便新的虚假信息... 详细信息

随着互联网虚假信息日益泛滥,自动识别虚假信息成为互联网信息治理的迫切需求。互联网上虚假信息伴随新事件不断产生,导致识别虚假信息的有监督统计机器学习模型需要不断更新迭代。每次迭代更新都需要构建新的训练集,以便新的虚假信息能在训练集中得以体现。为此,本研究提出一种动态迭代更新训练集构筑机器学习模型的虚假信息识别方法,设计基于核密度估计的迭代聚类方法对虚假信息数据集进行迭代聚类。在每一个自动得到的聚类中,按比例分别选取训练集样本和测试集样本构造分类器的训练样本集和测试样本集,使新产生事件的样本能够在训练集中得到体现。研究结果显示,基于核密度估计的迭代聚类方法划分数据集训练得到的虚假信息分类器,与随机划分数据集策略相比,能够显著提升虚假信息分类准确度。

关键词：聚类核密度估计数据集划分虚假信息识别

来源：评论

学校读者我要写书评

暂无评论

面向Intel GPU基于核函数调度的高吞吐深度学习推理系统

引用

计算机科学 2024年

作者：周悦媛刘义邵恩何鑫处理器芯片全国重点实验室(中国科学院计算技术研究所) 中国科学院大学

随着加速器硬件算力的增长，深度学习在线推理任务通常未能充分利用GPU资源。为减少资源浪费并提升系统吞吐量，空分复用的多任务并行机制，例如英伟达的MIG和MPS，已被广泛应用。这些系统通常为每个用户请求分配资源，而忽视了一个用... 详细信息

随着加速器硬件算力的增长，深度学习在线推理任务通常未能充分利用GPU资源。为减少资源浪费并提升系统吞吐量，空分复用的多任务并行机制，例如英伟达的MIG和MPS，已被广泛应用。这些系统通常为每个用户请求分配资源，而忽视了一个用户请求中不同核函数的资源需求差异。核函数粒度的调度系统在保证服务质量（QoS）时，面临调度开销极小（微秒级）和资源分配与负载排序相互依赖的挑战。针对这些挑战，面向结合MIG和MPS优势的Intel GPU，设计了一种基于时延预估的高吞吐QoS保障推理系统。该系统通过调度情况剪枝、预估算法设计、以及优化多层感知器计算的压缩和转化，有效降低了调度开销，并采用重复计算方法解决了资源分配与负载排序的相互依赖问题。实验结果显示，该推理系统在吞吐量上比现有空分复用并行方法WidePipe提升了17%至25.4%，与现有QoS保障方法MtPinn相比QoS满足率提升了8.2%至15%。

关键词：推理系统 QoS保障高吞吐空分复用性能干扰

来源：评论

学校读者我要写书评

暂无评论

基于时序多尺度互补特征的视频行人重识别

引用

计算机学报 2023年第1期46卷 31-50页

作者：侯瑞兵常虹马丙鹏黄锐山世光中国科学院计算技术研究所智能信息处理重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049 香港中文大学(深圳)理工学院广州518172

视频行人重识别在监控场景中起着非常重要的作用.但是,大多数现有方法没有充分利用行人视频序列的时空信息.具体来说,这些方法以相同的分辨率和网络结构处理每一帧图像,造成连续帧特征的高度相似.此外,现有方法通常通过引入各种复杂的... 详细信息

视频行人重识别在监控场景中起着非常重要的作用.但是,大多数现有方法没有充分利用行人视频序列的时空信息.具体来说,这些方法以相同的分辨率和网络结构处理每一帧图像,造成连续帧特征的高度相似.此外,现有方法通常通过引入各种复杂的操作提高精度,过多的计算开销使其不利于真实场景的部署.针对上述问题,本文提出了一个时序多尺度互补网络,旨在高效地为视频的连续帧提取互补的特征.具体来说,时序多尺度互补网络包含多个具有不同输入分辨率的分支.其中,高分辨率分支处理原始分辨率帧,用于保留行人的细节线索;低分辨率分支处理以不同降采样率得到的低分辨率帧,用于捕捉更全局的行人信息.通过将连续帧输入到不同分支中,连续帧能关注不同粒度的空间区域,生成互补的特征.进一步,设计了一个多分支批量归一化层,保证了训练时分支之间的互补性.最后,提出一个跨分支融合模块,将低分辨率分支的全局信息逐步传播到高分辨分支中,得到一个融合了多尺度全局粗粒度和局部细粒度互补信息的特征.在iLIDS-VID,MARS和LS-VID三个数据集上的实验显示,本文提出的方法达到了比目前最好方法更好的性能,例如,在LS-VID上提升了4.5%mAP和3.1%top-1精度,证明了该方法的有效性.此外,通过降低输入帧的分辨率和使用更小的网络处理低分辨率帧,本文方法大幅度降低了计算开销,仅需要大多数现有方法约35%的计算开销.

关键词：视频行人重识别多分支架构多尺度特征表示

来源：评论

学校读者我要写书评

暂无评论

操作系统内核权能访问控制的形式验证

引用

软件学报 2025年 1-17页

作者：徐家乐王淑灵李黎明詹博华吕毅代艺博崔舍承吴鹏谭宇张学军詹乃军基础软件与系统重点实验室(中国科学院软件研究所) 计算机科学国家重点实验室(中国科学院软件研究所) 中国科学院大学天基综合信息全国重点实验室(中国科学院软件研究所) 华为技术有限公司北京控制与电子技术研究所北京大学计算机学院

操作系统内核是构建安全攸关系统软件的基础.任何计算机系统的正确运行都依赖于底层操作系统实现的正确性,因此,对操作系统内核进行形式验证是很迫切的需求.然而,操作系统中存在的多任务并发、数据共享和竞争等行为,给操作系统内核的验... 详细信息

操作系统内核是构建安全攸关系统软件的基础.任何计算机系统的正确运行都依赖于底层操作系统实现的正确性,因此,对操作系统内核进行形式验证是很迫切的需求.然而,操作系统中存在的多任务并发、数据共享和竞争等行为,给操作系统内核的验证带来很大的挑战.近年来,基于定理证明的方法广泛用于操作系统各功能模块的形式验证,并取得多个成功应用.微内核操作系统权能访问控制模块提供基于权能的细粒度访问控制,旨在防止未经授权的用户访问系统内核资源和服务.在权能访问控制模块实现中,所有任务的权能空间构成多个树结构,同时每个任务权能节点包含多种嵌套的复杂数据结构,以及权能函数中广泛存在的对权能结构的访问、修改、(递归)删除等操作,使得它的形式验证与操作系统其他功能模块相比更加困难.将以并发精化程序逻辑CSL-R为基础,通过证明权能应用程序接口函数(API函数)和其抽象规范之间的精化关系,来验证航天嵌入式领域某微内核操作系统权能访问控制的功能正确性.首先对权能数据结构进行形式建模,并在此基础上定义全局不变式来保持权能空间的一致性;然后定义反映功能正确性需求的内核函数的前后条件规范和API函数的抽象规范;最终验证权能API函数C代码实现和抽象规范之间的精化关系.以上所有的定义和验证均在Coq定理证明器中完成.在验证过程中发现实现的错误,并得到微内核操作系统设计方的确认和修改.

关键词：操作系统内核形式验证权能访问控制并发精化分离逻辑

来源：评论

学校读者我要写书评

暂无评论

面向处理器功能验证的硬件化System Verilog断言设计

引用

计算机研究与发展 2024年第6期61卷 1436-1449页

作者：张子卿石侃徐烁翔王梁辉包云岗处理器芯片全国重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学计算机科学与技术学院北京100049 上海科技大学信息科学与技术学院上海201210 中国科学技术大学计算机科学与技术学院合肥230027

功能验证在处理器芯片开发流程中所占用的时间超过70%,因此优化提升功能验证环节的效率非常必要.软件仿真等传统验证方法提供了包括断言等多种验证机制,以提升验证的细粒度可见性和自检查能力,但是软件仿真运行速度较慢,在高效性方面有... 详细信息

功能验证在处理器芯片开发流程中所占用的时间超过70%,因此优化提升功能验证环节的效率非常必要.软件仿真等传统验证方法提供了包括断言等多种验证机制,以提升验证的细粒度可见性和自检查能力,但是软件仿真运行速度较慢,在高效性方面有明显不足.基于FPGA的硬件原型验证方法能极大地加速验证性能,但其调试能力较弱,虽能快速发现漏洞,但难以定位漏洞出现的具体位置和根本原因,存在有效性不足难题.为同时解决上述功能验证有效性与高效性的问题,提出一种将不可综合的断言语言SVA(SystemVerilog Assertion)自动转换成逻辑等效但可综合的RTL电路的方法,聚焦于断言这一类对设计进行非全局建模、纵向贯穿各抽象层级的验证方式,对基于全局指令集架构(instruction set architecture,ISA)模型的验证能力进行补足.同时,结合FPGA细粒度并行化、高度可扩展的优势,对处理器的验证过程进行硬件加速,提升了处理器的开发效率.实现了一个端到端的硬件断言平台,集成对SVA进行硬件化的完整工具链,并统计运行在FPGA上的硬件化断言的触发和覆盖率情况.实验表明,和软件仿真相比,所提方法能取得超过2万倍的验证效率提升.

关键词：断言处理器验证硬件仿真现场可编程逻辑门阵列原型验证

来源：评论

学校读者我要写书评

暂无评论

IR-GCN:二值图卷积神经网络推理加速器

引用

高技术通讯 2024年第10期34卷 1024-1035页

作者：于启航文渊博杜子东中国科学院计算技术研究所处理器芯片国家重点实验室北京100190 中国科学院大学北京100049

针对图卷积神经网络(GCN)中数据规模庞大、不适合边缘端低功耗处理器高效推理计算的问题,本文提出一种将新型二值数据量化算法(IR-Net)应用于GCN模型推理计算的方法,并设计了对应的硬件加速器IR-GCN。同时,针对计算过程中工作负载分布... 详细信息

针对图卷积神经网络(GCN)中数据规模庞大、不适合边缘端低功耗处理器高效推理计算的问题,本文提出一种将新型二值数据量化算法(IR-Net)应用于GCN模型推理计算的方法,并设计了对应的硬件加速器IR-GCN。同时,针对计算过程中工作负载分布不均衡的问题,实现了一种负载均衡模块设计,显著提高了计算效率。实验结果表明,在较小精度损失范围内,IR-GCN加速器可以同时降低计算延迟以及访存开销。与现有性能最优的研究相比,IR-GCN加速器平均具有2.4倍的计算加速比、7.9倍的功耗降低、13.7倍的芯片面积减少以及21.0倍的访存量降低。

关键词：图卷积神经网络(GCN) 二值神经网络(BNN) 硬件加速器

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：