检索结果-内蒙古大学图书馆

计算机研究与发展 2024年第6期61卷 1401-1428页

作者：张园曹华伟张婕申玥孙一鸣敦明安学军叶笑春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 中国科学院大学北京100049 中国科学院大学南京学院南京211135

图计算作为分析与挖掘关联关系的一种关键技术,已在智慧医疗、社交网络分析、金融反欺诈、地图道路规划、计算科学等领域广泛应用.当前,通用CPU与GPU架构的并行结构、访存结构、互连结构及同步机制的不断发展,使得多核CPU与GPU成为图处... 详细信息

图计算作为分析与挖掘关联关系的一种关键技术,已在智慧医疗、社交网络分析、金融反欺诈、地图道路规划、计算科学等领域广泛应用.当前,通用CPU与GPU架构的并行结构、访存结构、互连结构及同步机制的不断发展,使得多核CPU与GPU成为图处理加速的常用平台.但由于图处理具有处理数据规模大、数据依赖复杂、访存计算比高等特性,加之现实应用场景下的图数据分布不规则且图中的顶点与边呈现动态变化,给图处理的性能提升和高可扩展性带来严峻挑战.为应对上述挑战,大量基于多核CPU与GPU平台的图处理系统被提出,并在该领域取得显著成果.为了让读者了解多核CPU与GPU平台上图处理优化相关技术的演化,首先剖析了图数据、图算法、图应用特性,并阐明图处理所面临的挑战.然后分类梳理了当前已有的基于多核CPU与GPU平台的图处理系统,并从加速图处理设计的角度,详细、系统地总结了关键优化技术,包括图数据预处理、访存优化、计算加速和数据通信优化等.最后对已有先进图处理系统的性能、可扩展性等进行分析,并从不同角度对图处理未来发展趋势进行展望,希望对从事图处理系统研究的学者有一定的启发.

关键词：多核CPU与GPU平台图处理系统图数据表示负载均衡不规则访存动态图处理

来源：评论

学校读者我要写书评

暂无评论

HSEGRL:一种分层可自解释的图表示学习模型

引用

计算机研究与发展 2024年第8期61卷 1993-2007页

作者：李平宋舒寒张园曹华伟叶笑春唐志敏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 中国科学院大学北京100049 中国科学院大学南京学院南京211135

近年来,随着图神经网络(graph neural network,GNN)技术在社交、信息、化学、生物等领域的广泛应用,GNN可解释性也受到广泛的关注.然而,现有的解释方法无法捕获层次化的解释信息,同时,这些层次信息未能被充分利用以提升图分类任务的准确... 详细信息

近年来,随着图神经网络(graph neural network,GNN)技术在社交、信息、化学、生物等领域的广泛应用,GNN可解释性也受到广泛的关注.然而,现有的解释方法无法捕获层次化的解释信息,同时,这些层次信息未能被充分利用以提升图分类任务的准确率.基于这一问题,提出了一种层次化自解释的图表示学习(hierarchical self-explanation graph representation learning,HSEGRL)模型,该模型通过发现图结构中的层次信息进行图分类预测的同时,输出层次化的模型自解释结果.具体而言,针对图层次信息的发现设计了提取信息的基本单元——解释子,该解释子由提取节点特征的编码器获取层次化解释感知子图的池化层和抽取高阶解释信息的解码器组成.其中,为了准确提取层次化的解释子图,针对该模型的池化操作进行了解释感知优化设计,该设计通过评估模型的拓扑及特征重要性,层次化地筛选解释子图,实现分层自解释的同时完成图分类任务.HSEGRL是一个功能完备且便于迁移的图表示学习自解释模型,可以层次化综合考虑模型的拓扑信息与节点特征信息.在模型有效性验证层面,分别在分子、蛋白质和社交数据集上进行大量实验,实验结果表明所提模型在图分类任务中的分类准确率高于已有的先进的GNN自解释模型和GNN模型,并通过可视化分层解释结果的信息证明了该解释方法可信.

关键词：图表示学习图神经网络可自解释模型图拓扑消息传递机制

来源：评论

学校读者我要写书评

暂无评论

以人为本的可解释智能医疗综述

引用

计算机辅助设计与图形学学报 2024年第5期36卷 645-657页

作者：宋淑超陈益强于汉超张迎伟杨晓东中国科学院计算技术研究所移动终端与新型计算北京市重点实验室北京100190 中国科学院大学北京100190 中国科学院前沿科学与教育局北京100864

随着人工智能(artificial intelligence,AI)的高速发展,“黑盒”模型已逐渐展示出逼近甚至超越人类的能力,尤其在智能医疗等高风险应用场景中,其可解释性是用户在应用中信任和理解AI的关键基础.虽然已有工作提供了大量事前和事后的AI可... 详细信息

随着人工智能(artificial intelligence,AI)的高速发展,“黑盒”模型已逐渐展示出逼近甚至超越人类的能力,尤其在智能医疗等高风险应用场景中,其可解释性是用户在应用中信任和理解AI的关键基础.虽然已有工作提供了大量事前和事后的AI可解释方法,但大都采用通用型解决思路,未考虑不同用户在不同场景下多维度的理解和信任需求.以人为本的AI可解释方法能够针对用户实际需求对AI模型进行可解释分析,近年来逐渐受到国内外学者的关注.文中聚焦智能医疗应用,对近5年人机交互国际顶级会议的文献进行分析,回顾现有辅助诊断、辅助用药、未病预警方面以人为本的AI可解释方法及系统,从决策时间花费、用户专业度和诊疗工作流程3个维度梳理和定位可解释需求的系统性方法,得出4类典型用户画像和对应案例;并从考虑资源受限、不同用户的多样需求、与现有流程结合3个方面,为如何设计可解释的医疗辅助诊断系统提出建议.

关键词：可解释人工智能临床决策支持系统智能医疗人智交互用户体验

来源：评论

学校读者我要写书评

暂无评论

蛋白质组学肽段鉴定可信度评价方法

引用

生物化学与生物物理进展 2023年第1期50卷 109-125页

作者：周文婧曾文锋迟浩贺思敏中国科学院智能信息处理重点实验室中国科学院计算技术研究所北京100190 中国科学院大学北京100049

蛋白质组学基于质谱数据鉴定肽段和蛋白质,从而给出基因表达的直接证据,帮助解析蛋白质的结构和功能,研究蛋白质与疾病的关系,提供靶向治疗方案,而这些都取决于鉴定的肽段和蛋白质的准确性。蛋白质组学常采用目标-诱饵库方法 (target-de... 详细信息

蛋白质组学基于质谱数据鉴定肽段和蛋白质,从而给出基因表达的直接证据,帮助解析蛋白质的结构和功能,研究蛋白质与疾病的关系,提供靶向治疗方案,而这些都取决于鉴定的肽段和蛋白质的准确性。蛋白质组学常采用目标-诱饵库方法 (target-decoy approach,TDA)对鉴定的肽段和蛋白质进行质量控制,并对其进行改进演化后应用到子类肽段(比如突变肽段和修饰肽段等)和交联肽段等特殊鉴定结果的可信度评价中。然而,TDA存在两个局限,即错误率估计值不够准确以及不能评价单个鉴定结果的可信度,经过TDA质量控制后的结果还需要进一步检验,因此领域内也提出了一系列其他方法 (本文统称为Beyond-TDA方法),协同加强肽段的可信度评价。本文对数据依赖模式下采集的质谱数据肽段层面的TDA常规方法和特殊方法进行了综述,对Beyond-TDA方法进行了分类阐述,并总结了各种方法的优势与不足。

关键词：蛋白质组学质谱分析目标-诱饵库方法假发现率可信度评价方法

来源：评论

学校读者我要写书评

暂无评论

通感算协同的无人机群轨迹规划与功率分配

引用

西安电子科技大学学报 2023年第3期50卷 61-74页

作者：吴义豪齐彦丽周一青蔡青刘玲石晶林中国科学院大学北京100049 中国科学院计算技术研究所处理器芯片全国重点实验室北京100190 中国科学院计算技术研究所移动计算与新型终端北京市重点实验室北京100190

区域性自然灾害会造成地面基础通信设施的损坏,无人机群组网可作为空中基站恢复通信。现有研究集中于静态场景下如何在无人机频谱和电池容量受限的条件下为救援人员提供高效通信服务。然而,实际场景中救援人员的位置移动和业务变化会导... 详细信息

区域性自然灾害会造成地面基础通信设施的损坏,无人机群组网可作为空中基站恢复通信。现有研究集中于静态场景下如何在无人机频谱和电池容量受限的条件下为救援人员提供高效通信服务。然而,实际场景中救援人员的位置移动和业务变化会导致静态方案失效。针对这一问题,提出了通感算协同的无人机群调度算法。首先实时感知环境信息,即救援人员历史位置信息和业务需求,并对救援人员未来位置和业务需求进行预测,为无人机群的调度提供先验信息;其次,针对无人机负载约束提出了改进的k-sums算法用于实现无人机群位置的部署,以实现无人机群负载均衡;最后,进一步采用强化学习算法,对无人机群的发射功率进行优化,在有限带宽下保证救援人员的通信服务质量。仿真结果表明,相比于静态场景下基于信噪比建立救援人员与无人机群关联,所提的无人机群调度算法能够有效提升约20%的网络效用(网络通信收益与通信成本之差),为应急救灾场景下救援人员的业务服务提供保障。

关键词：通感算协同无人机应急通信强化学习

来源：评论

学校读者我要写书评

暂无评论

面向文本摘要的反事实纠偏方法

引用

计算机学报 2023年第11期46卷 2400-2415页

作者：陈璐张儒清郭嘉丰范意兴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 中国科学院大学北京100190

文本摘要是自然语言处理领域中一项典型的文本到文本生成任务,旨在提取和概括一篇或多篇输入文档的关键信息,生成简洁、流畅又准确的摘要文本.自动文本摘要技术涉及自然语言理解和自然语言生成技术,并能应用于多种实际场景,包括文档索... 详细信息

文本摘要是自然语言处理领域中一项典型的文本到文本生成任务,旨在提取和概括一篇或多篇输入文档的关键信息,生成简洁、流畅又准确的摘要文本.自动文本摘要技术涉及自然语言理解和自然语言生成技术,并能应用于多种实际场景,包括文档索引、标题生成和内容创建,因此受到学术界和工业界的长期关注.近年来,基于神经网络的深度文本摘要模型得到广泛研究.结合先进的预训练技术,现有的深度文本摘要模型已经具备流畅的语言表达能力,能够生成较为通顺的摘要.然而,模型生成的摘要仍然存在表达不准确的问题,与原文存在信息偏差或包含原文以外的信息.该问题被称为“幻觉”问题,仍是一个巨大的挑战.针对这个问题,该文从因果的角度分析了基于预训练模型的深度文本摘要方法存在的偏差来源,并设计了去偏方法.因果理论为理解和建模复杂系统提供了一个强大的框架.在文本摘要系统中,因果推理可以帮助识别文档、摘要和语言先验之间的因果关系.理解这些变量之间的因果关系,有助于设计出针对系统中潜在偏差来源的去偏方法.具体来说,该文首先探究了文本摘要任务的因果结构,定义和分析了摘要任务的因果图.分析表明,摘要会受到预训练过程中习得的语言先验的影响.其中,语言先验包含的噪声会导致生成的摘要有偏.由于先前的摘要模型没有考虑或规避语言先验中潜在噪声的影响,导致模型生成的摘要中容易出现原文没有的信息.为此,该文根据因果理论提出了面向文本摘要的反事实纠偏方法.受到人类行为的启发,该文根据是否和原文交互,显式地区分语言先验中的有用知识和噪声,然后建模噪声对摘要的影响并从总体影响中去除.在XSUM和CNN/DailyMail数据集上的实验表明,该模型在Rouge-1、Rouge-2和Rouge-L指标上分别比基线方法BART提高0.75%、0.54%和0.46%以及1.29%、2.08%和1.20%,并且在人工评价中具备良好的流畅性和忠实性.本文提出的方法是一个通用的框架,适用于不同的深度文本摘要模型.通过利用因果理论,它对文本摘要领域以及其他文本生成任务有一定的启发,增加了该领域方法的可解释性.

关键词：深度文本摘要模型因果效应反事实推理幻觉去偏

来源：评论

学校读者我要写书评

暂无评论

容错深度学习加速器跨层优化

引用

计算机研究与发展 2024年第6期61卷 1370-1387页

作者：张青刘成刘波黄海同王颖李华伟李晓维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 中国科学院大学北京100049 北京控制工程研究所北京100094

容错深度学习加速器是保障高可靠深度学习的基石,也是深度学习应用于安全关键领域如宇航、机器人等面临的一个关键环节.然而,深度学习计算和访存都非常密集,传统基于冗余计算的容错方法直接应用于深度学习加速器的容错设计会导致严重的... 详细信息

容错深度学习加速器是保障高可靠深度学习的基石,也是深度学习应用于安全关键领域如宇航、机器人等面临的一个关键环节.然而,深度学习计算和访存都非常密集,传统基于冗余计算的容错方法直接应用于深度学习加速器的容错设计会导致严重的功耗、芯片面积等硬件资源开销.为此,从神经元计算任务和神经元的数据位宽2个维度挖掘深度学习模型对于故障的敏感度差异,并利用这些差异从架构和电路层分别对于敏感的部分提供更多的保护以降低容错代价.同时,利用深度学习自身的容错特性,通过限制量化缩小电路层需要保护的电路逻辑规模.最后,利用贝叶斯优化协同优化算法、架构和电路的跨层设计参数,在保障深度学习可靠性、精度以及性能的前提下,最小化硬件资源开销.

关键词：跨层优化容错深度学习加速器脆弱因子异构架构选择性冗余

来源：评论

学校读者我要写书评

暂无评论

基于集合效用边际贡献学习的可解释薪酬预测算法

引用

计算机研究与发展 2024年第5期61卷 1276-1289页

作者：孙莹章玉婷庄福振祝恒书何清熊辉香港科技大学(广州)人工智能学域广州511458 中国科学院计算技术研究所专项技术研究中心北京100190 北京航空航天大学人工智能研究院北京100191 BOSS直聘职业科学实验室北京100028 中国科学院智能信息处理重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京101408

知识技能对薪酬影响作用视为一种多变量影响下高维元素集合的效用建模问题.深度神经网络为解决复杂问题提供了新的机遇,但针对知识导向的细粒度薪酬预测问题,仍缺乏能够对复杂变量影响下的集合效用进行准确、可解释建模的神经网络结构.... 详细信息

知识技能对薪酬影响作用视为一种多变量影响下高维元素集合的效用建模问题.深度神经网络为解决复杂问题提供了新的机遇,但针对知识导向的细粒度薪酬预测问题,仍缺乏能够对复杂变量影响下的集合效用进行准确、可解释建模的神经网络结构.为此,提出一种基于边际贡献的增量式集合效用网络(marginal contribution-based incremental set utility network,MCISUN)来拟合元素加入时的效用增量,从而灵活且可解释地建模集合效用.区别于以往基于池化层的排列不变性建模算法,MCISUN构建顺序敏感的中间结果,利用集合的排列不变性实现数据增强,有效提升模型数据效率及泛化性.最后,大规模真实薪酬数据上的实验结果表明所提模型在基于技能的薪酬预测任务上比最先进的(state-of-the-art,SOTA)模型效果提升超过30%.同时,定性实验证明模型能够为技能设置合理的贡献值且发现技能间的关联.

关键词：集合效用建模边际贡献薪酬预测神经网络可解释性

来源：评论

学校读者我要写书评

暂无评论

基于长距离上下文的大语言模型预训练数据检测方法

引用

计算机研究与发展 2025年

作者：张伟超张儒清郭嘉丰范意兴中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所) 中国科学院大学中关村实验室

预训练数据检测方法旨在大语言模型的预训练数据未公开时，检测某段给定的文本是否属于该模型的预训练数据，可用于审查大语言模型的预训练数据使用过程是否符合法律法规.现有方法通常认为大语言模型对训练文本的词元概率在整体上比非... 详细信息

预训练数据检测方法旨在大语言模型的预训练数据未公开时，检测某段给定的文本是否属于该模型的预训练数据，可用于审查大语言模型的预训练数据使用过程是否符合法律法规.现有方法通常认为大语言模型对训练文本的词元概率在整体上比非训练文本的高，并基于此判定具有高预测概率的文本为训练文本.然而，由于训练文本和非训练文本之间存在着大量的短片段重叠现象，导致模型对非训练文本的词元概率也可能比较高，使得现有方法容易将非训练文本误检为训练文本.受大语言模型的记忆能力研究启发，通过对比给定全部上下文时的词元概率与给定短距离上下文时的词元概率之间的差异，计算得到长距离上下文对词元概率提升的贡献度，并认为贡献度越大的文本更可能是训练文本，进而缓解短片段重叠现象对检测的不利影响.其核心思想在于，大语言模型在预测训练文本中词元的概率时，距离当前词元较远的上下文对词元概率提升的贡献度，会比非训练文本中的贡献度更大.在多个公开数据集上的实验结果表明该方法的有效性.

关键词：大语言模型模型记忆能力训练数据版权成员推理攻击数据污染

来源：评论

学校读者我要写书评

暂无评论

虚拟人运动控制策略学习方法的研究进展与展望

引用

计算机辅助设计与图形学学报 2025年第2期37卷 185-206页

作者：叶永竞许逸文张子豪胡磊夏时洪中国科学院计算技术研究所前瞻研究实验室北京100190 中国科学院大学北京100049

虚拟人运动合成是虚拟现实和角色动画领域中的关键问题之一,旨在合成真实自然且能够响应用户输入信息的运动序列.虚拟人运动控制策略根据用户输入约束解算关节力矩,并依托现有的物理引擎更新虚拟人状态,合成的运动序列在满足用户输入约... 详细信息

虚拟人运动合成是虚拟现实和角色动画领域中的关键问题之一,旨在合成真实自然且能够响应用户输入信息的运动序列.虚拟人运动控制策略根据用户输入约束解算关节力矩,并依托现有的物理引擎更新虚拟人状态,合成的运动序列在满足用户输入约束的同时可以满足物理真实性.近年来,深度强化学习技术因在序列决策和交互任务中的出色表现而备受研究者的关注,为基于物理引擎的虚拟人控制策略学习提供了新途径.文中对虚拟人运动控制策略学习方法进行综述,从理论基础和应用设计等方面介绍相关研究.在应用设计方面,首先基于深度强化学习的基础元素,从状态表示、奖励函数设计、控制策略设计以及物理仿真4个角度对现有工作进行梳理总结;其次,分析现有通用技术框架并指出其在控制策略上的拓展方向,并以实际问题为例探讨虚拟人运动控制策略的具体应用.最后,总结当前该领域的研究现状,指出利用丰富的运动捕获数据提升运动控制策略的深度与广度是未来的主要研究方向,展望虚拟人运动控制策略学习方法在多模态的感知与控制、世界模型学习和具身智能等应用方向的发展前景.

关键词：虚拟人运动控制策略强化学习深度学习角色动画

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：