检索结果-内蒙古大学图书馆

计算机研究与发展 2022年第7期59卷 1553-1568页

作者：黄若然崔莉韩传奇中国科学院计算技术研究所泛在计算系统研究中心北京100190 中国科学院大学计算机科学与技术学院北京101408

随着Web信息的不断增长与发展,对用户稀疏行为的预测已成为目前推荐系统的研究热点.近年来,因子分解机(factorization machine, FM)的提出在一定程度上缓解了稀疏场景下预测精度不准确的问题.它的主要思想是通过2阶特征交互来获取特征... 详细信息

随着Web信息的不断增长与发展,对用户稀疏行为的预测已成为目前推荐系统的研究热点.近年来,因子分解机(factorization machine, FM)的提出在一定程度上缓解了稀疏场景下预测精度不准确的问题.它的主要思想是通过2阶特征交互来获取特征间丰富的语义关系.随后,感知交互因子分解机(interaction-aware factorization machines, IFM)在FM的特征交互基础上引入类别交互的概念来扩展潜在的交互特性,通过把特征和类别分别进行交互后再融合来得到更准确的预测结果.在IFM的基础上,提出了一种特征-类别交互因子分解机(FIFM)模型.FIFM不仅保留了特征交互和类别交互机制,还设计了一种新的特征-类别交互机制(FIM)来进一步挖掘交互信息中的有效信息,并利用融合交互感知来预测不同稀疏场景下的用户行为模式.此外,还基于深度学习提出了一种实现FIFM的神经网络模型GFIM.相比于FIFM,GFIM的参数量和时间复杂度更高,但同时也能捕获更多高阶的非线性特征交互信息,能适合算力较高的应用场景.在4个真实数据集上的实验结果表明,FIFM和GFIM在RMSE指标上超越了当前最好的方法IFM.实验工作探究了多类稀疏场景下的预测结果,记录了时间和空间复杂度的消耗情况,并进行了分析讨论.

关键词：因子分解机特征-类别交互注意力网络深度神经网络稀疏情景预测

来源：评论

学校读者我要写书评

暂无评论

基于数据包头序列的物联网恶意流量检测

引用

高技术通讯 2024年第8期34卷 798-806页

作者：卫重波谢高岗刁祖龙张广兴中国科学院计算技术研究所北京100190 中国科学院大学北京100190 中国科学院计算机网络信息中心北京100190 紫金山实验室南京211111

现有的基于机器学习(ML)的恶意流量检测方法,通常以高维的流量特征作为输入,并采用复杂模型,在实践中产生高误报率且资源占用较高。更重要的是,加密协议的广泛使用,使得数据包有效载荷特征很难被访问。幸运的是,物联网(IoT)设备的网络... 详细信息

现有的基于机器学习(ML)的恶意流量检测方法,通常以高维的流量特征作为输入,并采用复杂模型,在实践中产生高误报率且资源占用较高。更重要的是,加密协议的广泛使用,使得数据包有效载荷特征很难被访问。幸运的是,物联网(IoT)设备的网络行为通常是有规律和周期性的,该特征反映在通信数据包序列上,每个数据包一定程度上描述了一次网络事件。基于此,本文提出了基于数据包头序列的恶意流量检测方法。它将流量序列转换为网络事件序列,并计算一组特征(即序列性、频率性、周期性和爆发性)来描述网络行为。实验环境包含一组真实的物联网设备,并将提出的方法部署在树莓派模拟的网关上。实验结果表明,与最新的检测方法相比,本文提出的方法能够在复杂网络环境下保持高准确性和低误报率,并提升了处理速率。

关键词：机器学习(ML) 恶意流量检测网络行为物联网(IoT)安全数据包头序列

来源：评论

学校读者我要写书评

暂无评论

基于相关修正的无偏排序学习方法

引用

计算机研究与发展 2022年第12期59卷 2867-2877页

作者：王奕婷兰艳艳庞亮郭嘉丰程学旗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) 北京100190 中国科学院大学北京100049 清华大学智能产业研究院北京100084 中国科学院计算技术研究所数据智能系统研究中心北京100190

用户点击数据较文档的相关标签更易被获取且能反映用户兴趣,将其作为标签能够有效降低人工标注成本并且模型能随数据实时更新.但用户点击含有偏差和噪声,因此需设计有效的无偏排序方法.针对无偏排序中对偶学习方法收敛得到次优解从而无... 详细信息

用户点击数据较文档的相关标签更易被获取且能反映用户兴趣,将其作为标签能够有效降低人工标注成本并且模型能随数据实时更新.但用户点击含有偏差和噪声,因此需设计有效的无偏排序方法.针对无偏排序中对偶学习方法收敛得到次优解从而无法完全消除偏差的问题,提出一种基于相关修正的无偏排序学习方法.首先,利用现有小规模相关标注数据训练排序模型,对候选文档进行较精准的相关得分预测;再基于用户点击和文档相关得分训练点击倾向模型;最后,将得到的模型参数设为对偶去偏初始值并联合训练.该方法不影响模型上线的计算速度,可用于在线学习场景,模拟不同程度偏差噪声并在真实点击场景下进行测试,结果表明该方案能够有效提升现有无偏排序学习方法表现.

关键词：无偏排序学习点击数据相关修正偏差去除逆倾向加权

来源：评论

学校读者我要写书评

暂无评论

图对比学习综述

引用

中文信息学报 2023年第5期37卷 1-21页

作者：岑科廷沈华伟曹婍程学旗中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学北京101408 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

对比学习作为一种自监督式的深度学习范式,在计算机视觉、自然语言处理等领域取得了瞩目的成绩。受这些成功的对比学习模型的启发,近年来大量研究者尝试将其拓展到图数据上,这为推动图对比学习的发展提供了坚实的基础。该领域现有的综... 详细信息

对比学习作为一种自监督式的深度学习范式,在计算机视觉、自然语言处理等领域取得了瞩目的成绩。受这些成功的对比学习模型的启发,近年来大量研究者尝试将其拓展到图数据上,这为推动图对比学习的发展提供了坚实的基础。该领域现有的综述主要关注于传统的图自监督学习任务,而缺少对图对比学习方法的梳理和归纳。为了更好地帮助相关领域的研究者,该文梳理了近些年来的图对比学习模型,通过将现有工作归纳到一个统一的框架下,突出其发展脉络。最后该文总结了图对比学习常用的数据集和评价指标,并展望了该领域未来的发展方向。

关键词：自监督学习图对比学习图表示学习预训练

来源：评论

学校读者我要写书评

暂无评论

基于多视角融合的CBCT图像牙齿实例分割算法

引用

计算机辅助设计与图形学学报 2024年

作者：李孜政李淳芃黄晓峰肖云鹏郑州大学河南先进技术研究院中国科学院大学中国科学院计算技术研究所智能计算技术研究中心首都医科大学附属北京友谊医院口腔科

在牙科治疗中，准确、快速地从锥形束CT图像(CBCT)分割出单颗牙齿具有重要意义. 为了解决咬合面难以处理和CBCT图像分辨率较低的问题，提出一个基于多视角融合的CBCT图像牙齿实例分割算法. 首先，将CBCT数据转化为水平面和矢状面两... 详细信息

在牙科治疗中，准确、快速地从锥形束CT图像(CBCT)分割出单颗牙齿具有重要意义. 为了解决咬合面难以处理和CBCT图像分辨率较低的问题，提出一个基于多视角融合的CBCT图像牙齿实例分割算法. 首先，将CBCT数据转化为水平面和矢状面两个视角的序列切片; 其次，结合不同视图的数据特点，使水平面分割结果为矢状面分割提供分割指导和实例标签信息; 最后，基于矢状面图像的实例分割结果还原CBTC数据，得到高精度的牙齿实例分割结果. 以基于Test29构造的CBCT数据集为例，以平均Dice系数为评价指标，所提算法在牙齿和咬合面的平均Dice系数分别达到89.74%和93.56%，与CGDNet等算法相比，平均提升0.82～3.45个百分点; 同时，平均分割速度为9.2 s，实现短时间内完成CBCT数据高精度实例分割.

关键词：锥形束CT 深度学习实例分割数字化医疗

来源：评论

学校读者我要写书评

暂无评论

融合“科学—技术—舆情”数据特征的技术筛选方法研究

引用

情报理论与实践 2024年第10期47卷 173-182页

作者：吕璐成周健赵展一赵亚娟刘细文中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院信息资源管理系北京100190 中国科学院计算技术研究所北京100190

[目的/意义]利用科技文献进行技术监测预警是科技情报工作的重要内容。目前,采用自然语言处理技术从科技文献中抽取的技术元素存在数量多、不易展示的问题,因此设计了一种融合“科学—技术—舆情”数据特征的技术筛选方法来实现科技文... 详细信息

[目的/意义]利用科技文献进行技术监测预警是科技情报工作的重要内容。目前,采用自然语言处理技术从科技文献中抽取的技术元素存在数量多、不易展示的问题,因此设计了一种融合“科学—技术—舆情”数据特征的技术筛选方法来实现科技文献技术挖掘结果的筛选。[方法/过程]以技术术语表示技术,基于词法结构分析和修饰符匹配方法构建技术术语层次结构体系,利用表征技术基础研究热度的论文数据、表征技术研发热度的专利数据、表征技术市场关注度的舆情数据,构建重要性、成长性、新颖性和持久性4类特征,采用机器学习方法训练和确定技术筛选模型。[结果/结论]通过与人工筛选结果对比发现,本方法能够更有效地筛选技术。在各种模型中,同时采用3类数据和4类特征构建的技术筛选模型效果最优,该方法可以为开展技术识别预测工作,研发技术挖掘工具提供依据。[局限]该方法仅在技术术语层次结构的第一层进行了效果验证,其领域适用性与数据类型方面还有待进一步研究。

关键词：技术筛选技术挖掘多源数据融合文本挖掘机器学习技术识别与预测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的不良应用域名早期识别方法

引用

高技术通讯 2024年第2期34卷 151-161页

作者：胡安磊田语陈勇李振宇谢高岗中国科学院计算技术研究所北京100190 中国互联网络信息中心北京100190 中国科学院计算机网络信息中心北京100083 中国科学院大学北京100049

不良应用网站依赖域名系统(DNS)实现不良内容传播,严重影响互联网的健康发展。尽早识别出不良应用网站对应的域名(即不良应用域名),并进行相应治理,对域名系统的管理与运行至关重要。本文从国家顶级域名(.CN)管理的角度出发,关注如何在... 详细信息

不良应用网站依赖域名系统(DNS)实现不良内容传播,严重影响互联网的健康发展。尽早识别出不良应用网站对应的域名(即不良应用域名),并进行相应治理,对域名系统的管理与运行至关重要。本文从国家顶级域名(.CN)管理的角度出发,关注如何在注册阶段识别不良应用域名。分析发现不良应用域名在注册特征与文本结构2个维度,与正常域名存在显著差异。为此,提出了一种基于深度学习的不良应用域名早期识别方法。该方法首先提取域名的注册信息特征,并利用预训练语言模型基于Transformer的双向编码器(BERT)提取域名本身的文本语义特征,其次基于注意力机制融合2类特征,并最终使用全连接神经网络,构建域名分类器,实现不良应用域名的早期识别。基于真实网络数据的实验结果表明,所提方法分类准确率(F1分数)可达到0.99;消融实验结果也验证了所选特征的有效性和必要性。

关键词：域名系统(DNS) 域名分类深度学习预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

提高存算一体化系统性能的静态计算划分方法

引用

北京航空航天大学学报 2024年

作者：薛洪宇徐晟罗乐闫亮邹兴奇安徽师范大学计算机与信息学院合肥综合性国家科学中心人工智能研究院中国科学院计算技术研究所中国科学院大学北京

存算一体化系统中引入了存内计算单元，改变了冯·诺依曼结构中“存算分离”的执行模式，是一种缓解甚至打破存储墙的有效解决手段。尽管存算一体化系统潜力巨大，却和现有“存算分离”的软件体系严重不匹配，其性能和能效严重受制... 详细信息

存算一体化系统中引入了存内计算单元，改变了冯·诺依曼结构中“存算分离”的执行模式，是一种缓解甚至打破存储墙的有效解决手段。尽管存算一体化系统潜力巨大，却和现有“存算分离”的软件体系严重不匹配，其性能和能效严重受制于程序的计算划分。极端情况下，甚至会导致系统性能与能效的负优化。针对这一问题，提出了一种存算一体化系统中的静态计算划分方法。该方法将存算一体化系统中程序的执行过程抽象为基于注释调用图的表征模型，从而将计算划分问题转化注释调用图的最小割问题，并提出了一种基于模拟退火的启发式计算划分求解算法。实验结果表明，相较传统方法，所提方法的计算划分结果可平均提升39%系统性能，降低32%系统能耗。

关键词：存算一体化计算划分最小割模拟退火异构系统

来源：评论

学校读者我要写书评

暂无评论

MACO:基于访存视角的卷积网络自动代码优化

引用

高技术通讯 2023年第12期33卷 1253-1264页

作者：张晓扬肖俊敏姚家树谭光明中国科学院计算技术研究所高性能计算机研究中心北京100190 中国科学院大学北京100049

推理自动优化一直是人工智能(AI)与系统结构领域交叉的研究重点,但以访存为出发点的自动优化研究方案较少。本文从全局和局部两方面出发,针对数据布局和内核的自动优化问题,以访存的视角对卷积神经网络(CNN)自动代码优化中优化时间成本... 详细信息

推理自动优化一直是人工智能(AI)与系统结构领域交叉的研究重点,但以访存为出发点的自动优化研究方案较少。本文从全局和局部两方面出发,针对数据布局和内核的自动优化问题,以访存的视角对卷积神经网络(CNN)自动代码优化中优化时间成本过高的问题进行研究。为有效分析访存,本文改进了经典的红蓝卵石访存模型的建模方法,提出了新的I/O下界估计方法,降低了多阶段复合算法的下界估计难度,并基于改进后的模型估计了卷积的I/O下界。根据卷积下界估计的结论,本文对数据流进行合理设计,有针对性地优化了自动模板生成技术下巨大的搜索空间,避免了大量无效搜索过程,使内核搜索效率较在未经优化的搜索空间中得到显著加速,并在一般性的卷积参数下较cuDNN有平均2.24倍的性能提升,保证了内核性能。同时本文借助神经网络实现了不同数据布局下的卷积性能预测,R2得分高于传统机器学习模型,且在ResNet-18、AlexNet和VGG-11模型中采用基于数据布局回溯算法和预测模型的混合布局策略较默认布局策略分别有1.28倍、1.32倍和1.29倍的性能提升。

关键词：内存优化人工智能(AI) 推理数据布局自动调优

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v4和ICNet的番茄串检测模型

引用

农业机械学报 2023年第10期54卷 216-224,254页

作者：刘建航何鉴恒陈海华王晓政翟海滨中国石油大学(华东)海洋与空间信息学院青岛266555 中国科学院计算技术研究所北京100094 国家计算机网络应急技术处理协调中心北京100029

针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分... 详细信息

针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块,设计了一种基于深度卷积结构的主干网络,在实现模型参数稀疏性的同时提高目标的识别精度,采用K-means++聚类算法获得先验框,并改进了DIoU距离计算公式,进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块(ICNet)中以MobileNetv2为主干网络,减少参数计算量,提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试,结果表明,DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%,比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%,mPA为91.87%,比传统ICNet的mIoU提高2.19个百分点,mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%,完成一次采摘作业耗时约6 s。

关键词：番茄串采摘机器人深度学习 YOLO v4 ICNet 采摘模型

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：