检索结果-内蒙古大学图书馆

计算机应用 2022年第11期42卷 3413-3420页

作者：孙睿李超王伟童恩栋王健刘吉强智能交通数据安全与隐私保护技术北京市重点实验室(北京交通大学) 北京100044 北京交通大学计算机与信息技术学院北京100044

联邦学习(FL)是一种能够实现用户数据不出本地的新型隐私保护学习范式。随着相关研究工作的不断深入,FL的单点故障及可信性缺乏等不足之处逐渐受到重视。近年来,起源于比特币的区块链技术取得迅速发展,它开创性地构建了去中心化的信任,... 详细信息

联邦学习(FL)是一种能够实现用户数据不出本地的新型隐私保护学习范式。随着相关研究工作的不断深入,FL的单点故障及可信性缺乏等不足之处逐渐受到重视。近年来,起源于比特币的区块链技术取得迅速发展,它开创性地构建了去中心化的信任,为FL的发展提供了一种新的可能。对现有基于区块链的FL框架进行对比分析,深入讨论区块链与FL相结合所解决的FL重要问题,并阐述了基于区块链的FL技术在物联网(IoT)、工业物联网(IIoT)、车联网(IoV)、医疗服务等多个领域的应用前景。

关键词：联邦学习区块链结构框架融合应用隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于知识聚合和迁移的跨领域推荐算法

引用

电子学报 2020年第10期48卷 1928-1932页

作者：刘真田靖玉苑宝鑫孙永奇北京交通大学计算机与信息技术学院北京100044

传统的推荐算法受限于单领域中用户和项目的稀疏关系,也存在用户冷启动等问题.跨领域推荐能够通过学习辅助领域的知识去丰富目标领域的稀疏数据以提高推荐准确率.本文提出了一种知识聚合和迁移相结合的跨领域推荐算法ATCF.与已有算法不... 详细信息

传统的推荐算法受限于单领域中用户和项目的稀疏关系,也存在用户冷启动等问题.跨领域推荐能够通过学习辅助领域的知识去丰富目标领域的稀疏数据以提高推荐准确率.本文提出了一种知识聚合和迁移相结合的跨领域推荐算法ATCF.与已有算法不同,在对共性知识和个性知识的表示学习中,ATCF均充分融合了辅助域和目标域的知识,通过基于矩阵分解的两级矩阵拼接和两次矩阵填充,得到在群集矩阵及评分矩阵上的共性知识表示;通过知识迁移,构建了重叠用户和非重叠用户的个性知识表示,有效避免了负迁移.在两个跨领域数据集上开展的实验表明,ATCF算法与已有单领域和跨领域推荐算法相比RMSE降低了3%~7%,准确率召回率增加了8%~15%.

关键词：跨领域推荐矩阵分解迁移学习知识聚合

来源：评论

学校读者我要写书评

暂无评论

交通流量预测的时间异质性图注意力网络

引用

山东大学学报（工学版） 2023年第5期53卷 29-36页

作者：陈雷赵耀帅林彦郭晟楠万怀宇林友芳北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044 民航旅客服务智能化应用技术重点实验室北京101318 中国民航信息网络股份有限公司北京101318

采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模... 详细信息

采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模,挖掘时间异质性;使用基于节点固有属性的动态噪声滤除方法,解决空间中噪声干扰问题;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,挖掘时间异质性并动态滤除噪声的改进注意力机制预测模型具有一定的预测精度。

关键词：交通流预测时空依赖性注意力网络图神经网络门控机制

来源：评论

学校读者我要写书评

暂无评论

基于多分支退出的自蒸馏方法研究

引用

现代计算机 2022年第12期28卷 1-8页

作者：邹美霞北京交通大学计算机与信息技术学院北京100044

随着卷积神经网络的快速发展,研究者不断加深或加宽网络的结构以追求更高精度,但这种方式会带来延迟和计算成本的增加。在带有多分支结构的自蒸馏方法中存在浅层网络不能充分学习深层网络性能的问题。因此,提出一种基于多分支的自蒸馏方... 详细信息

随着卷积神经网络的快速发展,研究者不断加深或加宽网络的结构以追求更高精度,但这种方式会带来延迟和计算成本的增加。在带有多分支结构的自蒸馏方法中存在浅层网络不能充分学习深层网络性能的问题。因此,提出一种基于多分支的自蒸馏方法(SDA),将网络中所有分支的集成结果作为教师指导最后分支的输出,同时用最后分支输出指导其他分支,使得模型更好更早地退出网络。实验结果表明,该方法在ResNet一系列模型上取得了0.46%~1.51%的精度提升。

关键词：卷积神经网络多分支结构自蒸馏方法模型早退

来源：评论

学校读者我要写书评

暂无评论

施工隧道数据处理中的可靠卡尔曼滤波

引用

计算机系统应用 2022年第9期31卷 210-216页

作者：张诗琪张晋豫北京交通大学计算机与信息技术学院北京100044

针对隧道结构安全监测数据存在野值,噪声等严重影响后续分析的问题,提出了一种自适应跟踪系统噪声的可靠卡尔曼滤波算法进行数据去噪.首先结合滑动窗口使用最小二乘法对野值进行补偿;其次继承卡尔曼的“一步一推导”思想,动态估计噪声值... 详细信息

针对隧道结构安全监测数据存在野值,噪声等严重影响后续分析的问题,提出了一种自适应跟踪系统噪声的可靠卡尔曼滤波算法进行数据去噪.首先结合滑动窗口使用最小二乘法对野值进行补偿;其次继承卡尔曼的“一步一推导”思想,动态估计噪声值,有效解决了传统卡尔曼滤波器在面对野值及非线性系统时存在的无法准确建模的问题;最后使用北京某施工地铁数据进行数值验证,结果表明,与经典算法相比,该算法在精度方面有极大的提升.

关键词：隧道结构安全监测野值数据去噪卡尔曼滤波噪声动态估计

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习的电子病历实体识别方法

引用

计算机与现代化 2022年第9期 40-50页

作者：于鹏陈钰枫徐金安张玉洁北京交通大学计算机与信息技术学院北京100044

中文电子病历NER是医疗信息抽取的难点。本文提出一种多任务学习的实体识别方法,联合实体识别和分词训练模型,使用基于Bi-LSTM的私有层提取专有信息,融合注意力网络作为共享层并增加通用特征增强机制来筛选全局信息,降低过拟合风险并增... 详细信息

中文电子病历NER是医疗信息抽取的难点。本文提出一种多任务学习的实体识别方法,联合实体识别和分词训练模型,使用基于Bi-LSTM的私有层提取专有信息,融合注意力网络作为共享层并增加通用特征增强机制来筛选全局信息,降低过拟合风险并增强模型的泛化能力。此外提出均衡样本过采样方法扩充数据集,有效解决实体类别不平衡所带来的问题。使用CCKS2017/CCKS2020电子病历实体识别语料和Medicine医药分词语料联合训练,实验结果显示本文提出的模型整体性能提升明显,同时也显著提高了Medicine语料的分词实验效果,F1值较基线提升了3个百分点。实验表明本文提出的模型能够有效改善因电子病历中数据不规范、无结构或专有名词等原因造成的实体切分错误等问题。

关键词：深度学习命名实体识别多任务学习神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于子任务学习的双分支个性化视线估计网络

引用

中国科技论文在线精品论文 2022年第2期15卷 251-258页

作者：赵晓瑜黄雅平田艺田媚北京交通大学计算机与信息技术学院北京100044

针对视线估计任务中个性化信息处理难的问题,提出了一种基于子任务学习的双分支个性化视线估计网络(EbPN)。首先,该网络包含表观信息感知分支和个性化信息感知分支,以分别刻画用户丰富的表观信息以及个性化信息;然后,构造一系列子任务... 详细信息

针对视线估计任务中个性化信息处理难的问题,提出了一种基于子任务学习的双分支个性化视线估计网络(EbPN)。首先,该网络包含表观信息感知分支和个性化信息感知分支,以分别刻画用户丰富的表观信息以及个性化信息;然后,构造一系列子任务以替代独立样本对模型进行训练优化,其中各子任务均模仿了一个小样本视线估计任务。该网络充分获取了用户的表观信息及个性化信息,可有效减小个性化偏差,提高视线估计模型的精度,且在没有任何校准样本的情况下,仍然具有很好的泛化性能。在GazeCapture和MPIIGaze数据集上开展的大量实验证明了EbPN的有效性。

关键词：人工智能个性化视线估计小样本学习个性化偏差

来源：评论

学校读者我要写书评

暂无评论

面向边缘计算应用的拜占庭式容错分布式一致性算法

引用

计算机与现代化 2022年第12期 33-41页

作者：张昊路红英北京交通大学计算机与信息技术学院北京100044

为解决边缘计算中边缘节点易于被攻击或俘获产生拜占庭错误,从而破坏边缘计算应用可用性的问题,设计一种面向边缘计算应用的拜占庭容错分布式一致性算法Edge-Raft。该算法在现有的经典Raft算法基础上,针对边缘环境中潜在的拜占庭错误进... 详细信息

为解决边缘计算中边缘节点易于被攻击或俘获产生拜占庭错误,从而破坏边缘计算应用可用性的问题,设计一种面向边缘计算应用的拜占庭容错分布式一致性算法Edge-Raft。该算法在现有的经典Raft算法基础上,针对边缘环境中潜在的拜占庭错误进行重新设计,通过引入数字签名、同步日志检测、轮询选举、惰性投票、三阶段日志同步等机制,使其具有拜占庭容错特性的同时,将消息传递的复杂度限制至线性级,保证小于1/3的集群总数的边缘节点发生拜占庭错误时仍能为用户提供有效服务。基于不同节点规模的实验结果表明,与现有Raft算法相比,该算法在保留Raft算法可理解性的基础上,保证算法在边缘环境中的可用性与活性。相比于现有的实用拜占庭容错算法,所提算法将消息传递的时间复杂度限定在线性级,保证该算法在多节点边缘环境中的可拓展性。

关键词：边缘计算拜占庭容错分布式一致性算法

来源：评论

学校读者我要写书评

暂无评论

ISLM:克服灾难性遗忘的增量深度学习模型

引用

现代计算机 2022年第14期28卷 35-41页

作者：程虎威北京交通大学计算机与信息技术学院北京100044

增量学习已成为机器学习领域的一个新的研究热点。与传统的机器学习相比,增量学习可以从新样本中不断学习新知识,并保留以前学习过的大部分知识。然而,目前增量深度学习方法不仅方法复杂而且会导致模型参数增加,因此本文提出了一个有效... 详细信息

增量学习已成为机器学习领域的一个新的研究热点。与传统的机器学习相比,增量学习可以从新样本中不断学习新知识,并保留以前学习过的大部分知识。然而,目前增量深度学习方法不仅方法复杂而且会导致模型参数增加,因此本文提出了一个有效的增量深度学习模型(incremental structure learning model,ISLM),用于处理增量深度神经网络中的灾难性问题。在拆分的CIFAR-100数据集上进行实验,结果表明,与目前流行的增量学习方法相比,该方法不仅具备很f强的缓解灾难性遗忘的能力,而且得到了最高精度。

关键词：增量学习深度学习注意力模块通道剪枝

来源：评论

学校读者我要写书评

暂无评论

联邦学习隐私保护机制综述

引用

现代计算机 2022年第14期28卷 1-12页

作者：王浩竣梁亚楠黎琳李锐北京交通大学计算机与信息技术学院北京100091

随着数据孤岛的出现和隐私意识的增强,传统的中心化的机器学习模式遇到了一系列挑战。联邦学习作为一种新兴的隐私保护的分布式机器学习模型迅速成为一个热门的研究问题。有研究表明,机器学习模型的梯度会泄露用户数据集的隐私,能够被... 详细信息

随着数据孤岛的出现和隐私意识的增强,传统的中心化的机器学习模式遇到了一系列挑战。联邦学习作为一种新兴的隐私保护的分布式机器学习模型迅速成为一个热门的研究问题。有研究表明,机器学习模型的梯度会泄露用户数据集的隐私,能够被攻击者利用以获取非法的利益,因此,需要采用一些隐私保护的机制来保护这种敏感信息。本文研究了当前联邦学习系统中采用的隐私保护机制,并根据研究者采用的隐私保护技术,将联邦学习中的隐私保护机制分为五类,总结了不同的隐私保护机制的研究思路和研究进展。通过对当前联邦学习中使用的隐私保护机制的研究,联邦学习系统的设计人员可以提高联邦学习系统的安全性,更好地保护数据隐私。

关键词：联邦学习隐私保护密码学

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：