检索结果-内蒙古大学图书馆

中国科学：信息科学 2023年第3期53卷 606-621页

作者：邢成杨健殷君君张瞻婕清华大学电子工程系北京100084 北京科技大学计算机与通信工程学院北京100083

植被高度反演属于森林定量遥感,在森林测绘、资源评估和生态监测等领域发挥着重要作用.本文基于多极化层析SAR数据进行基线融合植被高度反演,将森林散射相干模型推广到高维空间,通过复数域到幅度–相位域的转化降低模型非线性度,并提出... 详细信息

植被高度反演属于森林定量遥感,在森林测绘、资源评估和生态监测等领域发挥着重要作用.本文基于多极化层析SAR数据进行基线融合植被高度反演,将森林散射相干模型推广到高维空间,通过复数域到幅度–相位域的转化降低模型非线性度,并提出了基于相干分布方差的广义幅相距离,进而发展了多基线联合参数反演方法.本文通过实测P波段极化层析SAR数据对所提方法进行了验证,同时将其与单基线反演法、基线选择法和欧式距离融合法进行了对比分析.实验结果表明,本文所提方法的反演结果与激光雷达获取的高度图相比,相关性更强,均方根误差更低,显著提高了植被高度反演的精度和稳定性.

关键词：森林遥感极化层析SAR 植被高度反演多基线融合

来源：评论

学校读者我要写书评

暂无评论

学习流体仿真中的高效长时序运动预测

引用

系统仿真学报 2023年第3期35卷 435-453页

作者：朱静远马惠敏袁坚清华大学电子工程系北京100084 北京科技大学计算机与通信工程学院北京100083

快速准确的进行流体仿真是一个具有挑战性的任务,基于传统方法的流体仿真需要消耗大量的计算资源以获得准确的结果。深度学习方法快速发展,为基于数据的流体仿真和生成提供了可能。提出一种基于单帧的浓度场和一个序列的先验速度场的长... 详细信息

快速准确的进行流体仿真是一个具有挑战性的任务,基于传统方法的流体仿真需要消耗大量的计算资源以获得准确的结果。深度学习方法快速发展,为基于数据的流体仿真和生成提供了可能。提出一种基于单帧的浓度场和一个序列的先验速度场的长时序流体仿真运动预测算法。这一模型专注于将通过神经网络预测的速度和密度场基于纳维-斯托克斯方程获得的仿真数据在宏观尺度上进行匹配。通过使用基于全卷积U型网络的自动编码器和基于LSTM网络的时序预测子网络,本文模型在时间演化过程中更好地保持了视觉宏观相似性,并实现了显著的计算速度提升。本文方法实现了对流体场演化的宏观分布的准确和快速的长时序运动预测。在一系列二维和三维的仿真数据的基准测试上证明了本文算法的有效性和高效性。

关键词：运动预测流体长时序高效学习算法

来源：评论

学校读者我要写书评

暂无评论

面向智能家居应用的物联网“场景分解式”实训设计

引用

实验技术与管理 2023年第5期40卷 171-175,195页

作者：崔晓龙边胜琴皇甫伟郑榕张敏北京科技大学计算机与通信工程学院北京100083

通过PacketTracer模拟物联网智能家居场景,并将所涉及的理论知识进行分解后纳入实训课程,使学生能够循序渐进地掌握智能设备、网络、物联网等方面知识和技术,同时理解雾计算的概念以及在智能家居场景中选择雾计算的必要性,培养解决物联... 详细信息

通过PacketTracer模拟物联网智能家居场景,并将所涉及的理论知识进行分解后纳入实训课程,使学生能够循序渐进地掌握智能设备、网络、物联网等方面知识和技术,同时理解雾计算的概念以及在智能家居场景中选择雾计算的必要性,培养解决物联网工程领域复杂工程问题的能力。

关键词：物联网实践教学改革场景分解雾计算智能家居 Packet Tracer

来源：评论

学校读者我要写书评

暂无评论

TVM_(T):基于TVM的高性能神经网络训练编译器

引用

中国科学：信息科学 2023年第12期53卷 2458-2471页

作者：曾军寇明阳郑惜元姚海龙孙富春清华大学计算机科学与技术系北京100084 北京科技大学计算机与通信工程学院北京100083 北京信息科学与技术国家研究中心北京100084

随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了... 详细信息

随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了提升神经网络训练的性能,编译器的效率亟待提升,而这主要取决于计算图的优化、算子级别的优化和代码生成.主流的神经网络训练框架(如TensorFlow,PyTorch)使用了供应商特定的、通过手工设计算子获得的算子库.然而,手工设计算子浪费了大量的算子级别的优化空间,因此研究人员提出了TVM.作为一个端到端的编译器,TVM实现了算子级的自动优化,比现有框架进一步提高了性能.此外,TVM支持从多种神经网络框架中导入神经网络模型,并在不同主流硬件后端上部署.然而,TVM的注意力集中于提升神经网络推理任务的性能,并不支持神经网络的训练.本文提出了TVM_(T),第一个基于TVM、支持神经网络训练的端到端编译器.为了支持神经网络训练,本文提出了以下方法.(1)合并损失函数到现有的计算图中,以支持前向和后向传播;(2)在训练过程中采用设备到主机的机制来更新权重参数;(3)集成了最先进的张量程序调优器,以自动优化神经网络训练程序.实验结果表明,与PyTorch相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高4.88倍的提升;与TensorFlow相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高11.5倍的提升.

关键词：神经网络编译器神经网络训练算子自动优化参数更新反向传播

来源：评论

学校读者我要写书评

暂无评论

格上基于身份的变色龙签名方案

引用

电子与信息学报 2024年第2期46卷 757-764页

作者：张彦华陈岩刘西蒙尹毅峰胡予濮郑州轻工业大学计算机与通信工程学院郑州450001 福州大学数学与计算机科学学院福州350108 西安电子科技大学通信工程学院西安710071

变色龙签名(CS)是一种比较理想的指定验证者签名,其采用变色龙哈希函数来实现签名的不可传递性,使得任意第三方不信任指定验证者所披露的内容,且避免了不可否认签名必须在线交互验证的缺陷。在满足不可传递性的同时,变色龙签名还要求满... 详细信息

变色龙签名(CS)是一种比较理想的指定验证者签名,其采用变色龙哈希函数来实现签名的不可传递性,使得任意第三方不信任指定验证者所披露的内容,且避免了不可否认签名必须在线交互验证的缺陷。在满足不可传递性的同时,变色龙签名还要求满足不可伪造性以及签名者可拒绝性和不可抵赖性等。针对基于大整数分解或离散对数等数论难题的变色龙签名无法抵御量子计算机攻击,以及用户对公钥数字证书依赖的问题,该文给出了格上基于身份的变色龙签名(IBCS),新方案避免了已有方案存在的签名者无法拒绝指定验证者伪造的签名的安全性漏洞,并将最终签名的传输开销由平方级降为线性级;进一步地,针对变色龙签名在仲裁阶段不可传递性失效的问题,给出了格上抗消息暴露的基于身份的变色龙签名,新方案使得签名者能够在不暴露消息内容的条件下拒绝任意敌手伪造的变色龙签名。特别地,基于格上经典的小整数解问题,两个方案在随机预言机模型下是可证明安全的。

关键词：变色龙签名格基于身份的密码不可传递性抗消息暴露

来源：评论

学校读者我要写书评

暂无评论

基于二维码的室内视觉定位系统研究

引用

光学学报 2024年第9期44卷 149-155页

作者：张天意许一祎冯莉芳薛卓北京科技大学计算机与通信工程学院北京100083 内蒙古汇能煤电集团有限公司内蒙古鄂尔多斯017000

本文研究了一种基于二维码的室内视觉定位系统,首先分析了二维码信标的有效识别范围,推导了基于标志物尺寸、摄像头清晰度等参数的识别范围计算公式,并据此对定位场景的二维码信标布局进行设计,系统定位采用透视n点(PnP)标定算法实现,... 详细信息

本文研究了一种基于二维码的室内视觉定位系统,首先分析了二维码信标的有效识别范围,推导了基于标志物尺寸、摄像头清晰度等参数的识别范围计算公式,并据此对定位场景的二维码信标布局进行设计,系统定位采用透视n点(PnP)标定算法实现,最后通过实验验证二维码识别范围的有效性。实验结果证明,当接收端固定时,识别范围内平均定位误差为8.32 cm,当接收端以直线或环形运动时,二维码的成功识别率分别为92.31%或91.59%,90%的定位结果中误差小于9 cm。

关键词：室内定位视觉标签二维码识别范围误差分析

来源：评论

学校读者我要写书评

暂无评论

基于雾计算的智能电表用户虚拟环隐私保护方案

引用

电子与信息学报 2023年第3期45卷 819-827页

作者：夏卓群张一超谷科周楷鑫李雄长沙理工大学计算机与通信工程学院长沙410014 电子科技大学计算机科学与工程学院成都611731

作为智能电网的基础组件,智能电表(SMS)可以定期向电力公司报告用户的详细用电量数据。但是智能电表也带来了一些安全问题,比如用户隐私泄露。该文提出了一种基于虚拟环的隐私保护方案,可以提供用电数据和用户身份的隐私,使攻击者无法... 详细信息

作为智能电网的基础组件,智能电表(SMS)可以定期向电力公司报告用户的详细用电量数据。但是智能电表也带来了一些安全问题,比如用户隐私泄露。该文提出了一种基于虚拟环的隐私保护方案,可以提供用电数据和用户身份的隐私,使攻击者无法知道匹配电力数据与用户身份的关系。在所提方案中,智能电表可以利用其虚拟环成员身份对其真实身份进行匿名化,并利用非对称加密和Paillier同态系统对其获得的用电量数据生成密文数据;然后智能电表将密文数据发送给其连接的雾节点,雾节点定期采集其管理的智能电表的密文数据。同时,雾节点对这些智能电表的虚拟环身份进行验证,然后将收集到的密文数据聚合并发送给控制中心;最后控制中心对聚合后的密文进行解密,得到用电量数据。实验结果表明所提方案在计算和通信成本上具有一定的优势。

关键词：隐私保护雾计算智能电表虚拟环

来源：评论

学校读者我要写书评

暂无评论

ADAFT:SDN大规模流表的适应性深度聚合存储架构

引用

通信学报 2024年第5期45卷 226-238页

作者：熊兵袁月赵锦元赵宝康何施茗张锦长沙理工大学计算机与通信工程学院湖南长沙410114 长沙师范学院信息科学与工程学院湖南长沙410199 国防科技大学计算机学院湖南长沙410073

为解决软件定义网络(SDN)数据平面中的三态内容可寻址存储器(TCAM)资源紧张问题,提出了一种基于内容表项树的SDN流表深度聚合方法,进而构建一种SDN大规模流表的适应性深度聚合存储架构ADAFT。该架构放宽了聚合表项之间的汉明距离要求,... 详细信息

为解决软件定义网络(SDN)数据平面中的三态内容可寻址存储器(TCAM)资源紧张问题,提出了一种基于内容表项树的SDN流表深度聚合方法,进而构建一种SDN大规模流表的适应性深度聚合存储架构ADAFT。该架构放宽了聚合表项之间的汉明距离要求,构建内容表项树聚合动作集不同的流表项,显著提高了流表聚合程度。设计了一种TCAM装载率感知的内容表项树动态限高机制,以降低流表查找开销。同时,提出了一种TCAM装载率感知的表项聚合适应性选择策略,以均衡流表聚合程度和查找开销。实验结果表明,ADAFT架构的流表压缩率明显高于现有方法,最高可达65.74%。

关键词：软件定义网络 SDN大规模流表内容表项树适应性深度聚合 TCAM装载率感知

来源：评论

学校读者我要写书评

暂无评论

6G低空通信场景下的无人机部署优化研究

引用

航空学报 2024年

作者：张海君夏清悦马旭任超陆阳北京科技大学计算机与通信工程学院中国电力科学研究院

随着6G标准的迅速演进，无人机在低空通信网络中的应用成为研究热点。针对无人机在低空通信场景下的部署优化问题，开展了无人机的静态与动态部署策略研究，并对相关的部署优化算法进行了分析。文章首先阐述了无人机部署的三种基本策略... 详细信息

随着6G标准的迅速演进，无人机在低空通信网络中的应用成为研究热点。针对无人机在低空通信场景下的部署优化问题，开展了无人机的静态与动态部署策略研究，并对相关的部署优化算法进行了分析。文章首先阐述了无人机部署的三种基本策略，即静态部署、单无人机动态部署和多无人机动态部署，探讨了它们在不同应用场景下的优势。然后，详细讨论了无人机部署1优化模型，从低空通信网络的信道模型、约束条件和目标函数三个方面分别进行阐述。在此基础上，系统地对现有的无人机部署优化算法进行了对比，从多角度分析了各类算法的优势与不足。最后展望了未来无人机部署优化的研究方向，并结合智能反射面、通感一体化等前沿技术进行了分析，旨在为相关领域的研究人员提供参考和借鉴。

关键词：低空通信网络 6G 无人机部署优化资源分配

来源：评论

学校读者我要写书评

暂无评论

基于奖励滤波信用分配的多智能体深度强化学习算法

引用

计算机学报 2022年第11期45卷 2306-2320页

作者：徐诚殷楠段世红何昊王然北京科技大学计算机与通信工程学院北京100083 北京科技大学顺德研究生院广东佛山528399

近年来,强化学习方法在游戏博弈、机器人导航等多种应用领域取得了令人瞩目的成果.随着越来越多的现实场景需要多个智能体完成复杂任务,强化学习的研究领域已逐渐从单一智能体转向多智能体.而在多智能体强化学习问题的研究中,让智能体... 详细信息

近年来,强化学习方法在游戏博弈、机器人导航等多种应用领域取得了令人瞩目的成果.随着越来越多的现实场景需要多个智能体完成复杂任务,强化学习的研究领域已逐渐从单一智能体转向多智能体.而在多智能体强化学习问题的研究中,让智能体学会协作成为当前的一大研究热点.在这一过程中,多智能体信用分配问题亟待解决.这是因为部分可观测环境会针对智能体产生的联合动作产生奖励强化信号,并将其用于强化学习网络参数的更新.也就是说,当所有智能体共享一个相同的全局奖励时,难以确定系统中的每一个智能体对整体所做出的贡献.除此之外,当某个智能体提前学习好策略并获得较高的回报时,其他智能体可能停止探索,使得整个系统陷入局部最优.针对这些问题,本文提出了一种简单有效的方法,即基于奖励滤波的信用分配算法.将其他智能体引起的非平稳环境影响建模为噪声,获取集中训练过程中的全局奖励信号,经过滤波后得到每个智能体的局部奖励,用于协调多智能体的行为,更好地实现奖励最大化.我们还提出了基于奖励滤波的多智能体深度强化学习(RF-MADRL)框架,并在Open AI提供的合作导航环境中成功地进行了验证.实验结果表明,和基线算法相比,使用基于奖励滤波的深度强化学习方法有着更好的表现,智能体系统策略收敛速度更快,获得的奖励更高.

关键词：多智能体系统深度强化学习信用分配奖励滤波合作导航

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：