检索结果-内蒙古大学图书馆

电讯技术 2019年第2期59卷 179-184页

作者：袁雷程岳牛文生罗午阳航空工业西安航空计算技术研究所西安710068 机载弹载计算机航空科技重点实验室西安710068

针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法。算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO(You Only LookOnce) V2检测算法提取候选目标,寻找跑道所在位置;然后在已经... 详细信息

针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法。算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO(You Only LookOnce) V2检测算法提取候选目标,寻找跑道所在位置;然后在已经获取跑道所在边框的基础上,在神经网络最后一层采用多尺度线段检测器(Line Segment Detector,LSD)进行精确的线段检测;最后对所检测的线段进行融合,提取轮廓线。真实实验数据表明,该算法基本上能满足机场轮廓提取实时性好、提取精度高、抗干扰性强等要求。

关键词：机场跑道检测前视红外(FLIR)图像轮廓提取深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多重信任关系的微博转发行为预测

引用

清华大学学报（自然科学版） 2019年第4期59卷 270-275页

作者：王绍卿李翠平王征陈红山东理工大学计算机科学与技术学院淄博255091 中国人民大学信息学院数据工程与知识工程教育部重点实验室北京100872 中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190

微博转发预测有助于热点话题检测、个性化微博推荐等,近些年引起了学术界和工业界的广泛关注。然而,现有的关于微博转发预测的研究工作没有充分利用用户之间的多重信任关系的影响。该文提出联合概率模型,把用户之间的多重信任关系融入... 详细信息

微博转发预测有助于热点话题检测、个性化微博推荐等,近些年引起了学术界和工业界的广泛关注。然而,现有的关于微博转发预测的研究工作没有充分利用用户之间的多重信任关系的影响。该文提出联合概率模型,把用户之间的多重信任关系融入传统的Bayesian Poisson因子分解(Bayesian Poisson factorization,BPF)模型,从而预测转发行为。该模型命名为TrustBPF,可以灵活地捕获用户之间的各种社交影响。该文进一步把用户之间的信任强度整合到一个框架中。在新浪微博数据集上验证结果表明:在NDCG@3和Precision@3指标上,TrustBPF模型比原始的BPF模型分别提升了90.91%和88.37%。

关键词： Poisson因子分解转发预测信任关系社交网络

来源：评论

学校读者我要写书评

暂无评论

一种基于时间序列预测的重采策略

引用

中文信息学报 2019年第7期33卷 101-109页

作者：史存会孟剑俞晓明刘悦靳小龙程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190 中国科学院大学北京100049

及时获取新增内容,是采集器的重要衡量指标。基于版块页-内容页架构设计的网络采集器通过定期重采入口的版块页,能够有效地快速识别新产生内容页面并进行扩展。然而获取内容的实时性与对网站访问的友好性存在一定的折中。传统的重采策... 详细信息

及时获取新增内容,是采集器的重要衡量指标。基于版块页-内容页架构设计的网络采集器通过定期重采入口的版块页,能够有效地快速识别新产生内容页面并进行扩展。然而获取内容的实时性与对网站访问的友好性存在一定的折中。传统的重采策略关注时效性,而忽略了对网站访问的友好性。该文提出了一种基于时间序列预测的改进重采策略兼顾时效性和友好性。实验表明,该方法可以在保证数据采集实时性的情况下,有效降低访问量,提升对网站访问的友好性。

关键词：网络采集采集策略时间序列预测

来源：评论

学校读者我要写书评

暂无评论

基于能量分析技术的芯片后门指令分析方法

引用

电子学报 2019年第3期47卷 686-691页

作者：马向亮王宏李冰方进社严妍白学文王安中国科学院软件研究所可信计算与信息保障实验室北京100190 中国科学院大学北京100049 国家信息技术安全研究中心北京100084 中国网络安全审查技术与认证中心北京100020 北京航天发射技术研究所北京100076 北京理工大学计算机学院北京100081 中国科学院信息工程研究所中国科学院网络测评技术重点实验室北京100093

芯片后门指令是激活硬件木马的典型方式之一,其安全风险高,影响范围广,且难于检测.本文提出了一种基于能量分析的后门指令检测方法,通过对指令分段穷举、并分别采集其能量信息,可有效区分常规指令和后门指令.实验表明,通过简单能量分析... 详细信息

芯片后门指令是激活硬件木马的典型方式之一,其安全风险高,影响范围广,且难于检测.本文提出了一种基于能量分析的后门指令检测方法,通过对指令分段穷举、并分别采集其能量信息,可有效区分常规指令和后门指令.实验表明,通过简单能量分析即可从能量迹中直接判定出后门指令.进一步,本文提出了一种自动化识别后门指令的相关能量分析方法,通过判断其相关系数与系数均值之间的关系,可高效、自动地完成后门指令分析.

关键词：芯片简单能量分析差分能量分析相关能量分析后门指令智能卡

来源：评论

学校读者我要写书评

暂无评论

基于拓展关键词信息的对话生成模型

引用

山东大学学报（理学版） 2019年第7期54卷 68-76页

作者：郝长盈兰艳艳张海楠郭嘉丰徐君庞亮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 中国科学院大学北京100190

在对话过程中,人们通常根据对方上一句话的关键词做出相应的回复。为了生成与关键词含义相关的回复,提出了拓展关键词信息注意力机制的对话生成模型。首先从输入语句中提取关键词,然后根据关键词词向量余弦相似度找出与关键词相关的词... 详细信息

在对话过程中,人们通常根据对方上一句话的关键词做出相应的回复。为了生成与关键词含义相关的回复,提出了拓展关键词信息注意力机制的对话生成模型。首先从输入语句中提取关键词,然后根据关键词词向量余弦相似度找出与关键词相关的词语构成拓展关键词集合,将集合中词语的词向量通过注意力机制的方式加入解码过程来影响回复生成。在中文微博数据集及英文Twitter数据集上的实验表明,该模型在回复语句的相关性及多样性方面取得了优于其他模型的结果。

关键词：对话生成注意力机制序列到序列模型深度学习

来源：评论

学校读者我要写书评

暂无评论

受限玻尔兹曼机研究综述

引用

软件学报 2019年第7期30卷 2073-2090页

作者：张健丁世飞张楠杜鹏杜威于文家中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116 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

概率图模型是目前机器学习研究的热点,基于概率图模型构造的生成模型已广泛应用于图像和语音处理等领域。受限玻尔兹曼机(restricted Boltzmann machines,简称RBMs)是一种概率无向图,在建模数据分布方面有重要的研究价值,RBMs既可以结... 详细信息

概率图模型是目前机器学习研究的热点,基于概率图模型构造的生成模型已广泛应用于图像和语音处理等领域。受限玻尔兹曼机(restricted Boltzmann machines,简称RBMs)是一种概率无向图,在建模数据分布方面有重要的研究价值,RBMs既可以结合卷积算子构造深度判别模型,为深度网络提供统计力学的理论支持,也可以结合有向图构建生成模型,提供具有多峰分布的先验信息。主要综述了以RBMs为基础的概率图模型的相关研究。首先介绍了基于RBMs的机器学习模型的基本概念和训练算法,并讨论了基于极大似然估计的各训练算法的联系,比较了各算法的log似然损失;其次,综述了RBMs模型最新的研究进展,包括在目标函数中引入对抗损失和W距离,并构造基于RBMs先验的变分自编码模型(variational autoencoders,简称VAEs)、基于对抗损失的RBMs模型,并讨论了各实值RBMs模型之间的联系和区别;最后,综述了以RBMs为基础的模型在深度学习中的应用,并讨论了神经网络和RBMs模型在研究中存在的问题及未来的研究方向。

关键词：受限制的玻尔兹曼机神经网络概率图模型深度学习

来源：评论

学校读者我要写书评

暂无评论

融合语义和结构信息的知识图谱实体对齐

引用

山西大学学报(自然科学版) 2019年第1期42卷 23-30页

作者：苏佳林王元卓靳小龙李曼玲程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室中国科学院大学计算机与控制学院

实体对齐能够发现不同知识图谱实体间的对齐关系,是多源知识融合的基础。现有的基于知识表示学习的方法依赖大量标注数据,且并未利用知识图谱中属性等结构化信息,限制了实体对齐的效果。针对这个问题,文章提出融合语义和结构信息的实体... 详细信息

实体对齐能够发现不同知识图谱实体间的对齐关系,是多源知识融合的基础。现有的基于知识表示学习的方法依赖大量标注数据,且并未利用知识图谱中属性等结构化信息,限制了实体对齐的效果。针对这个问题,文章提出融合语义和结构信息的实体对齐方法,使用协同训练(Cotraining)框架,将特征分为语义视角和结构视角,在两个视角下分别训练基于两个图谱联合表示学习(Joint Embedding)的实体对齐模型,并不断选出最可信的实体对齐结果用于辅助另一视角下模型的训练,实现语义和结构信息的融合,从而提升实体对齐的效果。同时,提出使用属性强约束,限制协同训练过程中产生的漂移。实验证明,与传统方法相比,该方法在准确率和F1值上都有提升。

关键词：知识图谱联合表示学习协同训练实体对齐

来源：评论

学校读者我要写书评

暂无评论

基于会话信息的多粒度循环神经网络推荐模型

引用

山西大学学报(自然科学版) 2019年第2期42卷 332-339页

作者：岳新玉刘悦余志华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

提出了一种多粒度循环网络推荐模型,通过引入更粗粒度的商品信息来提升模型的泛化能力;同时在模型中还引入注意力机制,利用这一粗粒度信息去监督整个点击序列的学习,通过捕捉用户的注意力信息来更加精准地刻画序列的表达。通过以上两种... 详细信息

提出了一种多粒度循环网络推荐模型,通过引入更粗粒度的商品信息来提升模型的泛化能力;同时在模型中还引入注意力机制,利用这一粗粒度信息去监督整个点击序列的学习,通过捕捉用户的注意力信息来更加精准地刻画序列的表达。通过以上两种方法可以更好地提升模型的推荐效果,在YOOCHOOSE数据集上,Recall@20提升5.3%,MRR@20提升9.8%。

关键词：推荐系统会话循环神经网络用户点击序列

来源：评论

学校读者我要写书评

暂无评论

基于随机图的复杂网络建模方法研究

引用

小型微型计算机系统 2020年第9期41卷 1935-1938页

作者：李姝邵志香于金刚沈阳理工大学装备工程学院沈阳110159 页岩油气富集机理与有效开发国家重点实验室北京100101 中国石化石油工程技术研究院北京100101 中国科学院沈阳计算技术研究所沈阳110168

随着Internet技术的飞速发展,网络传输中大容量、高速化、多媒体化的需求也在日益增长,网络服务性能一直以来是网络传输中备受关注的问题,因此建立一个接近于实际通信网络的复杂网络仿真模型,对深入研究其网络连接状况及网络性能,拓展... 详细信息

随着Internet技术的飞速发展,网络传输中大容量、高速化、多媒体化的需求也在日益增长,网络服务性能一直以来是网络传输中备受关注的问题,因此建立一个接近于实际通信网络的复杂网络仿真模型,对深入研究其网络连接状况及网络性能,拓展复杂网络理论研究基础和应用领域,具有十分重要的意义.本文在随机图理论的基础上,提出了一种基于随机图的k-叉树网络模型(k-Tree Network Model based on Random-Graph,k-RGN),该网络仿真模型是一种具有链路权重且服从指数分布的随机网络模型.通过在网络仿真模型中的对比实验,验证了k-RGN随机网络模型,在带宽、丢包率、时延、时延抖动、跳数等多参数指标规划中,具有很好的网络综合性能.

关键词：随机图理论 k-叉树网络性能分析网络建模

来源：评论

学校读者我要写书评

暂无评论

浅谈计算机信息技术在互联网安全的应用

引用

计算机与网络 2020年第5期 56-56页

作者：胡琨华北计算技术研究所

现如今,互联网在人类的生活当中扮演着一个举足轻重的角色,为人类的生活带来了巨大的便利。世界上几乎所有领域的发展都离不开互联网,它给人类生产生活带来便利的同时也为人类带来了许多安全隐患。互联网安全问题已经严重影响了人类的... 详细信息

现如今,互联网在人类的生活当中扮演着一个举足轻重的角色,为人类的生活带来了巨大的便利。世界上几乎所有领域的发展都离不开互联网,它给人类生产生活带来便利的同时也为人类带来了许多安全隐患。互联网安全问题已经严重影响了人类的生产生活,也备受人类的关注。本文主要论述了互联网安全问题出现的原因以及计算机信息技术在互联网安全当中的应用。

关键词：互联网安全入侵检测系统防火墙信息技术

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：