检索结果-内蒙古大学图书馆

自动化学报 2025年第1期51卷 210-220页

作者：赵中原高旺蒋璐瑶葛泉波南京信息工程大学自动化学院南京210044 江苏大数据分析与智能系统省高校重点实验室南京210044 上海交通大学机械与动力工程学院上海200240

研究一类考虑节点隐私保护的分布式优化问题,目标为保护各智能体的隐私信息不被泄露,并最小化所有智能体局部成本函数之和.首先,针对无向连通图,提出一种基于椭圆曲线密码机制的分布式凸优化算法.通过设计底层权重矩阵,将基于椭圆曲线的... 详细信息

研究一类考虑节点隐私保护的分布式优化问题,目标为保护各智能体的隐私信息不被泄露,并最小化所有智能体局部成本函数之和.首先,针对无向连通图,提出一种基于椭圆曲线密码机制的分布式凸优化算法.通过设计底层权重矩阵,将基于椭圆曲线的ELGamal同态加密和数字签名与分布式次梯度算法相结合,克服了椭圆曲线密码机制与分布式一致性策略无法结合的难点.在无第三方或聚合器的场景下,该算法实现了系统的隐私保护.理论分析表明,该算法能够渐近收敛至全局最优解,并适用于时变通信拓扑的动态环境.此外,算法能有效保护智能体的状态和成本函数不受来自诚实但好奇攻击者、外部窃听者和篡改攻击者的威胁.最后,通过数值仿真验证了算法的有效性.

关键词：分布式优化隐私保护同态加密椭圆曲线

来源：评论

学校读者我要写书评

暂无评论

从价值化到权利化——虚拟财产研究20年回顾与展望

引用

数字法治 2024年第4期 147-160页

作者：姜金良李想南京信息工程大学大数据法治研究院南京信息工程大学

随着信息网络的发展,以游戏装备为代表的虚拟财产具有经济价值已得到了广泛认可,现行法律也明确对虚拟财产进行保护。但是,实践中具体保护路径并不一致,这源于虚拟财产的民事权利性质不明,还存在着刑法先行的问题。虚拟财产具有经济价... 详细信息

随着信息网络的发展,以游戏装备为代表的虚拟财产具有经济价值已得到了广泛认可,现行法律也明确对虚拟财产进行保护。但是,实践中具体保护路径并不一致,这源于虚拟财产的民事权利性质不明,还存在着刑法先行的问题。虚拟财产具有经济价值并不代表其属于法律上的财产。虚拟财产的物理属性是电磁记录,现行法律对计算机数据采取间接保护的方式,民事审判中以合同方式解决纠纷认可“债权说”,而刑法司法立足于计算机犯罪,权利保护的路径仍在探索阶段。对虚拟财产信息网络新型权利,不宜直接采取绝对权的立场,应考虑收益与共享的平衡。立足于法秩序统一性,在财产权利不明的情况下,刑法不应将非法获取虚拟财产行为认定为财产犯罪。

关键词：虚拟财产数据法秩序统一性

来源：评论

学校读者我要写书评

暂无评论

生成式人工智能的“三经九纬”法治新模式

引用

西南政法大学学报 2024年第3期26卷 140-158页

作者：许娟南京信息工程大学大数据法治研究院南京210044

“三经九纬”法治新模式在生成式人工智能治理中是较“规制论”更为“厚”的概念。现有规制之“薄”需要引入新的法治模式来解决生成式人工智能面临的真问题和新挑战,包括在技术基础、应用、标准、可融合的数据算法、可评估的可信度、... 详细信息

“三经九纬”法治新模式在生成式人工智能治理中是较“规制论”更为“厚”的概念。现有规制之“薄”需要引入新的法治模式来解决生成式人工智能面临的真问题和新挑战,包括在技术基础、应用、标准、可融合的数据算法、可评估的可信度、可转化的规范、对话商谈和主体间统分结合等方面进行法律的适应性改进。在国家战略—产业孵化—立法规范三个经度中,通过部门规章转换产业端需求并改进技术规范,形成生成式人工智能治理路径上的改进策略,包括探索回应型、转化改进型和促进包容型法治新模式。九纬是指技术基础、应用和标准等国家战略的纬度,数据质量、算法优化和算力设施等产业孵化的纬度,法律目的、原则、规则等立法规范的纬度。

关键词：生成式人工智能法治新模式 “三经九纬”

来源：评论

学校读者我要写书评

暂无评论

随机初始化神经网络剪枝的稀疏二值规划方法

引用

计算机工程与应用 2023年第8期59卷 138-147页

作者：陆林季繁繁袁晓彤南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 南京信息工程大学计算机学院南京210044

传统深度神经网络剪枝方法往往以预训练模型为初始网络并需要在剪枝后进行微调。受到近年来edgepopup等基于随机初始化网络的剪枝算法优异性能的启发,提出了一种基于稀疏二值规划的随机初始化网络剪枝算法。该算法将剪枝训练过程建模为... 详细信息

传统深度神经网络剪枝方法往往以预训练模型为初始网络并需要在剪枝后进行微调。受到近年来edgepopup等基于随机初始化网络的剪枝算法优异性能的启发,提出了一种基于稀疏二值规划的随机初始化网络剪枝算法。该算法将剪枝训练过程建模为一个稀疏二值约束优化问题。其核心思想是利用稀疏二值规划来学习一个二值掩膜,利用该掩膜可以从随机初始化的神经网络上裁剪出一个未经训练却性能良好的稀疏网络。与之前基于随机初始化网络的剪枝算法相比,该算法找到的稀疏网络在多个稀疏度下都具有更好的分类泛化性能。与edge-popup算法相比,在ImageNet数据集分类任务中,模型在稀疏度为70%时精度提升7.98个百分点。在CIFAR-10数据集分类任务中,模型在稀疏度为50%时精度提升2.48个百分点。

关键词：神经网络剪枝随机初始化二值掩膜二值规划稀疏优化

来源：评论

学校读者我要写书评

暂无评论

融合对比学习的对抗式无监督领域自适应图像分类方法

引用

计算机辅助设计与图形学学报 2024年

作者：王婷季繁繁崔绍君袁晓彤南京信息工程大学计算机学院数字取证教育部工程研究中心南京信息工程大学江苏省大数据分析技术重点实验室南京信息工程大学自动化学院

提出一种融合对比学习的对抗式无监督领域自适应图像分类方法(CADA)，旨在将从标记良好的源域训练得到的模型推广到未标记的目标域时仍然保持良好的泛化性能. 针对于以往的基于对抗的无监督领域自适应方法中存在的只在整体上对齐源域... 详细信息

提出一种融合对比学习的对抗式无监督领域自适应图像分类方法(CADA)，旨在将从标记良好的源域训练得到的模型推广到未标记的目标域时仍然保持良好的泛化性能. 针对于以往的基于对抗的无监督领域自适应方法中存在的只在整体上对齐源域和目标域的特征，而忽略了两个领域在全局分布对齐的同时属于同一类的特征是否对齐的问题，以及对无标签的目标域样本利用不充分的问题，将对比学习的思想引入到基于对抗的无监督领域自适应方法中，通过不断地拉近目标域中相似样本在特征空间中的距离，同时不断地推离不相似的样本，使得无标签的目标域样本的分类边界更加清晰，从而使得源域和目标域样本在全局对齐的同时也实现类内对齐; 将目标域的样本经过数据增强后送入对比学习模块，使得目标域无标记的样本得到了更充分的利用. 与原有的基于对抗的无监督领域自适应方法相比，提出的CADA在Office-31、Office-Home、VisDA-2017数据集上的平均准确率比原有方法提高了2～6个百分点.

关键词：无监督领域自适应自监督学习对比学习类对比知识图像分类

来源：评论

学校读者我要写书评

暂无评论

基于伪孪生网络双层优化的对比学习

引用

模式识别与人工智能 2022年第10期35卷 928-938页

作者：陈庆宇季繁繁袁晓彤南京信息工程大学自动化学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南京信息工程大学计算机学院南京210044

目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络。双层优化策略包括基于近邻... 详细信息

目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络。双层优化策略包括基于近邻优化的学生网络优化策略和基于随机梯度下降的教师网络优化策略。基于近邻优化的学生网络优化策略让教师网络成为约束项,帮助学生网络更好地向教师网络学习。基于随机梯度下降的教师网络优化策略求解近似教师网络,梯度更新教师网络。在5个数据集上的实验表明,文中算法取得较高的k-NN(k=1)分类精度和线性分类精度,特别在批次大小较小时,优势较大。

关键词：对比学习双层优化学生网络近邻优化教师网络随机梯度下降

来源：评论

学校读者我要写书评

暂无评论

免费何以增值?数字网络双重调节下服务商的价值创造

引用

南开管理评论 2025年第1期28卷 148-162页

作者：蒋军锋刘佩青池宇尚晏莹南京信息工程大学管理工程学院和人才大数据研究院西安理工大学经济与管理学院南京信息工程大学管理工程学院南京大学商学院

Google搜索引擎开放永久免费权限的现象,挑战了既有免费增值策略优化免费用户—付费用户转化动态从而实现增值的价值捕获框架。基于数字技术迅猛发展的时代背景,采用价值创造视角,本文聚焦于服务商的创新迭代过程,将数据驱动的学习嵌入... 详细信息

Google搜索引擎开放永久免费权限的现象,挑战了既有免费增值策略优化免费用户—付费用户转化动态从而实现增值的价值捕获框架。基于数字技术迅猛发展的时代背景,采用价值创造视角,本文聚焦于服务商的创新迭代过程,将数据驱动的学习嵌入到用户数据集—创新知识集—创新迭代的动态循环中,以捕捉免费增值策略的免费时长/免费功能驱动服务商创新的作用,同时纳入数字网络的规模和智能水平对数据驱动的学习的双重调节作用,揭示免费增值模式经由数据驱动的学习过程推动服务商创新实现价值创造的理论机制。在此基础上,利用手工收集的450个样本点的数据,本文还检验了免费增值策略对服务商创新的驱动作用以及数字网络的规模和智能水平的双重调节效应。结果发现:(1)时间锁定型和功能受限型两类免费增值策略对创新迭代速率和新颖性的影响均呈倒U型趋势。(2)免费试用时长与创新迭代新颖性的倒U型关系和免费试用功能与创新迭代速率的倒U型关系均受到数字网络智能水平的正向调节;免费试用时长与创新迭代新颖性的倒U型关系则受到数字网络规模的负向调节。(3)无论是时间锁定型还是功能受限型,免费增值策略对创新迭代新颖性的影响总强于对创新迭代速率的影响。本文研究揭示了免费增值策略在数字网络中通过数据驱动服务商创新实现价值创造的理论机制,同时提供了基于创新目标和数字网络的服务商优化免费增值策略的对策建议。

关键词：免费增值策略价值创造创新迭代数字网络数据驱动的学习

来源：评论

学校读者我要写书评

暂无评论

基于PCA和ICA模式融合的非高斯特征检测识别

引用

自动化学报 2024年第1期50卷 169-180页

作者：葛泉波程惠茹张明川郑瑞娟朱军龙吴庆涛南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 江苏省大数据分析技术重点实验室南京210044 河南科技大学信息工程学院洛阳471023

针对无人船(Unmanned surface vehicle,USV)航行位姿观测数据的非高斯性/高斯性判别问题,提出一种基于主成分分析(Principal component analysis,PCA)和独立成分分析(Independent component analysis,ICA)模式融合的非高斯特征检测识别方法.首先,采用基于标准化加权平均和信息熵的数据预处理方法.其次,引入混合加权核函数并使用灰狼优化(Grey wolf optimization,GWO)算法进行参数优化,以提高PCA方法的准确性.同时,该算法采用一种新的非线性控制因子策略,提高全局和局部搜索能力.最后,建立了一种基于ICA和PCA联合的相关性分析方法来实现多维数据的降维,在降维数据的基础上综合T型多维偏度峰度检验法和KS(Kolmogorov-Smirnov)检验法进行非高斯性/高斯性特征检测识别.该方法考虑了非线性非高斯的噪声对降维结果精确度的影响,有效降低了多维数据非高斯检测的复杂度,同时也为后续在实际USV位姿估计等应用中提供了保障.实验表明,该方法具有较高的准确性和稳定性,可为USV航行位姿观测数据处理提供支持.

关键词：主成分分析混合核函数灰狼优化算法高维降维非高斯

来源：评论

学校读者我要写书评

暂无评论

一种用于多目标组合优化的三阶段混合蛙跳框架

引用

控制与决策 2022年第4期37卷 973-981页

作者：申晓宁陈庆洲潘红丽游璇黄遥南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044

提出一种用于求解多目标组合优化问题的3阶段混合蛙跳框架.该框架采用阶段化、模块化的设计思想,将种群的进化过程分为快速收敛、探索扩展、极值挖掘3个阶段.在快速收敛阶段,迅速定位Pareto前沿,使整个群体快速地聚集在前沿附近;在探索... 详细信息

提出一种用于求解多目标组合优化问题的3阶段混合蛙跳框架.该框架采用阶段化、模块化的设计思想,将种群的进化过程分为快速收敛、探索扩展、极值挖掘3个阶段.在快速收敛阶段,迅速定位Pareto前沿,使整个群体快速地聚集在前沿附近;在探索扩展阶段,进一步提升解的精度并让种群均匀地分布在前沿上;在极值挖掘阶段,搜寻各目标上的边界极值,增强分布性能.对于不同阶段的不同模块,采用不同的策略以提升框架的求解性能.所提出框架对于多目标组合优化问题具有良好的通用性,在解决不同类型的问题时仅需设计相应的编码方式、个体生成算子和约束处理机制.采用经典的多目标背包问题作为测试问题,与五种已有算法进行对比,结果表明,所提出框架具有良好性能,基于该框架设计的混合蛙跳算法具有更好的收敛性和分布性.

关键词：多目标组合优化混合蛙跳框架快速收敛探索扩展极值挖掘离散跳跃规则

来源：评论

学校读者我要写书评

暂无评论

基于一致性功能神经过程的多视图时序预测

引用

计算机工程 2024年

作者：杨春霞蒋耀翟雪彤周媛媛南京信息工程大学自动化学院江苏省大数据分析与技术重点实验室

在多视图时间序列预测领域，如何有效融合来自不同视图的信息，是一个重要且具有挑战性的问题。现有的多视图时序预测方法在捕获历史数据趋势方面存在局限，同时也常受到多视图信息分布不一致的影响。针对这两个问题，本研究基于功能性... 详细信息

在多视图时间序列预测领域，如何有效融合来自不同视图的信息，是一个重要且具有挑战性的问题。现有的多视图时序预测方法在捕获历史数据趋势方面存在局限，同时也常受到多视图信息分布不一致的影响。针对这两个问题，本研究基于功能性神经过程（Functional Neural Processes， FNP）框架，提出了一种的一致性功能性神经过程（Consistent Functional Neural Process， CFNP）框架。CFNP框架设计了两个核心模块：视图随机相关图模块和视图分布对齐模块。视图随机相关图模块通过分析历史数据的分布，辅助对当前数据的理解和预测；而视图分布对齐模块致力于缩减不同视图间的概率分布差异，通过在潜在空间中施加约束，提高了模型对时间序列内在关联性的捕捉能力。在两个公开数据集上的实验表明，相比于现有方法，CFNP在RMSE上效果提升分别为14%和5%，证明此框架能够更准确地预测多视图时间序列。

关键词：多视图学习时序预测概率预测功能神经过程一致性正则化

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：