检索结果-内蒙古大学图书馆

计算机科学与探索 2024年第11期18卷 2925-2939页

作者：桑晨扬马廷淮谢欣彤孙圣杰黄锐南京信息工程大学计算机学院南京210044 南京信息工程大学软件学院南京210044 江苏海洋大学计算机工程学院江苏连云港222005

情绪支持对话任务需在充分理解用户心理状态的基础上,采取特定的对话策略进行支持性回复,以减轻用户的情绪困扰。现有的研究大多采用端到端生成的方法,通过微调的方式调整小型预训练语言模型,以对情绪支持任务进行适配。然而,这些方法... 详细信息

情绪支持对话任务需在充分理解用户心理状态的基础上,采取特定的对话策略进行支持性回复,以减轻用户的情绪困扰。现有的研究大多采用端到端生成的方法,通过微调的方式调整小型预训练语言模型,以对情绪支持任务进行适配。然而,这些方法缺乏对用户心理状态的细粒度理解,导致共情程度不足,并且模型决策过程不透明,导致可解释性较差。为解决上述问题,受目前大语言模型出色的推理能力启发,提出了一种基于大语言模型的情绪支持对话推理框架CoES(chain-of-emotional-support),将端到端的生成问题转化为分阶段的推理问题,从而将复杂的情绪支持任务分解为简单子任务来逐步解决。该框架由情绪推理链、策略推理链、回复生成链三条思维链组成,分别用于用户心理状态的细粒度挖掘、情绪支持策略的选择以及回复的生成与优化。针对性地设计了不同的外部知识增强策略,以改善大模型在心理状态挖掘及支持策略选择过程中的推理效果。ESConv数据集上的人工评估及自动评估结果表明,所提出的推理方法在情绪支持的可解释性及内容生成质量方面达到了先进的性能。

关键词：情绪支持对话大语言模型思维链推理心理健康

来源：评论

学校读者我要写书评

暂无评论

结合自注意力机制和软阈值降噪的对比联邦学习特征聚合算法

引用

重庆邮电大学学报（自然科学版） 2024年第5期36卷 966-973页

作者：王毅瞿治国孙乐南京信息工程大学计算机学院南京210044

传统人工智能(artificial intelligence,AI)技术在智慧视觉领域的应用面临着数据异构分布、数据隐私保护和噪声数据干扰等一系列技术难点。为了克服这些挑战,在联邦学习和信号降噪算法的思想上,提出了一种基于降噪和数据特征聚合的对比... 详细信息

传统人工智能(artificial intelligence,AI)技术在智慧视觉领域的应用面临着数据异构分布、数据隐私保护和噪声数据干扰等一系列技术难点。为了克服这些挑战,在联邦学习和信号降噪算法的思想上,提出了一种基于降噪和数据特征聚合的对比联邦学习算法(comparative federated learning aggregation feature algorithm with noise reduction,FedCAFNR)。FedCAFNR引入自注意力机制和深度残差网络,构建自适应阈值降噪网络,提高联邦学习从异构性数据中学习关键特征的能力。通过对比学习模型之间的差异,提升局部训练精度,有效增强了个体与全局模型的一致性,进一步提高了模型对非独立同分布数据的鲁棒性。采用3种多分类数据集进行仿真实验,在数据隐私保护的前提下证明了FedCAFNR算法具有良好的收敛性和可拓展性。此外,新算法改进了学习效率,并提高了异构数据环境下联邦学习现有算法的一致性、鲁棒性。

关键词：联邦学习降噪自注意力机制特征聚合

来源：评论

学校读者我要写书评

暂无评论

CS-GNN:用于真实世界漏洞检测的类敏感图神经网络

引用

重庆邮电大学学报（自然科学版） 2024年第5期36卷 1042-1051页

作者：范春瞿治国王保卫孙乐南京信息工程大学计算机学院南京210044

针对当前大多数基于深度学习的漏洞检测方法在应用于工业5.0系统中检测不平衡的真实世界的漏洞时,受到程序代码流程信息利用不足的限制,导致误报率很高的问题,提出了类敏感图神经网络(class-sensitive graph neural network,CS-GNN),一... 详细信息

针对当前大多数基于深度学习的漏洞检测方法在应用于工业5.0系统中检测不平衡的真实世界的漏洞时,受到程序代码流程信息利用不足的限制,导致误报率很高的问题,提出了类敏感图神经网络(class-sensitive graph neural network,CS-GNN),一种新型的函数级真实世界漏洞检测方法。该方法基于代码属性图(code property graph,CPG)和异构图Transformer(heterogeneous graph transformer,HGT),有效提升了漏洞检测的能力和可靠性,以保护消费者数字生态系统的安全。HGT用于接收和学习代码生成的CPG上丰富的语义信息和语句间的关联信息,可以很好地学习到漏洞代码的相关特征。此外,还添加了一个新型的卷积池化模块,用于更好地进行样本特征区分。实验结果表明,CS-GNN实现了更好的检测准确度、精确度、召回率和F1得分,在同样的数据集上,将最先进的基于深度学习的方法提高了13.21%~153.75%。

关键词：工业5.0 消费者数字生态系统漏洞检测图神经网络异构图

来源：评论

学校读者我要写书评

暂无评论

基于双向时间卷积网络的半监督日志异常检测

引用

计算机应用研究 2024年第7期41卷 2110-2117页

作者：尹春勇孔娴南京信息工程大学计算机学院南京210044

由于日志解析准确率不高以及标记样本不足降低了异常检测的准确率,所以提出了一种新的基于日志的半监督异常检测方法。首先,通过改进字典的日志解析方法,保留了日志事件中的部分参数信息,从而提高日志信息的利用率和日志解析的准确率;然... 详细信息

由于日志解析准确率不高以及标记样本不足降低了异常检测的准确率,所以提出了一种新的基于日志的半监督异常检测方法。首先,通过改进字典的日志解析方法,保留了日志事件中的部分参数信息,从而提高日志信息的利用率和日志解析的准确率;然后,使用BERT对模板中的语义信息进行编码,获得日志的语义向量;接着采用聚类的方法进行标签估计,缓解了数据标注不足的问题,有效提高了模型对不稳定数据的检测;最后,使用带有残差块的双向时间卷积网络(Bi-TCN)从两个方向捕获上下文信息,提高了异常检测的精度和效率。为了评估该方法的性能,在两个数据集上进行了评估,最终实验结果表明,该方法与最新的三个基准模型LogBERT、PLELog和LogEncoder相比,F 1值平均提高了7%、14.1%和8.04%,能够高效精准地进行日志解析和日志异常检测。

关键词：日志解析异常检测半监督学习双向时间卷积网络上下文相关性

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和护照层嵌入的图像处理模型水印方法

引用

信息安全研究 2024年第9期10卷 849-855页

作者：陈先意周浩刘腾骏闫雷鸣南京信息工程大学计算机学院南京210044

随着深度神经网络在人工智能领域的广泛应用,深度神经网络的版权保护受到广泛关注.然而,到目前为止模型版权保护的方法大多集中在检测或分类任务上,难以直接应用于图像处理网络.为此,提出一种结合注意力机制和护照层嵌入的图像处理模型... 详细信息

随着深度神经网络在人工智能领域的广泛应用,深度神经网络的版权保护受到广泛关注.然而,到目前为止模型版权保护的方法大多集中在检测或分类任务上,难以直接应用于图像处理网络.为此,提出一种结合注意力机制和护照层嵌入的图像处理模型版权保护框架.首先通过在水印嵌入网络中使用通道和空间注意力网络定位图像中人眼不敏感区域,提高水印的鲁棒性和不可感知性.其次在目标模型的卷积层后插入护照层水印提高抵御混淆攻击的能力,最后结合结构一致性、护照层因子等设计组合损失引导模型收敛方向.超分辨率模型SRGAN和语义分割模型CycleGAN上的实验结果表明,该方法的水印提取率超过98%,并对代理攻击和混淆攻击具有较好的鲁棒性.

关键词：深度学习模型水印版权保护注意力机制护照层

来源：评论

学校读者我要写书评

暂无评论

基于策略图的三维位置隐私发布算法研究

引用

信息网络安全 2024年第4期24卷 602-613页

作者：尹春勇贾续康南京信息工程大学计算机学院南京210044

随着移动智能终端的普及,基于位置服务(Location-Based Services,LBS)的应用迎来了爆发式增长,高层室内建筑是位置服务的重要应用场景之一。然而现有的位置隐私保护算法大多适用于二维位置数据,面向大型室内三维场景的位置隐私保护研究... 详细信息

随着移动智能终端的普及,基于位置服务(Location-Based Services,LBS)的应用迎来了爆发式增长,高层室内建筑是位置服务的重要应用场景之一。然而现有的位置隐私保护算法大多适用于二维位置数据,面向大型室内三维场景的位置隐私保护研究尚且不足,并且缺乏可个性化定制的三维隐私策略。针对该问题,文章提出了一种基于策略图的三维位置隐私发布算法。首先,设计一种基于可定制策略图的位置隐私保护框架,可根据具体场景需求动态定制适合的隐私策略;其次,设计两种面向三维的差分隐私变体机制,结合定制策略图,实现三维场景下的位置隐私保护;最后,在三维数据集上进行仿真实验,实验结果表明,与其他三维位置隐私保护算法相比,文章所提算法具有更好的稳定性和效用性。

关键词：高层室内场景三维位置隐私策略图差分隐私基于位置服务

来源：评论

学校读者我要写书评

暂无评论

注意力融合双流特征的局部GAN生成人脸检测算法

引用

东南大学学报（自然科学版） 2023年第3期53卷 543-551页

作者：陈北京王鹏喻乐延舒华忠南京信息工程大学计算机学院南京210044 南京信息工程大学雷丁学院南京210044 东南大学影像科学与技术实验室南京210096

为解决现有局部生成式对抗网络(GAN)生成人脸检测算法在检测经过后处理的图像时性能严重下降的问题,提出一种注意力融合双流特征的局部GAN生成人脸检测算法.该算法利用双流网络分别从RGB颜色空间和YCbCr颜色空间中提取鲁棒特征,并引入... 详细信息

为解决现有局部生成式对抗网络(GAN)生成人脸检测算法在检测经过后处理的图像时性能严重下降的问题,提出一种注意力融合双流特征的局部GAN生成人脸检测算法.该算法利用双流网络分别从RGB颜色空间和YCbCr颜色空间中提取鲁棒特征,并引入注意力特征融合模块在不同网络层上融合双流特征以获得更鲁棒的特征.同时采用多层次特征融合决策提高网络对局部生成区域特征的提取和辨别能力.实验结果表明,所提算法的鲁棒性优于现有算法,尤其是针对JPEG压缩和双边滤波后处理.在FFHQ+规则子集上与次优算法相比,该算法在3种强度的JPEG压缩和双边滤波上的平均准确率分别提高了1.88%和2.64%;在FFHQ+不规则子集上与次优算法相比,该算法在3种强度的JPEG压缩和双边滤波上的平均准确率分别提高了2.85%和1.60%.

关键词：生成式对抗网络(GAN) 生成人脸 Xception网络特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

k阶采样和图注意力网络的知识图谱表示模型

引用

计算机工程与应用 2024年第2期60卷 113-120页

作者：刘文杰姚俊飞陈亮南京信息工程大学计算机学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044

知识图谱表示(KGE)旨在将知识图谱中的实体和关系映射到低维度向量空间而获得其向量表示。现有的KGE模型只考虑一阶近邻,这影响了知识图谱中推理和预测任务的准确性。为了解决这一问题,提出了一种基于k阶采样算法和图注意力网络的KGE模... 详细信息

知识图谱表示(KGE)旨在将知识图谱中的实体和关系映射到低维度向量空间而获得其向量表示。现有的KGE模型只考虑一阶近邻,这影响了知识图谱中推理和预测任务的准确性。为了解决这一问题,提出了一种基于k阶采样算法和图注意力网络的KGE模型。k阶采样算法通过聚集剪枝子图中的k阶邻域来获取中心实体的邻居特征。引入图注意力网络来学习中心实体邻居的注意力值,通过邻居特征加权和得到新的实体向量表示。利用ConvKB作为解码器来分析三元组的全局表示特征。在WN18RR、FB15k-237、NELL-995、Kinship数据集上的评价实验表明,该模型在链接预测任务上的性能明显优于最新的模型。此外,还讨论了阶数k和采样系数b的改变对模型命中率的影响。

关键词：知识图谱表示 k阶采样算法图注意力网络剪枝子图链接预测

来源：评论

学校读者我要写书评

暂无评论

无人机辅助反向散射通信计算任务卸载与资源分配

引用

电子与信息学报 2023年第7期45卷 2334-2341页

作者：李斌杨蓉蓉南京信息工程大学计算机与软件学院南京210044 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

针对边缘计算网络中用户能量短缺问题,该文提出一种无人机(UAV)辅助的反向散射通信网络计算任务卸载和资源分配方案。首先,通过联合考虑飞行轨迹、用户的计算频率、任务卸载比例、无人机及用户的发射功率、反向散射时间分配以及主动通... 详细信息

针对边缘计算网络中用户能量短缺问题,该文提出一种无人机(UAV)辅助的反向散射通信网络计算任务卸载和资源分配方案。首先,通过联合考虑飞行轨迹、用户的计算频率、任务卸载比例、无人机及用户的发射功率、反向散射时间分配以及主动通信时间分配,构建最小化无人机总能耗优化问题。其次,利用交替优化算法,将原非凸问题分解为两个子问题,并通过连续凸逼近方法将原问题转化为凸问题进行求解。仿真结果表明,所提算法使得无人机能耗显著减少,且具有良好的收敛性。

关键词：反向散射通信无人机移动边缘计算无线供能通信网络计算卸载

来源：评论

学校读者我要写书评

暂无评论

双端聚类的自动调整聚类联邦学习

引用

计算机应用 2024年第10期44卷 3011-3020页

作者：尹春勇周永成南京信息工程大学计算机学院、网络空间安全学院南京210044 南京信息工程大学软件学院南京210044

联邦学习(FL)是一种分布式机器学习方法,旨在共同训练全局模型,然而全局模型难以胜任多数据分布情况。为应对多分布挑战,引入聚类联邦学习,以客户端分组方式优化共享多模型。其中,服务器端聚类难以修正分类错误,而客户端聚类则对初始模... 详细信息

联邦学习(FL)是一种分布式机器学习方法,旨在共同训练全局模型,然而全局模型难以胜任多数据分布情况。为应对多分布挑战,引入聚类联邦学习,以客户端分组方式优化共享多模型。其中,服务器端聚类难以修正分类错误,而客户端聚类则对初始模型的选择至关重要。为解决这些问题,提出自动调整聚类联邦学习(AACFL)框架,所提框架采用双端聚类整合服务器端和客户端聚类。首先用双端聚类将客户端分为可调整集群,其次自动调整局部客户端身份,最后获取正确的客户集群。在非独立同分布下,在3个经典联邦数据集上的评估实验结果表明,AACFL能够在双端聚类结果存在错误的情况下通过调整获得正确集群,当簇数为4,客户端数为100时,与联邦平均(FedAvg)算法、聚类联邦学习(CFL)和IFCA(Iterative Federated Clustering Algorithm)等方法相比,有效地提高模型收敛速度和获得正确聚类结果的速度,准确率平均提升0.20~23.16个百分点。验证了所提框架能够高效聚类,并提高模型收敛速度和准确率。

关键词：联邦学习聚类异构数据分布式机器学习神经网络

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：