检索结果-内蒙古大学图书馆

中国科学:信息科学 2025年第1期55卷 1-31页

作者：李泽南姚远马晓星吕建南京大学计算机软件新技术全国重点实验室南京210023 南京大学计算机学院南京210023

作为一种智能化软件形态,融合了神经网络和符号规则的神经符号系统正受到越来越多的关注,相关研究爆炸性增长.然而,现有技术仍然难以有效支持较大规模神经符号系统“端到端”的自动构建.神经网络训练和符号规则学习过程中对非确定性的... 详细信息

作为一种智能化软件形态,融合了神经网络和符号规则的神经符号系统正受到越来越多的关注,相关研究爆炸性增长.然而,现有技术仍然难以有效支持较大规模神经符号系统“端到端”的自动构建.神经网络训练和符号规则学习过程中对非确定性的不兼容的处理方式是造成神经符号学习效果欠佳的一个关键因素.本文旨在以非确定性管理的新视角,较为系统、一致、严谨地讨论分析“端到端”神经符号学习的技术挑战,并以此视角整理讨论相关工作的思路、进展和当前仍然存在的问题.在此基础上,展望下一步的发展方向.

关键词：神经符号学习神经符号接地推理捷径符号约束合成

来源：评论

学校读者我要写书评

暂无评论

神经形态计算:从脉冲神经网络到边缘部署

引用

软件学报 2025年第4期36卷 1758-1795页

作者：俞诗航易梦军吴洲申富饶赵健计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学计算机学院江苏南京210023 南京大学人工智能学院江苏南京210023 南京大学电子科学与工程学院江苏南京210023

受生物神经系统启发,神经形态计算的概念于20世纪80年代被提出,旨在模拟生物大脑的结构和功能,实现更高效、更具生物合理性的计算方式.作为神经形态计算的代表模型,脉冲神经网络(SNN)因其脉冲稀疏性,事件驱动性、生物可解释性以及硬件... 详细信息

受生物神经系统启发,神经形态计算的概念于20世纪80年代被提出,旨在模拟生物大脑的结构和功能,实现更高效、更具生物合理性的计算方式.作为神经形态计算的代表模型,脉冲神经网络(SNN)因其脉冲稀疏性,事件驱动性、生物可解释性以及硬件契合性等优势,在资源严格受限的边缘智能任务中得到了广泛应用.针对脉冲神经网络的边缘部署情况进行梳理和汇总,首先从脉冲神经网络模型自身的原理出发,论述脉冲神经网络的高能效计算方式以及巨大的边缘部署潜力.然后介绍当下常见的脉冲神经网络硬件实现工具链,并重点对脉冲神经网络在各类神经形态硬件平台的部署情况做详细的整理与分析.最后,考虑到硬件故障行为已发展为当下研究中不可避免的问题,对脉冲神经网络边缘部署时的故障与容错研究进行概述.从软件模型原理到硬件平台实现,全面系统地介绍神经形态计算的最新进展,分析脉冲神经网络边缘部署时遇到的困难与挑战,并针对这些挑战给出未来可能的解决方向.

关键词：神经网络脉冲神经网络神经形态计算边缘智能

来源：评论

学校读者我要写书评

暂无评论

基于扩散模型的文本生成材质贴图的泛化性优化方法

引用

图学学报 2025年第1期46卷 139-149页

作者：涂晴昊李元琪刘一凡过洁郭延文南京大学计算机学院江苏南京210033

针对现有的材质贴图数据集存在着文字描述不足且纯图像数据集规模庞大的现状,及传统的生成模型推理错误时难以获得额外的超参数来生成新的结果等问题,提出一种基于稳定扩散模型的文本生成材质贴图的泛化性优化方法,采用分阶段的方式训... 详细信息

针对现有的材质贴图数据集存在着文字描述不足且纯图像数据集规模庞大的现状,及传统的生成模型推理错误时难以获得额外的超参数来生成新的结果等问题,提出一种基于稳定扩散模型的文本生成材质贴图的泛化性优化方法,采用分阶段的方式训练模型:使用大规模纯图像数据集对扩散模型进行微调,以拟合图像的生成;使用小规模含文本标注的数据集学习语义信息;引入新的解码器对扩散模型生成的隐编码重建得到材质贴图;最终可以通过输入文本描述获得多组随机生成的且符合描述的材质贴图结果。该方法使用Colossal架构组织代码,大大降低了训练的硬件要求;将图像拟合数据集、语义信息学习的工作分开,使用大规模图像数据集拟合模型参数,使用小规模文本数据学习语义信息,提高了模型的泛化性,减少了对多模态数据集规模的需求。

关键词：扩散模型泛化性多模态文本驱动材质贴图生成材质编辑器

来源：评论

学校读者我要写书评

暂无评论

面向深度学习的图像数据增强综述

引用

软件学报 2025年第3期36卷 1390-1412页

作者：杨锁荣杨洪朝申富饶赵健计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学计算机科学与技术系江苏南京210023 南京大学人工智能学院江苏南京210023 南京大学电子科学与工程学院江苏南京210023

深度学习已经在许多计算机视觉任务中取得了显著的成果.然而,深度神经网络通常需要大量的训练数据以避免过拟合,但实际应用中标记数据可能非常有限.因此,数据增强已成为提高训练数据充分性和多样性的有效方法,也是深度学习模型成功应用... 详细信息

深度学习已经在许多计算机视觉任务中取得了显著的成果.然而,深度神经网络通常需要大量的训练数据以避免过拟合,但实际应用中标记数据可能非常有限.因此,数据增强已成为提高训练数据充分性和多样性的有效方法,也是深度学习模型成功应用于图像数据的必要环节.系统地回顾不同的图像数据增强方法,并提出一个新的分类方法,为研究图像数据增强提供了新的视角.从不同的类别出发介绍各类数据增强方法的优势和局限性,并阐述各类方法的解决思路和应用价值.此外,还介绍语义分割、图像分类和目标检测这3种典型计算机视觉任务中常用的公共数据集和性能评价指标,并在这3个任务上对数据增强方法进行实验对比分析.最后,讨论当前数据增强所面临的挑战和未来的发展趋势.

关键词：深度学习图像数据增强图像识别泛化性能计算机视觉

来源：评论

学校读者我要写书评

暂无评论

人机物融合泛在应用的系统支撑

引用

中国科学:信息科学 2025年第3期55卷 464-480页

作者：曹云帆赵超懿刘瀚之王加益王慧妍余萍曹春许畅马晓星蒋炎岩计算机软件新技术全国重点实验室南京210023 南京大学计算机学院南京210023

泛在计算为人机物融合应用带来了新的可能性,但也面临着异构资源管理、需求多样性和计算资源受限等问题;同时,人工智能模型的快速发展也为智能应用的开发带来了机遇与挑战.为此,本文提出了元级化软件定义的泛在操作系统设计理念,通过引... 详细信息

泛在计算为人机物融合应用带来了新的可能性,但也面临着异构资源管理、需求多样性和计算资源受限等问题;同时,人工智能模型的快速发展也为智能应用的开发带来了机遇与挑战.为此,本文提出了元级化软件定义的泛在操作系统设计理念,通过引入“软件孪生”技术实现对异构资源的抽象管理,采用“上传下达”的层级结构应对复杂需求的分解,并通过智能原生设计实现对人工智能模型的支持.本文进一步以操作系统智能助手、“天网”监控系统和疾病防控系统3个典型泛在计算应用场景为例,阐述了本文所提出的泛在操作系统设计理念在实践中的优势和潜在价值,预示着智能时代下人机物融合的广泛应用前景.

关键词：泛在计算泛在操作系统软件工程

来源：评论

学校读者我要写书评

暂无评论

混合博弈问题的求解与应用综述

引用

软件学报 2025年第1期36卷 107-151页

作者：董绍康李超杨光葛振兴曹宏业陈武兵杨尚东陈兴国李文斌高阳计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

近年来,随着人工智能技术在序贯决策和博弈对抗等问题的应用方面取得了飞速发展,围棋、游戏、德扑和麻将等领域取得了巨大的进步,例如,AlphaGo、OpenAI Five、AlphaStar、DeepStack、Libratus、Pluribus和Suphx等系统都在这些领域中达... 详细信息

近年来,随着人工智能技术在序贯决策和博弈对抗等问题的应用方面取得了飞速发展,围棋、游戏、德扑和麻将等领域取得了巨大的进步,例如,AlphaGo、OpenAI Five、AlphaStar、DeepStack、Libratus、Pluribus和Suphx等系统都在这些领域中达到或超过人类专家水平.这些应用集中在双人、两队或者多人的零和博弈问题中,而对于混合博弈问题的研究缺乏实质性的进展与突破.区别于零和博弈,混合博弈需要综合考虑个体收益、集体收益和均衡收益等诸多目标,被广泛应用于公共资源分配、任务调度和自动驾驶等现实场景.因此,对于混合博弈问题的研究至关重要.通过梳理当前混合博弈领域中的重要概念和相关工作,深入分析国内外研究现状和未来发展方向.具体地,首先介绍混合博弈问题的定义与分类;其次详细阐述博弈解概念和求解目标,包含纳什均衡、相关均衡、帕累托最优等解概念,最大化个体收益、最大化集体收益以及兼顾公平等求解目标;接下来根据不同的求解目标,分别对博弈论方法、强化学习方法以及这两种方法的结合进行详细探讨和分析;最后介绍相关的应用场景和实验仿真环境,并对未来研究的方向进行总结与展望.

关键词：混合博弈博弈论强化学习

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的长尾时序动作检测

引用

软件学报 2025年第2期36卷 625-643页

作者：王雨虹武港山王利民计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动... 详细信息

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动作检测问题进行了系统的定义,并针对长尾时序动作检测问题,提出一种基于半监督学习的加权类别重平衡自训练方法,充分利用现实世界中存在的大规模无标签数据,来重平衡训练样本中的标签分布,改善模型对尾部类别的拟合效果.还针对时序动作检测任务,提出一种伪标签损失加权方法,使模型训练更加稳定.在THUMOS14和HACS Segments数据集上进行实验,并分别利用THUMOS15数据集和ActivityNet1.3数据集中的视频样本来构成相应的无标签数据集.此外,还针对视频审核应用需求,收集Dance数据集,包括35个动作类别、6632个有标签视频和13264个无标签视频,并保留数据分布显著的长尾效应.使用多种基线模型,在THUMOS14、HACS Segments和Dance数据集上进行实验.实验结果表明,所提出的加权类别重平衡自训练方法可以提高模型对尾部动作类别的检测效果,并且能应用于不同的基线时序动作检测模型提升其性能.

关键词：视频分析时序动作检测深度长尾学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

深度学习在医学中的应用进展

引用

中华检验医学杂志 2025年第2期48卷 292-296页

作者：施意史浩男叶翰嘉詹德川南京大学人工智能学院南京大学计算机软件新技术国家重点实验室南京210046

近年来,随着大数据的可用性提升以及计算机算力的提高,深度学习在图像识别、语音识别和自然语言处理等领域取得了一定成果,为医学的发展提供了新方向,例如智能医疗问诊、个性化诊疗方案设计、医疗影像辅助判读等。然而,深度学习在应用... 详细信息

近年来,随着大数据的可用性提升以及计算机算力的提高,深度学习在图像识别、语音识别和自然语言处理等领域取得了一定成果,为医学的发展提供了新方向,例如智能医疗问诊、个性化诊疗方案设计、医疗影像辅助判读等。然而,深度学习在应用时也存在许多问题,例如可复用性不强和可解释性不足等。本文主要阐述深度学习的发展史及其在医学领域的一些最新进展,并对其在医学应用中的一些问题进行分析和探讨。

关键词：深度学习神经网络医学应用

来源：评论

学校读者我要写书评

暂无评论

结合主动学习和半监督学习的软件可追踪性恢复框架

引用

软件学报 2025年第5期 1924-1948页

作者：董黎明张贺孟庆龙匡宏宇南京大学软件学院计算机软件新技术国家重点实验室(南京大学)

软件可追踪性被认为是软件开发过程可信的一个重要因素,确保对软件开发过程的可见性并进行全面追踪,从而提高软件的可信度和可靠性.近年来,自动化的软件可追踪性恢复方法取得了显著进展,但在企业项目中的应用仍面临挑战.通过调研研究和... 详细信息

软件可追踪性被认为是软件开发过程可信的一个重要因素,确保对软件开发过程的可见性并进行全面追踪,从而提高软件的可信度和可靠性.近年来,自动化的软件可追踪性恢复方法取得了显著进展,但在企业项目中的应用仍面临挑战.通过调研研究和实验案例分析,发现工业界场景中可追踪性模型表现不佳的3个关键挑战:原始数据低质量、样本稀疏性和不平衡性,并提出一种结合主动学习和半监督学习的软件可追踪性恢复框架STRACE(AL+SSL).该框架通过选择有价值的标注样本和生成高质量的伪标签样本,有效利用未标注的样本,克服数据低质量和稀疏性挑战.实验基于10个样本规模在几万至近百万个issue-commit跟踪对实例的企业项目,进行多组对比实验,结果表明该框架在当前真实企业项目软件可追踪性恢复任务上具有有效性.其中消融实验结果表明STRACE(AL+SSL)中主动学习模块所选择的无标签样本在可追踪性恢复任务中发挥了更为重要的作用.此外,还验证各个模块最佳的样本选择策略组合,包括调整后的半监督类平衡自训练样本选择策略CBST-Adjust和低成本高效率的主动学习子模块互信息SMI＿Flqmi样本选择策略.

关键词：软件可追踪性主动学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

开放环境下的协作多智能体强化学习进展

引用

中国科学:信息科学 2025年第2期55卷 217-268页

作者：袁雷张子谦李立和管聪俞扬南京大学计算机软件新技术国家重点实验室南京210023

多智能体强化学习(multi-agent reinforcement learning, MARL)近年来获得广泛关注并在不同领域取得进展.其中,协作多智能体强化学习专注于训练智能体团队以协同完成单智能体难以应对的任务目标,在路径规划、无人驾驶、主动电压控制和... 详细信息

多智能体强化学习(multi-agent reinforcement learning, MARL)近年来获得广泛关注并在不同领域取得进展.其中,协作多智能体强化学习专注于训练智能体团队以协同完成单智能体难以应对的任务目标,在路径规划、无人驾驶、主动电压控制和动态算法配置等场景展现出巨大的应用潜力.如何提升系统协作效能是协作多智能体强化学习领域研究重点之一.以往的研究工作主要在简单、静态和封闭的环境设定中展开.随着人工智能技术落地的驱使,目前在多智能体协作领域也有部分研究开始对开放环境下的多智能体协作展开研究,这些工作从多个方面对智能体所处环境中要素可能发生改变这一情况进行探索与研究,并取得一定进展.但是当前主流工作仍然缺乏对该方向的综述.本文从强化学习概念着手,针对多智能体系统、协作多智能体强化学习、典型方法与测试环境进行介绍,对封闭到开放环境下的协作多智能体强化学习研究工作进行总结,提炼出多类研究方向并对典型工作进行介绍.最后,本文对当前研究的优势与不足进行了总结,对未来开放环境下协作多智能体强化学习的发展方向与待研究问题进行展望,以吸引更多研究人士参与这个新兴方向的研究与交流.

关键词：强化学习多智能体系统多智能体协作开放环境机器学习开放环境多智能体协作

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：