检索结果-内蒙古大学图书馆

计算机学报 2022年第3期45卷 513-525页

作者：万晨李文中丁望祥张治杰叶保留陆桑璐南京大学计算机软件新技术国家重点实验室南京210023 南京大学计算机科学与技术系南京210023

时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是... 详细信息

时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是一个具有挑战性的任务.本文研究多变量时间序列预测的局部变量预测精度问题,即多变量预测需要在提升整体预测性能的同时保证局部单变量的预测精度.针对现有多变量时间序列预测算法不能保障局部变量预测精度的局限性,我们设计并实现了一种基于自演化预训练的多变量时间序列预测算法SEPNets.基于预训练的思想,SEPNets首先构建和训练单变量时间序列模型作为后续建模的基准.然后,通过拓展时序卷积网络和长短记忆(LSTM)单元来建模变量间复杂的时序依赖关系.通过将预训练模型和拓展模型进行融合再训练,SEPNets可以保障多变量时间序列预测的局部变量预测精度,并提升总体的预测性能.我们在5个真实数据集上对所提模型进行性能评估.实验结果表明,本文提出的SEPNets算法比现有算法获得相对最高的预测精度,同时在保障局部变量预测精度上具有更好的性能.

关键词：时间序列预测多变量时间序列机器学习神经网络预训练

来源：评论

学校读者我要写书评

暂无评论

软件库依赖图谱的复杂性度量方法及其潜在应用

引用

软件学报 2023年第11期34卷 5282-5311页

作者：于海王莹徐美秋杨博许畅朱志良东北大学软件学院辽宁沈阳110169 南京大学计算机科学与技术系江苏南京210046 计算机软件新技术国家重点实验室(南京大学) 江苏南京210046

在软件开发过程中,软件库可以减少开发时间和节约成本而被广泛使用,因此现代软件项目包含多种不同来源的代码而使得系统具有更高的复杂性和多样性.软件库在使用的过程中常常伴随着各种风险,如低质量或安全漏洞,从而严重影响软件项目的质... 详细信息

在软件开发过程中,软件库可以减少开发时间和节约成本而被广泛使用,因此现代软件项目包含多种不同来源的代码而使得系统具有更高的复杂性和多样性.软件库在使用的过程中常常伴随着各种风险,如低质量或安全漏洞,从而严重影响软件项目的质量.通过分析与软件库的耦合强度,来量化由软件库的依赖关系而引入客户代码的复杂性和多样性.首先,根据客户代码与软件库之间方法的调用关系建立软件边界图模型,区分开客户代码和软件库的代码边界;进而基于此提出一套软件库依赖图谱的复杂性度量指标RMS,用以量化不同来源软件之间的耦合强度.在实验过程中,挖掘Apache开源社区中10个流行软件所有历史版本数据,最终收集到7857个真实项目间依赖缺陷问题.在上述真实数据基础上,结合所提出的复杂性度量指标RMS,利用假设验证方法开展实证调查研究来探讨:H1:风险因子更高的边界节点是否更容易引入更多数量的项目间依赖缺陷;H2:风险因子更高的边界节点会是否更容易引入严重等级高的项目间依赖缺陷;H3:RMS度量指标数值多大程度地影响了引入项目间依赖缺陷数量和严重等级.实验结果表明,根据RMS度量指标评估,与软件库耦合度更高的边界节点容易引入更多数量且严重等级高的项目间依赖缺陷.与传统复杂性度量指标对比,RMS度量指标较大程度地影响了引入项目间依赖缺陷的数量和严重等级.

关键词：经验软件工程第三方库软件度量指标假设验证

来源：评论

学校读者我要写书评

暂无评论

卷积神经网络的可解释性研究综述

引用

软件学报 2024年第1期35卷 159-184页

作者：窦慧张凌茗韩峰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

神经网络模型性能日益强大,被广泛应用于解决各类计算机相关任务,并表现出非常优秀的能力,但人类对神经网络模型的运行机制却并不完全理解.针对神经网络可解释性的研究进行了梳理和汇总,就模型可解释性研究的定义、必要性、分类、评估... 详细信息

神经网络模型性能日益强大,被广泛应用于解决各类计算机相关任务,并表现出非常优秀的能力,但人类对神经网络模型的运行机制却并不完全理解.针对神经网络可解释性的研究进行了梳理和汇总,就模型可解释性研究的定义、必要性、分类、评估等方面进行了详细的讨论.从解释算法的关注点出发,提出一种神经网络可解释算法的新型分类方法,为理解神经网络提供一个全新的视角.根据提出的新型分类方法对当前卷积神经网络的可解释方法进行梳理,并对不同类别解释算法的特点进行分析和比较.同时,介绍了常见可解释算法的评估原则和评估方法.对可解释神经网络的研究方向与应用进行概述.就可解释神经网络面临的挑战进行阐述,并针对这些挑战给出可能的解决方向.

关键词：神经网络可解释性分类深度学习

来源：评论

学校读者我要写书评

暂无评论

意外充分性引导的深度神经网络测试样本生成

引用

计算机研究与发展 2024年第4期61卷 1003-1017页

作者：郭虹静陶传奇黄志球南京航空航天大学计算机科学与技术学院南京210016 高安全系统的软件开发与验证技术工信部重点实验室(南京航空航天大学) 南京210016 计算机软件新技术国家重点实验室(南京大学) 南京210023

由于深度神经网络(deep neural network,DNN)模型的复杂性和不确定性等属性,对模型的一般行为和边界行为进行充分的测试是保障模型质量的重要手段.当前的研究主要基于制定的覆盖准则,结合模糊测试技术生成衍生测试样本,从而提升测试充分... 详细信息

由于深度神经网络(deep neural network,DNN)模型的复杂性和不确定性等属性,对模型的一般行为和边界行为进行充分的测试是保障模型质量的重要手段.当前的研究主要基于制定的覆盖准则,结合模糊测试技术生成衍生测试样本,从而提升测试充分性,但较少综合考虑测试样本的多样性及个体揭错能力.意外充分性指标量化测试样本与训练集在神经元输出方面的差异,是测试充分性评估的重要指标,目前缺乏基于此指标的测试样本生成方法.因此,提出了一种意外充分性引导的深度神经网络测试样本生成方法,首先,筛选对于决策结果贡献较大的重要神经元,以其输出值为特征,改进意外充分性指标;其次,基于测试样本的意外充分性度量筛选具有揭错能力的种子样本;最后,利用覆盖引导的模糊测试思想,将测试样本的意外充分性值和DNN模型预测的类别概率差异作为联合优化目标,利用梯度上升算法计算扰动,迭代生成测试样本.为了验证所提方法的有效性,选取5个DNN模型作为被测对象,涵盖4种不同的图像数据集,实验结果表明,改进的意外充分性指标能够有效捕捉异常的测试样本,同时减少计算时间开销.在测试样本生成方面,与方法DeepGini和RobOT相比,基于所提的种子样本选择策略生成的衍生测试集的意外覆盖率最高提升了5.9个百分比和15.9个百分比.相比于方法DLFuzz和DeepXplore,所提方法的意外覆盖率最高提升了26.5个百分比和33.7个百分比.

关键词：软件测试测试样本生成测试覆盖深度神经网络意外充分性

来源：评论

学校读者我要写书评

暂无评论

意图感知的社交网络用户城外移动行为预测

引用

计算机学报 2024年第11期47卷 2579-2593页

作者：胥帅李博涵许建秋曹玖新傅晓明南京航空航天大学计算机科学与技术学院南京211106 计算机软件新技术国家重点实验室(南京大学) 南京210023 东南大学网络空间安全学院南京211189 哥廷根大学计算机科学研究所哥廷根37077德国

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外... 详细信息

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外出行偏好,进而准确预测用户在城外的移动行为.为此,本文提出一种意图感知的社交网络用户城外移动偏好建模框架TIEMPO.首先,为缓解数据稀疏性问题,通过随机游走从构建的城外地点网络中采样移动轨迹,利用无监督聚类发现特定数目的用户城外出行意图;其次,引入记忆网络从相似用户在城外的移动轨迹中进一步提炼出行意图;然后,基于迁移学习思想,将用户城内签到与城外出行意图进行交互建模,从而强化用户城外移动偏好表示;最后,融合用户城外移动偏好表示与地点隐含表示对用户访问城外地点的概率进行量化.本文基于多个跨城市签到数据集进行广泛的实验分析,结果表明TIEMPO能有效预测社交网络用户在城外的移动行为,预测准确性指标Acc@10相比基线模型体现出12%~15%的明显优势,排序可靠性指标NDCG@10相比基线模型则超出3%~5%,即使在冷启动预测场景下TIEMPO依然表现最优.

关键词：移动行为预测跨城市意图感知偏好建模知识迁移社交网络

来源：评论

学校读者我要写书评

暂无评论

融合信息检索和深度模型特征的软件缺陷定位方法

引用

软件学报 2024年第7期35卷 3245-3264页

作者：申宗汶牛菲菲李传艺陈翔李奇葛季栋骆斌计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南通大学信息科学技术学院江苏南通226019

构建自动化的缺陷定位方法能够加快程序员利用缺陷报告定位到复杂软件系统缺陷代码的过程.早期相关研究人员将缺陷定位视为检索任务,通过分析缺陷报告和相关代码构造缺陷特征,并结合信息检索的方法实现缺陷定位.随着深度学习的发展,利... 详细信息

构建自动化的缺陷定位方法能够加快程序员利用缺陷报告定位到复杂软件系统缺陷代码的过程.早期相关研究人员将缺陷定位视为检索任务,通过分析缺陷报告和相关代码构造缺陷特征,并结合信息检索的方法实现缺陷定位.随着深度学习的发展,利用深度模型特征的缺陷定位方法也取得了一定效果.然而,由于深度模型训练的时间成本和耗费资源相对较高,现有基于深度模型的缺陷定位研究方法存在实验搜索空间和真实情况不符的情况.这些研究方法在测试时并没有将项目下的所有代码作为搜索空间,而仅仅搜索了与已有缺陷相关的代码,例如DNNLOC方法、DeepLocator方法、DreamLoc方法.这种做法和现实中程序员进行缺陷定位的搜索场景是不一致的.致力于模拟缺陷定位的真实场景,提出了一种融合信息检索和深度模型特征的TosLoc方法进行缺陷定位.TosLoc方法首先通过信息检索的方式检索真实项目的所有源代码,确保已有特征的充分利用;再利用深度模型挖掘源代码和缺陷报告的语义,获取最终定位结果.通过两阶段的检索,TosLoc方法能够对单个项目的所有代码实现快速缺陷定位.通过在4个常用的真实Java项目上进行实验,TosLoc方法能够在检索速度和准确性上超越已有基准方法.与最优基准方法DreamLoc相比,TosLoc方法在消耗DreamLoc方法35%的检索时间下,平均MRR值比DreamLoc方法提高了2.5%,平均MAP值提高了6.0%.

关键词：缺陷定位缺陷报告信息检索深度学习检索空间

来源：评论

学校读者我要写书评

暂无评论

深度代码模型安全综述

引用

软件学报 2025年第4期36卷 1461-1488页

作者：孙伟松陈宇琛赵梓含陈宏葛一飞韩廷旭黄胜寒李佳讯房春荣陈振宇计算机软件新技术国家重点实验室(南京大学) 江苏南京210093 南京大学软件学院江苏南京210093 苏州大学数学科学学院江苏苏州215006

随着深度学习技术在计算机视觉与自然语言处理等领域取得巨大成功,软件工程研究者开始尝试将其引入到软件工程任务求解当中.已有研究结果显示,深度学习技术在各种代码相关任务(例如代码检索与代码摘要)上具有传统方法与机器学习方法无... 详细信息

随着深度学习技术在计算机视觉与自然语言处理等领域取得巨大成功,软件工程研究者开始尝试将其引入到软件工程任务求解当中.已有研究结果显示,深度学习技术在各种代码相关任务(例如代码检索与代码摘要)上具有传统方法与机器学习方法无法比拟的优势.这些面向代码相关任务训练的深度学习模型统称为深度代码模型.然而,由于神经网络的脆弱性和不可解释性,与自然语言处理模型与图像处理模型一样,深度代码模型安全也面临众多挑战,已经成为软件工程领域的焦点.近年来,研究者提出了众多针对深度代码模型的攻击与防御方法.然而,目前仍缺乏对深度代码模型安全研究的系统性综述,不利于后续研究者对该领域进行快速的了解.因此,为了总结该领域研究现状、挑战及时跟进该领域的最新研究成果,搜集32篇该领域相关论文,并将现有的研究成果主要分为后门攻击与防御技术和对抗攻击与防御技术两类.按照不同技术类别对所收集的论文进行系统地梳理和总结.随后,总结该领域中常用的实验数据集和评估指标.最后,分析该领域所面临的关键挑战以及未来可行的研究方向,旨在为后续研究者进一步推动深度代码模型安全的发展提供有益指导.

关键词：深度代码模型深度代码模型安全人工智能模型安全后门攻击与防御对抗攻击与防御

来源：评论

学校读者我要写书评

暂无评论

边缘计算中协作计算卸载与动态任务调度

引用

软件学报 2023年第12期34卷 5737-5756页

作者：张斐斐葛季栋李忠金黄子峰张胜陈兴国骆斌计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 杭州电子科技大学计算机学院浙江杭州310018 清华大学计算机科学与技术系北京100084 南京大学计算机科学与技术系江苏南京210023 南京邮电大学计算机学院江苏南京210046

在边缘计算场景中,通过将部分待执行任务卸载到边缘服务器执行能够达到降低移动设备的负载、提升移动应用性能和减少设备开销的目的.对于时延敏感任务,只有在截止期限内完成才具有实际意义.但是边缘服务器的资源往往有限,当同时接收来... 详细信息

在边缘计算场景中,通过将部分待执行任务卸载到边缘服务器执行能够达到降低移动设备的负载、提升移动应用性能和减少设备开销的目的.对于时延敏感任务,只有在截止期限内完成才具有实际意义.但是边缘服务器的资源往往有限,当同时接收来自多个设备的数据传输及处理任务时,可能造成任务长时间的排队等待,导致部分任务因超时而执行失败,因此无法兼顾多个设备的性能目标.鉴于此,在计算卸载的基础上优化边缘服务器端的任务调度顺序.一方面,将时延感知的任务调度建模为一个长期优化问题,并使用基于组合多臂赌博机的在线学习方法动态调整服务器的调度顺序.另一方面,由于不同的任务执行顺序会改变任务卸载性能提升程度,因而影响任务卸载决策的有效性.为了增加卸载策略的鲁棒性,采用了带有扰动回报的深度Q学习方法决定任务执行位置.仿真算例证明了该策略可在平衡多个用户目标的同时减少系统的整体开销.

关键词：任务卸载任务调度截止期限边缘计算强化学习

来源：评论

学校读者我要写书评

暂无评论

开源软件库生态治理技术研究综述:二十年进展

引用

软件学报 2024年第2期35卷 629-674页

作者：王莹伍盈欣高天陈子莺许畅于海张成志东北大学软件学院辽宁沈阳110169 南京大学计算机科学与技术系江苏南京210023 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 智能工业数据解析与优化教育部重点实验室(东北大学工业智能与系统优化国家级前沿科学中心) 辽宁沈阳110169 香港科技大学计算机科学及工程学系中国香港999077

在“人-机-物”三元融合、泛在计算的时代蓝海下,“开放多变”“需求多样”和“场景复杂”的软件部署和运行环境对开源软件库生态的治理技术提出了更多需求和更高期望.为进一步推动构建可信软件供应链生态,围绕泛在计算模式、打造自主... 详细信息

在“人-机-物”三元融合、泛在计算的时代蓝海下,“开放多变”“需求多样”和“场景复杂”的软件部署和运行环境对开源软件库生态的治理技术提出了更多需求和更高期望.为进一步推动构建可信软件供应链生态,围绕泛在计算模式、打造自主可控的技术体系,聚焦于开源软件库管理生态,收集近20多年来(2001–2023)发表于软件工程领域较高影响力的学术期刊和会议的348篇论文,对开源软件库生态治理技术的研究工作进行梳理.讨论开源软件库生态的建模与分析、演化与维护、质量保证和管理等方面的工作,总结研究现状、问题、挑战与趋势.

关键词：开源软件供应链开源治理软件库生态系统

来源：评论

学校读者我要写书评

暂无评论

以图搜图:基于显著性注意力的美容产品检索网络

引用

计算机辅助设计与图形学学报 2023年第3期35卷 383-391页

作者：孙乾魏明强燕雪峰郭延文南京航空航天大学计算机科学与技术学院南京210016 模式分析与机器智能工业和信息化部重点实验室南京210016 南京大学计算机软件新技术国家重点实验室南京210023

在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计... 详细信息

在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计了显著性损失函数、显著性随即丢弃模块和显著相似性方法,有效地抑制了用户待检索图片与检索数据库图片中的干扰信息;然后,采用有效的特征提取器抵抗图片相似项的干扰;最后综合上述4个模块,提出基于显著性注意力的美容产品检索网络SA-Net.经过Pro-10k数据集训练,在Per-500k数据集上进行消融学习和对比实验的结果表明,SA-Net提升了美容产品检索的准确度,比已公开的最好同类算法AMAC提高3%.

关键词：以图搜图美容产品检索显著性注意力

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：