检索结果-内蒙古大学图书馆

软件导刊 2023年第8期22卷 86-92页

作者：魏语轩李昕闻陈兴国南京邮电大学贝尔英才学院南京邮电大学计算机学院、软件学院、网络空间安全学院南京邮电大学大数据安全与智能处理重点实验室江苏南京210023 南京大学计算机软件新技术国家重点实验室江苏南京210046

强化学习已在各行业得到广泛应用,强化学习所需的大量探索在很多语境下均可能带来严重后果。为此,业界提出安全强化学习。从经济学中借鉴的效用函数是其中的一种常用技巧,但其在搜索算法中还未得到充分研究。当智能体在风险中立的语境... 详细信息

强化学习已在各行业得到广泛应用,强化学习所需的大量探索在很多语境下均可能带来严重后果。为此,业界提出安全强化学习。从经济学中借鉴的效用函数是其中的一种常用技巧,但其在搜索算法中还未得到充分研究。当智能体在风险中立的语境下进行训练后,如何利用搜索算法将其迁移至风险敏感语境中仍是一个需要解决的问题。因此,提出向期望最大搜索算法中加入安全强化学习常用的效用函数技巧进行改进。以2048游戏为例,基于2022年最新的NTuple方法及在风险中立语境下所训练的权重,实验了不同的超参数。实验结果表明,将sigmoid函数作为效用函数应用于搜索算法中,可以显著提升算法性能。其中,在2层搜索中,改进后的算法相较于原始算法提升了14053.35分,在3层搜索中,提升了6522.9分。

关键词：随机性游戏 2048游戏期望最大搜索安全强化学习效用函数

来源：评论

学校读者我要写书评

暂无评论

面向流数据分类的在线学习综述

引用

软件学报 2020年第4期31卷 912-931页

作者：翟婷婷高阳朱俊武扬州大学信息工程学院江苏扬州225127 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

流数据分类旨在从连续不断到达的流式数据中增量学习一个从输入变量到类标变量的映射函数,以便对随时到达的测试数据进行准确分类.在线学习范式作为一种增量式的机器学习技术,是流数据分类的有效工具.主要从在线学习的角度对流数据分类... 详细信息

流数据分类旨在从连续不断到达的流式数据中增量学习一个从输入变量到类标变量的映射函数,以便对随时到达的测试数据进行准确分类.在线学习范式作为一种增量式的机器学习技术,是流数据分类的有效工具.主要从在线学习的角度对流数据分类算法的研究现状进行综述.具体地,首先介绍在线学习的基本框架和性能评估方法,然后着重介绍在线学习算法在一般流数据上的工作现状,在高维流数据上解决“维度诅咒”问题的工作现状,以及在演化流数据上处理“概念漂移”问题的工作现状,最后讨论高维和演化流数据分类未来仍然存在的挑战和亟待研究的方向.

关键词：在线学习流数据分类维度诅咒概念漂移稀疏在线学习演化流分类

来源：评论

学校读者我要写书评

暂无评论

基于程序转化的SCADE模型检测

引用

计算机科学 2021年第12期48卷 125-130页

作者：冉丹陈哲孙毅杨志斌南京航空航天大学计算机科学与技术学院南京211106 华东师范大学上海市高可信计算重点实验室上海200062 南京大学计算机软件新技术国家重点实验室南京210093

SCADE同步语言是一种常用的嵌入式系统程序设计语言。在航空、航天、交通等安全关键领域的装备研发中,SCADE同步语言通常被用于实现实时嵌入式自动控制系统。SCADE语言是工业级的开发工具,它源于Lustre语言,并在其基础上增加了更多的语... 详细信息

SCADE同步语言是一种常用的嵌入式系统程序设计语言。在航空、航天、交通等安全关键领域的装备研发中,SCADE同步语言通常被用于实现实时嵌入式自动控制系统。SCADE语言是工业级的开发工具,它源于Lustre语言,并在其基础上增加了更多的语言结构来精简代码。目前,相比Lustre语言,SCADE程序模型检测的学术研究相对落后。为此,文中提出了一种对SCADE程序进行模型检测的方法并实现了一款SCADE模型检测工具,该方法的核心思想是基于程序转化,即把SCADE程序经过词法分析、语法分析、抽象语法树生成与化简等操作最终转化为等价的Lustre程序,然后用JKind与SMT求解器完成模型检测。此外,通过理论推导和大量实验证明了工具的模型检测的正确性。实验结果表明,功能相同的两个SCADE和Lustre测试用例模型的检测结果相同,但SCADE程序的模型检测效率相对较低。

关键词：模型检测安全有限状态机词法分析语法分析抽象语法树 JKind

来源：评论

学校读者我要写书评

暂无评论

国际开源发展经验及其对我国开源创新体系建设的启示

引用

中国科学院院刊 2021年第12期36卷 1497-1505页

作者：隆云滔王晓明顾荣包云岗中国科学院科技战略咨询研究院北京100190 中国科学院大学公共政策与管理学院北京100049 计算机软件新技术国家重点实验室(南京大学) 南京210023 南京大学计算机科学与技术系南京210023 中国科学院计算技术研究所北京100190

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上... 详细信息

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上,立足我国开源生态建设面临的实际问题,提出促进我国开源创新体系建设的政策建议。

关键词：开源基金会开源治理开源生态开源创新体系

来源：评论

学校读者我要写书评

暂无评论

CodeSearcher:基于自然语言功能描述的代码查询

引用

计算机科学 2020年第9期47卷 1-9页

作者：陆龙龙陈统潘敏学张天南京大学计算机软件新技术国家重点实验室南京210023

在项目开发过程中,开发者需要为实现某一功能而编写代码;在不确定如何使用特定编程语言来实现当前待开发功能时,其往往会在文档或网络资源中进行代码查询。因此,代码查询的有效性会直接影响软件开发的效率。目前,已有相当数量的工具可... 详细信息

在项目开发过程中,开发者需要为实现某一功能而编写代码;在不确定如何使用特定编程语言来实现当前待开发功能时,其往往会在文档或网络资源中进行代码查询。因此,代码查询的有效性会直接影响软件开发的效率。目前,已有相当数量的工具可以用来辅助开发者进行代码查询,但这些工具普遍存在输入形式复杂或者匹配精确度低等问题。文中提出的CodeSearcher是一种基于自然语言功能描述的代码查询方法。CodeSearcher将软件开发垂直领域的问答网站Stack OverFlow的问答记录转换为〈自然语言描述,代码片段〉数据对,使用神经网络模型将“自然语言描述”和“代码片段”映射到相同的向量空间并进行匹配,从而能够支持开发者使用待开发功能的自然语言描述来查询相应代码。CodeSearcher不同于一般的代码查询系统,一方面,它只需要代码本身而不依赖于代码的注释或说明,因此可以支持更多代码查询的场景;另一方面,它拓展了代码查询的流程,使其不再局限于一次性的查询反馈流程,而是在这中间加入了代码询答的流程,利用返回代码片段之间的差异性元素帮助开发者挑选目标代码,使得开发者不需要详细阅读所有返回的代码片段。实验结果表明,CodeSearcher相较于基准有着更好的效果。

关键词：代码查询自然语言处理 Stack OverFlow

来源：评论

学校读者我要写书评

暂无评论

非结构化数据的多粒度集成分类方法

引用

南京航空航天大学学报 2020年第5期52卷 723-728页

作者：王子一徐苏平商琳计算机软件新技术国家重点实验室(南京大学) 南京210023 南京大学计算机科学与技术系南京210023

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒... 详细信息

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中,数据被划分成不同的粒度,用于训练不同的基学习器,这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重,从而构造出一个较好的集成学习器。在实验中,本文验证了所提出模型在3种非结构化数据类型(文本、医学图像和时间序列)上的有效性。实验结果表明,本文的模型比现有的基准方法简单,具有较好的分类精度,并且能够为数据的分类提供可解释性。

关键词：集成学习多粒度神经网络分类

来源：评论

学校读者我要写书评

暂无评论

基于Shapelet的不相关情感子序列挖掘方法

引用

南京大学学报（自然科学版） 2020年第1期56卷 57-66页

作者：吴静怡吴钟强商琳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

为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到更为精准的时间片,提... 详细信息

为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到更为精准的时间片,提出一种基于Shapelet的不相关情感子序列挖掘方法.首先通过事件和不同类别用户的微博生成相应的情感时间序列,然后利用基于Shapelet的思想将相应序列划分成不同的子序列,最后通过计算不同种类用户的子序列和事件子序列的相似性得到最不相关的情感子序列.通过基于微博事件数据集的实验展示了使用该方法挖掘出的情感子序列结果,并进一步通过情感相似度方法验证了该方法的合理性.

关键词：时间序列微博情感分析数据挖掘 Shapelet

来源：评论

学校读者我要写书评

暂无评论

空间通信载波多普勒频偏捕获的两阶段稀疏算法

引用

物联网学报 2024年第2期8卷 36-45页

作者：张兆维刘琳刘慧吴同朱明蕾潘甦南京邮电大学物联网学院江苏南京210003 南京大学计算机软件新技术全国重点实验室江苏南京210023 金陵科技学院软件工程学院江苏南京211169 南京邮电大学通达学院计算机工程学院江苏扬州225127

在空间通信中,信号面临远距离传输和高动态相对运动,其中,远距离传输带来很低信噪比(SNR,signal-to-noise ratio),而高动态相对运动则引起载波高动态多普勒频偏。为解决低信噪比问题,传统捕获方法需要长时间累积很多接收信号。但是,在... 详细信息

在空间通信中,信号面临远距离传输和高动态相对运动,其中,远距离传输带来很低信噪比(SNR,signal-to-noise ratio),而高动态相对运动则引起载波高动态多普勒频偏。为解决低信噪比问题,传统捕获方法需要长时间累积很多接收信号。但是,在长时间累积过程中,高动态多普勒频偏会导致严重的能量扩散问题。针对上述问题,提出了一种两阶段稀疏(TSS, two-stage-sparse)算法来捕获载波多普勒频偏。该算法首先利用粗捕获结果构造粗稀疏搜索范围,然后选择若干个较大元素来构建精稀疏搜索范围,最后搜索最大元素作为捕获结果。由于稀疏范围仅覆盖很窄的频率区间,该算法能够滤除更多的噪声干扰,从而辅助信号元素成为最大元素。理论分析和仿真结果也表明,所提TSS算法能够显著提高多普勒频偏的捕获概率。

关键词：空间通信低信噪比高动态多普勒频偏捕获能量扩散

来源：评论

学校读者我要写书评

暂无评论

基于预训练语言模型的电网检修计划异常检测

引用

情报工程 2024年第4期10卷 14-24页

作者：吴海洋吴子辰吴博科高华王莘然胡伟国网江苏省电力有限公司南京210000 国网江苏省电力有限公司信息通信分公司南京210000 国网常州供电公司常州213003 南京大学计算机软件新技术全国重点实验室南京210023

[目的/意义]电网检修计划异常检测技术可以发现电网检修计划内存在的异常,对于电网通信系统检修活动的正常开展和电力通信系统的稳定运行至关重要。目前,电网检修计划异常检测主要依靠人工判别的方式寻找检修计划的异常,存在准确率低与... 详细信息

[目的/意义]电网检修计划异常检测技术可以发现电网检修计划内存在的异常,对于电网通信系统检修活动的正常开展和电力通信系统的稳定运行至关重要。目前,电网检修计划异常检测主要依靠人工判别的方式寻找检修计划的异常,存在准确率低与效率低下的问题。[方法/过程]提供了一种基于预训练语言模型的电网检修计划异常检测方法,使用电网的检修计划数据对预训练语言模型进行微调,使得预训练语言模型能够获取相关领域的专业知识,同时充分利用预训练语言模型的上下文感知能力和领域通用性,使预训练语言模型能够深入理解检修计划的复杂语境,从而发现检修计划中存在的异常。[结果/结论]实验证明,相较于传统方法,该异常检测方法能够有效优化电网检修计划异常检测的性能。

关键词：预训练语言模型异常检测电网管理文本分类

来源：评论

学校读者我要写书评

暂无评论

用于超分辨率重建的深度网络递进学习方法

引用

自动化学报 2020年第2期46卷 274-282页

作者：张毅锋刘袁蒋程程旭东南大学信息科学与工程学院南京210096 东南大学南京通信技术研究院南京211100 计算机软件新技术国家重点实验室(南京大学) 南京210093 南京信息工程大学计算机与软件学院南京210044

本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具... 详细信息

本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具有相似的纹理复杂度.针对传统的递进学习方法会出现对已掌握知识"遗忘"的问题,本文根据网络模型在各个训练子集上的拟合情况,实时调整当前训练样本在各个子集上的概率分布,从而实现快速收敛,并获得更好的纹理细节复原效果.将本文提出的递进学习用于DRCN、VDSR、SRCNN等超分辨率网络的训练,实验结果表明超分辨率网络收敛速度得到提升,同时网络对复杂纹理等细节较多的图像也获得了较好的视觉恢复效果,峰值信噪比则平均获得0.158 dB、0.18 dB、0.092 dB的提升.

关键词：超分辨率递进学习共生矩阵密度峰值

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：