检索结果-内蒙古大学图书馆

计算机应用研究 2023年第1期40卷 122-128页

作者：陶玉合高榕邵雄凯吴歆韵李晶湖北工业大学计算机学院武汉430068 南京大学计算机软件新技术国家重点实验室南京210093 武汉大学计算机学院武汉430068

针对会话推荐模型中存在的推荐准确率不高的问题,提出了一种基于胶囊图卷积的解缠绕会话感知推荐方法(CGCD)。具体来说,采用解缠绕学习技术将项目嵌入转换为基于多个子通道的因子嵌入,利用图卷积网络对因子嵌入进行细粒度的学习。然后,... 详细信息

针对会话推荐模型中存在的推荐准确率不高的问题,提出了一种基于胶囊图卷积的解缠绕会话感知推荐方法(CGCD)。具体来说,采用解缠绕学习技术将项目嵌入转换为基于多个子通道的因子嵌入,利用图卷积网络对因子嵌入进行细粒度的学习。然后,利用胶囊动态融合策略聚合不同的因子获得新的项目嵌入。此外,采用多头注意力机制为会话中每个项目分配权重。最后,根据分配的权重将项目嵌入与当前会话中的其他项目进行聚合,进而生成准确的会话表示,实现项目推荐。在两个公开真实数据集上的实验表明,所提模型在推荐的Pre@10,Pre@20,MRR@10和MRR@20上平均提高了5.17%、2.99%、6.56%和2.94%,验证了其有效性与高效性。

关键词：推荐系统深度学习图卷积网络注意力机制胶囊网络用户意图

来源：评论

学校读者我要写书评

暂无评论

局部协同视角下的鲁棒标记分布学习

引用

模式识别与人工智能 2021年第1期34卷 44-57页

作者：徐苏平商琳周宇杰南京大学计算机科学与技术系南京210023 南京大学计算机软件新技术国家重点实验室南京210023

已有标记分布学习(LDL)算法在一定程度上破坏不同标记间的关联性及标记分布的整体结构,同时,大多仅以提升标记分布的预测性能为目的,忽略计算代价和噪声鲁棒性在实际应用中的重要性.为了缓解上述不足,文中提出基于局部协同表达的标记分... 详细信息

已有标记分布学习(LDL)算法在一定程度上破坏不同标记间的关联性及标记分布的整体结构,同时,大多仅以提升标记分布的预测性能为目的,忽略计算代价和噪声鲁棒性在实际应用中的重要性.为了缓解上述不足,文中提出基于局部协同表达的标记分布学习算法(LCR-LDL).在LCR-LDL中,一个未标记样本可被视作由该未标记样本邻域构建的局部字典的协同表达,表达系数中的鉴别信息可用于重构未标记样本的标记分布.在15个真实的LDL数据集上的实验表明,LCR-LDL不仅可有效提升LDL的预测性能,而且具有较强的鲁棒性和轻量级的计算开销.

关键词：标记分布学习(LDL) 多标记学习标记多义性稀疏字典学习鲁棒性

来源：评论

学校读者我要写书评

暂无评论

面向参数化动作空间的多智能体中心化策略梯度分解及其应用

引用

软件学报 2025年第2期36卷 590-607页

作者：田树聪谢愈张远龙周正春高阳西南交通大学信息科学与技术学院四川成都611756 国防科技大学智能科学学院湖南长沙410073 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

近年来,多智能体强化学习方法凭借AlphaStar、AlphaDogFight、AlphaMosaic等成功案例展示出卓越的决策能力以及广泛的应用前景.在真实环境的多智能体决策系统中,其任务的决策空间往往是同时具有离散型动作变量和连续型动作变量的参数化... 详细信息

近年来,多智能体强化学习方法凭借AlphaStar、AlphaDogFight、AlphaMosaic等成功案例展示出卓越的决策能力以及广泛的应用前景.在真实环境的多智能体决策系统中,其任务的决策空间往往是同时具有离散型动作变量和连续型动作变量的参数化动作空间.这类动作空间的复杂性结构使得传统单一针对离散型或连续型的多智能体强化学习算法不在适用,因此研究能用于参数化动作空间的多智能体强化学习算法具有重要的现实意义.提出一种面向参数化动作空间的多智能体中心化策略梯度分解算法,利用中心化策略梯度分解算法保证多智能体的有效协同,结合参数化深度确定性策略梯度算法中双头策略输出实现对参数化动作空间的有效耦合.通过在Hybrid Predator-Prey场景中不同参数设置下的实验结果表明该算法在经典的多智能体参数化动作空间协作任务上具有良好的性能.此外,在多巡航导弹协同突防场景中进行算法效能验证,实验结果表明该算法在多巡航导弹突防这类具有高动态、行为复杂化的协同任务中有效性和可行性.

关键词：参数化动作空间多智能体强化学习中心化策略梯度分解多巡航导弹突防

来源：评论

学校读者我要写书评

暂无评论

无监督行人重识别研究综述

引用

计算机工程 2024年

作者：田青王斌周子枭南京信息工程大学软件学院南京信息工程大学无锡研究院南京大学计算机软件新技术国家重点实验室

从多个不同的摄像机中检索出一个特定的行人是行人重识别的主要任务。随着深度神经网络的发展和智能视频监控需求的增加，行人重识别逐渐受到研究人员的关注。现有的行人重识别方法大多利用带有标签的数据集进行有监督训练，但该方式数... 详细信息

从多个不同的摄像机中检索出一个特定的行人是行人重识别的主要任务。随着深度神经网络的发展和智能视频监控需求的增加，行人重识别逐渐受到研究人员的关注。现有的行人重识别方法大多利用带有标签的数据集进行有监督训练，但该方式数据标注成本高昂，使得有监督行人重识别难以扩展到大型的未标记数据集场景。而无监督行人重识别可以有效地改善行人重识别模型的扩展问题，更符合现实场景的应用，并逐渐成为研究热点。尽管已有行人重识别相关的综述研究工作被提出，但它们主要关注有监督场景下的分类和应用。为此，本文对现有的无监督行人重识别研究工作进行系统地归纳、分析和总结，以便为该领域研究人员提供研究参考。本文首先全面回顾无监督场景的行人重识别方法，根据模型训练是否使用源域监督信息，将无监督行人重识别研究划分为基于无监督域适应的方式和基于完全无监督的方式，并对这两类方法进行分析和总结。然后，介绍和归纳性总结行人重识别研究相关的经典数据集，并展示和讨论不同行人重识别方法在这些数据集上的性能和优劣。最后，指出当前无监督行人重识别研究所面临的问题，并提出未来发展方向。

关键词：行人重识别深度神经网络智能视频监控无监督域适应完全无监督

来源：评论

学校读者我要写书评

暂无评论

基于抽象事理图谱的因果简答题求解方法

引用

中文信息学报 2022年第4期36卷 124-136页

作者：陈越何宇豪孙亚伟程龚瞿裕忠南京大学计算机软件新技术国家重点实验室江苏南京210023

如何利用人工智能技术回答标准测试题目是一项具有挑战性的任务,吸引了人工智能领域的广泛研究。该文聚焦在高中地理的因果简答题求解任务,求解因果简答题需要进行知识集成和多跳因果推理,最终生成一段长文本作为答案。为此,该文定义了... 详细信息

如何利用人工智能技术回答标准测试题目是一项具有挑战性的任务,吸引了人工智能领域的广泛研究。该文聚焦在高中地理的因果简答题求解任务,求解因果简答题需要进行知识集成和多跳因果推理,最终生成一段长文本作为答案。为此,该文定义了抽象事理图谱(AEG)来表示因果等关系,并利用预训练语言模型从语料中自动抽取一个面向高中地理因果简答题的抽象事理图谱,实现了多源知识集成。基于抽象事理图谱,该文利用图神经网络技术来融合结构化和非结构化知识,实现了多跳因果推理。该文在包含真实的高中地理因果简答题的数据集GeoCEQA上开展实验,结果表明,无论是ROUGE、BLEU指标还是人工评价的得分,该文提出的方法都取得了最佳结果,在ROUGE指标上,相比最优基线方法提升0.8%~1.4%;在BLEU指标上,相比最优基线方法提升0.4%;在人工评价得分上,相比最优基线方法提升4.2%。

关键词：因果简答题抽象事理图谱多跳因果推理

来源：评论

学校读者我要写书评

暂无评论

基于行为感知的用户画像技术

引用

浙江大学学报（工学版） 2021年第4期55卷 608-614,638页

作者：尤明辉殷亚凤谢磊陆桑璐南京大学计算机软件新技术国家重点实验室江苏南京210023

为了在保护用户隐私的同时构建用户画像,提出基于行为感知的用户画像技术.采用智能手机内置的惯性传感器,可以感知识别用户使用手机的行为(如浏览阅读、打字聊天、通话等).通过识别的用户行为挖掘用户特性,如性别、社交性格、压力状态等... 详细信息

为了在保护用户隐私的同时构建用户画像,提出基于行为感知的用户画像技术.采用智能手机内置的惯性传感器,可以感知识别用户使用手机的行为(如浏览阅读、打字聊天、通话等).通过识别的用户行为挖掘用户特性,如性别、社交性格、压力状态等,构建初步的用户画像.实验结果表明,利用该方法能够较好地识别用户行为并构建用户画像,其中行为识别的准确率为87.2%,针对性别、社交性格、压力状态3个具体用户特性的预测准确率分别为81.8%、72.7%、72.7%.

关键词：智能手机惯性传感器行为感知用户特性挖掘用户画像

来源：评论

学校读者我要写书评

暂无评论

深度学习模型压缩与加速综述

引用

软件学报 2021年第1期32卷 68-92页

作者：高晗田育龙许封元仲盛计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

随着训练可用数据量的增长与计算平台处理能力的增强,基于深度学习的智能模型能够完成越来越复杂的任务,其在计算机视觉、自然语言处理等人工智能领域已经取得重大的突破.然而,这些深度模型具有庞大的参数规模,与此相伴的可畏的计算开... 详细信息

随着训练可用数据量的增长与计算平台处理能力的增强,基于深度学习的智能模型能够完成越来越复杂的任务,其在计算机视觉、自然语言处理等人工智能领域已经取得重大的突破.然而,这些深度模型具有庞大的参数规模,与此相伴的可畏的计算开销与内存需求使其在计算能力受限平台(例如移动嵌入式设备)的部署中遇到了巨大的困难与挑战.因此,如何在不影响深度学习模型性能的情况下进行模型压缩与加速成为研究热点.首先对国内外学者提出的经典深度学习模型压缩与加速方法进行分析,从参数剪枝、参数量化、紧凑网络、知识蒸馏、低秩分解、参数共享和混合方式这7个方面分类总结;其次,总结对比几种主流技术的代表性方法在多个公开模型上的压缩与加速效果;最后,对于模型压缩与加速领域的未来研究方向加以展望.

关键词：深度学习模型压缩模型加速参数剪枝参数量化紧凑网络

来源：评论

学校读者我要写书评

暂无评论

基于偶然正确性概率的错误定位技术

引用

软件学报 2021年第4期32卷 1039-1050页

作者：周小莉赵建华计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

基于代码覆盖的错误定位技术是一种常用的错误定位方法,被用来识别与故障相关的程序元素.然而,有研究工作表明,基于代码覆盖的错误定位技术的有效性受到了偶然正确性现象的影响.偶然正确性现象是指程序中包含的错误被执行,但没有产生错... 详细信息

基于代码覆盖的错误定位技术是一种常用的错误定位方法,被用来识别与故障相关的程序元素.然而,有研究工作表明,基于代码覆盖的错误定位技术的有效性受到了偶然正确性现象的影响.偶然正确性现象是指程序中包含的错误被执行,但没有产生错误结果的情况,它在实际场景中是非常普遍的.根据以往的研究工作,提出了一种估算发生偶然正确性现象概率的方法.该方法从程序运行时内存中值的定义-使用关系出发,将各语句的执行对程序输出的影响进行了估计.基于偶然正确性概率,对基于代码覆盖的错误定位技术中可疑度的计算方法进行了修正,以消除偶然正确性现象对错误定位技术的影响.在SIR(software-artifact infrastructure repository)中提供的西门子测试套件上进行了实验,这也是偶然正确性相关工作中常被使用的目标程序.实验结果表明,相对于基于代码覆盖信息的错误定位技术,提出的方法提高或至少维持了原有的安全性,并较好地提高了错误定位的精确度.

关键词：偶然正确性现象错误定位测试

来源：评论

学校读者我要写书评

暂无评论

基于区块链的协作式位置隐私保护机制

引用

小型微型计算机系统 2023年第2期44卷 413-421页

作者：汪悦沈航田一博南京工业大学计算机科学与技术学院南京211816 南京大学计算机软件新技术国家重点实验室南京210093

传统协作式位置隐私保护方案大多假设在协作组构造过程中用户是诚实可信.然而现实环境下,用户协作过程中存在自利(如:请求用户泄露协作用户的真实位置给不诚信实体)或者欺骗(如:协作用户提供虚假位置导致服务提供商能够识别出请求用户... 详细信息

传统协作式位置隐私保护方案大多假设在协作组构造过程中用户是诚实可信.然而现实环境下,用户协作过程中存在自利(如:请求用户泄露协作用户的真实位置给不诚信实体)或者欺骗(如:协作用户提供虚假位置导致服务提供商能够识别出请求用户的真实位置)行为,从而带来用户位置隐私信息泄露等问题,严重威胁用户的生命财产安全.区块链作为一种分布式的存储框架,存在以下优点:可追溯性、透明公开及不可篡改等,正因为如此,本文提出基于区块链的用户协作式位置隐私保护方案.考虑群组内用户通过协作转发和空间伪装保护位置隐私需求的场景.本文首先基于博弈理论分析协作过程中请求发起者与协作者的行为;其次,构建信誉机制将用户行为与收益结合;再次,利用区块链记录用户间的转发行为及信誉值并以此作为证据,惩罚有恶意行为的用户,使其作为请求发起者时不能得到其他用户的协作来约束用户的自利性.最后,设计奖励激励机制,保证用户的诚实转发行为,形成互利且公平的生态.安全分析表明,所提出的方案能够有效阻止用户的恶意行为,促进群组内用户的诚信合作.此外,通过与基准方案相比较,本方案位置隐私泄露概率降低了50%,具有较好的隐私保护效果.

关键词：位置隐私保护区块链激励机制协作博弈信誉值

来源：评论

学校读者我要写书评

暂无评论

基于相机类对比学习的完全无监督行人重识别

引用

数据采集与处理 2025年第1期40卷 207-216页

作者：田青周子枭南京信息工程大学软件学院南京210044 南京信息工程大学无锡研究院无锡214101 南京大学计算机软件新技术国家重点实验室南京210023

最近的无监督行人重识别研究使用聚类和记忆字典中的伪标签来训练模型。但是,这些研究忽略了行人重识别的数据集是通过不同相机采集的,即相机之间的分布差异较大,较大的相机方差会导致模型精度降低。因此,提出了相机类对比学习,包括类... 详细信息

最近的无监督行人重识别研究使用聚类和记忆字典中的伪标签来训练模型。但是,这些研究忽略了行人重识别的数据集是通过不同相机采集的,即相机之间的分布差异较大,较大的相机方差会导致模型精度降低。因此,提出了相机类对比学习,包括类对比损失和相机对比损失,其中类对比损失可以实现对内存字典的一致性更新,并减少噪声标签对模型的影响;而相机对比损失通过为每个相机中的每个类构建相机类中心,拉近同属一个类的相机类中心距离,并使不同类的相机类中心距离相距更远,从而减少相机方差。通过相机类对比学习,减少了相机方差和噪声标签对模型的影响,从而提高了行人重识别的性能。在4个公开数据集上,相机类对比学习都表现出优异的结果,有效地缓解了相机方差对模型的影响。

关键词：行人重识别类对比损失相机对比损失内存字典相机方差

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：