检索结果-内蒙古大学图书馆

计算机科学与探索 2022年第10期16卷 2310-2319页

作者：李新春詹德川南京大学计算机科学与技术系南京210023 南京大学人工智能学院南京210023 南京大学计算机软件新技术国家重点实验室南京210023

传统的机器学习经常采用数据中心化的方式进行训练,然而由于实际应用中的传输开销或者隐私保护限制,数据越来越呈现分散化、隔离化的趋势。分布式训练学习技术为分散在信息孤岛上的数据融合提供了一种解决方案。然而,由于分散化数据本... 详细信息

传统的机器学习经常采用数据中心化的方式进行训练,然而由于实际应用中的传输开销或者隐私保护限制,数据越来越呈现分散化、隔离化的趋势。分布式训练学习技术为分散在信息孤岛上的数据融合提供了一种解决方案。然而,由于分散化数据本身具有天然异质性,本地数据分布经常是非独立同分布的(Non-IID),这给分布式训练带来了挑战。首先,为了应对单一模型难以适配所有异质客户端的难题,在分布式训练的基础上引入了模型重用技术,提出了分布式模型重用框架(DMR)。然后,通过理论分析指出集成学习可以为异构数据提供有效的解决方案,并在此基础之上提出了使用多分类器的分布式模型重用技术(McDMR)。最后,为了减少实际应用过程中的存储、计算和传输开销,继而提出了两种具体的优化方案:使用多头分类器的分布式模型重用(McDMR-MH)和使用随机分类器采样的分布式模型重用(McDMR-SC)。在多个公开数据集上进行实验,实验结果验证了所提方法的有效性。

关键词：学件模型重用多分类器分布式学习集成效率隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于硬件虚拟化的内核同层多域隔离模型

引用

软件学报 2022年第2期33卷 473-497页

作者：钟炳南邓良曾庆凯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 华为技术有限公司上海201206

为了解决内核不可信带来的问题,很多工作提出了同层可信基的架构,即,在内核同一硬件特权水平构建可部署安全机制的唯一保护域.但是,实际过程中往往面临多样化的安全需求,将多种对应的安全机制集中于唯一的保护域必然导致只要其中任何一... 详细信息

为了解决内核不可信带来的问题,很多工作提出了同层可信基的架构,即,在内核同一硬件特权水平构建可部署安全机制的唯一保护域.但是,实际过程中往往面临多样化的安全需求,将多种对应的安全机制集中于唯一的保护域必然导致只要其中任何一个安全机制被攻陷,同一个保护域内其他所有安全机制都可能被攻击者恶意篡改或者破坏.为了解决上述问题,提出了内核同层多域隔离模型,即在内核同一硬件特权水平构建多个保护域实现了不同安全机制的内部隔离,缓解了传统方法将所有安全机制绑定在唯一保护域带来的安全风险.实现了内核同层多域隔离模型的原型系统Decentralized-KPD,其利用硬件虚拟化技术和地址重映射技术,将不同安全机制部署在与内核同一特权水平的多个保护域中,并不会引起较大的性能开销.总体而言,实验结果展示了内核同层多域隔离模型的安全性和实用性.

关键词：硬件虚拟化内存隔离多域隔离

来源：评论

学校读者我要写书评

暂无评论

基于分组对比学习的序贯感知技能发现

引用

软件学报 2025年第5期36卷 2079-2093页

作者：杨尚东余淼盈陈兴国陈蕾南京邮电大学计算机学院软件学院网络空间安全学院计算机软件新技术国家重点实验室(南京大学) 广西多源信息挖掘与安全重点实验室(广西师范大学)

强化学习在智能对话系统等决策任务中取得了令人瞩目的结果,但其在复杂的、奖励稀疏的任务中学习效率较低.研究人员在强化学习中引入技能发现框架,以最大化不同技能间的差异为目标构建技能策略,提升了智能体在上述任务中的学习效率.然而... 详细信息

强化学习在智能对话系统等决策任务中取得了令人瞩目的结果,但其在复杂的、奖励稀疏的任务中学习效率较低.研究人员在强化学习中引入技能发现框架,以最大化不同技能间的差异为目标构建技能策略,提升了智能体在上述任务中的学习效率.然而,受到采样轨迹数据多样性的限制,现有的技能发现方法局限于在一个强化学习回合中学习一种技能,导致其在一回合中具有序贯技能组合的复杂任务中表现欠佳.针对该问题,提出一种基于分组对比学习的序贯感知技能发现方法 (group-wise contrastive learning based sequence-aware skill discovery,GCSSD),该方法将对比学习融合到技能发现框架中.首先,为了提升轨迹数据的多样性,将与环境交互的完整轨迹分段并进行分组,利用分组轨迹构建对比损失学习技能嵌入表征;其次,结合技能嵌入表征与强化学习进行技能策略训练;最后,为了提升在具有不同序贯技能组合任务上的性能,对采样轨迹进行分段技能表征并将其嵌入策略网络,实现对已学技能策略的序贯组合.实验结果表明, GCSSD方法在具有序贯技能组合的稀疏奖励任务中具有较好的训练效果,并且在具有与训练任务不同的序贯技能组合任务中,能够利用已学技能对该任务进行快速适应.

关键词：强化学习轨迹分组对比学习序贯感知技能发现

来源：评论

学校读者我要写书评

暂无评论

自承认技术债的研究:问题、进展与挑战

引用

软件学报 2022年第1期33卷 26-54页

作者：郭肇强刘释然谭婷婷李言辉陈林周毓明徐宝文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 北京字跳网络技术有限公司北京100086

技术债是一个指以牺牲长期代码质量为代价来实现短期项目目标的隐喻.其中,那些由开发者有意引入项目中的技术债被称为自承认技术债(self-admitted technical debt,SATD),通常以代码注释的形式存在于软件项目中.SATD的存在给软件质量和... 详细信息

技术债是一个指以牺牲长期代码质量为代价来实现短期项目目标的隐喻.其中,那些由开发者有意引入项目中的技术债被称为自承认技术债(self-admitted technical debt,SATD),通常以代码注释的形式存在于软件项目中.SATD的存在给软件质量和鲁棒性带来了巨大挑战.为了识别并且及时地偿还SATD来保障代码质量,研究者从特性分析和识别模型两方面进行了大量研究并且取得了较大的进展.与此同时,相关研究工作中仍存在一些亟待解决的挑战.对近年来国内外学者在该领域的研究成果进行系统性的总结.首先,描述自承认技术债的研究问题.然后,分别从特性分析和识别模型两方面总结相关的研究进展,并对具体的理论和技术途径进行梳理.接着,简要介绍技术债的其他相关技术.最后,指出目前该领域研究过程中面临的挑战并给出建议的研究方向.

关键词：技术债自承认技术债代码注释软件维护质量保障

来源：评论

学校读者我要写书评

暂无评论

混合注意力机制的异常行为识别

引用

计算机工程与应用 2023年第5期59卷 140-147页

作者：孙晓虎余阿祥申栩林李洪均南通大学信息科学技术学院江苏南通226019 计算机软件新技术国家重点实验室(南京大学) 南京210093

随着人工智能的快速发展,基于计算机视觉的人体异常行为识别受到极大的关注,并被广泛应用到智能安防等领域。针对人们在加油站等重要场所抽烟以及司机驾驶途中打电话等违规行为,提出一种混合注意力机制的异常行为识别方法。利用引入的... 详细信息

随着人工智能的快速发展,基于计算机视觉的人体异常行为识别受到极大的关注,并被广泛应用到智能安防等领域。针对人们在加油站等重要场所抽烟以及司机驾驶途中打电话等违规行为,提出一种混合注意力机制的异常行为识别方法。利用引入的卷积块注意力模块重点关注输入对象的显著性特征,并对输入信息进行精细化的分配和处理,在突出重要信息的同时弱化无关信息。为提升网络模型的特征挖掘能力及增强网络的信息交互性,利用提出的卷积特征提取模块进一步提取识别对象的高层语义特征,并将其与低层细节特征进行融合以达到多尺度特征交互的目的。此外,为了减少网络训练过程中错误标签造成的损失,采用标签平滑对交叉熵损失函数进行修正以此来驱动模型的学习过程。实验结果表明,所提出的模型优于当前的主流网络,可有效检测出异常行为。

关键词：异常行为检测注意力机制卷积块注意力模块卷积特征提取模块标签平滑

来源：评论

学校读者我要写书评

暂无评论

特征平衡的无人机航拍图像目标检测算法

引用

计算机工程与应用 2023年第6期59卷 196-203页

作者：徐坚谢正光李洪均南通大学信息科学技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室南京210023

无人机航拍图像目标较小、图像视角变化大,导致目标检测效果不佳。针对此问题,设计了一种适用于无人机小目标检测的网络。该网络中的可变形卷积模块可以提高多视角目标的特征提取能力,以解决航拍图像目标视角变化剧烈致使目标特征难以... 详细信息

无人机航拍图像目标较小、图像视角变化大,导致目标检测效果不佳。针对此问题,设计了一种适用于无人机小目标检测的网络。该网络中的可变形卷积模块可以提高多视角目标的特征提取能力,以解决航拍图像目标视角变化剧烈致使目标特征难以提取的问题;特征平衡金字塔模块可以增强网络中底层小目标特征,以解决航拍图像中的小目标因特征易丢失而造成其检测效果差的问题;同时利用像素重组构建底层大尺度特征以解决特征平衡金字塔模块的底层特征卷积运算量大的问题;交叉自注意力机制获取目标上下文信息,改善严苛条件下的漏检错检问题。公开数据集上的仿真结果表明,在保证实时检测的情况下所提算法的平均准确度优于主流检测算法。

关键词：无人机目标检测特征平衡金字塔交叉自注意力像素重组

来源：评论

学校读者我要写书评

暂无评论

面向小目标的多空间层次安全帽检测

引用

计算机工程与应用 2024年第6期60卷 230-237页

作者：李嘉信胡杨黄协舟李洪均南通大学信息科学技术学院江苏南通226019 南通大学张謇学院江苏南通226019 南京大学计算机软件新技术国家重点实验室南京210093

由于目标视频中存在目标小、距离远等影响检测效果的因素,对小目标的捕捉难度较大,提出一种面向小目标的多空间层次安全帽佩戴检测算法,该算法将在Yolov5s的网络模型基础上进行个性化改进。设计一种多空间注意力模块,从不同角度考虑空... 详细信息

由于目标视频中存在目标小、距离远等影响检测效果的因素,对小目标的捕捉难度较大,提出一种面向小目标的多空间层次安全帽佩戴检测算法,该算法将在Yolov5s的网络模型基础上进行个性化改进。设计一种多空间注意力模块,从不同角度考虑空间特征的效果并加以融合,加强显著性特征的空间位置关系;融合多空间尺度的特征,同时结合特征提取过程中的多种特征,适应对不同空间层次目标的捕捉,提高对小目标的检测能力;利用数据增强提高数据集的泛用性,使训练目标适应更多样的情景;优化损失函数,增强回归能力,提高训练效果。实验结果表明,所提算法的平均准确率达到91.5%,明显地减少了漏检情况。除此之外,将其部署到实际施工现场,展现了出对小目标优越的检测性能,具有极大的应用价值。

关键词：安全帽检测 Yolov5s 多空间注意力模块数据增强多空间尺度融合

来源：评论

学校读者我要写书评

暂无评论

基于特定领域解码的域泛化医学图像分割方法

引用

数据采集与处理 2023年第2期38卷 324-335页

作者：叶怀泽周子奇祁磊史颖欢南京大学计算机软件新技术国家重点实验室南京210023 南京大学健康医疗大数据国家研究院南京210023 东南大学计算机科学与工程学院南京210023

多源域领域泛化是模型利用多个不同领域中的语义信息,并且能够很好地泛化到未知领域上。在医学图像中,不同领域之间的跨度比较大,模型泛化性能在未知域上会有较大程度的下降。为了解决这一问题,本文提出了一种编码特征再针对特定领域进... 详细信息

多源域领域泛化是模型利用多个不同领域中的语义信息,并且能够很好地泛化到未知领域上。在医学图像中,不同领域之间的跨度比较大,模型泛化性能在未知域上会有较大程度的下降。为了解决这一问题,本文提出了一种编码特征再针对特定领域进行解码的网络结构。该模型使用一个通用编码器来学习所有领域上的领域不变特征,并通过特定领域解码器还原原有图像以加强其对图像特征的复原能力。此外,该模型还通过生成特征迁移图像与源域图像进行对抗学习来加强编码器学习领域不变特征的能力。同时,本文在模型中还引入了特殊构造的分割融合预处理步骤来扩充数据集以增强模型的泛化能力,并进一步提高了本文提出网络结构的性能。在两个医学图像的分割任务中,大量实验数据表明,本文提出的模型相比现有先进模型表现出了优异的性能,此外本文还进行了一系列消融实验,证明了模型的有效性。

关键词：领域泛化医学图像分割迁移学习对抗学习数据增广

来源：评论

学校读者我要写书评

暂无评论

跨城市人类移动行为预测研究综述

引用

计算机科学 2025年第1期52卷 102-119页

作者：张雨松胥帅严兴宇关东海许建秋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

城市化进程积累了大量记录人类移动行为的时空数据,为研究人类移动行为建模及预测提供了良好的数据基础。在智慧城市建设背景下,跨城市人类移动预测是实现城市协同管理与治理的必然要求,时常面临数据匮乏以及数据分布不平衡等问题,传统... 详细信息

城市化进程积累了大量记录人类移动行为的时空数据,为研究人类移动行为建模及预测提供了良好的数据基础。在智慧城市建设背景下,跨城市人类移动预测是实现城市协同管理与治理的必然要求,时常面临数据匮乏以及数据分布不平衡等问题,传统机器学习方法难以取得理想的性能。因此,将人类移动相关知识从数据丰富的源城市迁移到数据稀疏乃至稀缺的目标城市至关重要。首先概述了现有跨城市人类移动行为预测研究所使用的数据集和评价指标,随后循序渐进地讨论人类个体和群体层面的跨城市移动预测问题并分类综述各自适用的研究方法。针对人类个体跨城市移动预测,主要分析协同过滤、矩阵分解、统计学习以及深度学习这4类模型方法的应用。针对人类群体跨城市移动预测,则聚焦知识迁移和元学习这两种面向少样本机器学习方法的应用。最后,展望了跨城市人类移动行为预测领域亟需解决的重要问题。

关键词：跨城市人类移动行为时空数据迁移学习深度学习

来源：评论

学校读者我要写书评

暂无评论

持续学习的研究进展与趋势

引用

计算机研究与发展 2024年第6期61卷 1476-1496页

作者：李文斌熊亚锟范祉辰邓波曹付元高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 中国科学院空天信息创新研究院北京100094 山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据学院太原030006

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过... 详细信息

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过程中容易遭受灾难性遗忘的问题.因此,如何在动态、非平稳的序列任务及流式数据中不断学习新知识、同时保留旧知识是持续学习研究的核心.首先,通过对近年来持续学习国内外相关工作的调研与总结,将持续学习方法分为基于回放、基于约束、基于结构三大类,并对这3类方法做进一步的细分.具体而言,根据所使用的样本来源将基于回放的方法细分为采样回放、生成回放、伪样本回放3类;根据训练约束的来源将基于约束的方法细分为参数约束、梯度约束、数据约束3类;根据对于模型结构的使用方式将基于结构的方法细分为参数隔离、模型拓展2类.通过对比相关工作的创新点,对各类方法的优缺点进行总结.其次,对国内外研究现状进行分析.最后,针对持续学习与其他领域相结合的未来发展方向进行展望.

关键词：深度学习知识迁移持续学习灾难性遗忘序列任务

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：