检索结果-内蒙古大学图书馆

计算机应用 2021年第S01期41卷 142-148页

作者：查满霞祝永晋朱霖张伯雷钱柱中江苏方天电力技术有限公司南京211102 南京邮电大学计算机学院南京210023 软件新技术国家重点实验室(南京大学) 南京210023

针对边缘计算带宽限制导致的实时流数据处理计算效率低下的问题,提出一种迭代优化算法FFS+IPFS,通过对应用负载的实时监控,实现合理的边缘节点任务部署,支持实时流数据处理任务。首先,利用贪心算法进行全局任务分配,通过贪心的算法得到... 详细信息

针对边缘计算带宽限制导致的实时流数据处理计算效率低下的问题,提出一种迭代优化算法FFS+IPFS,通过对应用负载的实时监控,实现合理的边缘节点任务部署,支持实时流数据处理任务。首先,利用贪心算法进行全局任务分配,通过贪心的算法得到一个近似最优的结果;然后,基于监控到的实时任务信息,通过迭代优化进行局部调优,使得同一数据流的任务可以被部署在相近的边缘节点,从而有效减少任务通信的开销。在不同场景下,平均时延相比其他主流算法可降低23%。大量的模拟实验结果表明,所提算法可以实现有效的资源调度,支持边缘计算场景下高效的实时流数据处理应用。

关键词：边缘计算任务部署物联网流数据处理资源调度

来源：评论

学校读者我要写书评

暂无评论

基于联合动态剪枝的深度神经网络压缩算法

引用

计算机应用 2021年第6期41卷 1589-1596页

作者：张明明卢庆宁李文中宋浒国网江苏省电力有限公司信息通信分公司南京210024 计算机软件新技术国家重点实验室(南京大学) 南京210023

作为模型压缩的一个分支,网络剪枝算法通过移除深度神经网络中不重要的参数来降低计算消耗;然而,永久性的剪枝会导致模型容量不可逆转的损失。针对该问题,提出了一种联合动态剪枝的算法来综合分析卷积核与输入图像的特征。一方面,将部... 详细信息

作为模型压缩的一个分支,网络剪枝算法通过移除深度神经网络中不重要的参数来降低计算消耗;然而,永久性的剪枝会导致模型容量不可逆转的损失。针对该问题,提出了一种联合动态剪枝的算法来综合分析卷积核与输入图像的特征。一方面,将部分卷积核置零,并允许其在训练过程中更新,直到网络收敛之后再永久性移除被置零的卷积核。另一方面,采样输入图像的特征,然后利用通道重要性预测网络对这些特征进行分析,从而确定卷积运算中可以跳过的通道。基于M-Cifar Net与VGG16的实验结果表明,联合动态剪枝分别取得了2.11和1.99的浮点运算压缩比,而与基准模型(M-Cifar Net、VGG16)相比准确率仅分别下降不到0.8个百分点和1.2个百分点。相较于现有的网络剪枝算法,联合动态剪枝有效地减少了模型的浮点运算次数(FLOPs)以及参数规模,在同样的压缩比下获得了更高的准确率。

关键词：模型压缩网络剪枝动态剪枝深度神经网络卷积核

来源：评论

学校读者我要写书评

暂无评论

面向领域的软件系统构造与质量保障专题前言

引用

软件学报 2021年第4期32卷 887-888页

作者：潘敏学魏峻崔展齐计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学软件学院江苏南京210093 中国科学院软件研究所北京100190 北京信息科技大学计算机学院北京100101

软件是推动新一代信息技术发展的驱动力.随着互联网、云计算、人工智能等技术的快速发展,软件与物联网、区块链、自动驾驶等众多领域的融合进一步加强,正引领并促进这些领域向数字化、智能化发展,为社会、经济的加速演进和创新发展带来... 详细信息

软件是推动新一代信息技术发展的驱动力.随着互联网、云计算、人工智能等技术的快速发展,软件与物联网、区块链、自动驾驶等众多领域的融合进一步加强,正引领并促进这些领域向数字化、智能化发展,为社会、经济的加速演进和创新发展带来了新的契机.因此,面向领域的软件技术不仅是软件领域,也是众多其他领域国内外学者的关注焦点和研究重点.

关键词：软件技术面向领域人工智能区块链云计算物联网软件系统质量保障

来源：评论

学校读者我要写书评

暂无评论

基于模板的软件缺陷修复推荐方法

引用

小型微型计算机系统 2022年第5期43卷 1096-1101页

作者：薄莉莉朱轩锐孙小兵扬州大学信息工程学院江苏扬州225127 江苏省知识管理与智能服务工程研究中心江苏扬州225127 计算机软件新技术国家重点实验室(南京大学) 南京210023

软件中长期累积的历史遗留问题导致软件产品的规模和复杂性逐渐增大.为了有效提高软件缺陷修复的效率,本文针对源代码文件中的修复前代码版本和修复后代码版本之间的差异,根据预定义的细粒度更改操作提取缺陷修复模板,并基于此修复模板... 详细信息

软件中长期累积的历史遗留问题导致软件产品的规模和复杂性逐渐增大.为了有效提高软件缺陷修复的效率,本文针对源代码文件中的修复前代码版本和修复后代码版本之间的差异,根据预定义的细粒度更改操作提取缺陷修复模板,并基于此修复模板提出了一种缺陷修复推荐方法.结果表明,模板的覆盖范围可达67.11%,并且5位参评者评估其有效,认为此修复模板适用于软件缺陷并且能够解决部分缺陷问题.

关键词：软件缺陷修复修复模板修复推荐

来源：评论

学校读者我要写书评

暂无评论

ORESP:基于有序回归的软件缺陷严重程度预测方法

引用

计算机应用研究 2021年第6期38卷 1815-1818页

作者：贾焱鑫陈翔葛骅杨光林浩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

为提高软件缺陷严重程度的预测性能,通过充分考虑软件缺陷严重程度标签间的次序性,提出一种基于有序回归的软件缺陷严重程度预测方法ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征,随后使用基于比例... 详细信息

为提高软件缺陷严重程度的预测性能,通过充分考虑软件缺陷严重程度标签间的次序性,提出一种基于有序回归的软件缺陷严重程度预测方法ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征,随后使用基于比例优势模型的神经网络来构建预测模型。通过与五种经典分类方法的比较,所提的ORESP方法在四种不同类型的度量下均可取得更高的预测性能,其中基于平均0-1误差(MZE)评测指标,预测模型性能最大可提升10.3%;基于平均绝对误差(MAE)评测指标,预测模型性能最大可提升12.3%。除此之外,发现使用基于Spearman的特征选择方法可以有效提升ORESP方法的预测性能。

关键词：软件质量保障缺陷严重程度预测有序回归特征选择分类

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

基于效用函数的期望最大搜索算法

引用

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

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

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

基于深度学习的欧几里得嵌入的推荐算法

引用

南京航空航天大学学报 2020年第5期52卷 729-735页

作者：余永红殷凯宇王强张文彪赵卫滨南京邮电大学通达学院扬州225127 计算机软件新技术国家重点实验室(南京大学) 南京210023

推荐系统为用户推荐用户可能感兴趣的物品,可以有效地减轻信息过载。基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中,是构建推荐系统的重要方法之一。然而,传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏... 详细信息

推荐系统为用户推荐用户可能感兴趣的物品,可以有效地减轻信息过载。基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中,是构建推荐系统的重要方法之一。然而,传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏特征向量之间低阶交互,不能有效建模现实世界中用户和物品的复杂交互行为。本文提出基于深度学习的欧几里得嵌入的协同过滤算法,利用深度学习技术学习用户和物品隐藏特征向量之间的高阶、非线性交互函数,建模用户和物品之间复杂交互行为。在真实数据集上的实验结果表明,基于深度学习的欧几里得嵌入的协同过滤算法性能优于传统协同过滤算法。

关键词：推荐算法协同过滤欧几里得嵌入深度学习

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：