检索结果-内蒙古大学图书馆

南京航空航天大学学报(自然科学版) 2025年第1期57卷 195-204页

作者：王康星胡军王立松丁鼎董亚炯戴嘉磊南京航空航天大学计算机科学与技术学院南京211106 软件新技术与产业化协同创新中心南京210007

越来越复杂的多层级功能需求给高安全机载软件的设计开发带来了重要挑战。本文给出了一个面向工程应用领域具有层次化语义特征的软件需求形式化建模与分析方法。首先,设计了一个层次化的形式化需求模型。层次化变量关系模型(Hierarchica... 详细信息

越来越复杂的多层级功能需求给高安全机载软件的设计开发带来了重要挑战。本文给出了一个面向工程应用领域具有层次化语义特征的软件需求形式化建模与分析方法。首先,设计了一个层次化的形式化需求模型。层次化变量关系模型(Hierarchical variable relation model,HVRM)引入工程领域中典型的功能模块属性以及端口等概念来表达系统功能的层次化特征语义,同时也具备原有变量关系模型(Variable relation model,VRM)中基于表格形式的形式化语义,可表示包括条件型、事件型、多维度模式转换等多种类需求的语义信息。进而,基于需求的一致性完整性要求确立了VRM一致性完整性约束簇。其次,设计了一个将工程条目化需求建模为HVRM形式化需求模型的处理框架,并在一个机载软件需求工具平台(Hierarchical avionics requirement tools,HART)中进行了处理功能和需求追溯功能的实现和集成。最后采用某机型自动飞行系统中飞行模式转换软件逻辑需求进行了实例需求建模和模型分析。

关键词：计算机软件与理论需求工程形式化方法需求建模与分析飞行控制系统

来源：评论

学校读者我要写书评

暂无评论

基于图注意力机制的复杂网络关键节点识别

引用

复杂系统与复杂性科学 2023年

作者：张明磊宋玉蓉曲鸿博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自动化学院人工智能学院

为利用图注意力机制解决复杂网络中的关键节点识别问题，综合考虑节点传播力和结构影响力，在生成网络上构建训练标签，通过图注意力网络模型学习节点重要性。实验证明该算法在影响最大化和免疫隔离两个关键任务中表现出色。

关键词：关键节点识别复杂网络影响力最大化病毒传播

来源：评论

学校读者我要写书评

暂无评论

基于差异补偿和短期采样对比损失的城市电力负荷预测方法

引用

计算机科学 2024年第4期51卷 158-164页

作者：陈润桓戴华郑桂能李惠杨庚南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023 犹他州立大学计算机科学系洛根84322

城市电力负荷预测是城市智能电网规划和调度的一项重要内容。然而,城市电力负荷预测中存在数据不均的问题,给城市电力负荷预测带来了巨大挑战。传统的基于单一模型的方法难以解决数据不均的问题,而现有的基于多模型的预测方法根据电力... 详细信息

城市电力负荷预测是城市智能电网规划和调度的一项重要内容。然而,城市电力负荷预测中存在数据不均的问题,给城市电力负荷预测带来了巨大挑战。传统的基于单一模型的方法难以解决数据不均的问题,而现有的基于多模型的预测方法根据电力负荷分布将数据集拆分成多个子数据集,然后分别建立多个预测模型进行预测,该类方案在一定程度上解决了数据不均问题,但存在模型构建成本较高、不同分布样本间共有的电力分布特征发生分离等问题。基于此,提出了一个轻量级城市电力负荷预测模型(Lighten-DCSC-LSTM)。该模型通过在长短期记忆网络的基础上引入差异补偿的思想和短期采样对比损失进行构建,同时构建共享特征提取层来降低模型构建成本。其中,差异补偿思想通过学习不同电力负荷分布样本之间的差异对主序列预测模块的预测结果进行差异补偿,短期采样对比损失通过动态类中心的对比学习损失对模型的训练进行正则化。为了验证模型的性能,进行了参数调优和对比实验。对比实验结果表明,模型在预测电力负荷的任务中取得了良好的性能。

关键词：电力负荷预测长短期记忆网络深度学习对比学习损失

来源：评论

学校读者我要写书评

暂无评论

车辆边缘计算环境下基于深度强化学习的服务卸载方法

引用

计算机集成制造系统 2022年第10期28卷 3304-3315页

作者：刘国志代飞莫启许小龙强振平王雷光西南林业大学大数据与智能工程学院云南昆明650224 云南大学软件学院云南昆明650091 南京信息工程大学计算机与软件学院江苏南京210044

为了在车辆边缘环境下高效地进行服务卸载,同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配,提出一种基于深度强化学习的服务卸载方法。首先提出车辆边缘环境下一种端—边—云协同的服务卸载架构,将服务卸载问题归约为... 详细信息

为了在车辆边缘环境下高效地进行服务卸载,同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配,提出一种基于深度强化学习的服务卸载方法。首先提出车辆边缘环境下一种端—边—云协同的服务卸载架构,将服务卸载问题归约为边缘服务器计算和通信资源约束下获得最小平均服务时延的优化问题;然后引入深度Q网络解决优化问题,在学习过程中引入贪婪算法、经验回放机制和双网络机制。通过实验表明,所提方法具有可行性,所提卸载方案性能良好。

关键词：服务卸载端—边—云架构深度Q网络深度强化学习边缘计算

来源：评论

学校读者我要写书评

暂无评论

职业教育人工智能专业实验教学系统设计与实践

引用

现代职业教育 2024年第10期 121-124页

作者：刘向东南京工业职业技术大学计算机与软件学院

在促进新一代人工智能产业发展的国家战略要求下，在职业院校普遍缺乏人工智能专业教学标准和建设经验的背景下，为满足我国职业教育人工智能相关专业人才培养需要，对人工智能技术技能型人才培养进行了探索。结合产业实际应用场景，遵... 详细信息

在促进新一代人工智能产业发展的国家战略要求下，在职业院校普遍缺乏人工智能专业教学标准和建设经验的背景下，为满足我国职业教育人工智能相关专业人才培养需要，对人工智能技术技能型人才培养进行了探索。结合产业实际应用场景，遵循工程化、产品化、职业化思想，研制了基于机器学习的人工智能应用开发实验教学系统。聚焦人工智能产业发展对知识和技能以及职业素养的综合要求，设计了人工智能模型开发与应用开发的完整工作流程，培养学生端到端开发人工智能应用系统的专业技能，增强学生对产业工作岗位的认识。实验教学系统经过多轮教学实践，取得了良好的效果，为我国职业院校人工智能专业人才培养提供参考。

关键词：人工智能机器学习应用开发实验教学职业教育

来源：评论

学校读者我要写书评

暂无评论

使用多分类器的分布式模型重用技术

引用

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

一种基于Triplet loss的齿轮箱复合故障识别方法

引用

振动与冲击 2021年第5期40卷 46-54页

作者：赵晓平王逸飞张永宏吴家新王丽华南京信息工程大学计算机与软件学院南京210044 南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省网络监控中心计算机与软件学院南京210044

随着设备检测点的数量与采样频率的增加,机械健康监测进入了"大数据"时代。深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。在故障诊断领域,目前深度学习方法的研究对象均集中于单一故... 详细信息

随着设备检测点的数量与采样频率的增加,机械健康监测进入了"大数据"时代。深度学习以其强大的自适应特征提取和分类能力也在机械大数据处理方面取得了丰硕的成果。在故障诊断领域,目前深度学习方法的研究对象均集中于单一故障,而复合故障却鲜有人涉足。复合故障因为其各类故障信号间有耦合,变化的工况(负载,转速)也会对信号产生较大影响,所以难以准确诊断。面对复杂的复合故障,传统的Softmax分类器已不能精确高效的完成故障诊断。提出了一种基于Triplet loss的深度度量学习模型的诊断方法,对齿轮箱的轴承及齿轮这两种目标的故障同时进行诊断。其优势在于通过该模型提取故障信号的特征,再利用Triplet loss度量各类故障之间的距离,使得同类故障特征间的距离很近,异类故障特征间的距离很远,从而高效完成诊断任务。试验结果表明,该方法实现了在多种工况,大量样本下对齿轮箱内轴承和齿轮不同故障的准确诊断。

关键词：机械故障诊断深度度量学习齿轮箱轴承齿轮

来源：评论

学校读者我要写书评

暂无评论

基于多层感知机和语义矩阵的答案选择模型

引用

计算机科学 2023年第5期50卷 270-276页

作者：罗亮程春玲刘倩归耀城南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 南京邮电大学现代邮政学院南京210023

答案选择是问答系统领域的关键子任务,其性能表现支撑着问答系统的发展。基于参数冻结的BERT模型生成的动态词向量存在句级语义特征匮乏、问答对词级交互关系缺失等问题。多层感知机具有多种优势,不仅能够实现深度特征挖掘,且计算成本... 详细信息

答案选择是问答系统领域的关键子任务,其性能表现支撑着问答系统的发展。基于参数冻结的BERT模型生成的动态词向量存在句级语义特征匮乏、问答对词级交互关系缺失等问题。多层感知机具有多种优势,不仅能够实现深度特征挖掘,且计算成本较低。在动态文本向量的基础上,文中提出了一种基于多层感知机和语义矩阵的答案选择模型,多层感知机主要实现文本向量句级语义维度重建,而通过不同的计算方法生成语义矩阵能够挖掘不同的文本特征信息。多层感知机与基于线性模型生成的语义理解矩阵相结合,实现一个语义理解模块,旨在分别挖掘问题句和答案句的句级语义特征;多层感知机与基于双向注意力计算方法生成的语义交互矩阵相结合,实现一个语义交互模块,旨在构建问答对之间的词级交互关系。实验结果表明,所提模型在WikiQA数据集上MAP和MRR分别为0.789和0.806,相比基线模型,该模型在性能上有一致的提升,在SelQA数据集上MAP和MRR分别为0.903和0.911,也具有较好的性能表现。

关键词：答案选择 BERT模型动态词向量多层感知机语义矩阵

来源：评论

学校读者我要写书评

暂无评论

车联网边缘计算环境下基于流量预测的高效任务卸载策略研究

引用

电子学报 2024年

作者：许小龙杨威杨辰翊程勇齐连永项昊龙窦万春南京信息工程大学软件学院江苏省大气环境与装备技术协同创新中心江苏省先进计算与智能服务工程研究中心东南大学软件学院中国石油大学(华东)计算机科学与技术学院南京大学计算机软件新技术国家重点实验室

车联网（Internet of Vehicles,IoV）边缘计算通过将移动边缘计算和车联网相结合，实现了车辆计算任务从云服务器向边缘服务器的下沉，从而有效降低了车联网服务的响应时延.然而，车联网中不规则的交通流时空分布会导致边缘服务器计算... 详细信息

车联网（Internet of Vehicles,IoV）边缘计算通过将移动边缘计算和车联网相结合，实现了车辆计算任务从云服务器向边缘服务器的下沉，从而有效降低了车联网服务的响应时延.然而，车联网中不规则的交通流时空分布会导致边缘服务器计算负载不均衡，进而影响车联网服务的实时响应.为此，本文提出了一种车联网边缘计算环境下基于流量预测的高效任务卸载策略.具体而言，首先设计了能充分挖掘路段间连通性和距离信息的切比雪夫图加权网络（Chebyshev graph Weighted Network,ChebWN）进行交通流量预测.然后，设计了一种基于深度强化学习的二元任务卸载方法（DRL-based Binary task Offloading Algorithm,DBOA），该算法将二元任务卸载的决策过程分为两个阶段，即首先通过深度强化学习得到卸载策略，再通过一维双端查找算法确定最大化总计算速率的时间片分配方案，降低了决策过程的复杂度.最后，通过大量的对比实验验证了ChebWN在预测交通流量方面的准确性，以及DBOA在提升车联网服务响应速度方面的优越性.

关键词：移动边缘计算深度强化学习车联网图神经网络(GNN) 任务卸载

来源：评论

学校读者我要写书评

暂无评论

“互联网+应急环境”的室内火灾应急响应模式

引用

情报工程 2024年第2期10卷 38-51页

作者：唐明伟张渭秦宇豪余定方张东南京审计大学计算机学院南京211815 江苏省数据工程与知识服务重点实验室南京210023 南京国睿信维软件有限公司南京210001

[目的/意义]构建“互联网+应急环境”的室内火灾应急响应模式,提高室内火灾应急响应效率。[方法/过程]从技术角度对“互联网+”的理念进行了深度剖析,创建了“互联网+”跨界融合技术实现框架。应用该框架,从应急环境与应急部门的联动机... 详细信息

[目的/意义]构建“互联网+应急环境”的室内火灾应急响应模式,提高室内火灾应急响应效率。[方法/过程]从技术角度对“互联网+”的理念进行了深度剖析,创建了“互联网+”跨界融合技术实现框架。应用该框架,从应急环境与应急部门的联动机制、突发室内火灾事件的大数据集成、基于改进Zukoski室内火灾预警模型构建、基于知识推理的火灾应急响应方法等方面,构建了“互联网+应急环境”的室内火灾应急响应模式。应用该模式,使用CC2530物联网开发套件、Neo4j知识图谱工具以及Java EE技术,开发了基于多传感器的突发火灾预警仿真系统,并通过在室内环境燃烧纸条模拟火灾的方式进行了实验。[局限]实验仅在模拟环境下进行,在进入实际应用前,还需要进行大量的、更为真实的实验。[结果/结论]实验结果表明,本文构建的室内火灾应急响应模式行之有效。

关键词：火灾应急突发事件 “互联网+”

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：