检索结果-内蒙古大学图书馆

南京邮电大学学报（自然科学版） 2022年第6期42卷 70-78页

作者：季一木汤淑宁刘尚东张旺洪程邱晨阳刘强肖婉南京邮电大学计算机学院江苏南京210023 南京邮电大学高性能计算与大数据处理研究所江苏南京210023 国家高性能计算中心南京分中心江苏南京210023 南京邮电大学高性能计算与智能处理工程研究中心江苏南京210023 南京邮电大学教育科学与技术学院江苏南京210023

远程监督为关系抽取任务提供了大量自动标注的数据集,且领域迁移性强,为实现自动抽取奠定了基础。然而,构造的数据集伴随了强约束性的假设,存在着严重的错误标签问题,且这些噪声数据极大影响了最终的性能结果。为了缓解错误标注的问题,... 详细信息

远程监督为关系抽取任务提供了大量自动标注的数据集,且领域迁移性强,为实现自动抽取奠定了基础。然而,构造的数据集伴随了强约束性的假设,存在着严重的错误标签问题,且这些噪声数据极大影响了最终的性能结果。为了缓解错误标注的问题,文中提出了一种双重注意力模型:第一层注意力机制通过在句子编码部分引入TransH预训练好的实体向量,与句子特征共同进行注意力选择,为体现关系信息的特征分配更高的权重来提高句子编码质量;第二层则是从句子级别再进行一次注意力计算,挑选出有效的实例,进一步降低噪声数据的权重。通过在广泛使用的数据集上进行多次对比实验,表明文中所提模型可以充分利用所有信息资源,结果明显优于其他基线模型。

关键词：远程监督关系抽取 TransH 注意力机制

来源：评论

学校读者我要写书评

暂无评论

ConvPiece:基于二维卷积和子图采样的大型知识图谱表示学习模型

引用

南京邮电大学学报（自然科学版） 2023年第6期43卷 60-69页

作者：陈云芳茆昊天徐晓瑀杜承俊陈杰张伟南京邮电大学计算机学院江苏南京210023 江苏省联创软件研究院江苏南京210000 盐城工业职业技术学院信息与安全学院江苏盐城224005

基于浅层模型的知识图谱表示学习的目标是学习图上所有的实体和关系的嵌入表示向量,然而浅层模型难以学习到更具表达力的特征。浅层模型采用的嵌入表示矩阵使得训练过程需要消耗大量的计算资源,难以在现实中的大型知识图谱上进行训练。... 详细信息

基于浅层模型的知识图谱表示学习的目标是学习图上所有的实体和关系的嵌入表示向量,然而浅层模型难以学习到更具表达力的特征。浅层模型采用的嵌入表示矩阵使得训练过程需要消耗大量的计算资源,难以在现实中的大型知识图谱上进行训练。大型知识图谱表示学习模型——ConvPiece,基于锚节点和邻居节点及关系采样策略为知识图谱上的每个节点预计算子图表示,利用二维卷积和Transformer为每个节点聚合采样子图特征得到节点的表示向量,最终输入解码器计算得分并训练。在两个大型知识图谱数据集FB15k-237和WN18RR上的链路预测实验显示,ConvPiece在只有大模型十分之一参数量的情况下分别保持着88%和92%的性能,且分别高出参考模型9%和2%。

关键词：知识图谱表示学习二维卷积链路预测

来源：评论

学校读者我要写书评

暂无评论

结合贡献度与时间权重的协同过滤推荐算法

引用

计算机技术与发展 2023年第3期33卷 167-172页

作者：贾俊康李玲娟南京邮电大学计算机学院江苏南京210023

传统的协同过滤推荐算法未考虑用户兴趣随时间动态变化,以及不同用户对同一项目评分差异过大对推荐效果的影响,导致推荐效果不理想。针对以上问题,以进一步提高基于用户的协同过滤推荐算法的精度为目标,设计了一种结合贡献度与时间权重... 详细信息

传统的协同过滤推荐算法未考虑用户兴趣随时间动态变化,以及不同用户对同一项目评分差异过大对推荐效果的影响,导致推荐效果不理想。针对以上问题,以进一步提高基于用户的协同过滤推荐算法的精度为目标,设计了一种结合贡献度与时间权重的协同过滤推荐算法CTCF。该算法在用户相似度计算中引入可信误差阈值、贡献度与时间权重。首先,利用用户评分信息构建用户-评分矩阵与用户-评分时间矩阵,依据可信误差阈值来计算用户贡献度;然后,引入拟合贡献度与时间因子的遗忘曲线得到时间权重,再将时间权重引入皮尔逊相关系数中计算用户相似度;找出目标用户的邻居集,并预测目标用户对邻居集对应项目中未评分项目的评分;最后,按评分由高到低生成Top-N推荐。在MovieLens数据集上的测试结果表明,CTCF算法具有更高的F1值,有效提高了推荐精度和动态性。

关键词：贡献度时间因子相似度协同过滤推荐

来源：评论

学校读者我要写书评

暂无评论

基于Unity3D的电流表改装虚拟实验系统

引用

大学物理 2023年第4期42卷 44-50页

作者：吴志轩后泽鑫张俊杰武伟王增旭李永涛南京邮电大学计算机学院江苏南京210003 南京邮电大学集成电路科学与工程学院江苏南京210003 南京邮电大学理学院江苏南京210003 安徽师范大学计算机与信息学院安徽芜湖340200 南京邮电大学教务处江苏南京210003

为了帮助线上物理实验课程的开展,同时进一步实现实验操作的上机考试,本文在Unity3D平台上设计开发了“电表改装”的虚拟仿真实验软件,使用软件可以进行电路连线和实际所有可控器件的调节,实现了实验过程的完全仿真,虚拟仪器在外观、操... 详细信息

为了帮助线上物理实验课程的开展,同时进一步实现实验操作的上机考试,本文在Unity3D平台上设计开发了“电表改装”的虚拟仿真实验软件,使用软件可以进行电路连线和实际所有可控器件的调节,实现了实验过程的完全仿真,虚拟仪器在外观、操作步骤和精度上与教学使用的实验仪器一致,同时虚拟仪器配有简洁的UI界面,能够帮助学生在电脑上进行实验原理和实验过程的预习和复习.本文详述了虚拟仪器的设计方法和参数的选择依据.

关键词：物理实验电表改装 Unity3D 虚拟仪器在线教学

来源：评论

学校读者我要写书评

暂无评论

结合注意力机制与循环神经网络的序列推荐模型

引用

软件导刊 2023年第10期22卷 95-104页

作者：吴晓成卫青南京邮电大学计算机学院江苏南京210046

在真实场景的推荐系统中,使用用户所有数据以训练推荐模型,存在忽略数据间时间顺序和学习到的用户兴趣是静态的问题。鉴于此,提出一种结合注意力机制与GRU循环神经网络的序列推荐模型,对用户的行为序列进行显式的动态建模,挖掘用户的长... 详细信息

在真实场景的推荐系统中,使用用户所有数据以训练推荐模型,存在忽略数据间时间顺序和学习到的用户兴趣是静态的问题。鉴于此,提出一种结合注意力机制与GRU循环神经网络的序列推荐模型,对用户的行为序列进行显式的动态建模,挖掘用户的长期偏好与短期偏好,并结合用户自身信息构建自适应分配权重的门控单元,将长期偏好与短期偏好结合,以此预测用户可能发生的下一个行为。在Amazon数据集上的实验结果表明,相较于目前基准推荐模型GRU4REC、STAMP、SASREC等,该模型在归一化折损累计增益(NDCG)和命中率(HIT)指标上分别至少提升了14.7%和8.8%,表明该模型能够更加准确地捕捉用户兴趣。

关键词：序列推荐注意力机制循环神经网络深度学习长短期偏好

来源：评论

学校读者我要写书评

暂无评论

基于改进麻雀搜索算法的认知无线电频谱分配

引用

计算机技术与发展 2023年第1期33卷 95-100页

作者：张金飞岳文静陈志南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学计算机学院江苏南京210023

针对认知无线电中以最大程度提高网络效益为目的的频谱分配问题,提出了一种基于麻雀搜索算法的改进算法。首先,考虑到种群多样性对实验结果的影响,利用透镜成像反向学习策略,在最优个体基础上产生新个体,进而继续寻优,来进一步提高算法... 详细信息

针对认知无线电中以最大程度提高网络效益为目的的频谱分配问题,提出了一种基于麻雀搜索算法的改进算法。首先,考虑到种群多样性对实验结果的影响,利用透镜成像反向学习策略,在最优个体基础上产生新个体,进而继续寻优,来进一步提高算法的收敛精度;然后,采用变步长设计,在影响步长因素的关键参数中加入步长调整机制,可以调节局部精度和全局最优之间的平衡关系。再对种群中负责侦查预警的麻雀位置引入Levy飞行策略来更新其位置,有助于增强算法跳出局部极值能力和总体寻优的性能。最后,将改进的麻雀搜索算法应用于认知无线电的频谱分配问题,通过与遗传算法、粒子群算法、海鸥算法及基础麻雀搜索算法进行对比仿真表明,改进的麻雀搜索算法,相比于基础麻雀算法和其他算法,具有更高的网络效益和更快的收敛速度,可以达到有效改善频谱利用率的目的。

关键词：认知无线电麻雀搜索算法频谱分配透镜成像反向学习 Levy策略系统效益

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯攻击图的RFID系统安全博弈分析模型

引用

计算机与现代化 2024年第7期 93-99页

作者：马荟平李鹏胡素君南京邮电大学计算机学院江苏南京210023 南京邮电大学网络安全和可信计算研究所江苏南京210023

针对RFID系统缺乏综合有效的风险管理与安全评估的问题,为了实现对RFID系统安全风险的有效分析以及对目标RFID系统整体风险状况的评估,本文提出一种基于贝叶斯攻击图的RFID系统安全博弈分析方法。在贝叶斯攻击图模型的基础上结合博弈思... 详细信息

针对RFID系统缺乏综合有效的风险管理与安全评估的问题,为了实现对RFID系统安全风险的有效分析以及对目标RFID系统整体风险状况的评估,本文提出一种基于贝叶斯攻击图的RFID系统安全博弈分析方法。在贝叶斯攻击图模型的基础上结合博弈思想对RFID系统的风险状况进行分析,将攻击者入侵系统的过程抽象为攻防双方的博弈模型。首先依据目标系统的相关信息确定攻防策略,并且通过对攻击者和防御者策略收益的计算,构建相应的攻防博弈矩阵,然后得出其纳什均衡状态,确定各参与者的最优策略,最后计算双方的期望收益,确定目标RFID系统的安全状态:若是攻击者期望收益大于防御者期望收益,则系统处于风险状态,反之系统则处于安全状态。实验结果表明,本文提出的博弈模型可以良好地实现对目标RFID系统的安全状况分析。

关键词： RFID 贝叶斯攻击图安全博弈分析

来源：评论

学校读者我要写书评

暂无评论

基于A3C的有序充电算法

引用

计算机技术与发展 2023年第1期33卷 173-177,199页

作者：张文龙张洁南京邮电大学计算机学院江苏南京210023

由于电动汽车的日益普及,其充电问题已成为电力系统的新的用电挑战。实际生活中,充电站一般都被认为是电动汽车有序充电行为的调度主体。为解决传统模型驱动的充电算法无法应用于电动汽车随机进站的问题,提出将数据驱动的无模型深度强... 详细信息

由于电动汽车的日益普及,其充电问题已成为电力系统的新的用电挑战。实际生活中,充电站一般都被认为是电动汽车有序充电行为的调度主体。为解决传统模型驱动的充电算法无法应用于电动汽车随机进站的问题,提出将数据驱动的无模型深度强化学习算法A3C(Asynchronous Advantage Actor-critic,异步演员评论家算法)应用于有序充电。该算法利用特征函数来近似模型所需要的价值函数和策略函数,解决因随机进站而引起的空间维度变化的问题。通过需求响应机制关联充电费用和需求,实现两者的动态调度。为避免因为经验回放而导致的数据相关性过强,利用多线程实现模型与多个环境进行互动,提高了模型的收敛性。最后以某地区充电站实测数据为例进行仿真分析。结果表明,该算法在只基于历史充电数据的情况下能优化充电行为,较大程度地抑制充电负荷方差,实现削峰填谷,同时在满足用户需求的基础上提高充电站收益。

关键词：有序充电数据驱动强化学习深度学习 A3C

来源：评论

学校读者我要写书评

暂无评论

基于网络编码的协作恢复机制线性可解性研究

引用

通信学报 2021年第5期42卷 216-229页

作者：殷俊沙雪琪王磊张登银杨余旺南京邮电大学江苏省宽带无线通信重点实验室江苏南京210003 南京邮电大学物联网学院江苏南京210003 南京理工大学计算机科学与工程学院江苏南京210004

针对基于网络编码的协作恢复(CR)机制线性可解性未知问题,建立了CR机制网络编码包的线性可解性的量化分析模型,给出了在任意阶伽罗华编码有限域下接收方解码出所有源数据包的概率上下界,并提出了一种改进Gauss-Jordan的线性可解性在线... 详细信息

针对基于网络编码的协作恢复(CR)机制线性可解性未知问题,建立了CR机制网络编码包的线性可解性的量化分析模型,给出了在任意阶伽罗华编码有限域下接收方解码出所有源数据包的概率上下界,并提出了一种改进Gauss-Jordan的线性可解性在线判定算法。数值实验结果验证了所提上下界的紧密性和改进Gauss-Jordan算法解码的低等待时延特性,节点部署实验显示改进Gauss-Jordan算法较传统Gauss算法解码复杂度降低35%。

关键词：协作恢复网络编码线性可解性改进Gauss-Jordan算法

来源：评论

学校读者我要写书评

暂无评论

智能网联汽车数据安全检测研究现状

引用

现代交通与冶金材料 2023年第3期3卷 30-42页

作者：葛欣董建阔陈滏媛董振江南京邮电大学计算机学院江苏南京210023

智能化、网联化、电动化和共享化已成为汽车发展的主流趋势,然而,随着车联网商用规模的不断扩大,车联网产生的数据也呈指数级增加,车联网数据安全日益成为行业关注的焦点。数据是车联网运行的关键,如果缺乏有效的安全防范和监管措施,不... 详细信息

智能化、网联化、电动化和共享化已成为汽车发展的主流趋势,然而,随着车联网商用规模的不断扩大,车联网产生的数据也呈指数级增加,车联网数据安全日益成为行业关注的焦点。数据是车联网运行的关键,如果缺乏有效的安全防范和监管措施,不仅会对车辆使用者的个人信息和隐私保护构成明显威胁,而且可能因车辆遭受远程控制等恶意攻击,造成重大的公共安全隐患。因此,从政府战略和行业发展角度出发,研究智能网联汽车数据安全检测技术,对智能车联网的数据安全进行检测评估、建设交通强国、为智能网联汽车产业的发展保驾护航,都具有重大战略意义。

关键词：智能网联车联网数据数据安全检测评估车联网发展

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：