检索结果-内蒙古大学图书馆

计算机科学 2020年第4期47卷 42-49页

作者：程煜刘伟孙童心魏志刚杜薇武汉理工大学计算机科学与技术学院武汉430070 交通物联网技术湖北省重点实验室(武汉理工大学) 武汉430070 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804

随着硅的集成度和时钟频率的急剧提升,功耗和散热已成为体系结构设计中的关键挑战。近阈值电压技术是一种能够有效降低处理器能耗的有着广泛应用前景的技术。然而,在近阈值电压下,大量SRAM单元失效,导致一级缓存的错误率升升,给一级缓... 详细信息

随着硅的集成度和时钟频率的急剧提升,功耗和散热已成为体系结构设计中的关键挑战。近阈值电压技术是一种能够有效降低处理器能耗的有着广泛应用前景的技术。然而,在近阈值电压下,大量SRAM单元失效,导致一级缓存的错误率升升,给一级缓存的可靠性带来了严峻挑战。目前有很多学者通过牺牲缓存容量或者引入额外的延迟来纠正缓存的错误,但大多方法只能适应SRAM单元的低失效率环境,在高失效率的环境下表现较差。文中提出了一种基于传统6T SRAM的近阈值电压下可容错的一级缓存结构——FTFLC(Fault-Tolerant First-Level Cache),在高失效率的环境下,其表现出了更好的性能。FTFLC采用两级映射机制,利用块映射机制和位纠正机制分别对缓存行中有错的比特位和子数据块进行映射保护。此外,文中还提出了FTFLC初始化算法将两种映射机制结合,提高了可用的缓存容量。最后,使用gem5模拟器,在650 mV电压的高失效率环境下对FTFLC进行仿真实验,将其与3种已有缓存结构10T-Cache,Bit-fix,Correction Prediction进行对比。对比结果表明,FTFLC相比其他的缓存结构,在保持较低面积和能耗开销的同时,拥有至少3.86%的性能提升,且将L1 Cache的容量可用率提升了12.5%。

关键词：近阈值电压一级缓存容错性可靠性低能耗

来源：评论

学校读者我要写书评

暂无评论

面向访问模式的混合内存缓存替换策略

引用

计算机科学 2020年第10期47卷 130-135页

作者：刘伟孙童心杜薇武汉理工大学计算机科学与技术学院武汉430070 交通物联网技术湖北省重点实验室(武汉理工大学) 武汉430070 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804

大数据时代催生了很多以数据为中心的技术和应用,这对计算机主存的速度、容量、能耗提出了更高的要求。为了解决传统DRAM(Dynamic Random Access Memory)内存遇到的瓶颈,由DRAM和非易失性存储NVM(Non-Volatile Memory)组成的混合内存技... 详细信息

大数据时代催生了很多以数据为中心的技术和应用,这对计算机主存的速度、容量、能耗提出了更高的要求。为了解决传统DRAM(Dynamic Random Access Memory)内存遇到的瓶颈,由DRAM和非易失性存储NVM(Non-Volatile Memory)组成的混合内存技术受到了广泛的关注。在混合内存环境下,缓存的性能至关重要。针对混合内存环境,已有的缓存替换策略研究都是对LRU2思想的改进,虽然考虑了DRAM数据和NVM数据缺失惩罚不对称的现象,但是在面对LRU(Least Recently Used)性能差的负载时也会存在缓存抖动和污染问题,仍然存在优化空间。文中针对不同类型的负载特点,考虑了不同访问模式下DRAM与NVM数据的竞争关系,提出了一种动态可调整的缓存替换策略DLRP(Dynamic Level Replacement Policy)。该策略在面对不同类型的负载时能动态地选择最优的替换策略,在保持整体命中率较好的同时降低了NVM的缺失和写回。实验结果表明,相比WBAR策略,DLRP不仅在IPC上有平均16.5%的提升,而且在能耗和写操作数量上分别降低了5.2%和5.1%。

关键词：访问模式缓存替换混合内存 NVM

来源：评论

学校读者我要写书评

暂无评论

基于实例的迁移时间序列异常检测算法研究

引用

信息网络安全 2019年第3期 11-18页

作者：王伟沈旭东同济大学电子与信息工程学院上海200092 同济大学嵌入式系统与服务计算教育部重点实验室上海200092

时间序列异常检测不管在学术界还是工业界都正引起人们极大的兴趣,但同时也存在异常标签数据缺失严重这一普遍问题。为了解决该问题,文章提出了基于实例的迁移时间序列异常检测算法——InsTransAnomalyDetect算法。该算法通过构建有效... 详细信息

时间序列异常检测不管在学术界还是工业界都正引起人们极大的兴趣,但同时也存在异常标签数据缺失严重这一普遍问题。为了解决该问题,文章提出了基于实例的迁移时间序列异常检测算法——InsTransAnomalyDetect算法。该算法通过构建有效的决策函数来迁移实例,将原来的无监督异常检测任务转化为监督学习的任务。算法集成两种决策函数,分别是基于密度的决策函数和基于聚类的决策函数。文章最后将该方法与两种经典的异常检测算法在24个数据集上进行效果对比。实验结果表明,在24个数据集中,文中算法的表现优于无监督的异常检测算法的数据集有21个,平均准确率提升20%左右。实验证明了文中算法的优越性。

关键词：异常检测时间序列迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的监控视频中多类别车辆检测

引用

计算机应用 2019年第3期39卷 700-705页

作者：徐子豪黄伟泉王胤同济大学计算机科学与技术系上海201804 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804

针对传统机器学习算法在交通监控视频的车辆检测中易受视频质量、拍摄角度、天气环境等客观因素影响,预处理过程繁琐、难以进行泛化、鲁棒性差等问题,结合空洞卷积、特征金字塔、焦点损失,提出改进的更快的区域卷积神经网络(Faster R-C... 详细信息

针对传统机器学习算法在交通监控视频的车辆检测中易受视频质量、拍摄角度、天气环境等客观因素影响,预处理过程繁琐、难以进行泛化、鲁棒性差等问题,结合空洞卷积、特征金字塔、焦点损失,提出改进的更快的区域卷积神经网络(Faster R-CNN)和单阶段多边框检测检测器(SSD)两种深度学习模型进行多类别车辆检测。首先从监控视频中截取的不同时间的851张标注图构建数据集;然后在保证训练策略相同的情况下,对两种改进后的模型与原模型进行训练;最后对每个模型的平均准确率进行评估。实验结果表明,与原Faster R-CNN和SSD模型相比,改进后的Faster R-CNN和SSD模型的平均准确率分别提高了0.8个百分点和1.7个百分点,两种深度学习方法较传统方法更适应复杂情况下的车辆检测任务,前者准确度较高、速度较慢,更适用于视频离线处理,后者准确度较低、速度较快,更适用于视频实时检测。

关键词：深度学习车辆检测空洞卷积特征金字塔焦点损失

来源：评论

学校读者我要写书评

暂无评论

基于多源特征后融合的分层目标检测算法

引用

计算机科学 2019年第2期46卷 249-254页

作者：盛雷卫志华张鹏宇同济大学计算机科学与技术系上海201804 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804

目标检测是计算机视觉领域的热门研究课题,是视频内容分析的基础。文中提出了一种基于图像多源特征后融合的分层目标检测算法。在该算法中,使用多级决策的思想对目标检测任务进行粗细两个粒度的划分。在粗粒度层面,先使用HOG特征对图像... 详细信息

目标检测是计算机视觉领域的热门研究课题,是视频内容分析的基础。文中提出了一种基于图像多源特征后融合的分层目标检测算法。在该算法中,使用多级决策的思想对目标检测任务进行粗细两个粒度的划分。在粗粒度层面,先使用HOG特征对图像进行分类,根据分类器的置信度分数,将测试图像分为正例、负例和不确定例。在细粒度层面,使用多种视觉特征以及多种核函数后融合的方法对不确定域中的图像做进一步分类。在同一数据集上设置了3组对比实验。实验结果表明,所提算法在各个评价指标上都有出色的表现,且在实际视频的目标检测中的效果优于Faster-RCNN。

关键词：计算机视觉目标检测多级决策特征提取后融合

来源：评论

学校读者我要写书评

暂无评论

基于可信语义深度学习的文本文献搜索方法

引用

计算机工程与应用 2019年第3期55卷 96-103页

作者：谢英杰曾国荪同济大学计算机科学及技术系上海200092 嵌入式系统与服务计算教育部重点实验室上海200092

针对传统文本搜索返回结果不准确、不满意的问题,提出一种基于可信语义深度学习的文本搜索方法。首先为了充分挖掘文本的可信语义,通过文本中的信任事实,以及人机交互标注的方式计算文本的可信度。利用网络爬虫抓取大量文本文献学习训... 详细信息

针对传统文本搜索返回结果不准确、不满意的问题,提出一种基于可信语义深度学习的文本搜索方法。首先为了充分挖掘文本的可信语义,通过文本中的信任事实,以及人机交互标注的方式计算文本的可信度。利用网络爬虫抓取大量文本文献学习训练数据,并且构建深度学习神经网络模型,以文本的语义矩阵为输入,以文本的可信度为输出,通过有监督学习,训练出评估文本可信度的深度学习神经网络模型。最后应用该神经网络模型实现文本文献的搜索。通过"中国政治党建"领域的搜索实验表明:该方法在平均可信度方面优于传统搜索方法。

关键词：文本文献信任事实可信语义深度学习智能搜索

来源：评论

学校读者我要写书评

暂无评论

基于RDD非序列化本地存储的Spark存储性能优化

引用

计算机科学 2019年第5期46卷 143-149页

作者：赵俊先喻剑同济大学计算机科学与技术系上海201804 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804

Spark框架被越来越多的企业用作大数据的计算框架,但随着现有服务器的可用内存资源增加,Spark并不能与新环境相匹配。Spark运行在Java虚拟机上,随着堆空间内存被大量使用,Java虚拟机通过回收内存来为新对象提供空间(垃圾回收机制,GC)的... 详细信息

Spark框架被越来越多的企业用作大数据的计算框架,但随着现有服务器的可用内存资源增加,Spark并不能与新环境相匹配。Spark运行在Java虚拟机上,随着堆空间内存被大量使用,Java虚拟机通过回收内存来为新对象提供空间(垃圾回收机制,GC)的时间开销占Spark作业总耗时的比例显著增加,但Spark作业的效率并未随着可用内存的增加而保持一定比例的提升。在使用非堆(本地)内存存储模式后,GC开销问题得以缓解,但缓存数据的序列化开销成为新的矛盾点。文中利用本地存储方式解决GC问题,同时通过减少序列化开销以加快作业速度,提出并修改了Spark的存储结构,改进了RDD的淘汰机制和缓存方式,将去序列化的数据引入到本地内存中,在保持较低的垃圾回收开销的同时,降低了序列化的开销。实验结果表明,与原Spark的堆上存储方式相比,非序列化的本地存储方法在单结点、大内存的服务器上的GC时间缩短到5%～30%,同时,序列化开销显著降低,吞吐量得到提升,作业耗时缩短8%以上。

关键词： Spark 垃圾回收序列化存储系统本地内存

来源：评论

学校读者我要写书评

暂无评论

融合主题词嵌入和网络结构分析的主题关键词提取方法

引用

数据分析与知识发现 2019年第7期3卷 52-60页

作者：曾庆田胡晓慧李超山东科技大学电子信息工程学院青岛266590 山东科技大学计算机科学与工程学院青岛266590 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

【目的】构建一种更加准确的主题关键字提取模型,从词向量与主题模型相结合的角度出发解决词频较小主题相关度较高词语发现的问题。【方法】提出一种融合主题词嵌入和网络结构分析的主题关键词提取方法,利用LDA主题模型进行主题关键词... 详细信息

【目的】构建一种更加准确的主题关键字提取模型,从词向量与主题模型相结合的角度出发解决词频较小主题相关度较高词语发现的问题。【方法】提出一种融合主题词嵌入和网络结构分析的主题关键词提取方法,利用LDA主题模型进行主题关键词的初步提取,利用Word2Vec训练词向量,利用词向量相似度传播构建关键词网络,利用网络结构分析方法对主题词进行二次提取。【结果】实验结果表明,本文所提方法使得主题关键词之间的平均相似度提高14.75%,同时,在相同主题下的关键词比较中,本文方法相比LDA模型能够更准确地发现低词频高主题相关的词。【局限】样本数量有限,分词处理过程需要过多的人工参与,未对主题关键词提取结果进行深入的量化分析。【结论】融合词嵌入和网络分析方法进行文档主题关键词提取,能够有效发现低词频高主题相关的关键词,为摘要提取、舆情分析等研究提供新思路。

关键词：网络结构分析词嵌入主题模型关键词提取表示学习

来源：评论

学校读者我要写书评

暂无评论

轨迹数据融合用户表示方法的重要位置发现

引用

数据分析与知识发现 2019年第6期3卷 75-82页

作者：曾庆田戴明弟李超段华赵中英山东科技大学电子信息工程学院青岛266590 山东科技大学计算机科学与工程学院青岛266590 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

【目的】发现重要位置,为用户行为轨迹特征和规律的研究提供良好数据支撑。【方法】提出融合用户表示方法的重要位置预测模型,提出基于Word2Vec的用户行为轨迹的向量化表示方法;基于用户向量相似度构建用户关系网络,提取访问位置上的核... 详细信息

【目的】发现重要位置,为用户行为轨迹特征和规律的研究提供良好数据支撑。【方法】提出融合用户表示方法的重要位置预测模型,提出基于Word2Vec的用户行为轨迹的向量化表示方法;基于用户向量相似度构建用户关系网络,提取访问位置上的核心用户;通过核心用户的访问行为进行重要位置预测。【结果】实验结果表明,基于本文方法过滤后的核心用户对重要位置进行标注,比直接标注的正确率提升7%。在地图上显示标注区域,能够有效发现对应的住宅区和商业区。【局限】本文方法只能够识别居住地和工作地,更加细粒度的标注有待进一步实现。【结论】本文所提基于用户表示学习的核心用户过滤方法,对重要位置的标注具有重要意义,同时为研究用户的轨迹行为特征和规律提供了更为科学的决策支持。

关键词：重要位置轨迹挖掘表示学习支持向量机

来源：评论

学校读者我要写书评

暂无评论

车联网移动边缘计算环境下基于DDQN的特征自适应DDoS攻击防御方法

车联网移动边缘计算环境下基于DDQN的特征自适应DDoS攻击防御方法

引用

2020中国自动化大会(CAC2020)

作者：孔玉波李重东华大学信息科学与技术学院同济大学嵌入式系统与服务计算教育部重点实验室

随着5G技术的发展,移动边缘计算(mobile edge computing,MEC)被引入到车联网的建设当中。然而,在MEC架构下,分布式拒绝服务攻击(the distributed denial of services,DDoS)已经成为车联网中一个严重的问题。尽管已经有很多关于通用的无... 详细信息

随着5G技术的发展,移动边缘计算(mobile edge computing,MEC)被引入到车联网的建设当中。然而,在MEC架构下,分布式拒绝服务攻击(the distributed denial of services,DDoS)已经成为车联网中一个严重的问题。尽管已经有很多关于通用的无线或者有线网络的DDoS攻击防御的研究,但是它们依赖有标签数据,也无法满足车联网中高动态性的需求。此外,固定的特征集和历史经验难以有效应对车联网中复杂多样的DDoS攻击。然而,车联网未受到DDoS攻击时,车辆与基站之间的数据流统计信息是稳定变化的,不同于通用网络,车联网中的这种变化是不易与正常的突发流相混淆的。通过利用这个特性,本文提出了一个基于双深度Q网络(double deep Q network,DDQN)的特征自适应DDoS攻击防御方法。在该方法中首先提出了一种自适应当前攻击的动态特征选择方法以摆脱依靠人工经验进行特征选取而无法自适应当前攻击的缺陷,并且设计一个基于Kalman滤波的奖励函数,摆脱对有标签数据的依赖。其次,本文算法使用DDQN算法学习历史经验,根据当前的DDoS攻击类型以快速选择特征并断开可疑的连接,使得该算法能够满足车联网中高动态性的需求。实验结果表明,本文算法在没有标签数据的情况下,能够自适应选取特征以防御多种类型的DDoS攻击,而且随着DDQN智能体的训练,该算法能够在动态车联网环境下,短时间内以较高精度捕捉DDoS攻击。

关键词：车联网 DDoS攻击双深度Q网络特征自适应移动边缘计算

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：