检索结果-内蒙古大学图书馆

哈尔滨工程大学学报 2024年第11期45卷 2243-2249页

作者：张子迎陈玉炜王宇华嘉应学院计算机学院广东梅州514015 哈尔滨工程大学计算机与科学技术学院黑龙江哈尔滨150001

针对工业控制系统安全防护中存在的数据不平衡问题以及提高检测的实时性与安全性,本文依据工业控制系统的架构特点,提出XGBoost-DNN双层入侵检测架构。在下层,将设计的权重焦点损失函数引入XGBoost中进行二分类入侵检测,以增强算法在不... 详细信息

针对工业控制系统安全防护中存在的数据不平衡问题以及提高检测的实时性与安全性,本文依据工业控制系统的架构特点,提出XGBoost-DNN双层入侵检测架构。在下层,将设计的权重焦点损失函数引入XGBoost中进行二分类入侵检测,以增强算法在不平衡数据下的鲁棒性;在上层,使用XGBoost算法进行特征选择,然后用DNN对结果进行多分类入侵检测。将该架构应用在电网稳定性和电网攻击模拟数据集上,实验结果表明:双层检测架构具有更强的鲁棒性,并且DNN模型的训练时间缩短了18.3%。

关键词：工业控制系统入侵检测 XGBoost DNN 分层架构权重焦点损失函数实时性不平衡数据

来源：评论

学校读者我要写书评

暂无评论

一种基于窗口机制的口语理解异构图网络

引用

软件学报 2024年第4期35卷 1885-1898页

作者：张启辰王帅李静梅哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

口语理解(spoken language understanding,SLU)是面向任务的对话系统的核心组成部分,旨在提取用户查询的语义框架.在对话系统中,口语理解组件(SLU)负责识别用户的请求,并创建总结用户需求的语义框架,SLU通常包括两个子任务:意图检测(int... 详细信息

口语理解(spoken language understanding,SLU)是面向任务的对话系统的核心组成部分,旨在提取用户查询的语义框架.在对话系统中,口语理解组件(SLU)负责识别用户的请求,并创建总结用户需求的语义框架,SLU通常包括两个子任务:意图检测(intent detection,ID)和槽位填充(slot filling,SF).意图检测是一个语义话语分类问题,在句子层面分析话语的语义;槽位填充是一个序列标注任务,在词级层面分析话语的语义.由于意图和槽之间的密切相关性,主流的工作采用联合模型来利用跨任务的共享知识.但是ID和SF是两个具有强相关性的不同任务,它们分别表征了话语的句级语义信息和词级信息,这意味着两个任务的信息是异构的,同时具有不同的粒度.提出一种用于联合意图检测和槽位填充的异构交互结构,采用自注意力和图注意力网络的联合形式充分地捕捉两个相关任务中异构信息的句级语义信息和词级信息之间的关系.不同于普通的同构结构,所提模型是一个包含不同类型节点和连接的异构图架构,因为异构图涉及更全面的信息和丰富的语义,同时可以更好地交互表征不同粒度节点之间的信息.此外,为了更好地适应槽标签的局部连续性,利用窗口机制来准确地表示词级嵌入表示.同时结合预训练模型(BERT),分析所提出模型应用预训练模型的效果.所提模型在两个公共数据集上的实验结果表明,所提模型在意图检测任务上准确率分别达到了97.98%和99.11%,在槽位填充任务上F1分数分别达到96.10%和96.11%,均优于目前主流的方法.

关键词：对话系统口语理解异构图窗口机制意图检测槽位填充

来源：评论

学校读者我要写书评

暂无评论

无人系统中离线强化学习的隐蔽数据投毒攻击方法

引用

通信学报 2024年第12期45卷 16-27页

作者：周雪苘大鹏许晨吕继光曾凡一高朝阳杨武哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150000

针对现有离线强化学习数据投毒攻击方法有效性及隐蔽性不足的问题,提出一种关键时间步动态投毒攻击方法,通过对重要性较高的样本进行动态扰动,实现高效隐蔽的攻击效果。具体来说,通过理论分析发现时序差分误差对于模型学习过程具有重要... 详细信息

针对现有离线强化学习数据投毒攻击方法有效性及隐蔽性不足的问题,提出一种关键时间步动态投毒攻击方法,通过对重要性较高的样本进行动态扰动,实现高效隐蔽的攻击效果。具体来说,通过理论分析发现时序差分误差对于模型学习过程具有重要影响,将其作为投毒目标选择的依据;进一步提出基于双目标优化的投毒方法,在最小化扰动幅度的同时,最大化攻击对模型性能产生的负面影响,为每个投毒样本生成最优扰动幅度。在多种任务及算法中的实验结果表明,所提攻击方法仅在投毒比例为整体数据1%的情况下,就能使智能体的平均性能下降84%,揭示了无人系统中离线强化学习模型的敏感性及脆弱性。

关键词：无人系统离线强化学习数据投毒攻击数据安全

来源：评论

学校读者我要写书评

暂无评论

新增未知攻击场景下的工业互联网恶意流量识别方法

引用

通信学报 2024年第6期45卷 75-86页

作者：曾凡一苘大鹏许晨韩帅王焕然周雪李欣纯杨武哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150009

针对工业互联网中新增未知攻击所引发的流量数据分布偏移问题,提出了一种基于邻域过滤和稳定学习的恶意流量识别方法,旨在增强现有图神经网络模型在识别已知类恶意流量时的有效性和鲁棒性。该方法首先对流量数据进行图结构建模,捕获通... 详细信息

针对工业互联网中新增未知攻击所引发的流量数据分布偏移问题,提出了一种基于邻域过滤和稳定学习的恶意流量识别方法,旨在增强现有图神经网络模型在识别已知类恶意流量时的有效性和鲁棒性。该方法首先对流量数据进行图结构建模,捕获通信行为中的拓扑关系与交互模式;然后,基于有偏采样的邻域过滤机制划分流量子图,消除通信行为间的伪同质性;最后,应用图表示学习和稳定学习策略,结合自适应样本加权与协同损失优化方法,实现高维流量特征的统计独立性。2个基准数据集上的实验结果表明,相较对比方法,所提方法在新增未知攻击场景下的识别性能提升超过2.7%,展示了其在工业互联网环境下的高效性和实用性。

关键词：工业互联网恶意流量识别图神经网络邻域过滤稳定学习

来源：评论

学校读者我要写书评

暂无评论

TEB:GPU上矩阵分解重构的高效SpMV存储格式

引用

计算机科学与探索 2024年第4期18卷 1094-1108页

作者：王宇华张宇琪何俊飞徐悦竹崔环宇哈尔滨工程大学计算机科学与技术学院哈尔滨150000

稀疏矩阵向量乘法(SpMV)是科学与工程领域中一个至关重要的计算过程,CSR(compressed sparse row)格式是最常用的稀疏矩阵存储格式之一,在图形处理器(GPU)平台上实现并行SpMV的过程中,其只存储稀疏矩阵的非零元,避免零元素填充所带来的... 详细信息

稀疏矩阵向量乘法(SpMV)是科学与工程领域中一个至关重要的计算过程,CSR(compressed sparse row)格式是最常用的稀疏矩阵存储格式之一,在图形处理器(GPU)平台上实现并行SpMV的过程中,其只存储稀疏矩阵的非零元,避免零元素填充所带来的计算冗余,节约存储空间,但存在着负载不均衡的问题,浪费了计算资源。针对上述问题,对近年来效果良好的存储格式进行了研究,提出了一种逐行分解重组存储格式——TEB(threshold-exchangeorder block)格式。该格式采用启发式阈值选择算法确定合适分割阈值,并结合基于重排序的行归并算法,对稀疏矩阵进行重构分解,使得块与块之间非零元个数尽可能得相近,其次结合CUDA(computer unified device architecture)线程技术,提出了基于TEB存储格式的子块间并行SpMV算法,能够合理分配计算资源,解决负载不均衡问题,从而提高SpMV并行计算效率。为了验证TEB存储格式的有效性,在NVIDIA Tesla V100平台上进行实验,结果表明TEB相较于PBC(partition-block-CSR)、AMF-CSR(adaptive multi-row folding of CSR)、CSR-Scalar(compressed sparse row-scalar)和CSR5(compressed sparse row 5)存储格式,在SpMV的时间性能方面平均可提升3.23、5.83、2.33和2.21倍;在浮点计算性能方面,平均可提高3.36、5.95、2.29和2.13倍。

关键词：稀疏矩阵向量乘法(SpMV) 重新排序 CSR格式负载均衡存储格式图形处理器(GPU)

来源：评论

学校读者我要写书评

暂无评论

基于硬负样本对比学习的水下图像生成方法

引用

模式识别与人工智能 2024年第10期37卷 887-909页

作者：刘子健王兴梅陈伟京张万松张天姿哈尔滨工程大学计算机科学与技术学院哈尔滨150001 哈尔滨工程大学水声技术全国重点实验室哈尔滨150001

在获取稀缺水下图像时图像生成技术至关重要,通常依赖有序配对数据.考虑到实际海洋环境中获取该类数据受限,引入CL-GAN(Contrastive Learning-Based Generative Adversarial Network),克服图像域双射条件的限制,但由于随机采样的负样本... 详细信息

在获取稀缺水下图像时图像生成技术至关重要,通常依赖有序配对数据.考虑到实际海洋环境中获取该类数据受限,引入CL-GAN(Contrastive Learning-Based Generative Adversarial Network),克服图像域双射条件的限制,但由于随机采样的负样本质量较低,模型难以从水下噪声图像中学习复杂内容特征.因此,文中提出基于硬负样本对比学习的特征级生成对抗网络(Hard Negative Sample Contrastive Learning-Based Feature Level Generative Adversa-rial Network,HCFGAN),用于水下图像生成.为了提高负样本质量,提出硬负样本采样模块(Hard Negative Sampling Module,HNS),挖掘样本间的特征相似性,将靠近锚点样本的硬负样本加入对比损失中,学习复杂特征.为了保证负样本的复杂性和全面性,构造负样本生成模块(Negative Sample Generation Module,NSG).通过NSG和HNS的对抗性训练,确保硬负样本的有效性.为了提高模型对水下模糊图像的特征提取能力及训练稳定性,设计上下文特征生成器和全局特征判别器,增强对细微内容特征和水下风格信息的感知能力.实验表明,HCFGAN生成的水下图像具有良好的真实性和丰富性,在水下图像生成实际应用中具有重要价值.

关键词：水下图像生成生成对抗网络(GAN) 对比学习硬负样本特征提取

来源：评论

学校读者我要写书评

暂无评论

基于邻域分布的去噪扩散概率模型

引用

模式识别与人工智能 2024年第4期37卷 352-367页

作者：石洪波万博闻张赢山西财经大学信息学院太原030031 哈尔滨工程大学计算机科学与技术学院哈尔滨150009

样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vici... 详细信息

样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vicinal Distribution Based Denoising Diffusion Probabilistic Model,VD-DDPM)及相应算法.首先,分析样本有限表格型数据的特征,通过先验知识选择弱相关特征,并构建样本的邻域分布.然后,利用邻域分布采样数据构建VD-DDPM模型,并使用VD-DDPM数据生成算法生成符合原始数据分布且具有多样性的数据集.在多个数据集上针对数据生成质量、下游模型性能等进行实验,验证VD-DDPM的有效性.

关键词：数据增强邻域风险最小化邻域分布扩散模型表格型数据

来源：评论

学校读者我要写书评

暂无评论

二阶逐层特征融合网络的图像超分辨重建

引用

系统工程与电子技术 2024年第2期46卷 391-400页

作者：于蕾邓秋月郑丽颖吴昊宇哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

针对一些超分辨网络忽略了对网络各层次特征的复用以及融合的问题,构建了具有较强特征复用和融合能力的二阶逐层特征融合超分辨网络,以获得具有高分辨率、高保真度的重建图像。网络的核心是逐层特征融合模块,该模块通过特征融合操作增... 详细信息

针对一些超分辨网络忽略了对网络各层次特征的复用以及融合的问题,构建了具有较强特征复用和融合能力的二阶逐层特征融合超分辨网络,以获得具有高分辨率、高保真度的重建图像。网络的核心是逐层特征融合模块,该模块通过特征融合操作增强特征的重用。此外,还提出了二阶特征融合机制,该机制在网络的局部和全局层次上采用逐层特征融合方法进行特征融合。实验结果表明该网络的重建图像在线条和轮廓上更清晰,并且在峰值信噪比和结构相似度上也取得了更好的结果。例如当缩放尺度因子为2时,各测试集上的峰值信噪比/结构相似度依次为38.20 dB/0.9612、33.81 dB/0.9195、32.28 dB/0.9010、32.65 dB/0.9324、39.11 dB/0.9779,相比其他模型有一定提升,从客观标准和主观角度证明了二阶逐层特征融合超分辨网络具有一定的优越性。

关键词：超分辨重建卷积神经网络特征融合二阶特征融合机制

来源：评论

学校读者我要写书评

暂无评论

面向视觉算法的知识蒸馏研究综述

引用

计算机研究与发展 2025年

作者：潘海为于丰铭张可佳兰海燕孟庆宇李哲哈尔滨工程大学计算机科学与技术学院

知识蒸馏作为深度学习中的关键技术，通过将大型教师模型的知识传递给较小的学生模型，实现了模型的压缩与加速.在保证性能的前提下，显著减少了计算资源和存储需求，促进了高性能模型在资源受限的边缘设备上的部署.围绕知识蒸馏的最新... 详细信息

知识蒸馏作为深度学习中的关键技术，通过将大型教师模型的知识传递给较小的学生模型，实现了模型的压缩与加速.在保证性能的前提下，显著减少了计算资源和存储需求，促进了高性能模型在资源受限的边缘设备上的部署.围绕知识蒸馏的最新研究进展，进行了系统性的综述，从知识类型和师生模型架构2个角度对知识蒸馏进行分类，详细汇总了输出特征知识、中间特征知识、关系特征知识3种典型知识类型的蒸馏方法，以及卷积架构到卷积架构、卷积架构到ViT(vision Transformer)架构、ViT架构到卷积架构和ViT架构到ViT架构的蒸馏方法；探讨了离线蒸馏、在线蒸馏、自蒸馏、无数据蒸馏、多教师蒸馏和助理蒸馏的学习方式；归纳了基于蒸馏过程、知识结构、温度系数及损失函数的蒸馏优化方法，分析了对抗性技术、自动机器学习、强化学习和扩散模型对蒸馏的改进，并总结了蒸馏技术在常见应用中的实现.尽管知识蒸馏取得了显著进展，但在实际应用和理论研究中仍面临诸多挑战.最后，对这些问题进行了深入分析，并对未来发展方向提出了见解.

关键词：知识蒸馏模型压缩深度学习卷积神经网络视觉Transformer

来源：评论

学校读者我要写书评

暂无评论

抗遮挡的行人多目标跟踪算法

引用

智能系统学报 2024年第5期19卷 1248-1256页

作者：张国印王传博高伟哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

为了解决在复杂场景下行人相互遮挡导致跟踪系统精度降低的问题,提出了基于FairMOT的抗遮挡多目标跟踪算法(multiple obeject tracking algorithm with anti-occlusions,AOMOT)。首先通过轻量化平衡模块,解耦不同层次的语义信息,减少检... 详细信息

为了解决在复杂场景下行人相互遮挡导致跟踪系统精度降低的问题,提出了基于FairMOT的抗遮挡多目标跟踪算法(multiple obeject tracking algorithm with anti-occlusions,AOMOT)。首先通过轻量化平衡模块,解耦不同层次的语义信息,减少检测任务和重识别任务的语义冲突,降低重识别任务的性能提升对检测任务的影响。其次应用自注意力结构提取行人的外观特征,加强局部窗口下的类内特征的区分度,增强行人身份信息的匹配一致性并减少身份标识的频繁切换。最后优化身份关联算法,挖掘低置信度目标中的被遮挡对象,将其重新纳入目标身份关联并更新其重识别特征。实验结果表明,AOMOT相比原有FairMOT在MOT17数据集中高阶跟踪精度提升1.5百分点,身份F1分数提升3百分点,身份切换数量降低32%。

关键词：计算机视觉行人跟踪目标检测重识别关联算法抗遮挡自注意力特征提取

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：