检索结果-内蒙古大学图书馆

武汉科技大学学报 2025年

作者：吴少辉陈黎李军武汉科技大学计算机科学与技术学院武汉科技大学智能信息处理与实时工业系统湖北省重点实验室

针对实际交通卡口图像中文字标注规范性存在的问题，提出了一种强文字鲁棒性的通用信息提取（universal information extraction， UIE）字段序列化分析方法。首先利用UIE作为基础预训练语言模型，针对特定场景中的字段内容进行字段级... 详细信息

针对实际交通卡口图像中文字标注规范性存在的问题，提出了一种强文字鲁棒性的通用信息提取（universal information extraction， UIE）字段序列化分析方法。首先利用UIE作为基础预训练语言模型，针对特定场景中的字段内容进行字段级别扰动训练，以增强模型对实际应用中变异字段信息的处理能力。其次，通过强文字鲁棒性的UIE模型对文本进行信息提取，获取关键字段的内容及其在文本中的位置索引，从而构建出结构化的字段信息。最后，利用上述结构化信息进行字段序列化分析，以评估叠加文字的逻辑连贯性与信息完整性是否达到预定规范。在真实数据集Real-Text-Data上进行了广泛实验。结果表明，本文方法在处理实际交通卡口图像中的叠加文字信息时，相较于BERT、ERNIE等现有预训练语言模型，在同等任务条件下性能得到显著提升，F1指标至少增加了27.63个百分点，验证了其在评估叠加信息规范性方面的优越性和实用性。

关键词：交通卡口图像文字标注规范性字段序列化通用信息提取预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

面向AUC优化的高效对抗训练

引用

计算机学报 2025年

作者：包世龙许倩倩杨智勇华聪韩博宇操晓春黄庆明中国科学院大学计算机科学与技术学院中国科学院计算技术研究所智能信息处理重点实验室中山大学网络空间安全学院

鉴于ROC曲线下面积 (Area Under the ROC Curve，简称AUC) 对数据分布的不敏感特性，面向AUC的对抗训练(AdAUC) 近来已成为机器学习领域中抵御长尾分布下对抗攻击的有效范式之一。当前主流方法大多遵循基于平方替代损失的AUC对抗训练... 详细信息

鉴于ROC曲线下面积 (Area Under the ROC Curve，简称AUC) 对数据分布的不敏感特性，面向AUC的对抗训练(AdAUC) 近来已成为机器学习领域中抵御长尾分布下对抗攻击的有效范式之一。当前主流方法大多遵循基于平方替代损失的AUC对抗训练框架，并将成对比较形式的AUC对抗损失重构为一个逐样本的随机鞍点优化问题，克服端到端的计算瓶颈。然而，面向复杂的实际应用场景，基于平方损失设计的AUC对抗训练框架恐难以适应多样的下游任务需求。此外，与传统对抗训练范式类似，面向AUC的对抗训练方法在提高模型对抗鲁棒性的同时，也会降低模型在正常样本上的AUC性能，而目前鲜有针对该问题的有效解决方案。鉴于此，本文对如何构建一般化的高效AUC对抗机器学习范式展开系统研究。首先，提出了一种基于标准化分数扰动的通用AUC对抗训练框架 (NSAdAUC)，在相对温和的条件下，该框架可通过直接扰动模型对样本的预测得分实现对AUC指标的攻击，且不依赖于特定的AUC替代损失。在此基础上，本文进一步指出鲁棒AUC误差可分解为标准AUC误差和边界AUC误差两项之和，并据此设计了一种基于排序感知对抗正则化的AUC对抗训练框架 (RARAdAUC)，同时兼顾模型的标准AUC和鲁棒AUC性能。为验证所提框架的有效性，在5个长尾基准数据集上进行了大量实验，结果表明所提NSAdAUC 和RARAdAUC 框架在多种对抗攻击下的鲁棒性均优于现有方法，可在平均意义上分别产生0.94% 、5.52%的标准AUC和5.69%、5.41%的鲁棒AUC性能提升。

关键词： AUC优化对抗训练对抗鲁棒性长尾学习机器学习

来源：评论

学校读者我要写书评

暂无评论

基于自适应低秩表示的多任务AUC优化算法

引用

计算机学报 2024年第11期47卷 2678-2690页

作者：孙宇辰许倩倩王子泰杨智勇黄庆明中国科学院计算技术研究所智能信息处理重点实验室北京100190 中国科学院大学计算机科学与技术学院北京101408 中国科学院信息工程研究所信息安全国家重点实验室北京100093 中国科学院大学网络空间安全学院北京100049 中国科学院大学大数据挖掘与知识管理重点实验室北京101408 鹏城实验室广东深圳518055

多任务学习是一种基于相似任务之间的关联性进行学习迁移,使得模型在数据不足场景下仍能表现出良好泛化性能的学习方法.在该领域内,大多数现有以准确率作为基准评价标准的方法只适用于平衡分布场景.然而,诸多实际应用如疾病检测、垃圾... 详细信息

多任务学习是一种基于相似任务之间的关联性进行学习迁移,使得模型在数据不足场景下仍能表现出良好泛化性能的学习方法.在该领域内,大多数现有以准确率作为基准评价标准的方法只适用于平衡分布场景.然而,诸多实际应用如疾病检测、垃圾邮件检测等,均涉及样本分布不平衡问题.针对多任务学习面向任务相关性的高要求,即当模型学习和共享不相关知识时,负迁移可能会影响模型朝着错误方向训练.因此,大多数现有方法在此类场景中无法得到有效应用.为解决该实际问题,设计一种能适用于样本不平衡场景的多任务学习算法变得尤为重要.本文提出了一种基于自适应低秩表示的多任务AUC优化算法,首先引入了对标签分布不敏感的ROC曲线下面积(AUC)作为该学习任务的评价指标,并建立了一种用于AUC优化的多任务学习算法,以提高模型在样本不平衡场景下的性能表现.同时,为进一步有效优化模型,本文将原始成对优化问题重构为逐样本极大极小优化问题,使得每一轮迭代复杂度由O(Ln_(i,+)n_(i,-))降低至O(L(n_(i,+)+n_(i,-))).针对多任务学习中存在的负迁移现象,本文引入了一种自适应低秩正则项,以消除模型冗余信息,同时提高模型的泛化性能.最后,通过与多个对比方法在四个仿真数据集和三个真实数据集Landmine、MHC-I和USPS上的比较,所有实验结果一致证明了本文所提出算法的有效性.

关键词：多任务学习 AUC优化低秩表示

来源：评论

学校读者我要写书评

暂无评论

非对称策略下基于前景信息的TIoU回归损失计算

引用

计算机工程与应用 2023年第11期59卷 112-118页

作者：邵容陈东方王晓峰武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430065

回归损失函数是目标检测网络的重要组成部分之一。现有的回归损失中,无论是L范式损失还是基于IoU的损失都采用一种对称策略处理输入的两个边界框,这使得它们对前景信息的利用不够充分,影响了回归的质量。为此,提出了一种非对称策略,用... 详细信息

回归损失函数是目标检测网络的重要组成部分之一。现有的回归损失中,无论是L范式损失还是基于IoU的损失都采用一种对称策略处理输入的两个边界框,这使得它们对前景信息的利用不够充分,影响了回归的质量。为此,提出了一种非对称策略,用以增强前景信息在回归损失中的作用,并在该策略的指导下设计了TIoU(Target-IoU)损失来保证网络对真值框内的特征予以有效利用,使得边界框的回归更贴近真实值。实验结果表明,TIoU损失在Faster R-CNN和RetinaNet下精度分别提升了0.2个百分点和0.5个百分点,实验数据集采用的是PASCAL VOC数据集。

关键词：目标检测回归损失前景信息深度学习

来源：评论

学校读者我要写书评

暂无评论

联合注意力与卷积网络的知识超图链接预测

引用

计算机科学与探索 2023年第11期17卷 2734-2742页

作者：庞俊徐浩秦宏超林晓丽刘小琪王国仁武汉科技大学计算机科学与技术学院武汉430070 智能信息处理与实时工业系统湖北省重点实验室武汉430070 北京理工大学计算机学院北京100081

知识超图(KHG)是超图结构的知识图谱。知识超图链接预测旨在通过已知实体和关系预测缺失的关系。然而,现有最优的基于嵌入模型的知识超图链接预测方法 HypE虽然实体嵌入时考虑了位置信息,但关系嵌入时忽略了不同实体的贡献有差异,且实... 详细信息

知识超图(KHG)是超图结构的知识图谱。知识超图链接预测旨在通过已知实体和关系预测缺失的关系。然而,现有最优的基于嵌入模型的知识超图链接预测方法 HypE虽然实体嵌入时考虑了位置信息,但关系嵌入时忽略了不同实体的贡献有差异,且实体嵌入蕴含信息不够充足。关系嵌入考虑实体贡献度并补足实体嵌入的信息含量,可以较大地提升模型的预测能力。因此,提出了一种基于注意力与卷积网络的链接预测方法(LPACN),采用改进的注意力机制将实体的注意力信息融入到关系嵌入中;并且将同元组内相邻实体个数信息融入卷积网络,进一步补足了实体卷积向量的信息含量。针对LPACN的梯度消失问题,将改进的残差网络(ResidualNet)融入LPACN,并引入多层感知器(MLP)提升了模型的非线性学习能力,得到LPACN的改进算法LPACN+。真实数据集上的大量实验验证了LPACN的预测性能均优于Baseline方法。

关键词：知识超图链接预测嵌入模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于投票和以太坊智能合约的云数据审计方案

引用

计算机应用 2024年第7期44卷 2093-2101页

作者：黄河金瑜武汉科技大学计算机科学与技术学院武汉430065 湖北省智能信息处理与实时工业系统重点实验室武汉430065

确保云数据的完整性是亟待解决的安全挑战,受到广泛应用的区块链技术为应对该安全挑战提供了良好的解决方案。当前结合区块链和智能合约技术,并由矿工参与审计验证工作的方案存在审计效率低、通信开销大和数据拥有者(DO)审计负担重等不... 详细信息

确保云数据的完整性是亟待解决的安全挑战,受到广泛应用的区块链技术为应对该安全挑战提供了良好的解决方案。当前结合区块链和智能合约技术,并由矿工参与审计验证工作的方案存在审计效率低、通信开销大和数据拥有者(DO)审计负担重等不足。针对上述问题,提出一种基于投票和以太坊智能合约的云数据审计方案(CASVEC)。首先,结合投票机制和智能合约技术在以太坊上设计并部署了去中心化自治组织(DAO),DAO中节点投票选举出一个审计节点代替矿工的审计验证工作,从而有效解决验证审计证明阶段效率低的问题,并且投票机制引入信誉值保证投票公平可靠。其次,仅使用少量链上资源存储审计结果以降低通信过程中的数据量,从而有效解决验证审计证明阶段通信开销大的问题。此外,DO仅需向DAO委托一次审计请求以及查询最终的审计结果,无需频繁调用智能合约交换审计相关信息,减轻了审计负担。最后,从理论和实验角度验证了与当前基于区块链的云审计方案相比,CASVEC能够显著降低验证审计证明阶段的时间开销和通信开销,以及审计阶段DO的时间开销。

关键词：数据完整性区块链智能合约云数据审计投票机制

来源：评论

学校读者我要写书评

暂无评论

应用n-LSTM的云平台任务CPU负载预测方法

引用

小型微型计算机系统 2024年第1期45卷 75-83页

作者：曹振邓莉谢同磊梁晨君武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

云平台任务的CPU负载预测有助于云平台资源的优化配置,以改善资源利用率.它是有效管理云资源的重要手段.为提高任务CPU负载预测精度,本文主要做了以下工作:1)利用热度图提取用于进行CPU负载预测的资源使用特征;2)设计并实现了一种基于n-... 详细信息

云平台任务的CPU负载预测有助于云平台资源的优化配置,以改善资源利用率.它是有效管理云资源的重要手段.为提高任务CPU负载预测精度,本文主要做了以下工作:1)利用热度图提取用于进行CPU负载预测的资源使用特征;2)设计并实现了一种基于n-LSTM的云平台任务的CPU负载预测方法DPFE-n-LSTM;3)分别在阿里云平台数据集和Google云平台数据集上进行了实验,结果表明,相对于目前已经提出的CPU负载预测模型BP、LSTM和CNN-LSTM,DPFE-n-LSTM方法具有更好的预测性能.

关键词：特征选择 CPU负载 n-LSTM 时间序列

来源：评论

学校读者我要写书评

暂无评论

基于多粒度注意力网络的知识超图链接预测

引用

软件学报 2023年第3期34卷 1259-1276页

作者：庞俊刘小琪谷峪王鑫赵宇海张晓龙于戈武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 湖北武汉430065 东北大学计算机科学与工程学院辽宁沈阳110169 天津大学智能与计算学部天津300354

在知识图谱中进行链接预测是图谱补全的有效方法,可以有效地改善知识图谱的数据质量.然而,现实生活中的关系往往是多元的,这些包含多元关系的知识图谱可称为知识超图(knowledgehypergraph,KHG).然而,现有的知识超图链接预测模型忽略了... 详细信息

在知识图谱中进行链接预测是图谱补全的有效方法,可以有效地改善知识图谱的数据质量.然而,现实生活中的关系往往是多元的,这些包含多元关系的知识图谱可称为知识超图(knowledgehypergraph,KHG).然而,现有的知识超图链接预测模型忽略了多元关系的平等性(多元关系中实体不存在先后关系)与整体性(多元关系缺少一个实体则不成立).针对以上问题,首先提出了一种知识超图多元关系表示模型,可以直接建模知识超图中的多元关系;然后研究了一种基于多粒度神经网络的链接预测方法(hyperedgepredictionbasedonmulti-granular attentionnetwork,HPMG).该模型将关系划分为多重粒度进行学习,从不同粒度联合完成知识超图的学习和预测,充分考虑了知识超图中不同维度多元关系的整体性.接下来,针对HPMG特征融合不充分的问题,提出了基于多粒度注意力网络的知识超图链接预测方法 HPMG+,结合全局和局部注意力,实现了不同特征的有区分融合,进一步提高了模型的性能.最后,真实数据集上的大量实验结果验证了所提方法的效果显著地优于所有基线方法.

关键词：知识超图链接预测多粒度嵌入学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于v-Informer的云平台资源负载预测方法

引用

计算机科学 2024年第12期51卷 147-156页

作者：尤文龙邓莉李锐龙谢雨欣任正伟武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

目前,云计算技术的使用非常广泛。随着用户量的增加,云计算资源的分配管理也越来越重要,而准确的负载预测是分配管理的重要依据。但由于云平台任务有多个负载特征,且特征的相关性变化趋势各不相同,因此难以从长期的历史数据中提取出有... 详细信息

目前,云计算技术的使用非常广泛。随着用户量的增加,云计算资源的分配管理也越来越重要,而准确的负载预测是分配管理的重要依据。但由于云平台任务有多个负载特征,且特征的相关性变化趋势各不相同,因此难以从长期的历史数据中提取出有效的依赖信息。在Informer模型的基础上,提出了一种针对高动态云平台任务CPU长期负载预测方法v-Informer,该方法通过变分模态分解来分解负载序列中的变化趋势,引入多头自注意力机制捕获其中的长期依赖性和局部非线性关系,同时应用梯度集中技术改进优化器,减少计算开销。分别在微软云平台和谷歌云平台数据上进行实验,结果表明,与目前已有的CPU负载预测模型LSTM,Transformer,TCN和CEEMDAN-Informer相比,v-Informer在Google数据集上的预测误差分别减少了34%,19%,15%和6.5%;在微软数据集上的预测误差分别减少了32%,16%,12%和7%,具有较好的预测精度。

关键词：云平台 CPU负载多步预测模态分解 Informer 梯度收敛

来源：评论

学校读者我要写书评

暂无评论

基于时空大数据与卫星图像的城市火灾风险预测

引用

计算机工程 2023年第6期49卷 242-249页

作者：王新迪杨夙张思源罗午阳李杰刘辉复旦大学计算机科学技术学院上海市智能信息处理重点实验室上海200438 国网北京市电力公司北京100031

火灾事故在全世界范围内普遍存在且频繁发生。然而,针对城市火灾的风险预测研究尚在起步中。为此,提出一种针对城市火灾风险的预测模型HISS。基于多重分形维度从卫星图像中提取视觉特征,并将卫星图像的视觉特征与从历史火灾数据、气象... 详细信息

火灾事故在全世界范围内普遍存在且频繁发生。然而,针对城市火灾的风险预测研究尚在起步中。为此,提出一种针对城市火灾风险的预测模型HISS。基于多重分形维度从卫星图像中提取视觉特征,并将卫星图像的视觉特征与从历史火灾数据、气象数据、出租车流动记录、区域用电量数据和POI数据中提取的非视觉特征相融合,构成静态特征。基于静态特征对XGBoost进行预训练,并设计一种特征嵌入模块,将XGBoost的预测结果作为基准值嵌入到包含时序关系的动态特征中,通过Transformer学习火灾的时间波动模式。采用动态加权模块实现XGBoost和Transformer在模型层面的融合,进一步提升模型的性能。实验结果表明,HISS模型的确定系数R2达到了72.56%,与长短期记忆网络和门控循环单元相比R2分别提升4.25和3.92个百分点,与Lasso、随机森林和梯度提升决策树相比R2分别提升10.88、5.62和3.93个百分点,具有较优的预测性能。

关键词：时空大数据火灾风险预测卫星图像特征嵌入动态加权

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：