检索结果-内蒙古大学图书馆

工业大数据软件架构及核心构件

引用

软件和集成电路 2019年第9期 50-51页

作者：王晨清华大学大数据系统软件国家工程实验室

今天我演讲的题目是《工业大数据软件架构及核心构件》。大数据的重要性不用多言,刚才演讲嘉宾的PPT里有一张架构图,也展现了工业互联网大系统。首先我们看看大数据是什么?我们总会说是因为它大,所以叫大数据。

关键词：软件架构大数据工业构件 PPT 大系统互联网

来源：评论

学校读者我要写书评

暂无评论

工业互联网平台:发展趋势与挑战

引用

中国工程科学 2018年第2期20卷 15-19页

作者：王晨宋亮李少昆清华大学大数据系统软件国家工程实验室北京100084 四川省工业大数据创新中心成都610041 四川省经济与信息化委员会成都610041

随着制造业和新一代互联网、信息化技术的融合,工业互联网高速发展。无论是国际制造业的领先企业,还是我国的制造业国家战略都明确了工业互联网平台研发的重要性。本文对工业互联网平台的发展趋势进行了阐释,并对平台在用户生态、开发... 详细信息

随着制造业和新一代互联网、信息化技术的融合,工业互联网高速发展。无论是国际制造业的领先企业,还是我国的制造业国家战略都明确了工业互联网平台研发的重要性。本文对工业互联网平台的发展趋势进行了阐释,并对平台在用户生态、开发者生态和数据生态构建中的挑战展开了分析,并有针对性地探讨了工业互联网平台在工业大数据系统与工业数据建模和分析方面所遇到的技术挑战。

关键词：工业互联网平台工业大数据数据分析

来源：评论

学校读者我要写书评

暂无评论

大数据系统软件创新平台与生态建设

引用

大数据 2018年第5期4卷 104-116页

作者：王建民王晨刘英博刘璘清华大学软件学院北京100084 大数据系统软件国家工程实验室北京100084

针对大数据系统软件开源生态发展现状、大数据系统软件技术与领域应用发展的迫切需求与工程化瓶颈,系统地介绍了大数据系统软件共性技术的研发思路以及大数据系统软件国家工程验室研制的"数为平台"的技术架构,包括大规模多源... 详细信息

针对大数据系统软件开源生态发展现状、大数据系统软件技术与领域应用发展的迫切需求与工程化瓶颈,系统地介绍了大数据系统软件共性技术的研发思路以及大数据系统软件国家工程验室研制的"数为平台"的技术架构,包括大规模多源异构数据的一体化管理、异构数据的交互式分析框架、数据可视化与智能数据工程、大数据混源软件可信验证、领域大数据应用开发与运行环境等。给出了基于平台建设开放的大数据软件创新平台与生态的模式,并在工业制造业、气象环保服务领域开展应用示范。

关键词：大数据系统软件开源软件生态领域大数据应用国家工程实验室

来源：评论

学校读者我要写书评

暂无评论

一种改进的可适应变宽核密度估计器

引用

深圳大学学报（理工版） 2019年第6期36卷 709-717页

作者：金会赏何玉林常秀颖王晓兰蒋捷沧州职业技术学院信息工程系河北沧州061001 深圳大学计算机与软件学院大数据所广东深圳518060 深圳大学大数据系统计算技术国家工程实验室广东深圳518060

可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应... 详细信息

可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应变宽核密度估计器对最优窗口宽度的寻找,通过引入一种可变的标准差项因子去确定置信区间的上下边界,提出一种改进的可适应变宽核密度估计器(improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB).可变标准差项因子的引入不仅加快了可适应变宽核密度估计器搜索最优窗口宽度的速度,且在一定程度上降低了“过平滑”概率密度估计现象发生的风险.对KDE-AVB和IKDE-AVB的仿真结果表明,IKDE-AVB不仅获得了更快的训练速度(最高降低64%),同时提升了概率密度的估计精度(估计误差最高降低63%).

关键词：人工智能概率密度核密度估计可适应变宽最优窗口宽度

来源：评论

学校读者我要写书评

暂无评论

基于超级参数调整的网络表示学习算法性能公平比较框架

引用

计算机学报 2022年第5期45卷 897-917页

作者：郭梦影孙振宇朱妤晴包云岗中国科学院计算技术研究所先进计算机系统研究中心北京100190 中国科学院大学北京100049 北京信息科学与技术国家研究中心(清华大学) 北京100084 大数据系统软件国家工程实验室北京100084

网络结构数据在现今生活中广泛存在,但由于数据结构稀疏、规模较大等特性,难以直接利用现有的机器学习算法对数据进行分析.网络表示学习算法的出现,通过将高维数据映射到低维向量空间,解决了上述问题.但是网络表示学习算法中存在大量超... 详细信息

网络结构数据在现今生活中广泛存在,但由于数据结构稀疏、规模较大等特性,难以直接利用现有的机器学习算法对数据进行分析.网络表示学习算法的出现,通过将高维数据映射到低维向量空间,解决了上述问题.但是网络表示学习算法中存在大量超级参数,参数的选择与数据分析任务密切相关且对算法性能有明显影响,如何针对数据分析任务,通用地对多种网络表示学习算法进行超级参数调整,以获取不同算法的最优性能,实现算法间性能的公平比较,从而选择出最优者对数据进行分析,是一个亟待解决的问题.此外,对算法进行超级参数调整通常需要花费较长时间,且由于网络结构数据规模通常较大,还会有内存占用过高问题的存在,因此如何能够在有资源限制(时间、内存占用)的条件下进行超级参数调整,是面临的另一个问题.基于上述两个问题,本文提出了基于超级参数调整的网络表示学习算法性能公平比较框架JITNREv,能够在有资源限制的条件下通用对多种网络表示学习算法进行超级参数调整,通过获取不同算法针对相同数据分析任务的性能最优值,实现算法之间的性能公平比较.该框架具有4个松耦合且可扩展的组件,组件间仅通过数据流进行交互,并在闭环结构中完成样本的测试优化,满足了框架的通用性.JITNREv基于拉丁超立方采样对超级参数进行采样;根据“当前最优值附近,有更大概率出现更优值”的假设对采样范围进行剪枝;针对超大规模数据集,提出了图粗化方式在保留数据结构的基础上压缩数据规模,满足了资源限制条件下对超级参数进行调整的要求.框架还融合了网络表示学习算法常用的评测数据集、评测指标和数据分析应用,实现了框架的易用性.实验证明JITNREv框架能够在资源限制条件下稳定提高算法性能,例如,针对GCN算法的节点分类任务相比默认参数设置,JITNREv框架能够将性能提升31%.

关键词：网络表示学习网络嵌入图卷积网络自动化机器学习超级参数调整

来源：评论

学校读者我要写书评

暂无评论

新时期我国工业软件产业发展路径研究

引用

中国工程科学 2022年第2期24卷 86-95页

作者：邵珠峰赵云王晨冯希光王建民熊虹婷清华大学机械工程学院北京100084 山东大学国际创新转化学院山东青岛266237 大数据系统软件国家工程实验室北京100084 清华大学软件学院北京100084

工业软件产业是制造业高质量发展的重要支撑,在新时期制造强国战略背景下,工业软件成为优化制造与管理流程、变革生产方式与生产关系、提升全要素生产率、促进先进工业技术转化及溢出的直接动力。我国正在构建自主可控、安全高效的现代... 详细信息

工业软件产业是制造业高质量发展的重要支撑,在新时期制造强国战略背景下,工业软件成为优化制造与管理流程、变革生产方式与生产关系、提升全要素生产率、促进先进工业技术转化及溢出的直接动力。我国正在构建自主可控、安全高效的现代产业体系,在挑战原有“技术–生产–市场”分工模式的同时,也为工业软件产业发展创造了重要机遇。本文从当前国际市场格局出发,分类解析了工业软件产品的基本特征与市场份额情况,剖析了我国工业软件产业发展的不足与问题,归纳了工业软件产业的平台化、开源化两大新发展趋势;据此提出补短强基、追赶突破、卓越引领3条发展路径,以期针对性补强产业不足、切实提升产业水平。研究建议,优化组织模式,发挥工业企业的主体带动作用;细化政策对象,分层次推进工业软件关键技术突破;扩大应用市场,促进工业软件产品创新;挖掘人才潜能,多渠道支持工业软件人才培养。

关键词：工业软件系统集成产业瓶颈卓越引领工程

来源：评论

学校读者我要写书评

暂无评论

大数据随机样本划分模型及相关分析计算技术

引用

数据采集与处理 2019年第3期34卷 373-385页

作者：黄哲学何玉林魏丞昊张晓亮深圳大学计算机与软件学院大数据技术与应用研究所深圳518060 深圳大学大数据系统计算技术国家工程实验室深圳518060

设计了一种新的适用于大数据的管理和分析模型大数据随机样本划分(Random samplepartition,RSP)模型,它是将大数据文件表达成一系列RSP数据块文件的集合,分布存储在集群节点上。RSP的生成操作使每个RSP数据块的分布与大数据的分布保持... 详细信息

设计了一种新的适用于大数据的管理和分析模型大数据随机样本划分(Random samplepartition,RSP)模型,它是将大数据文件表达成一系列RSP数据块文件的集合,分布存储在集群节点上。RSP的生成操作使每个RSP数据块的分布与大数据的分布保持统计意义上的一致,因此,每个RSP数据块是大数据的一个随机样本数据,可以用来估计大数据的统计特征,或建立大数据的分类和回归模型。基于RSP模型,大数据的分析任务可以通过对RSP数据块的分析来完成,不需要对整个大数据进行计算,极大地减少了计算量,降低了对计算资源的要求,提高了集群系统的计算能力和扩展能力。本文首先给出RSP模型的定义、理论基础和生成方法;然后介绍基于RSP数据块的渐近式集成学习Alpha计算框架;之后讨论基于RSP模型和Alpha框架的大数据分析相关计算技术,包括:数据探索与清洗、概率密度函数估计、有监督子空间学习、半监督集成学习、聚类集成和异常点检测;最后讨论RSP模型在分而治之大数据分析和抽样方法上的创新,以及RSP模型和Alpha计算框架实现大规模数据分析的优势。

关键词：大数据随机样本划分渐近式集成学习人工智能

来源：评论

学校读者我要写书评

暂无评论

网络攻击模型研究综述

引用

信息安全研究 2020年第12期6卷 1058-1067页

作者：平国楼叶晓俊清华大学软件学院北京100084 清华大学大数据系统软件国家工程实验室北京100084

随着信息技术的快速发展,网络攻击逐渐呈现多阶段、分布式和智能化的特性,单一的防火墙、入侵检测系统等传统网络防御措施不能很好地保护开放环境下的网络系统安全.网络攻击模型作为一种攻击者视角的攻击场景表示,能够综合描述复杂多变... 详细信息

随着信息技术的快速发展,网络攻击逐渐呈现多阶段、分布式和智能化的特性,单一的防火墙、入侵检测系统等传统网络防御措施不能很好地保护开放环境下的网络系统安全.网络攻击模型作为一种攻击者视角的攻击场景表示,能够综合描述复杂多变环境下的网络攻击行为,是常用的网络攻击分析与应对工具之一.首先介绍主要网络攻击模型,包括传统树、图、网结构模型和现代杀伤链、ATT&CK、钻石模型等;然后再对网络攻击模型的分析与应用进行说明,其中以求解攻击指标为目的的分析过程主要包括概率框架、赋值方法和求解方法,基于生命周期的攻击模型应用则包括了攻击者视角和防守者视角的应用过程;最后总结了网络攻击模型及其分析应用的现有挑战与未来方向.

关键词：网络系统安全攻击行为攻击模型攻击模型分析攻击模型应用

来源：评论

学校读者我要写书评

暂无评论

基于分层伪标签的图像聚类方法

引用

计算机科学 2023年第6期50卷 225-235页

作者：蔡少填陈小军陈龙腾邱莉萍深圳大学计算机与软件学院广东深圳518060 大数据系统计算技术国家工程实验室(深圳大学) 广东深圳518060

图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要... 详细信息

图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要求的样本生成one-hot的标签,同时利用生成的标签来更新模型。但是,这种简单的伪标签生成方法难以获得足够数量的高质量伪标签。为了解决以上问题,提出了一种基于分层伪标签的图像聚类方法,它旨在利用结构化信息与伪标签信息对分类模型进行训练和精炼。引入3个假设来指导聚类方法的设计,包括局部平滑假设、自训练假设及低密度分离假设。新方法包含两个阶段:1)基于流形的一致性学习,利用近邻一致性学习来初始化聚类模型;2)基于分层伪标签的模型精炼,基于第一阶段的结果生成伪标签,并利用其来提升聚类模型的鲁棒性。首先,将基于第一阶段的结果生成强伪标签数据集及弱伪标签数据集;然后,提出了基于标签传播及分层混合的伪标签提升技术来提升弱伪标签数据集的质量;最后,同时利用强伪标签数据集及弱伪标签数据集来提升分类模型的泛化能力。相较于最优结果,SPC算法在STL10和Cifar100-20基准数据集上,ACC平均结果分别提升了7.6%和5.0%。

关键词：深度聚类一致性学习伪标签标签传播自训练学习

来源：评论

学校读者我要写书评

暂无评论

面向推荐系统中有偏和无偏一元反馈建模的三任务变分自编码器

引用

信息安全学报 2021年第5期6卷 110-127页

作者：林子楠刘杜钢潘微科明仲深圳大学大数据系统计算技术国家工程实验室深圳中国518060 人工智能与数字经济广东省实验室(深圳) 深圳中国518060 深圳大学计算机与软件学院深圳中国518060

一元反馈建模在推荐系统中的应用非常广泛,例如点击预测和购买预测等。然而,推荐系统作为一个闭环的反馈系统,在用户与系统的交互过程中可能存在着多种偏置问题,例如位置偏置、流行偏置等,进而导致用户的反馈数据存在有偏性。现有的大... 详细信息

一元反馈建模在推荐系统中的应用非常广泛,例如点击预测和购买预测等。然而,推荐系统作为一个闭环的反馈系统,在用户与系统的交互过程中可能存在着多种偏置问题,例如位置偏置、流行偏置等,进而导致用户的反馈数据存在有偏性。现有的大部分推荐模型都只基于这样的有偏数据进行构建,忽略了偏置的影响,进而导致推荐结果是次优的。目前已有的偏置消除方法大致可以分为基于反事实学习的方法、基于启发式的方法和基于无偏数据增强的方法。其中,基于无偏数据增强的方法通常被认为在稳定性和准确性方面表现较好。本文重点研究了推荐系统中一元反馈的偏置问题,通过引入由一种特定策略收集的无偏数据,结合有偏数据进行联合建模,从而得到更准确和无偏的推荐模型。具体而言,本文从多任务学习的角度对问题进行建模,将有偏数据、无偏数据以及它们的并集当作三种相互关联的信号,并设计了三个不同但相关的学习任务。变分自编码器是目前最先进的一元反馈建模方法之一,有着独特的建模方式,从而使得它在很多问题中取得了优越的推荐效果。本文基于变分自编码器提出了一种新的推荐模型,即三任务变分自编码器(Tri-VAE)。该模型包含三个变分自编码器,分别对三种信号进行重构。三个变分自编码器之间共享同一个编码器和同一个解码器。此外,本文还设计了特征校正模块和标签增强模块以加强任务之间的关联。其中,特征校正模块用来校正用户的潜在特征,得到更无偏的潜在特征,进而从潜在特征的角度缓解偏置的影响。标签增强模块用于生成可靠性较高的伪标签并加以利用,进而更有效地利用无偏数据中的信息。在Yahoo!R3和Coat Shopping两个公开数据集上的实验结果表明,所提出的模型相比于目前最新的基线模型在绝大多数情况下取得了显著的效果提升。为了进一步研究所提出的模型,本文进行了消融实验、超参数敏感性分析和收敛性分析,还对特征校正模块的有效性进行了探讨。

关键词：偏置问题联合建模多任务学习变分自编码器推荐系统

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：