检索结果-内蒙古大学图书馆

计算机学报 2024年第2期47卷 396-422页

作者：王鹏飞魏宗正周东生宋威肖蕴明孙庚于硕张强大连理工大学计算机科学与技术学院大连理工大学社会计算与认知智能教育部重点实验室大连大学先进设计与智能计算教育部重点实验室美国西北大学计算机科学系吉林大学计算机科学与技术学院吉林大学符号计算与知识工程教育部重点实验室

数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值，有助于推动产业创新、技术升级和区域经济发展.然而，在数据使用过程中，隐私泄露等风险限制了数据的流通和共享.因此，如何在数据... 详细信息

数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值，有助于推动产业创新、技术升级和区域经济发展.然而，在数据使用过程中，隐私泄露等风险限制了数据的流通和共享.因此，如何在数据流通和共享过程中保护数据隐私已成为研究热点.联邦忘却学习（Federated Unlearning）撤销用户数据对联邦学习模型的训练更新，可以进一步保护联邦学习用户的数据安全.本文综述了联邦忘却学习的研究工作，首先简要阐述了联邦学习架构，并引出忘却学习和联邦忘却学习的概念和定义;其次，根据修正对象的不同将联邦忘却学习算法分为面向全局模型和面向局部模型两类，并详细分析各类算法的实现细节以及优缺点;然后，本文还详述联邦忘却学习中常用评价指标，将评价指标划分为模型表现指标、遗忘效果指标和隐私保护指标三类，并分析不同类型评价指标的优缺点;最后，本文对联邦忘却学习未来的研究方向进行展望.

关键词：联邦学习联邦忘却学习数字经济隐私保护边缘智能

来源：评论

学校读者我要写书评

暂无评论

融合多频超图的图像语义分割方法

引用

图学学报 2025年

作者：于男男孟政宇房友江孙传昱殷雪峰张强魏小鹏杨鑫大连理工大学计算机科学与技术学院社会计算与认知智能教育部重点实验室

语义分割技术作为自动驾驶环境感知的核心任务，在复杂光照和高速运动场景下面临着传统相机成像质量不足的挑战。事件相机凭借微秒级时间分辨率和高动态范围特性，能够有效克服运动模糊和极端光照条件，但其异步稀疏事件数据缺乏纹理和... 详细信息

语义分割技术作为自动驾驶环境感知的核心任务，在复杂光照和高速运动场景下面临着传统相机成像质量不足的挑战。事件相机凭借微秒级时间分辨率和高动态范围特性，能够有效克服运动模糊和极端光照条件，但其异步稀疏事件数据缺乏纹理和色彩信息，且背景和目标运动导致事件分布不均匀，为语义特征提取带来显著困难。针对这些问题，提出了一种融合多频超图的事件图像语义分割方法。该方法首先通过频率分解模块提取事件帧的多尺度时空特征，分离高频运动边缘与低频结构信息；继而设计动态超图构建算法，将不同频率特征映射为超图节点，利用超图卷积捕获跨频率的长程依赖关系，最后通过注意力机制自适应融合特征，增强类别间的判别性。在Carla-Semantic和DDD17-Semantic数据集上的实验表明，该方法在MPA(88.21%)和mIoU(82.68%)指标上优于现有事件分割方法，验证了多频超图模型对事件数据语义理解的提升高效果。该研究为基于事件相机的鲁棒性环境感知提供了新思路，特别适用于自动驾驶中的低光照、高速运动等挑战场景。

关键词：语义分割超图注意力机制多频融合事件相机

来源：评论

学校读者我要写书评

暂无评论

联邦长尾学习研究综述

引用

计算机学报 2025年第4期48卷 779-807页

作者：周弈志王军晓谢鑫王鹏飞贾西贝齐恒秦宇辰大连理工大学计算机科学与技术学院大连理工大学社会计算与认知智能教育部重点实验室广州大学网络空间安全学院天津大学智能与计算学部深圳市华傲数据科技有限公司

联邦学习是一种基于分布式训练的机器学习技术，有效地解决了因联合建模而引发的用户间数据隐私泄露问题，因此在多个领域得到了广泛应用。然而，在实际的联邦学习应用中，统计异质性与长尾分布的共存成为一大挑战，严重影响了模型性能... 详细信息

联邦学习是一种基于分布式训练的机器学习技术，有效地解决了因联合建模而引发的用户间数据隐私泄露问题，因此在多个领域得到了广泛应用。然而，在实际的联邦学习应用中，统计异质性与长尾分布的共存成为一大挑战，严重影响了模型性能。因此，如何在保护数据隐私的前提下解决长尾问题，已成为当前的研究热点。本文综述了联邦长尾学习的研究成果，首先简要阐述了联邦学习的架构，并介绍了统计异质性、长尾学习及联邦长尾学习的核心概念与定义。接着，依据优化方法的差异，将联邦长尾学习的算法分为两大类：模型组件改进和基于算法的优化，并深入分析了每种算法的实现细节及其优缺点。同时，为了更好地为不同任务提供参考，本文整合了一些具有代表性的开源数据集、长尾划分策略、评价指标与对比实验。最后，针对未来的应用场景和研究方向，对联邦长尾学习进行了展望。期望通过本文的深入研究，能为这类问题提供更全面的解决方案，进一步推动联邦长尾学习技术在各个领域的广泛应用和发展。

关键词：联邦学习长尾学习联邦长尾学习统计异质性隐私保护边缘智能

来源：评论

学校读者我要写书评

暂无评论

基于几何超图感知的三维场景图生成

引用

图学学报 2025年

作者：刘圆圆房友江孟天宇孟政宇罗鹏伟杨培根姜雨彤魏小鹏张强杨鑫大连理工大学计算机科学与技术学院社会计算与认知智能教育部重点实验室中国北方车辆研究所先进越野系统技术全国重点实验室

在计算机图形学与视觉领域，3D场景图生成(SGG)近年来引起了广泛关注。尽管现有研究在粗分类和单一关系标签的准确性方面有所提高，但在细粒度分类和多标签情境下的表现依然不足，无法满足实际应用的需求。为此，提出了一种创新性框架... 详细信息

在计算机图形学与视觉领域，3D场景图生成(SGG)近年来引起了广泛关注。尽管现有研究在粗分类和单一关系标签的准确性方面有所提高，但在细粒度分类和多标签情境下的表现依然不足，无法满足实际应用的需求。为此，提出了一种创新性框架，旨在充分利用上下文信息实现细粒度实体分类、多关系标签以及更高的准确性。该方法由两个核心模块组成：图特征提取模块(GFE)和图上下文推理模块(GCI)。图特征提取模块负责从输入数据中提取实体及交互语义特征保留关键信息，而图上下文推理模块通过引入传统图和超图的结构化特征，通过分析不同实体间的关系，识别邻域内的实体关联度，合并具有相似交互模式的实体，从而学习实体间的交互形式，其中引入的几何超图结构是基于场景布局动态生成的结构化组织信息。通过在3DSSG数据集上的实验评估，该方法在关系预测子任务中表现最为出色，取得了优越的性能。所提出的框架通过融合传统图与超图对于节点和节点间关联的组织能力，有效地改善了3D场景图生成任务中的细粒度分类和多关系标签的识别能力。

关键词：几何超图三维场景图生成结构化组织节点聚类多元关系提取自适应更新

来源：评论

学校读者我要写书评

暂无评论

联邦长尾学习研究综述

引用

计算机学报 2024年

联邦学习是一种基于分布式训练数据集的机器学习技术，有效地解决了因联合建模而引发的用户间数据隐私泄露问题，因此在多个领域得到了广泛应用。然而，在实际的联邦学习应用中，统计异质性与长尾分布的共存成为一大挑战，严重影响了模... 详细信息

联邦学习是一种基于分布式训练数据集的机器学习技术，有效地解决了因联合建模而引发的用户间数据隐私泄露问题，因此在多个领域得到了广泛应用。然而，在实际的联邦学习应用中，统计异质性与长尾分布的共存成为一大挑战，严重影响了模型性能。因此，如何在保护数据隐私的前提下解决长尾问题，已成为当前的研究热点。本文综述了联邦长尾学习的研究成果，首先简要阐述了联邦学习的架构，并介绍了统计异质性、长尾学习及联邦长尾学习的核心概念与定义。接着，依据优化方法的差异，将联邦长尾学习的算法分为两大类：模型组件改进和基于算法的优化，并深入分析了每种算法的实现细节及其优缺点。同时，为了更好地为不同任务提供参考，本文整合了一些具有代表性的开源数据集、长尾划分策略、评价指标与对比实验。最后，针对未来的应用场景和研究方向，对联邦长尾学习进行了展望。期望通过本文的深入研究，能为这类问题提供更全面的解决方案，进一步推动联邦长尾学习技术在各个领域的广泛应用和发展。

关键词：联邦学习长尾学习联邦长尾学习统计异质性隐私保护边缘智能

来源：评论

学校读者我要写书评

暂无评论

面向高光子通量环境的目标深度估计方法

引用

图学学报 2025年

作者：杨佳熙于乐天包骐瑞毕胜麻晓斗杨晟琦姜雨彤方建儒魏小鹏杨鑫大连理工大学计算机学院社会计算与认知智能教育部重点实验室大连理工大学机械工程学院中国航空工业集团公司沈阳飞机设计研究所中国北方车辆研究所先进越野系统技术全国重点实验室大连亚明汽车部件股份有限公司

单光子雪崩二极管(SPAD)的高时间分辨率特性、高精度特性为其开辟了广泛的应用空间，尤其是在对算法性能要求日益增长的计算机视觉、计算成像等领域。基于SPAD能对各种常见目标进行精确度较高的深度估计，但是，SPAD每次探测到光子后会... 详细信息

单光子雪崩二极管(SPAD)的高时间分辨率特性、高精度特性为其开辟了广泛的应用空间，尤其是在对算法性能要求日益增长的计算机视觉、计算成像等领域。基于SPAD能对各种常见目标进行精确度较高的深度估计，但是，SPAD每次探测到光子后会进入一段无法探测的猝灭期。这导致环境中光子数量较多时，同个脉冲周期内更早到达SPAD的光子有更大概率被采集，使得最终形成的光子数量统计曲线明显向时间轴短的方向偏移，且偏移程度随着光子通量(即单位时间内探测光子数量)的增加而扩大。该现象被称为堆积效应(Pileup Effect)，其降低了深度估计算法的准确性。对于这一问题，首先搭建了用于采集SPAD光子数据的单光子探测系统，并在几种不同光子通量下采集了一个针对SPAD深度估计任务中堆积效应进行研究的目标深度数据集。在此基础上，设计了一个将光子通量作为全局特征进行学习的深度估计网络，该网络融合了SPAD探测结果中的局部空间特征和全局光子通量特征，在几种存在堆积效应的光子通量下均取得了较高的深度估计性能。

关键词：单光子雪崩二极管光子通量堆积效应深度估计自注意力机制

来源：评论

学校读者我要写书评

暂无评论

主持传播多模态自洽呈现的计算范式研究

引用

新闻春秋 2025年第1期 50-61页

作者：张亮张伟英周福战于涛李盛之金博魏小鹏大连理工大学计算机科学与技术学院大连116024 大连理工大学社会计算与认知智能教育部重点实验室大连116024 大连新闻传媒集团大连116024 大连理工大学公共管理学院大连116024 大连理工大学创新创业学院大连116024 大连理工大学社会计算与认知智能教育部重点实验室战略指导委员会大连116024

信息技术的加速迭代,形成了以人或虚拟数字人为中心,融合视频、声音、文字等多种模态信号的主持传播新模式,专业主持传播与社会化传播之间的边界变得逐渐模糊,主持传播内容同质化和传播穿透力弱化的特征日渐突出。因此,本文研究提升主... 详细信息

信息技术的加速迭代,形成了以人或虚拟数字人为中心,融合视频、声音、文字等多种模态信号的主持传播新模式,专业主持传播与社会化传播之间的边界变得逐渐模糊,主持传播内容同质化和传播穿透力弱化的特征日渐突出。因此,本文研究提升主持传播效能和引导力的方法。具体而言,基于计算社会科学的理论,首先提出了计算主持传播范式,即以主持传播多模态自洽呈现为关键核心,实现多模态信息的有效协同;其次,以主持传播多时空多尺度精准分析和主持传播效能有效度量为重要支撑,研究多模态信息融合方法,实现传播内容和效能的差异化、细粒度感知。这一研究为数智化时代的主持传播提供了定量化的理论方法、框架和指导准则。

关键词：主持传播社会计算多模态自洽呈现虚拟主播

来源：评论

学校读者我要写书评

暂无评论

基于渐进式分解架构的风电时间序列预测

引用

计算机系统应用 2024年第7期33卷 112-120页

作者：丁浩周成杰车超赵天明周守亮大连大学软件工程学院先进设计与智能计算省部共建教育部重点实验室大连116622 大连理工大学计算机科学与技术学院社会计算与认知智能教育部重点实验室大连116081 大连大学经济管理学院(旅游学院) 大连116622

准确预测风电机组各项指标对准确管控机组和调控电网的供需有着重要意义.预测指标任务可抽象为风电时间序列预测任务.目前时间序列预测模型主要采用深度学习模型,但是风电时间序列具有较强的波动性和随机性,导致绝大部分模型不能较好挖... 详细信息

准确预测风电机组各项指标对准确管控机组和调控电网的供需有着重要意义.预测指标任务可抽象为风电时间序列预测任务.目前时间序列预测模型主要采用深度学习模型,但是风电时间序列具有较强的波动性和随机性,导致绝大部分模型不能较好挖掘风电时间序列的复杂演化特性.为解决上述问题,提出了一种基于渐进式分解架构的风电时间序列预测方法,该方法首先应用神经网络池化分解方法将复杂的依赖关系简化并应用注意力机制学习长期趋势,然后运用多变量融合捕捉模块增强了网络整体的多变量关联挖掘能力,最后,融合趋势项和周期项对风电时间序列做出准确的预测.实验结果表明,该方法在风电时间序列的多步预测中均方误差相比基线模型至高可提升24%,在多尺度预测长度下表现出预测性能稳定提升的同时,计算效率显著优于同类模型.

关键词：多变量时间序列预测神经网络 attention机制时间序列分解

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的无人机三维场景导航方法研究

引用

图学学报 2025年

作者：刘伯凯殷雪峰孙传昱葛慧林魏子麒姜雨彤朴海音周东生杨鑫大连理工大学计算机学院社会计算与认知智能教育部重点实验室江苏科技大学自动化学院中国科学院自动化研究所中国北方车辆研究所先进越野系统技术全国重点实验室中国航空工业集团公司沈阳飞机设计研究所大连大学软件工程学院

近年来，无人机产业规模与应用需求不断扩大，实现无人机的自主化和智能化成为了行业内亟待解决的核心问题。无人机导航作为无人机自主控制领域的基础技术，已然成为无人机应用研究的重中之重。目前大多数无人机导航方法依赖于环境信息... 详细信息

近年来，无人机产业规模与应用需求不断扩大，实现无人机的自主化和智能化成为了行业内亟待解决的核心问题。无人机导航作为无人机自主控制领域的基础技术，已然成为无人机应用研究的重中之重。目前大多数无人机导航方法依赖于环境信息的重建，消耗过多的计算和内存，无法满足日益复杂的场景与实时性要求。因此，基于深度学习卓越的表征学习能力与强化学习的自主学习决策能力，提出无人机自主导航方法，通过不断自主学习优化决策策略，更好的完成导航任务。该方法首先构造连续性动作空间以及非稀疏性奖励函数，用来引导无人机的学习过程；并设计特征提取模块与决策模块来提高无人机感知能力和决策能力。实验结果表明，在仿真三维场景下，该算法表现出最优的导航避障性能，在所设计的三维场景下导航成功率可达到87%，平均累计奖励收敛的值较同期方法高33%，同时缩短训练时长，提高训练稳定性。

关键词：深度强化学习注意力机制无人机导航避障三维场景

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：