检索结果-内蒙古大学图书馆

计算机学报 2025年第2期48卷 477-496页

作者：翁嘉思辜燕云刘家男李明翁健暨南大学网络空间安全学院东莞理工学院计算机科学与技术学院

全球数字化进程的加速伴随着数据主体信息失控现象日益显著。国内外数据安全相关法律相继出台,其中遗忘权(the Right to Be Forgotten)强调了数据主体拥有从数据使用方撤回其数据的权利。模型遗忘(Machine Unlearning)是机器学习领域践... 详细信息

全球数字化进程的加速伴随着数据主体信息失控现象日益显著。国内外数据安全相关法律相继出台,其中遗忘权(the Right to Be Forgotten)强调了数据主体拥有从数据使用方撤回其数据的权利。模型遗忘(Machine Unlearning)是机器学习领域践行遗忘权的技术,允许模型拥有方(即数据使用方)从已训练的模型中遗忘原本训练数据的指定数据,以满足数据拥有方撤回其数据的需求。现有针对模型遗忘效果的验证方法通常假设存在一个从未使用过被遗忘数据的基准模型,并通过测量遗忘后模型和基准模型的参数分布或输出分布是否足够相似来完成验证。然而,在恶意攻击场景下,模型拥有方容易伪造遗忘后模型的参数和输出分布,且模型参数通常难以归因于特定的训练数据,导致验证方难以有效验证目标模型是否遗忘其数据。本文提出了一种新的公开可验证模型遗忘方案,该方案在数据拥有方和模型拥有方之间执行,并在模型拥有方出现恶意行为时,数据拥有方能够生成任意第三方可验证的不可否认凭证。具体地,数据拥有方先利用动态通用累加器来认证被授权使用的数据或删除不被授权使用的数据;随后,模型拥有方在公开可验证隐蔽模型下证明模型训练使用了被累加数据或没有使用不被累加数据;最后,数据拥有方验证证明的有效性,若发现模型拥有方使用了未授权数据,则其生成公开可验证的凭证来追责模型拥有方的不合法行为。实验评估了不同数据量下证明和验证的计算开销,同时评估了不同数据点删除对模型预测结果的影响。

关键词：机器学习数据安全遗忘权模型遗忘可验证性

来源：评论

学校读者我要写书评

暂无评论

车计算:自动驾驶时代的新型计算范式

引用

计算机研究与发展 2025年第1期62卷 2-21页

作者：鲁思迪何元恺施巍松威廉玛丽计算机科学系美国弗吉尼亚州威廉斯堡23185 特拉华大学计算机与信息科学系美国特拉华州纽瓦克19716

随着边缘计算、传感、人工智能和通信技术的迅猛发展,车辆正经历前所未有的深刻变革.提出了一种适用于自动驾驶时代的全新计算范式——车计算.在这一新型范式下,车辆的数据层与控制层被分离,车辆系统转向开放的计算平台,构建了支持多方... 详细信息

随着边缘计算、传感、人工智能和通信技术的迅猛发展,车辆正经历前所未有的深刻变革.提出了一种适用于自动驾驶时代的全新计算范式——车计算.在这一新型范式下,车辆的数据层与控制层被分离,车辆系统转向开放的计算平台,构建了支持多方协作的数据共享结构,从而打破了传统车辆系统的封闭局限,使车辆从单一的交通工具演变为支持丰富的高级应用和第三方服务的多功能移动计算平台.全面阐述了车计算范式的核心理念,深入分析了车辆软件与计算架构的革命性演进,提供了具有应用前景的车计算实例,并介绍了在该范式支持下具有颠覆潜力的新型商业模式.此外,深入探讨了车计算的五大核心功能:计算、通信、能源管理、传感和数据存储,以及相关的前沿技术.最后,总结了车计算领域的关键技术挑战和广阔的机遇,期望能够激发学术界和工业界对这一创新领域的深入研究与高度关注.

关键词：车计算自动驾驶计算通信能源管理移动感知数据存储软件自定义车辆

来源：评论

学校读者我要写书评

暂无评论

结合程序内容生成与扩散模型的图像到三维瓷瓶生成技术

引用

图学学报 2025年第2期46卷 332-344页

作者：孙禾衣李艺潇田希张松海清华大学致理书院北京100084 清华大学计算机科学与技术系北京100084 英国巴斯大学计算机科学系萨默塞特巴斯133789

在传统手工三维内容制作中,三维网格和纹理是构建三维资产的基础。为了提升三维资产的视觉表现和渲染性能,三维网格通常采用四边面构建,并需具备良好的拓扑结构和合理的UV映射;三维纹理需要与几何形状相匹配,并保持良好的全局一致性。然... 详细信息

在传统手工三维内容制作中,三维网格和纹理是构建三维资产的基础。为了提升三维资产的视觉表现和渲染性能,三维网格通常采用四边面构建,并需具备良好的拓扑结构和合理的UV映射;三维纹理需要与几何形状相匹配,并保持良好的全局一致性。然而,当前基于潜在扩散模型的三维内容生成技术尚且未能满足这些标准,限制了其在实际应用中的潜力。与此同时,程序内容生成技术因其能够根据规则创建大量符合行业最佳实践的三维资产,在游戏和建筑行业中得到了广泛应用。为了提升生成资产的可用性,提出了一种结合程序内容生成与扩散模型技术的综合解决方案。以三维旋转体中具体的瓷瓶对象为例,将图像到三维资产的生成问题细分为2个主要任务:三维网格重建和三维纹理生成。在三维网格重建方面,创建了一个新颖的瓷瓶生成程序,并训练深度神经网络学习图像特征与程序参数之间的映射关系,从而实现二维图像到三维模型的重建;在三维纹理生成方面,提出了一种新颖的两段式纹理生成策略,该策略结合了多视角图像生成和多视角一致性采样技术的优势,可以生成具有全局一致性的高清纹理贴图。总结而言,提出了一种可以基于图像自动构建三维瓷瓶资产的方案,此方案可以推广到其他三维旋转体内容的生成,并有望应用于其他品类的三维内容生成。

关键词：扩散模型程序内容生成三维重建纹理生成深度学习

来源：评论

学校读者我要写书评

暂无评论

模型参数不确定下多无人艇系统固定时间二分编队跟踪控制

引用

自动化学报 2025年第3期51卷 669-677页

作者：温广辉余星火黄廷文周艳东南大学系统科学系南京211189 皇家墨尔本理工大学工学院澳大利亚墨尔本VIC 3001 深圳理工大学计算机科学与控制工程学院深圳518055

针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle,Multi-USV)系统的固定时间二分编队跟踪控制问题,通过将命令滤波与复合学习技术融合到反推控制方法中,提出一种新型分布式固定时间二分编队跟踪控制协议.首先,将命令... 详细信息

针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle,Multi-USV)系统的固定时间二分编队跟踪控制问题,通过将命令滤波与复合学习技术融合到反推控制方法中,提出一种新型分布式固定时间二分编队跟踪控制协议.首先,将命令滤波引入到反推控制中,进而分别设计虚拟控制协议与真实控制协议.在此基础上,为估计未知参数设计了参数复合学习律,利用在线记录的数据和即时数据来产生预测误差,并利用跟踪误差和预测误差来更新参数估计.结果表明,在严格弱于持续激励(Persistent excitation,PE)条件的区间激励(Interval excitation,IE)条件下,本文提出的控制方案不仅能够保证编队误差的固定时间收敛性,也能够保证参数估计误差的固定时间收敛性,同时解决了多无人艇系统的固定时间二分编队跟踪控制问题.最后,通过仿真实验验证了本文提出的控制协议的有效性.

关键词：无人艇二分编队跟踪固定时间控制复合学习

来源：评论

学校读者我要写书评

暂无评论

基于梯度频率多阶段引导的深度图超分辨率方法

引用

计算机工程 2025年

作者：蔡江河陈飞姜凡程航王美清福州大学计算机与大数据学院北不列颠哥伦比亚大学计算机科学系福州大学数学与统计学院

颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息，将低分辨率(LR)深度图重建为高分辨率深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量，但在从低分辨率深度图进行重建... 详细信息

颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息，将低分辨率(LR)深度图重建为高分辨率深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量，但在从低分辨率深度图进行重建时，仍然面临“边缘结构模糊”的问题。为了解决该问题，提出了梯度频率引导多阶段整合的深度图重建网络（GFNet），利用颜色图像的梯度先验和频率信息来增强深度边缘结构细节的重建。首先，设计了一个梯度特征提取模块，结合了RGB图像的梯度先验知识来优化LR深度图的梯度结构。其次，设计了一个空间频率双路引导模块，将RGB图像中精确的高频成分传递到LR深度图中，从而引导深度图丢失的高频信息重建。最后，采用一种新颖的隐式神经函数来提高深度图的分辨率。实验结果表明，在8倍缩放因子的情况下，GFNet在数据集NYUv2、Middlebury以及真实场景数据集RGB-D-D上RMSE指标分别达到了2.48cm、1.62cm、2.57cm，相比于结构更复杂的模型GeoDSR，分别提升了0.14cm、0.06cm、 0.12cm，并在边缘结构细节方面优于对比方法，证明了GFNet模型的有效性。

关键词：深度图超分辨率边缘结构梯度特征频率引导隐式神经函数

来源：评论

学校读者我要写书评

暂无评论

有交换极大子群的极小非正则p群的分类

引用

数学进展 2025年第3期 501-508页

作者：张巧红豆艾长治学院数学系山西师范大学数学与计算机科学学院

有限p群G称为极小非正则的,若G本身非正则,但其所有真子群和真商群皆正则.对于p=2,3,极小非正则p群已被分类.对于p≥5,本文给出了有交换极大子群的极小非正则p群的完全同构分类.

关键词：有限p群极小非正则p群 p交换p群亚交换p群

来源：评论

学校读者我要写书评

暂无评论

基于扩展汉明码的二维码秘密分享方案

引用

南京师大学报(自然科学版) 2025年第2期48卷 112-123,138页

作者：曹雪花仲鑫玮吉根林江阴职业技术学院计算机科学系江苏无锡214405 南京师范大学计算机与电子信息学院江苏南京210023

秘密分享作为隐私保护的重要手段,近来在云计算、物联网等领域迅猛发展.二维码作为当下极为流行的信息载体,其使用频率远超传统图像,因此秘密分享技术在二维码上的应用前景广阔.然而,由于二维码常以纸质形式呈现,容易遭受污渍沾染或破坏... 详细信息

秘密分享作为隐私保护的重要手段,近来在云计算、物联网等领域迅猛发展.二维码作为当下极为流行的信息载体,其使用频率远超传统图像,因此秘密分享技术在二维码上的应用前景广阔.然而,由于二维码常以纸质形式呈现,容易遭受污渍沾染或破坏;同时,隐写二维码在传输过程中可能遭到攻击者篡改.这些情况必然导致隐写二维码中出现误码,而现有研究方案无力实现无损重构秘密信息.鉴于此,本文提出一种基于扩展汉明码的二维码秘密分享方案.该方案不但确保了载体的高嵌入容量,还实现了隐写二维码的可纠错性,能够准确检测并纠正隐写二维码中的误码,进而恢复秘密信息.理论分析与实验充分证明了该方案的有效性和实用性.

关键词：秘密分享二维码误码扩展汉明码纠错

来源：评论

学校读者我要写书评

暂无评论

横向联邦学习:研究现状、系统应用与挑战

引用

计算机学报 2025年第1期48卷 35-67页

作者：吴文泰吴应良林伟伟左文明暨南大学信息科学技术学院广州510632 华南理工大学电子商务系广州510006 华南理工大学计算机科学与工程学院广州510006 人工智能与数字经济广东省实验室(广州) 广州510335

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Fe... 详细信息

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Federated Learning,HFL)具有扩展能力强和使用场景广泛等特点,因此是近年来该领域的研究重心,同时在产业界相关需求的驱动下有着十分广泛的应用前景。横向联邦学习的研究涉及机器学习、分布式系统、无线通信和信息安全等多个学术领域,从研究动机到技术方法都呈现多样化,但现有文献未能展现相关研究现状的全貌。此外,横向联邦学习相关技术的发展催化出了一系列开源系统框架、公开数据集以及多种场景下的应用,对进一步研究与实践都具有参考价值。为此,本文对横向联邦学习的研究现状和系统应用进行综合性调研:首先,对相关文献按照研究目标和技术角度进行全面地分类梳理,从多领域视角分析了各分支的研究现状;其次,从应用实践的视角,对比分析了面向横向联邦学习的主流系统框架与代码库、描述了数据准备方法以及典型的应用场景。在此基础上,阐明了横向联邦学习算法研究和系统应用面临的6个关键挑战,为如何缩小相关研究与系统实践之间的鸿沟提供了新的参考。

关键词：横向联邦学习数据隐私分布式系统机器学习人工神经网络

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集正域决策树的结构智能型式优化知识发现

引用

南阳理工学院学报 2025年第2期17卷 53-58页

作者：张远征南加州大学计算机科学系美国洛杉矶90007

结构智能型式优化是工程结构优化领域未被很好解决的难题,知识获取是其“瓶颈”和关键。首先,分析了基于决策树、粗糙集与智能算法的知识发现方法的特征与不足,指出决策树方法可较好克服后者直观性与可解释性不强问题,粗糙集可弥补决策... 详细信息

结构智能型式优化是工程结构优化领域未被很好解决的难题,知识获取是其“瓶颈”和关键。首先,分析了基于决策树、粗糙集与智能算法的知识发现方法的特征与不足,指出决策树方法可较好克服后者直观性与可解释性不强问题,粗糙集可弥补决策树优化难度大问题;接着,利用粗糙集正域能充分考虑条件与决策属性间依赖性及计算简洁的特征,构建了一种基于粗糙集正域决策树的知识发现新方法;最后,给出了其在高层建筑结构智能型式优化知识获取中的应用。实践表明,新方法兼有二者的共同优点,拓展了传统决策树方法,提高了决策树的构建效率,为解决结构智能型式优化及智能知识发现方法可解释性问题提供了新路径。

关键词：粗糙集正域决策树结构型式智能优化

来源：评论

学校读者我要写书评

暂无评论

结合通道剪枝和通道注意力的轻量型车辆点云补全网络

引用

计算机工程与应用 2025年第1期61卷 232-242页

作者：杨晓文冯泊栋韩慧妍况立群韩燮何黎刚中北大学计算机科学与技术学院太原030051 机器视觉与虚拟现实山西省重点实验室太原030051 山西省视觉信息处理及智能机器人工程研究中心太原030051 华威大学计算机科学系英国考文垂CV47AL

针对现有的点云补全网络多关注于补全的精度而忽视补全效率问题,提出了一种轻量型点云补全网络来准确、高效地修复自动驾驶中的不完整车辆点云。为了提高网络推理效率,采用一种高效的一次性通道剪枝技术提高网络的补全效率;在特征提取阶... 详细信息

针对现有的点云补全网络多关注于补全的精度而忽视补全效率问题,提出了一种轻量型点云补全网络来准确、高效地修复自动驾驶中的不完整车辆点云。为了提高网络推理效率,采用一种高效的一次性通道剪枝技术提高网络的补全效率;在特征提取阶段,网络加入通道注意力模块,将加权特征与全局特征拼接,通过两层多维特征信息提取,得到最终的特征向量;将特征向量传入双解码器结构中,分别通过全连接层和多层感知机生成稠密的粗糙点云和输入点云偏差值;将粗糙点云与输入点云偏差值相加得到最终的精细化完整点云。在PCN数据集和KITTI数据集上进行实验,实验结果表明在补全缺失车辆信息的实时性上有着显著的提升,并且在补全精度上也有不错的表现。

关键词：点云补全通道剪枝通道注意力轻量型深度学习

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：