检索结果-内蒙古大学图书馆

计算机工程 2021年第6期47卷 52-59页

作者：钱裳云邵志远郑然陈继林华中科技大学计算机科学与技术学院武汉430074 华中科技大学服务计算技术与系统教育部重点实验室武汉430074 华中科技大学集群与网格计算湖北省重点实验室武汉430074 中国电力科学研究院有限公司北京100192

现有的图数据库对于在线分析操作大多采用基于CPU的分布式图计算引擎(如GraphX),但CPU核心数量有限的不足会导致计算效率低下,同时集群间的同步也会产生额外的通信开销。通过使用图形处理单元(GPU)对图计算进行加速,设计并实现图处理系... 详细信息

现有的图数据库对于在线分析操作大多采用基于CPU的分布式图计算引擎(如GraphX),但CPU核心数量有限的不足会导致计算效率低下,同时集群间的同步也会产生额外的通信开销。通过使用图形处理单元(GPU)对图计算进行加速,设计并实现图处理系统RockGraph。该系统能够根据用户需求从图数据库中提取出包含核心信息的子图,经过数据格式转换后,利用JNI工具调用动态链接库,采用超显存GPU图计算框架进行在线分析,并将计算结果写回图数据库。实验结果表明,与基于CPU的分布式图计算系统相比,RockGraph的图分析效率可提高3倍~5倍。

关键词：图数据库图分析计算图形处理单元子图提取超显存计算

来源：评论

学校读者我要写书评

暂无评论

社会民众新冠病毒疫苗接种意识传播模型与干预策略研究

引用

中国管理科学 2023年第8期31卷 269-277页

作者：朱宏淼闫辛齐佳音靳祯上海对外经贸大学工商管理学院上海201620 上海对外经贸大学统计与信息学院上海201620 广州大学网络空间安全学院广东广州510006 北京邮电大学可信分布式计算与服务教育部重点实验室北京100876 山西大学复杂系统研究所山西太原030006 山西大学疾病防控的数学技术与大数据分析山西省重点实验室山西太原030006

研究如何通过多种渠道的融合使用以促进新冠疫苗接种意识在民众间传播,对新冠疫情防控有重要意义。首先,基于多重网络理论,建立民众新冠疫苗接种意识的多渠道传播动力学模型。其次,利用该模型对新冠病毒疫病毒苗接种意识在社会民众间的... 详细信息

研究如何通过多种渠道的融合使用以促进新冠疫苗接种意识在民众间传播,对新冠疫情防控有重要意义。首先,基于多重网络理论,建立民众新冠疫苗接种意识的多渠道传播动力学模型。其次,利用该模型对新冠病毒疫病毒苗接种意识在社会民众间的传播过程进行数值仿真,提出相应的干预策略。最后,利用实际数据对模型进行参数估计,验证其有效性。研究表明:在新冠病毒疫苗接种宣传时,过多使用一种渠道或仅使用一种宣传语,容易使民众对疫苗接种产生疲劳心理,导致新冠病毒疫苗接种意识的传播效率下降,甚至使民众失去新冠病毒疫苗接种意识,因此,应适当变换宣传语,同时均衡使用各渠道进行新冠病毒疫苗接种宣传,以使各渠道间疫苗接种意识传播产生相互促进作用,进而使新冠病毒疫苗接种意识的传播效率达到最大。对疫苗接种意识偏差者进行适度心理沟通、监督与管控,使其改变对新冠病毒疫苗接种的认知偏差及抵触情绪,停止散布疫苗接种的负面谣言,将有效促进新冠病毒疫苗接种意识传播。

关键词：突发公共卫生事件新冠病毒疫苗接种意识社会传播多重网络复杂系统仿真

来源：评论

学校读者我要写书评

暂无评论

基于深度学习点云配准的三维颜面正中矢状面构建算法研究

引用

中华口腔医学杂志 2023年第11期58卷 1178-1183页

作者：朱玉佳刘真光温奥楠高梓翔秦庆钊傅湘玲王勇陈晋鹏赵一姣北京大学口腔医学院·口腔医院口腔医学数字化研究中心、口腔修复教研室、国家口腔医学中心、国家口腔疾病临床医学研究中心、口腔生物材料和数字诊疗装备国家工程研究中心、国家卫生健康委口腔医学计算机应用工程技术研究中心、口腔数字医学北京市重点实验室北京100081 北京邮电大学计算机学院、北京邮电大学可信分布式计算与服务教育部重点实验室北京100876

目的基于可变图结构配准网络(DGRNet)模型,建立一种可实现三维点云智能配准的本体-镜像关联深度学习算法,以实现三维颜面正中矢状面的自动化构建,为口腔临床数字化设计与分析提供参考。方法收集200例2020年10月至2022年10月就诊于北京... 详细信息

目的基于可变图结构配准网络(DGRNet)模型,建立一种可实现三维点云智能配准的本体-镜像关联深度学习算法,以实现三维颜面正中矢状面的自动化构建,为口腔临床数字化设计与分析提供参考。方法收集200例2020年10月至2022年10月就诊于北京大学口腔医学院·口腔医院修复科、正颌外科和口腔正畸科的无明显颜面畸形的牙体缺损或缺失或错畸形患者的三维颜面数据。通过数据增强(平移和旋转)的方式获得1200例三维颜面数据,分为训练集(800例)、验证集(200例)、测试集(200例),用于DGRNet模型训练与测试。DGRNet模型包含构造本体与镜像点云中关键点的特征向量、基于特征向量获取本体和镜像点云中关键点的对应关系,并通过奇异值分解计算旋转矩阵和平移矩阵。基于DGRNet模型实现本体点云与镜像点云的智能配准,获得本体-镜像联合点云,并采用主成分分析算法获得DGRNet模型正中矢状面。基于决定系数R 2指标对测试集平移及旋转矩阵进行模型评价,以迭代最近点(ICP)算法构建的三维颜面正中矢状面作为真值。选择上述200例临床患者中的50例数据,对DGRNet模型与ICP算法构建的三维颜面正中矢状面进行角度误差评价。结果基于200例三维颜面数据测试DGRNet模型旋转矩阵R 2为0.90,平移矩阵R 2为0.94。构建50例三维颜面数据正中矢状面共用时3 s,DGRNet模型与ICP算法构建的三维颜面正中矢状面角度误差为1.05°±0.56°,最小误差为0.13°,1.50°以内的准确率为78%(39/50),2.00°以内的准确率为90%(45/50)。结论本项研究提出的基于三维点云智能配准的DGRNet模型可构建三维颜面正中矢状面,并在一定程度上提升诊疗效率和效果。

关键词：人工智能口腔医学图像处理,计算机辅助面部深度学习正中矢状面

来源：评论

学校读者我要写书评

暂无评论

以示例得分为权重的深度多示例学习方法研究

引用

天津理工大学学报 2023年第5期39卷 29-35页

作者：吴文晴袁立明温显斌徐海霞天津理工大学计算机科学与工程学院天津300384 天津理工大学计算机视觉与系统教育部重点实验室天津300384 天津理工大学天津市智能计算与软件新技术重点实验室天津300384

多示例学习作为一种弱监督学习,被广泛应用于生物特征识别、图像检索及自然语言处理等领域。为解决现有多示例学习(multiple instance learning,MIL)的池化算子中缺乏可解释性和灵活性等问题,提出一种可学习的权重分配机制模型。通过示... 详细信息

多示例学习作为一种弱监督学习,被广泛应用于生物特征识别、图像检索及自然语言处理等领域。为解决现有多示例学习(multiple instance learning,MIL)的池化算子中缺乏可解释性和灵活性等问题,提出一种可学习的权重分配机制模型。通过示例得分得到示例权重,将示例得分与示例权重进行池化,求出包的表示,通过示例得分对权重分配函数进行学习。试验结果表明:文中方法具有更高的分类精度、较好的可解释性和灵活性。

关键词：模式识别深度学习多示例学习权重

来源：评论

学校读者我要写书评

暂无评论

舰载机保障作业自适应批量匹配决策方法

引用

航空学报 2025年第1期46卷 284-300页

作者：刘广王华林友芳贺硕李亚飞徐明亮北京交通大学计算机科学与技术学院北京100091 交通数据分析与挖掘北京市重点实验室北京100044 郑州大学计算机与人工智能学院郑州450001 智能集群系统教育部工程研究中心郑州450001 国家超级计算郑州中心郑州450001

衡量航空母舰作战性能的关键指标是舰载机出动架次率,其高低取决于舰载机的保障阵位匹配策略。现有工作主要采用序列匹配和批量匹配方法为舰载机匹配保障阵位,但均存在一定的局限性,难以兼顾保障作业阵位匹配的实时性和质量。面对复杂... 详细信息

衡量航空母舰作战性能的关键指标是舰载机出动架次率,其高低取决于舰载机的保障阵位匹配策略。现有工作主要采用序列匹配和批量匹配方法为舰载机匹配保障阵位,但均存在一定的局限性,难以兼顾保障作业阵位匹配的实时性和质量。面对复杂时变的作业环境,确定合理的保障作业匹配策略变得十分困难。因此,在批量匹配方法的基础上,提出了一种新的舰载机保障作业自适应批量匹配决策方法。首先,通过构建多维环境状态编码的强化学习方法求解较优的时间窗划分策略。然后,在每个时间窗内应用高效率的批量匹配算法,以求解保障作业与保障阵位的最佳匹配方案。基于公开的尼米兹号航母数据进行的多组模拟实验结果表明,本文方法能够有效应对保障环境的动态变化,在满足实时性需求的前提下能够快速求解出高质量的保障作业阵位分配方案。

关键词：舰载机航空保障实时调度强化学习自适应决策

来源：评论

学校读者我要写书评

暂无评论

基于原子混淆的通用侧信道漏洞修补方法

引用

网络与信息安全学报 2022年第2期8卷 100-111页

作者：邹德清张盼刘伟陈维杰陆弈帆大数据技术与系统国家地方联合工程研究中心湖北武汉430074 服务计算技术与系统教育部重点实验室湖北武汉430074 大数据安全湖北省工程研究中心湖北武汉430074 华中科技大学网络空间安全学院湖北武汉430074 北京京航计算通讯研究所北京100089

包含侧信道漏洞的代码在程序被执行时会表现出与输入有关的非功能性行为,攻击者利用微架构的侧信道攻击可获取这些行为,并通过分析行为与输入之间的关联模式恢复应用数据内容,达到窃取用户机密数据的目的。软件层的侧信道漏洞修补方法... 详细信息

包含侧信道漏洞的代码在程序被执行时会表现出与输入有关的非功能性行为,攻击者利用微架构的侧信道攻击可获取这些行为,并通过分析行为与输入之间的关联模式恢复应用数据内容,达到窃取用户机密数据的目的。软件层的侧信道漏洞修补方法带给程序的性能损耗较低,并且因为无须修改硬件或系统,可实现快速修补和大范围部署,成为密码算法实现采用的主流策略。现有修补方案与程序的具体实现深度绑定,需要人工介入,存在实现难度大、不通用的问题。针对以上问题,提出了一种结合动态混淆技术和硬件原子事务特性的通用侧信道漏洞修补方法。所提方法向侧信道漏洞代码中插入动态混淆访存操作,以达到隐藏真实访存地址的目的,并将漏洞代码和混淆访存封装为硬件原子事务,保障被封装的代码在运行时连续执行而不被中断,避免攻击者利用细粒度的侧信道攻击区分真实的访存操作和混淆的访存操作。基于LLVM编译器实现了原型系统SC-Patcher,引入了包括安全跳板和原子事务聚合等在内的多种设计,提高了方法的安全性和实用性。安全与性能测试结果表明,使用所提方法完成侧信道漏洞修补的程序,在几乎未增加额外性能开销的同时,能够有效抵抗侧信道攻击,防范攻击者从漏洞处还原有效的机密数据内容。

关键词：侧信道防御漏洞修补原子事务混淆执行

来源：评论

学校读者我要写书评

暂无评论

基于注意力胶囊网络的合成孔径雷达图像分类模型研究

引用

天津理工大学学报 2023年第6期39卷 42-48页

作者：王权温显斌天津理工大学计算机视觉与系统教育部重点实验室天津300384 天津理工大学天津市智能计算与软件新技术重点实验室天津300384 天津理工大学计算机科学与工程学院天津300384

特征提取是合成孔径雷达(synthetic aperture radar,SAR)图像自动识别与分类中的重要环节.由于SAR图像有相干斑噪声及几何畸变等特性,一般网络模型难以提取到有判别性的特征.为增强特征提取能力,提高分类准确率,提出将注意力机制与胶囊... 详细信息

特征提取是合成孔径雷达(synthetic aperture radar,SAR)图像自动识别与分类中的重要环节.由于SAR图像有相干斑噪声及几何畸变等特性,一般网络模型难以提取到有判别性的特征.为增强特征提取能力,提高分类准确率,提出将注意力机制与胶囊网络结合的一种注意力胶囊网络模型.注意力机制可聚焦寻找具有重要局部信息的特征,在图像识别过程中抑制干扰特征,定位重要特征.胶囊网络可捕捉图像中目标的位置与空间关系,使提取到的SAR图像特征含有更多便于分类的重要信息.结果表明:文中方法对SAR图像分类数据集中运动和静止目标的获取与识别(moving and stationary target acquisition and recognition,MSTAR)有显著效果.

关键词：自动目标识别合成孔径雷达注意力胶囊网络

来源：评论

学校读者我要写书评

暂无评论

一种基于知识蒸馏和注意力损失的时间增量学习系统

引用

北京生物医学工程 2024年第6期43卷 575-583页

作者：李明爱徐裕超北京工业大学信息科学技术学院北京100124 计算智能与智能系统北京市重点实验室北京100124 数字社区教育部工程研究中心北京100124

目的基于深度学习的运动想像脑机接口技术在智能康复领域具有很好的发展前景。然而,运动想像脑电信号(motor imagery-electroencephalogram,MI-EEG)是一种非平稳信号,其数据分布和特征空间会随着康复进程的推进而发生变化,这会导致卷... 详细信息

目的基于深度学习的运动想像脑机接口技术在智能康复领域具有很好的发展前景。然而,运动想像脑电信号(motor imagery-electroencephalogram,MI-EEG)是一种非平稳信号,其数据分布和特征空间会随着康复进程的推进而发生变化,这会导致卷积神经网络(convolutional neural network,CNN)模型的识别能力下降。为改善运动想像解码模型对时间的自适应性,本文提出一种基于知识蒸馏和注意力损失的时间增量学习系统(session-incremental learning system,SILS)。方法首先,对运动想象脑电信号进行带通滤波和下采样等预处理,以增强与运动想象相关的信息;其次,设计一种多分支双注意力多模块卷积神经网络对多导联MI-EEG进行多尺度时间特征和空间特征的提取与整合,并基于注意力机制增强通道和空间维度的关键信息;然后,利用知识蒸馏技术及注意力损失改善增量时期解码模型持续学习新知识和保留旧知识的能力;进一步,基于最近邻法挑选少量优质旧样本进行数据回放,提升增量模型的抗遗忘性能力;最后,基于BCI Competition IV Dataset 2b公开数据集进行大量实验研究,通过可塑性和稳定性两项指标验证SILS性能。结果 SILS对第1~5阶段的数据依次取得79.21%、79.05%、89.06%、88.38%和88.47%的平均准确率,第5阶段的SILS对第1~4时段(session)数据的平均遗忘率分别为9.72%、9.10%、9.88%和6.04%。结论 SILS具有自动调整模型参数,保持持续学习和自我更新的能力,表现出很好的时间适应性和性能稳定性。

关键词：脑电信号运动想像增量学习知识蒸馏注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于LSTM神经网络与贝叶斯优化的电站风机故障预警

引用

热能动力工程 2022年第8期37卷 213-220页

作者：雷萌吕游魏玮任倩华北电力大学控制与计算机工程学院北京102206 华北电力大学电站能量传转化与系统教育部重点实验室北京102206 北京中交国通智能交通系统技术有限公司北京100088

风机持续健康稳定运行是电站机组安全性与经济性的重要保障,故障预警技术对于提高风机运行可靠性和降低维护成本尤为重要。为此,本文提出一种基于长短期记忆(Long short-term memory,LSTM)神经网络与贝叶斯优化算法的早期故障预警方法,... 详细信息

风机持续健康稳定运行是电站机组安全性与经济性的重要保障,故障预警技术对于提高风机运行可靠性和降低维护成本尤为重要。为此,本文提出一种基于长短期记忆(Long short-term memory,LSTM)神经网络与贝叶斯优化算法的早期故障预警方法,充分挖掘电站风机正常运行数据,采用LSTM网络挖掘多种参数的关联特性及历史数据的时序特性,建立风机运行状态预测模型。为了提高预测模型的精确度,利用贝叶斯优化算法优化并设定LSTM网络的最佳超参数组合。考虑模型预测偏离度的非平稳性和多极值特点,引入广义极值理论从正常运行工况中确定报警阈值,以实现设备的早期故障预警。最后,将所提出的算法应用于某燃煤电站引风机故障预警中。结果表明:贝叶斯优化算法优化后的LSTM神经网络不仅可以精确表征风机在正常状态下运行行为,同时能够准确地获取风机的故障信息,从而能够在故障发生前4 h发现异常,实现故障预警。

关键词： LSTM神经网络贝叶斯优化电站风机故障预警预测偏离度广义极值理论

来源：评论

学校读者我要写书评

暂无评论

基于偶极子成像和3D卷积神经网络的源域运动想象解码方法

引用

北京生物医学工程 2024年第5期43卷 441-450页

作者：李明爱李翔宇北京工业大学信息科学技术学院北京100124 计算智能与智能系统北京市重点实验室北京100124 数字社区教育部工程研究中心北京100124

目的为充分保留和利用运动想象(motor imagery,MI)时偶极子的时空信息,本文提出一种新的偶极子成像(dipoles imaging,DI)结合3维卷积神经网络(3D convolutional neural network,3DCNN)的源域MI解码方法(DI-3DCNN)。方法首先,基于脑源成... 详细信息

目的为充分保留和利用运动想象(motor imagery,MI)时偶极子的时空信息,本文提出一种新的偶极子成像(dipoles imaging,DI)结合3维卷积神经网络(3D convolutional neural network,3DCNN)的源域MI解码方法(DI-3DCNN)。方法首先,基于脑源成像(electroencephalography source imaging,ESI)技术计算运动想象脑电信号的偶极子源估计;接着,获取每类MI任务的平均偶极子源估计,基于数据驱动自动选择每类任务中偶极子激活水平较高且最大区分于其他任务的时刻作为中心采样点,再对中心采样点进行前后延伸并按任务顺序组合,形成感兴趣时间(time of interest,TOI);其次,选择覆盖高激活偶极子的Desikan-Killiany(DK)神经分区,并对局部保持投影方法(local preserving projection,LPP)增加DK分区约束,获得一种改进的有监督LPP(LPP DK);进而,基于LPP DK分别将所选择左、右半脑分区内的偶极子坐标从3维(three dimensional,3D)降成2维,获得具有神经生理先验信息的偶极子2D坐标,再结合TOI内各采样点处偶极子的幅值信息进行成像,并进行插值、下采样操作,得到偶极子的2D幅值图;随后,将TOI内偶极子的2D幅值图按时间顺序堆叠,获得左、右半脑的3D偶极子特征图,并将其作为网络的输入数据;最后,根据输入数据的特点,设计一种双分支3D卷积神经网络(dual-branched 3DCNN,DB3DCNN)实现MI解码。结果基于BCI competition IV 2a数据集进行实验研究,取得了86.50%的平均解码准确率。结论基于DI所得3D偶极子特征图能够较好地保留偶极子的最佳激活时间、程度及生理空间信息,且与DB3DCNN性能匹配。

关键词：运动想象脑源成像局部保持投影卷积神经网络 Desikan-Killiany分区

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：