检索结果-内蒙古大学图书馆

智能系统学报 2023年第4期18卷 708-718页

作者：殷建华刘振丙魏黄曌桂林电子科技大学计算机与信息安全学院广西桂林541004

针对现有的大多数方法在消歧过程中缺乏对特征空间潜在有用信息的利用和对候选标签不同置信度水平的考虑的问题,本文提出了一种基于稀疏重构消歧的偏标记学习(partial label learning by sparse reconstruction disambiguation,PL-SRD)... 详细信息

针对现有的大多数方法在消歧过程中缺乏对特征空间潜在有用信息的利用和对候选标签不同置信度水平的考虑的问题,本文提出了一种基于稀疏重构消歧的偏标记学习(partial label learning by sparse reconstruction disambiguation,PL-SRD)的新方法,利用特征空间的结构信息促进标签的消歧过程。本文通过对训练样本进行稀疏重构来刻画特征空间的拓扑结构并将其融入到标签消歧过程中;提出一个统一的框架将标签消歧与训练预测模型同时进行。在人工合成和真实数据集上进行的大量实验表明,本文提出的方法比多个现有的偏标记学习算法取得了更好的性能。

关键词：弱监督学习稀疏重构平滑假设标签消歧偏标记学习候选标签特征空间多分类

来源：评论

学校读者我要写书评

暂无评论

提示学习启发的无监督情感风格迁移研究

引用

计算机工程与应用 2024年第5期60卷 146-155页

作者：蔡国永李安庆桂林电子科技大学计算机与信息安全学院广西桂林541004 广西可信软件重点实验室广西桂林541004

文本样式迁移是在保留文本内容信息的同时移植具有某种所需样式属性的文本生成任务。为了提高在非平行样式语料下的迁移质量,提出了一种指导填充掩码模型将句子重写为目标样式的新方法。该方法总体上基于“删除-检索-生成”样式迁移框架... 详细信息

文本样式迁移是在保留文本内容信息的同时移植具有某种所需样式属性的文本生成任务。为了提高在非平行样式语料下的迁移质量,提出了一种指导填充掩码模型将句子重写为目标样式的新方法。该方法总体上基于“删除-检索-生成”样式迁移框架,但采用大型无监督预训练语言模型和Transformer架构。根据Transformer的工作机理,改进了从源语句中筛选样式属性的方法,通过提示学习方法挖掘预训练模型的内部知识以实现对目标样式词的生成。在两个情感基准数据集上的实验表明,该方法在文本样式迁移任务上明显优于现有的编辑类方法,综合指标的相对分数平均提高了14%以上。

关键词：文本生成文本样式迁移情感迁移提示学习 Transformer

来源：评论

学校读者我要写书评

暂无评论

针对SKINNY算法的改进差分故障攻击方法

引用

计算机科学与探索 2025年

作者：武小年杨济铭张润莲桂林电子科技大学计算机与信息安全学院

现有针对SKINNY算法的差分故障攻击存在需要注入的故障数量多、密钥搜索复杂度高及攻击执行时间长且密钥空间可能会有剩余等问题。针对上述问题，提出一种基于双半字节/双字节故障的差分故障攻击模型，实现对SKINNY-64-64算法和SKINNY-1... 详细信息

现有针对SKINNY算法的差分故障攻击存在需要注入的故障数量多、密钥搜索复杂度高及攻击执行时间长且密钥空间可能会有剩余等问题。针对上述问题，提出一种基于双半字节/双字节故障的差分故障攻击模型，实现对SKINNY-64-64算法和SKINNY-128-128算法的差分故障攻击。该模型允许攻击者对微调进行访问和完全控制，并假设可调密钥输入有一个固定的调整，在SKINNY-64-64算法和SKINNY-128-128算法的密钥编排算法的第R-3轮和R-4轮密钥中分别注入双半字节和双字节故障，利用最后三轮S盒输入差分中的约束建立差分方程，通过计算恢复SKINNY-64-64算法和SKINNY-128-128算法的主密钥。在软件实现上的仿真实验测试结果表明，新提出的模型分别利用5.9对和6.7对故障可以恢复出SKINNY-64-64算法和SKINNY-128-128的主密钥；相对于现有方法，新提出的模型可以在注入较少故障恢复算法唯一密钥的同时保持了较低的攻击时间开销。

关键词：差分故障攻击 SKINNY 双半字节/字节故障密钥编排

来源：评论

学校读者我要写书评

暂无评论

融合多尺度视觉和文本语义特征的图像描述生成算法

引用

山东大学学报(工学版) 2025年 80-87页

作者：李丰文益民桂林电子科技大学计算机与信息安全学院

为了解决目标检测器预训练数据集与图像描述生成任务数据集存在类别差异导致物体识别错误,以及不同场景样本规模存在差异导致模型对少见场景中对象间关系理解不足的问题,提出融合多尺度视觉和文本语义特征的图像描述生成算法（multi-sca... 详细信息

为了解决目标检测器预训练数据集与图像描述生成任务数据集存在类别差异导致物体识别错误,以及不同场景样本规模存在差异导致模型对少见场景中对象间关系理解不足的问题,提出融合多尺度视觉和文本语义特征的图像描述生成算法（multi-scale visual and textual semantic feature fusion for image captioning, MVTFF-IC）。多尺度视觉特征融合（multi-scale visual feature fusion, MVFF）模块通过图注意力网络对全局、网格和区域特征进行建模,以获取更具代表性的视觉表征;深度语义融合模块（deep semantic fusion module, DSFM）通过交叉注意力机制整合包含对象关系的文本语义特征,以生成更准确的描述。在微软常见物体场景（Microsoft common objects in context, MSCOCO）数据集上的试验结果表明,MVTFF-IC基于共识的图像描述评价指标CDIEr达到136.7,优于许多现有的流行算法,能够更准确地捕捉图像中的关键信息,生成高质量的描述。

关键词：图像描述图注意力网络视觉特征文本特征注意力机制

来源：评论

学校读者我要写书评

暂无评论

双层网络上多智能体系统的部分分量一致性

引用

控制理论与应用 2023年第8期40卷 1377-1383页

作者：杨珺博马忠军李科赞桂林电子科技大学数学与计算科学学院广西桂林541004 桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004

部分分量一致是指多智能体系统中所有状态变量的一些分量在时间趋于正无穷的情况下具有收敛性,是一种比恒同一致弱的动力学行为.本文将一阶领导–跟随多智能体系统推广到双层网络,在此基础上分别构造了两个合适的牵制控制器,并得到了相... 详细信息

部分分量一致是指多智能体系统中所有状态变量的一些分量在时间趋于正无穷的情况下具有收敛性,是一种比恒同一致弱的动力学行为.本文将一阶领导–跟随多智能体系统推广到双层网络,在此基础上分别构造了两个合适的牵制控制器,并得到了相应的误差系统,然后运用矩阵理论和稳定性理论,将该系统的部分分量一致性问题转化为误差系统的部分变元稳定性问题,并导出该双层领导–跟随多智能体系统实现部分分量一致性的充分条件.最后,数值模拟验证了理论结果的正确性.

关键词：多智能体系统牵制控制部分分量一致双层网络

来源：评论

学校读者我要写书评

暂无评论

结合多尺度循环卷积和多聚类空间的红外图像增强

引用

电子学报 2022年第2期50卷 415-425页

作者：路皓翔刘振丙张静王子民桂林电子科技大学计算机与信息安全学院广西桂林541004 桂林电子科技大学商学院广西桂林541004

红外图像低对比度、低亮度及轮廓细节模糊等问题限制了红外成像技术的应用.为了提高红外图像的质量,本文提出了一种结合多尺度循环卷积和多聚类空间红外图像增强方法,该方法分为五个阶段:多尺度循环卷积、多聚类空间混合均衡化、多角度... 详细信息

红外图像低对比度、低亮度及轮廓细节模糊等问题限制了红外成像技术的应用.为了提高红外图像的质量,本文提出了一种结合多尺度循环卷积和多聚类空间红外图像增强方法,该方法分为五个阶段:多尺度循环卷积、多聚类空间混合均衡化、多角度组合滤波器、线性融合和图像层次化处理.其中,通过多尺度循环卷积和多角度组合滤波器增强图像细节及轮廓信息;多聚类空间混合均衡化通过改进的K-means对图像灰度值进行聚类分析,依据图像特性选取不同的均衡化方式提升图像对比度及亮度;图像层次化处理用于提升图像清晰度.结果表明:与对比方法相比,该方法能够显著增强红外图像细节及轮廓,提升红外图像对比度和亮度.

关键词：红外图像图像增强聚类分析对比度拉伸

来源：评论

学校读者我要写书评

暂无评论

二阶多智能体系统在自适应间歇牵制控制下的部分分量一致性

引用

控制与决策 2023年第10期38卷 2996-3002页

作者：周阳平甘晓亮刘雪雪马忠军桂林电子科技大学数学与计算科学学院广西桂林541004 桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004

部分分量一致指的是多智能体系统中所有状态变量的一些分量渐近趋于恒同这样一种现象,它是一种比恒同一致弱的群体动力学行为.基于二阶多智能体系统的动力学模型,设计一种自适应间歇牵制控制协议,通过置换矩阵方法将原偏差系统中待研究... 详细信息

部分分量一致指的是多智能体系统中所有状态变量的一些分量渐近趋于恒同这样一种现象,它是一种比恒同一致弱的群体动力学行为.基于二阶多智能体系统的动力学模型,设计一种自适应间歇牵制控制协议,通过置换矩阵方法将原偏差系统中待研究的状态分量转换为新偏差系统中前面部分的状态分量,并运用矩阵理论和部分变元稳定性理论,导出部分分量一致性准则,从而确保在指数稳定意义下该多智能体系统的部分分量一致性得以实现.最后,通过数值模拟验证理论分析结果.

关键词：二阶领导-跟随多智能体系统自适应控制间歇牵制控制部分分量一致性

来源：评论

学校读者我要写书评

暂无评论

基于动态时空信息融合的视频行为识别

引用

计算机应用与软件 2024年第4期41卷 179-184页

作者：史亚琪赵峰桂林电子科技大学计算机与信息安全学院广西桂林541004

由于视频数据在时空维度上具有复杂和冗余的信息。针对这个问题,提出运动模块,该模块基于时空特征去计算像素特征之间的时空差异。将动态的时空差异分解为两个分支进行处理,一个分支用于修正相邻帧间特征差上的时空位移,另一个分支用于... 详细信息

由于视频数据在时空维度上具有复杂和冗余的信息。针对这个问题,提出运动模块,该模块基于时空特征去计算像素特征之间的时空差异。将动态的时空差异分解为两个分支进行处理,一个分支用于修正相邻帧间特征差上的时空位移,另一个分支用于捕获此时间差上的上下文信息。在当前时间差中,对时空差异的像素点的概率分布进行建模。结果表明,在尽量不影响计算量(flops)与参数量的情况下,运动模块提高了视频识别任务方面的性能,并在公共数据集上证实了其有效性和效率。

关键词：深度学习时空特征特征融合行为识别

来源：评论

学校读者我要写书评

暂无评论

基于椭圆方向和半轴长度的多伯努利扩展目标跟踪

引用

北京航空航天大学学报 2024年第11期50卷 3367-3376页

作者：孙可胡青霜郑翔飞吴孙勇桂林电子科技大学数学与计算科学学院桂林541004 广西密码学与信息安全重点实验室桂林541004

针对杂波环境下扩展目标外形难以估计、新生目标先验信息未知等问题,在扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器的基础上,开展基于椭圆方向和半轴长度(OAL)的参数化多扩展目标跟踪研究。借助乘性噪声构造考虑目标空间信息的显... 详细信息

针对杂波环境下扩展目标外形难以估计、新生目标先验信息未知等问题,在扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器的基础上,开展基于椭圆方向和半轴长度(OAL)的参数化多扩展目标跟踪研究。借助乘性噪声构造考虑目标空间信息的显式量测方程,并推导OAL-CBMeMBer滤波器高斯混合实现的封闭形式解;基于显式的量测方程,利用已知的量测数据自适应构造考虑了质心位置和外形状态的新生目标先验信息,并提出自适应新生OAL-CBMeMBer滤波器。仿真实验结果表明:所提OAL-CBMeMBer滤波器提高了目标数目和状态的估计精度,能够有效地对多扩展目标进行跟踪。

关键词：多扩展目标势平衡多目标多伯努利滤波器椭圆方向椭圆半轴长度自适应新生

来源：评论

学校读者我要写书评

暂无评论

一种用于数据流分类的递归反向传播算法

引用

济南大学学报(自然科学版) 2025年第3期39卷 396-403页

作者：刘展华文益民刘祥桂林电子科技大学计算机与信息安全学院/软件学院广西桂林541004

针对传统深度神经网络因数据流中发生概念漂移而出现分类准确率较低的问题,为了增强深度神经网络模型的学习能力,提出一种用于数据流分类的递归反向传播算法。该算法融合在线梯度下降算法的强大数据流学习能力与递归最小二乘法的快速收... 详细信息

针对传统深度神经网络因数据流中发生概念漂移而出现分类准确率较低的问题,为了增强深度神经网络模型的学习能力,提出一种用于数据流分类的递归反向传播算法。该算法融合在线梯度下降算法的强大数据流学习能力与递归最小二乘法的快速收敛特性,当数据流发生概念漂移时,首先利用递归最小二乘法逐步训练神经网络模型,达到一个相对稳定的状态后切换至在线梯度下降算法,进一步训练深度神经网络模型,实现更深层次的数据流学习,优化深度神经网络模型的分类性能,并在多个人工数据集和真实数据集中实验验证所提算法的有效性。结果表明:所提算法具有优异的概念漂移适应能力,数据流分类准确率超越仅使用在线梯度下降算法或递归最小二乘法训练神经网络模型的多种算法。

关键词：在线深度学习在线梯度下降算法递归最小二乘法反向传播深度神经网络概念漂移

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：