检索结果-内蒙古大学图书馆

系统工程理论与实践 2025年第2期45卷 554-570页

作者：徐怡陶强安徽大学计算机科学与技术学院合肥230601 计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601

多视角和多层次是粒计算(granular computing)中问题求解的两个基本原则.划分序乘积空间作为一种新的粒计算模型,遵循多视角和多层次的原则,能够从多个视角和多个层次来描述和解决问题.但是划分序乘积空间是一种格结构,在划分序乘积空... 详细信息

多视角和多层次是粒计算(granular computing)中问题求解的两个基本原则.划分序乘积空间作为一种新的粒计算模型,遵循多视角和多层次的原则,能够从多个视角和多个层次来描述和解决问题.但是划分序乘积空间是一种格结构,在划分序乘积空间中寻找合适的问题求解层通常是一个NP难问题,特别是当视角和层次存在冗余时,会导致划分序乘积空间结构庞大且复杂.因此通过对视角和层次的约简,可以有效降低划分序乘积空间的复杂性.现有的度量指标,例如决策支持度、条件熵、最大包含度和距离度量等,不能有效地对视角、层次和属性进行约简,本文在划分序乘积空间中将距离度量、最大包含度和最大决策的概念相结合,引入了一种新的基于距离度量最大包含熵的单调不确定性度量标准.在此基础上,分别定义了视角重要度、层次重要度与属性重要度,并且分别给出了视角、层次和属性的约简算法,可以对多个视角进行约简、多个视角中的多个层次进行约简和对每个层次中的属性进行约简,有效降低了划分序乘积空间下的复杂度.实验结果证明了,所提约简算法的有效性.

关键词：多视角多层次视角约简层次约简属性约简划分序乘积空间距离度量

来源：评论

学校读者我要写书评

暂无评论

基于人智团队智能体协同进化的群智创新设计方法

引用

计算机集成制造系统 2025年第3期31卷 711-720页

作者：罗仕鉴于慧伶张景森张泷予王瑶沈诚仪刘长奥浙江大学计算机科学与技术学院工业设计系浙江杭州310027 浙江省数字创意智能系统与装备重点实验室浙江杭州310027

单一主体主导的创新设计模式已难以满足日益复杂的设计需求,为了高效整合人类创造力与人工智能感知、推理、生成优势,提出一种基于人智团队智能体协同进化的群智创新设计方法。提炼了群智创新背景下人智团队智能体的概念和特征,构建了... 详细信息

单一主体主导的创新设计模式已难以满足日益复杂的设计需求,为了高效整合人类创造力与人工智能感知、推理、生成优势,提出一种基于人智团队智能体协同进化的群智创新设计方法。提炼了群智创新背景下人智团队智能体的概念和特征,构建了基于人智团队智能体协同进化的群智创新设计模型,并从认知融合、交互迭代、优化升维3个步骤研究了该模型的实现机制,在此基础上构建了初步原型系统,以办公座椅设计为例验证了所述方法的可行性与有效性。为人机共创提供了一种新的理论框架与实践路径,对人工智能驱动的创新设计、群体智能应用以及智能设计工具的开发具有一定的参考价值。

关键词：创新设计人智团队智能体群智创新设计人机共创协同进化

来源：评论

学校读者我要写书评

暂无评论

低碳算法的发展及压缩和加速技术的应用

引用

控制与决策 2025年第5期40卷 1409-1428页

作者：赵洪科叶倩彤张志勇张凯汪珂航黄振亚天津大学管理与经济学部天津大学复杂管理系统实验室中国科学技术大学计算机科学与技术学院中国科学技术大学认知智能全国重点实验室

探讨低碳神经网络算法的设计及其在工业界和大型模型中的应用.首先,介绍低碳算法的概念及碳足迹视角下的深度学习算法;随后,深入研究多种设计策略,如剪枝、量化、低秩分解等,这些策略能显著降低数据中心和网络设备的资源消耗,推动绿色... 详细信息

探讨低碳神经网络算法的设计及其在工业界和大型模型中的应用.首先,介绍低碳算法的概念及碳足迹视角下的深度学习算法;随后,深入研究多种设计策略,如剪枝、量化、低秩分解等,这些策略能显著降低数据中心和网络设备的资源消耗,推动绿色计算的发展.此外,关注了低碳算法的实际应用,包括低精度计算、高效硬件设计和硬件加速,展示了其在减少能源浪费和环境影响方面的潜力.对于大语言模型(LLMs),讨论了训练过程中的压缩技术、模型结构优化等方法,以降低这类高资源需求模型的环境负担.最后,提出了评判标准来衡量不同算法的效能,并展望低碳算法未来的发展方向及其对可持续发展的重要意义,旨在促进低碳算法的研究与应用,为构建可持续的数字社会贡献力量.

关键词：低碳算法模型压缩大语言模型可持续计算模型加速模型压缩

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的长尾时序动作检测

引用

软件学报 2025年第2期36卷 625-643页

作者：王雨虹武港山王利民计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动... 详细信息

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动作检测问题进行了系统的定义,并针对长尾时序动作检测问题,提出一种基于半监督学习的加权类别重平衡自训练方法,充分利用现实世界中存在的大规模无标签数据,来重平衡训练样本中的标签分布,改善模型对尾部类别的拟合效果.还针对时序动作检测任务,提出一种伪标签损失加权方法,使模型训练更加稳定.在THUMOS14和HACS Segments数据集上进行实验,并分别利用THUMOS15数据集和ActivityNet1.3数据集中的视频样本来构成相应的无标签数据集.此外,还针对视频审核应用需求,收集Dance数据集,包括35个动作类别、6632个有标签视频和13264个无标签视频,并保留数据分布显著的长尾效应.使用多种基线模型,在THUMOS14、HACS Segments和Dance数据集上进行实验.实验结果表明,所提出的加权类别重平衡自训练方法可以提高模型对尾部动作类别的检测效果,并且能应用于不同的基线时序动作检测模型提升其性能.

关键词：视频分析时序动作检测深度长尾学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于TD3算法的多智能体协作缓存策略

引用

计算机工程 2025年第2期51卷 365-374页

作者：曾建州李泽平张素勤贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550025

为了降低移动边缘网络中的内容获取时延和传输开销,提出一种基于双延迟深度确定性策略梯度(TD3)的多智能体协作缓存策略(MACC)。首先构建多智能体边缘缓存模型,将多节点缓存替换问题建模为部分可观测马尔可夫决策过程(POMDP),把相邻节... 详细信息

为了降低移动边缘网络中的内容获取时延和传输开销,提出一种基于双延迟深度确定性策略梯度(TD3)的多智能体协作缓存策略(MACC)。首先构建多智能体边缘缓存模型,将多节点缓存替换问题建模为部分可观测马尔可夫决策过程(POMDP),把相邻节点的缓存状态和内容请求信息融入到各节点的观察空间,提高智能体对环境的感知能力,并通过三次指数平滑法提取各节点内容请求的流行度特征,使得算法能够适应内容流行度变化,从而提高缓存命中率;然后联合本地与相邻节点的传输时延和开销来设计指导性奖励函数,引导智能体进行协作缓存,降低系统的缓存冗余和内容传输开销;最后结合Wolpertinger Architecture方法对TD3算法进行多智能体扩展,使每个边缘节点都能自适应地学习缓存策略,从而提高系统性能。实验结果表明,MACC算法中边缘节点牺牲了部分缓存空间来协助相邻节点缓存请求内容,从而提高缓存命中率,在同一数据集上与MAAC、DDPG、独立TD3算法相比,MACC算法的缓存命中率分别平均提高了8.50%、13.91%和29.21%,并能适应动态的边缘环境,实现较小的内容获取时延和传输开销。

关键词：移动边缘网络多智能体协作缓存深度强化学习 TD3算法

来源：评论

学校读者我要写书评

暂无评论

开放环境下的协作多智能体强化学习进展

引用

中国科学:信息科学 2025年第2期55卷 217-268页

作者：袁雷张子谦李立和管聪俞扬南京大学计算机软件新技术国家重点实验室南京210023

多智能体强化学习(multi-agent reinforcement learning, MARL)近年来获得广泛关注并在不同领域取得进展.其中,协作多智能体强化学习专注于训练智能体团队以协同完成单智能体难以应对的任务目标,在路径规划、无人驾驶、主动电压控制和... 详细信息

多智能体强化学习(multi-agent reinforcement learning, MARL)近年来获得广泛关注并在不同领域取得进展.其中,协作多智能体强化学习专注于训练智能体团队以协同完成单智能体难以应对的任务目标,在路径规划、无人驾驶、主动电压控制和动态算法配置等场景展现出巨大的应用潜力.如何提升系统协作效能是协作多智能体强化学习领域研究重点之一.以往的研究工作主要在简单、静态和封闭的环境设定中展开.随着人工智能技术落地的驱使,目前在多智能体协作领域也有部分研究开始对开放环境下的多智能体协作展开研究,这些工作从多个方面对智能体所处环境中要素可能发生改变这一情况进行探索与研究,并取得一定进展.但是当前主流工作仍然缺乏对该方向的综述.本文从强化学习概念着手,针对多智能体系统、协作多智能体强化学习、典型方法与测试环境进行介绍,对封闭到开放环境下的协作多智能体强化学习研究工作进行总结,提炼出多类研究方向并对典型工作进行介绍.最后,本文对当前研究的优势与不足进行了总结,对未来开放环境下协作多智能体强化学习的发展方向与待研究问题进行展望,以吸引更多研究人士参与这个新兴方向的研究与交流.

关键词：强化学习多智能体系统多智能体协作开放环境机器学习开放环境多智能体协作

来源：评论

学校读者我要写书评

暂无评论

迈向泛在智能：端侧大语言模型现状与展望

引用

中国科学基金 2025年第02期 263-273页

作者：邓永恒章晋睿岳晟任炬清华大学计算机科学与技术系中山大学网络空间安全学院中关村实验室

近年来，大语言模型技术在多个领域取得了突破性进展，为实现泛在智能提供了坚实的基础。然而，泛在智能要求在各种场景中实现无缝的智能体验，这对大语言模型的部署和应用提出了新的挑战。云上部署大模型时，面临实时性、安全性和个性... 详细信息

近年来，大语言模型技术在多个领域取得了突破性进展，为实现泛在智能提供了坚实的基础。然而，泛在智能要求在各种场景中实现无缝的智能体验，这对大语言模型的部署和应用提出了新的挑战。云上部署大模型时，面临实时性、安全性和个性化需求难以兼顾的问题，限制了其在不同环境中的适用性。这些挑战促使研究者探索端侧部署大语言模型的前景，以期在更接近数据源的位置实现更高效的智能服务。然而，端侧的资源限制为大语言模型的部署、推理与应用带来了严峻的挑战。本文首先探讨了这些挑战，并系统梳理了端侧大模型部署与推理应用的关键技术进展，包括模型压缩、运行时优化和端边云协同等方面的前沿研究，并深入分析了相关技术在实际应用中的优势与局限性。最后，本文对大语言模型实现泛在智能的未来发展方向进行了展望，包括模型轻量化、新型计算架构支持、隐私保护技术创新以及端边大小模型协同优化等技术，力求推动大语言模型在端侧的高效落地与应用。

关键词：大语言模型泛在智能端侧部署模型优化边缘计算隐私保护

来源：评论

学校读者我要写书评

暂无评论

面向深度学习的图像数据增强综述

引用

软件学报 2025年第3期36卷 1390-1412页

作者：杨锁荣杨洪朝申富饶赵健计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学计算机科学与技术系江苏南京210023 南京大学人工智能学院江苏南京210023 南京大学电子科学与工程学院江苏南京210023

深度学习已经在许多计算机视觉任务中取得了显著的成果.然而,深度神经网络通常需要大量的训练数据以避免过拟合,但实际应用中标记数据可能非常有限.因此,数据增强已成为提高训练数据充分性和多样性的有效方法,也是深度学习模型成功应用... 详细信息

深度学习已经在许多计算机视觉任务中取得了显著的成果.然而,深度神经网络通常需要大量的训练数据以避免过拟合,但实际应用中标记数据可能非常有限.因此,数据增强已成为提高训练数据充分性和多样性的有效方法,也是深度学习模型成功应用于图像数据的必要环节.系统地回顾不同的图像数据增强方法,并提出一个新的分类方法,为研究图像数据增强提供了新的视角.从不同的类别出发介绍各类数据增强方法的优势和局限性,并阐述各类方法的解决思路和应用价值.此外,还介绍语义分割、图像分类和目标检测这3种典型计算机视觉任务中常用的公共数据集和性能评价指标,并在这3个任务上对数据增强方法进行实验对比分析.最后,讨论当前数据增强所面临的挑战和未来的发展趋势.

关键词：深度学习图像数据增强图像识别泛化性能计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于偏序关系的多视图多粒度图表示学习框架

引用

智能系统学报 2025年第1期20卷 243-254页

作者：肖添龙徐计王国胤贵州大学省部共建公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 重庆邮电大学计算智能重庆市重点实验室重庆400065

图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系... 详细信息

图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系的多视图多粒度图表示学习框架(multi-view and multi-granularity graph representation learning based on partial order relationships,MVMGr-PO),它通过从节点特征视图、图结构视图以及全局视图对节点进行综合评分,进而基于节点之间的偏序关系进行下采样操作。相比于其他图表示学习方法,MVMGr-PO可以有效地提取多粒度图结构信息,从而可以更全面地表征图的内在结构和属性。此外,MVMGr-PO可以集成多种图神经网络架构,包括GCN(graph convolutional network)、GAT(graph attention network)以及GraphSAGE(graph sample and aggregate)等。通过在6个数据集上进行实验评估,与现有基线模型相比,MVMGr-PO在分类准确率上有明显提升。

关键词：图神经网络图池化多粒度偏序关系节点分类任务图表示学习半监督学习图嵌入

来源：评论

学校读者我要写书评

暂无评论

LazyStore:基于混合存储架构的写优化键值存储系统

引用

软件学报 2025年第2期36卷 805-829页

作者：杜云箫陈珂寿黎但江大伟骆歆远陈刚浙江大学计算机科学与技术学院浙江杭州310027 浙江大学软件学院浙江杭州310027 浙江省大数据智能计算重点实验室(浙江大学) 浙江杭州310027

基于日志合并树(LSM-tree)的键值(key-value)存储由于其出色的读写性能而被广泛用于许多应用中.大多数现有的日志合并树采用多层结构来存储数据.尽管多层数据结构可以很好地服务于适度的写密集型应用,但这种结构并不十分适合高写密集型... 详细信息

基于日志合并树(LSM-tree)的键值(key-value)存储由于其出色的读写性能而被广泛用于许多应用中.大多数现有的日志合并树采用多层结构来存储数据.尽管多层数据结构可以很好地服务于适度的写密集型应用,但这种结构并不十分适合高写密集型应用.这是因为以多层方式保存数据会引入写放大问题,即新的数据插入会引发很大一部分已经存储在多层中的数据被重组的问题.这种巨大的(有时是频繁的)数据重组是昂贵的,并且在许多高写密集型的应用中降低了写入性能.此外,多层结构不能为热数据持续提供出色的读取性能.这是因为多级结构不能通过及时合并重叠的范围来优化热数据的读取操作.为了解决上述两个问题,提出LazyStore,一种基于混合存储架构的新型单层日志合并树.LazyStore通过将数据存储在单一逻辑层而不是多个逻辑层来解决写放大的问题.因此,昂贵的多级数据重组在很大程度上被消除.为了进一步提高写入性能,LazyStore根据每个存储设备的容量和读/写性能,将逻辑层中的数据分布到多个存储设备中,如内存、非易失性内存和闪存.此外,LazyStore引入实时合并操作,以提高热数据范围的读取性能.实验表明,与其他多级日志合并树相比,LazyStore最多将写入性能提高3倍,并将写入放大率降低至1/4.而对于热门范围的读取,LazyStore的实时数据合并优化可以将范围查询处理的延迟降低一半.

关键词：键值存储日志合并树非易失性内存

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：