检索结果-内蒙古大学图书馆

计算机工程 2025年第2期51卷 223-237页

作者：孙义康高建华上海师范大学计算机科学与技术系上海200234

死代码是一种不良代码异味,会导致软件质量逐渐衰退。传统的死代码检测方法主要依赖于静态分析技术、代码结构的度量以及启发式规则,这些方法在开发者之间存在高度差异,且对源代码文本信息关注较少,忽略代码在实际执行过程中的情况,存... 详细信息

死代码是一种不良代码异味,会导致软件质量逐渐衰退。传统的死代码检测方法主要依赖于静态分析技术、代码结构的度量以及启发式规则,这些方法在开发者之间存在高度差异,且对源代码文本信息关注较少,忽略代码在实际执行过程中的情况,存在较大的局限性。针对以上问题,设计一种新型死代码检测方法,并采用基于卷积神经网络和长短期记忆相结合的技术,其主要思路是将代码文本信息和代码度量信息相结合,提高死代码检测的准确性。首先使用DUM-Tool等工具并结合人工以确定应用程序中的死代码实例进行死代码标记,以深度优先遍历抽象语法树获取源代码的文本信息,将标签值与文本信息相匹配,再使用CK代码度量提取工具获取源代码的代码度量信息。然后通过Word2Vec将文本信息转化为词向量,使用卷积神经网络提取代码度量信息的特征,将两者拼接得到死代码检测的数据集。最后使用长短期记忆网络对数据集进行训练,再通过Sigmoid函数进行分类。实验结果表明,将代码文本信息和度量信息相结合可以有效实现死代码的检测,与传统的检测方法相比,平均F1值最高提升12.58百分点。

关键词：死代码深度学习文本信息代码度量特征提取

来源：评论

学校读者我要写书评

暂无评论

TVM_(T):基于TVM的高性能神经网络训练编译器

引用

中国科学：信息科学 2023年第12期53卷 2458-2471页

作者：曾军寇明阳郑惜元姚海龙孙富春清华大学计算机科学与技术系北京100084 北京科技大学计算机与通信工程学院北京100083 北京信息科学与技术国家研究中心北京100084

随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了... 详细信息

随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了提升神经网络训练的性能,编译器的效率亟待提升,而这主要取决于计算图的优化、算子级别的优化和代码生成.主流的神经网络训练框架(如TensorFlow,PyTorch)使用了供应商特定的、通过手工设计算子获得的算子库.然而,手工设计算子浪费了大量的算子级别的优化空间,因此研究人员提出了TVM.作为一个端到端的编译器,TVM实现了算子级的自动优化,比现有框架进一步提高了性能.此外,TVM支持从多种神经网络框架中导入神经网络模型,并在不同主流硬件后端上部署.然而,TVM的注意力集中于提升神经网络推理任务的性能,并不支持神经网络的训练.本文提出了TVM_(T),第一个基于TVM、支持神经网络训练的端到端编译器.为了支持神经网络训练,本文提出了以下方法.(1)合并损失函数到现有的计算图中,以支持前向和后向传播;(2)在训练过程中采用设备到主机的机制来更新权重参数;(3)集成了最先进的张量程序调优器,以自动优化神经网络训练程序.实验结果表明,与PyTorch相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高4.88倍的提升;与TensorFlow相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高11.5倍的提升.

关键词：神经网络编译器神经网络训练算子自动优化参数更新反向传播

来源：评论

学校读者我要写书评

暂无评论

智能物联网低功耗感知综述

引用

计算机研究与发展 2024年第11期61卷 3754-3775页

作者：李向阳尚飞闫宇博王山岳韩飞宇迟国轩杨铮陈晓江中国科学技术大学计算机科学与技术学院合肥230000 清华大学软件学院北京100084 西北大学信息科学与技术学院西安710127

随着人-机-物三元融合的程度逐渐加深,越来越多的轻量级、大规模的感知需求不断涌现.为了适应多场景、大规模的部署需求,低成本、低功耗的感知方案愈受青睐.然而,在低功耗感知领域仍有一些共性和特性挑战阻碍了其进一步发展和实际应用.... 详细信息

随着人-机-物三元融合的程度逐渐加深,越来越多的轻量级、大规模的感知需求不断涌现.为了适应多场景、大规模的部署需求,低成本、低功耗的感知方案愈受青睐.然而,在低功耗感知领域仍有一些共性和特性挑战阻碍了其进一步发展和实际应用.尽管先前有许多优秀的综述就某一具体感知模态或感知应用进行了整理,目前仍缺少对整个低功耗感知领域进行梳理的工作.对近年来的低功耗感知进行了总结,介绍了包括惯性运动单元(IMU)、麦克风、射频信号在内的3种感知模态,总结了它们的相关挑战,从硬件和软件层面介绍了相关的解决思路.最后,从表面感知、性质感知、生理感知、隐私感知保护等4个方面沿从表面及内里、从物体到人体、从感知到安全的方向介绍了感知方案在不同场景中的应用,并总结了展望以供探索.

关键词：低功耗感知智能物联网物联网数模驱动移动计算

来源：评论

学校读者我要写书评

暂无评论

“具身智能”课程建设初探:历史演进与前沿探索的双轮驱动模式

引用

高等工程教育研究 2025年

作者：刘华平郭迪方斌孙富春清华大学计算机科学与技术系北京邮电大学人工智能学院

具身智能强调智能由脑、身体与环境协同影响。它与强调逻辑、推理与问题求解的离身智能可以协同发展,相互补充,并为智能的突破提供途径。当前,具身智能引起了学术界、产业界和投资界的广泛关注,也造成了对其概念和技术边界的理解困惑,... 详细信息

具身智能强调智能由脑、身体与环境协同影响。它与强调逻辑、推理与问题求解的离身智能可以协同发展,相互补充,并为智能的突破提供途径。当前,具身智能引起了学术界、产业界和投资界的广泛关注,也造成了对其概念和技术边界的理解困惑,亟需在高等学校开展对具身智能的课程建设。本文分析了历史演进与前沿探索的双轮驱动模式对于具身智能课程建设的意义,系统梳理了具身智能的内涵与外延,建立了具身智能的课程体系结构,从“优化课程结构”、“充实课程内容”与“强化课程作业”等三方面介绍课程建设的实践,并分析了这些措施对于实际课程建设效果达成的影响。

关键词：具身智能课程建设历史演进前沿探索教材

来源：评论

学校读者我要写书评

暂无评论

生成式伪造语音安全问题与解决方案

引用

信息安全研究 2024年第2期10卷 122-129页

作者：冯畅吴晓龙赵熠扬徐明星郑方清华大学计算机科学与技术系北京100084 清华大学北京信息科学与技术国家研究中心北京100084 新疆大学计算机科学与技术学院乌鲁木齐830046

生成式人工智能算法的发展使得生成式伪造语音更加自然流畅,人类听力难以分辨真伪.首先分析了生成式伪造语音不当滥用对社会造成的一系列威胁,如电信诈骗更加泛滥、语音应用程序安全性下降、司法鉴定公正性受到影响、综合多领域的伪造... 详细信息

生成式人工智能算法的发展使得生成式伪造语音更加自然流畅,人类听力难以分辨真伪.首先分析了生成式伪造语音不当滥用对社会造成的一系列威胁,如电信诈骗更加泛滥、语音应用程序安全性下降、司法鉴定公正性受到影响、综合多领域的伪造信息欺骗社会大众等.然后从技术发展角度,对生成式伪造语音的生成算法和检测算法分别进行总结与分类,阐述算法流程步骤及其中的关键点,并分析了技术应用的挑战点.最后从技术应用、制度规范、公众教育、国际合作4方面阐述了如何预防以及解决生成式伪造语音带来的安全问题.

关键词：生成式人工智能伪造语音伪造语音安全问题伪造语音检测伪造语音威胁解决

来源：评论

学校读者我要写书评

暂无评论

一种面向人群计数的卷积注意力网络模型

引用

计算机工程与应用 2023年第1期59卷 156-161页

作者：朱宇斌李文根关佶红张毅超同济大学计算机科学与技术系上海201804

随着当今国际社会形势逐渐复杂,公共安全和社会稳定面临严峻挑战。视频监控作为维护社会安定与建设智慧城市的重要手段,广泛应用于城市安全管理。高效的人群计数是实现基于视频进行安全管理的一个难点问题,旨在分析计算视频或图片场景... 详细信息

随着当今国际社会形势逐渐复杂,公共安全和社会稳定面临严峻挑战。视频监控作为维护社会安定与建设智慧城市的重要手段,广泛应用于城市安全管理。高效的人群计数是实现基于视频进行安全管理的一个难点问题,旨在分析计算视频或图片场景中的人数。人群计数对控制关键场所人数、指挥公共交通、控制疫情蔓延、保障社会稳定具有重要积极意义。然而,人群计数问题仍然存在背景干扰、目标遮挡、目标尺度不一和目标分布不均等挑战,导致计数准确度较低。为了解决这些问题,梳理了人群计数发展的时间线,分析了现有方法的不足,并针对这些不足提出了基于相似性度量的卷积注意力网络。该方法结合基于相似性度量的损失函数和基于注意力机制的卷积神经网络模块,有效缓解了人群计数中背景干扰、目标遮挡、目标尺度不一和目标分布不均四个问题。通过在数据集上的实验和相关对比分析发现,基于相似性度量的卷积注意力网络具有很好的准确性和稳定性。

关键词：人群计数卷积神经网络相似性度量注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于自适应矩阵低秩分解的三维电容提取计算加速

引用

计算机辅助设计与图形学学报 2022年第7期34卷 1138-1146页

作者：黄杰辰冯栩喻文健清华大学计算机科学与技术系北京100084 清华大学北京信息科学与技术国家研究中心北京100084

为了加速直接边界元法电容提取,利用方程组系数矩阵的局部低秩性进行定精度的低秩分解,用分解因子代替原矩阵参与线性方程组的迭代求解,在保持一定精度的同时加快求解速度.为了降低矩阵分解带来的额外开销,提出分解算法针对矩阵向量乘... 详细信息

为了加速直接边界元法电容提取,利用方程组系数矩阵的局部低秩性进行定精度的低秩分解,用分解因子代替原矩阵参与线性方程组的迭代求解,在保持一定精度的同时加快求解速度.为了降低矩阵分解带来的额外开销,提出分解算法针对矩阵向量乘这一下游任务进行优化.在大量三维互连线结构上的实验结果表明,所提快速自适应低秩分解fastQB算法相比现有的randQB_EI算法的加速比达到1.5,引入矩阵低秩分解后方程组的迭代求解加速比达到16.8.

关键词：直接边界元法三维寄生电容提取自适应矩阵低秩分解线性方程组求解

来源：评论

学校读者我要写书评

暂无评论

纳米工艺下大规模线网的快速随机行走电容提取技术

引用

计算机辅助设计与图形学学报 2022年第4期34卷 491-498页

作者：宋明烨喻文健清华大学计算机科学与技术系北京100084 清华大学北京信息科学与技术国家研究中心北京100084

为了解决悬浮随机行走算法在处理超过十万级别的大规模线网电容提取任务时耗时过长的问题,提出一种适用于悬浮随机行走电容提取算法中的快速虚拟高斯面构造技术.首先对已有的虚拟高斯面采样方法进行时间复杂度分析,并在其基础上发现影... 详细信息

为了解决悬浮随机行走算法在处理超过十万级别的大规模线网电容提取任务时耗时过长的问题,提出一种适用于悬浮随机行走电容提取算法中的快速虚拟高斯面构造技术.首先对已有的虚拟高斯面采样方法进行时间复杂度分析,并在其基础上发现影响效率的计算瓶颈——导体块之间的距离计算和高斯面相交关系计算;然后提出采用空间管理代替多线程并行加速的方法,利用网格的空间管理优化大线网的虚拟高斯面构造过程,从而显著减少构造的时间,极大地加快了大规模线网的高斯面构造.在一台32核服务器上的数值实验结果表明,在一个包含约100万块导体块的大规模测例上的高斯面构造过程中,该方法获得高达372×的加速比,远远优于多线程并行的效果.

关键词：电容提取悬浮随机行走空间管理

来源：评论

学校读者我要写书评

暂无评论

内存事务中并发控制协议研究综述

引用

计算机研究与发展 2022年第4期59卷 721-736页

作者：姜天洋张广艳李之悦清华大学计算机科学与技术系北京100084 北京信息科学与技术国家研究中心(清华大学) 北京100084

事务为数据库等系统的上层应用提供了强大的保证.NoSQL数据库通过弱化对事务的支持来获得更高的扩展性,却难以满足OLTP等应用的事务性需求.之后提出的NewSQL数据库架构回归了高一致性的事务支持,并兼顾了海量数据的高效管理.因此,NewSQ... 详细信息

事务为数据库等系统的上层应用提供了强大的保证.NoSQL数据库通过弱化对事务的支持来获得更高的扩展性,却难以满足OLTP等应用的事务性需求.之后提出的NewSQL数据库架构回归了高一致性的事务支持,并兼顾了海量数据的高效管理.因此,NewSQL数据库逐步将事务执行所需的数据从硬盘迁移到内存中以提升事务执行的效率.但是,已有内存事务的并发控制协议与新兴的存储、网络设备并不适配.从处理策略、版本控制、冲突解决3个维度对近10年来的内存事务中并发控制协议进行了分类阐述,进而从性能、扩展性、持久性3个方面比较了有代表性的并发控制协议.之后总结了4个改进内存事务并发控制协议的技术思路:消除事务扩展瓶颈,利用新硬件加速事务处理,降低事务中止概率,高效保证事务持久性.最后指出了内存事务并发控制协议的未来研究方向.

关键词：内存事务并发控制分布式系统远程直接内存访问持久性内存

来源：评论

学校读者我要写书评

暂无评论

ReChorus:综合高效易扩展的轻量级推荐算法框架

引用

软件学报 2022年第4期33卷 1430-1438页

作者：王晨阳任一马为之张敏刘奕群马少平清华大学计算机科学与技术系北京100084 北京信息科学与技术国家研究中心(清华大学) 北京100084

近年来,各种各样的推荐算法层出不穷,特别是深度学习的发展,极大地推动了推荐系统的研究.然而,各个推荐算法在实现细节、评价方式、数据集处理等方面存在众多差异,越来越多的研究者开始对推荐领域的可复现性产生担忧.为了帮助缓解上述问... 详细信息

近年来,各种各样的推荐算法层出不穷,特别是深度学习的发展,极大地推动了推荐系统的研究.然而,各个推荐算法在实现细节、评价方式、数据集处理等方面存在众多差异,越来越多的研究者开始对推荐领域的可复现性产生担忧.为了帮助缓解上述问题,基于PyTorch实现了一个综合、高效、易扩展的轻量级推荐算法框架ReChorus,意为构建一个推荐算法的“合唱团”.ReChorus框架中实现了多种不同类型的推荐算法,类别涵盖常规推荐、序列推荐、引入知识图谱的推荐、引入时间动态性的推荐等;同时,对于一些常见的数据集也提供统一的预处理范式.相比其他推荐系统库,ReChorus在保证综合高效的基础上尽可能做到了轻量实用,同时具有较高的可扩展性,尤其以方便学术研究为导向,非常容易上手实现新的模型.不同的推荐算法在ReChorus框架中能够在相同的实验设定下进行训练和评测,从而实现推荐算法间的有效对比.该项目目前已在GitHub发布:https://***/THUwangcy/ReChorus.

关键词：推荐系统深度学习可复现性推荐算法框架软件工具包

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：