检索结果-内蒙古大学图书馆

计算机工程 2024年

作者：王宇华何俊飞张宇琪兰海燕曹林琳哈尔滨工程大学计算机学院电子政务建模仿真国家工程实验室

稀疏矩阵向量乘（SpMV）是稀疏线性系统的计算核心和瓶颈，其运算效率会影响迭代求解器的整体性能，其优化研究一直是科学计算和工程应用领域中的研究热点之一。偏微分方程的离散化会产生稀疏对角矩阵，由于其多样的非零元分布，导致没... 详细信息

稀疏矩阵向量乘（SpMV）是稀疏线性系统的计算核心和瓶颈，其运算效率会影响迭代求解器的整体性能，其优化研究一直是科学计算和工程应用领域中的研究热点之一。偏微分方程的离散化会产生稀疏对角矩阵，由于其多样的非零元分布，导致没有一种方法能够在所有矩阵中取得最优时间性能。针对上述问题，提出了一种面向GPU的稀疏对角矩阵自适应SpMV优化方法AST（Adaptive SpMV Tuning），该方法通过设计特征空间，构建特征提取器，提取矩阵结构精细特征，通过深入分析特征和SpMV方法的相关性。建立可扩展的候选方法集合，形成特征和最优方法的映射关系，构建性能预测工具，实现矩阵最优方法的高效预测。实验结果表明，AST能够取得85.8%的预测准确率，平均时间性能损失为最优方法的0.09倍。相比于DIA、HDIA、HDC、DIA-Adaptive和DRM，能够获得平均20.19、1.86、3.06、3.72和1.53倍的内核运行时间加速和1.05、1.28、12.45、1.94和0.97倍的浮点运算性能加速。

关键词： SpMV 稀疏对角矩阵 GPU 自适应优化方法矩阵结构特征

来源：评论

学校读者我要写书评

暂无评论

试验环境水下声信号的特征提取方法

引用

哈尔滨工程大学学报 2024年第3期45卷 489-495页

作者：王红滨王永乐何鸣薛垚哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 电子政务建模仿真国家工程实验室黑龙江哈尔滨150001

水下试验环境参数的反演是水声学研究领域的重要内容。而当前研究的关键是通过对水下声信号做特征提取从而获取参数信息。针对特征提取较难、模型很难拟合等问题。本文提出了一种试验环境水下声信号的特征提取方法。将水下声信号同时用... 详细信息

水下试验环境参数的反演是水声学研究领域的重要内容。而当前研究的关键是通过对水下声信号做特征提取从而获取参数信息。针对特征提取较难、模型很难拟合等问题。本文提出了一种试验环境水下声信号的特征提取方法。将水下声信号同时用梅尔频谱倒谱系数及线性预测系数处理,两者运用特征加权组合方法得到新的特征矩阵;再应用映射插值算法对特征矩阵进行处理,获得适应神经网络输入的三通道矩阵。本文选取的网络模型为残差神经网络。利用实验室所录制的对河口水库数据集测试表明,本文提出的特征提取方法普遍优于仅利用梅尔频谱倒谱系数或线性预测系数的特征处理方法。利用单频矩形脉冲信号对环境进行深度5分类,准确率平均提升2%。利用线性调频信号对环境进行深度5分类,准确率平均提升2.03%。本文提出的特征提取方法对线性调频信号在深度分类任务下处理的结果要优于单频矩形脉冲信号处理的结果。

关键词：环境反演特征提取梅尔频谱倒谱系数线性预测系数特征加权组合方法残差神经网络神经网络水下声信号

来源：评论

学校读者我要写书评

暂无评论

一种面向耳戴式设备的用户安全连续认证方法

引用

计算机研究与发展 2024年第11期61卷 3821-3834页

作者：王勇熊毅杨天宇沈益冉哈尔滨工程大学计算机科学与技术学院哈尔滨150001 电子政务建模仿真国家工程实验室(哈尔滨工程大学) 哈尔滨150001 山东大学软件学院济南250100

耳戴式设备作为典型智能物联网边端感知设备应用场景众多,保护其合法用户隐私以及防止非法使用至关重要.针对当前耳戴式设备用户身份认证方法受输入界面、传感器成本以及设备功耗等限制导致安全性不足、普适性不高以及用户体验不佳等问... 详细信息

耳戴式设备作为典型智能物联网边端感知设备应用场景众多,保护其合法用户隐私以及防止非法使用至关重要.针对当前耳戴式设备用户身份认证方法受输入界面、传感器成本以及设备功耗等限制导致安全性不足、普适性不高以及用户体验不佳等问题,提出一种基于耳戴式设备内置惯性测量单元的用户身份认证方法,该方法通过采集用户执行面部交互手势所产生的振动信号来提取用户特异性信息,并基于上述信息的智能分析实现多样化的隐式用户连续身份认证.为了提取精准可靠的用户特异性信息,提出了一种基于孪生网络的深度神经网络特征编码器,将同一用户的手势样本映射到特征空间中更近的位置,放大不同用户的手势样本之间的距离,实现用户特异性信息的有效编码.对于基于用户特异性信息的用户身份连续认证,提出了一种基于单类支持向量机超平面距离的加权投票策略,能够自适应地优化判别边界来更好地捕捉蕴含的特征和结构,根据超平面内外样本点与超平面的距离决定该样本的置信程度,以此设计加权投票实现认证.实验结果表明,所提方法在单次投票中实现了97.33%的认证准确率,7轮投票的连续认证后取得99.993%的认证准确率,优于对比的所有方法,无需密码的同时提供更流畅的用户体验和更高级别的安全性,具有较高的实际应用价值.

关键词：智能物联网耳戴式设备用户连续认证深度神经网络特征编码器加权投票策略

来源：评论

学校读者我要写书评

暂无评论

面向短文本的增强上下文神经主题模型

引用

计算机工程与应用 2024年第1期60卷 154-164页

作者：刘刚王同礼唐宏伟战凯杨雯莉哈尔滨工程大学计算机科学与技术学院哈尔滨150001 哈尔滨工程大学电子政务建模仿真国家工程实验室哈尔滨150001 澳大利亚普华永道公司普华永道数字化部悉尼2070

目前的主题模型大多数基于自身文本的词共现信息进行建模,并没有引入主题的稀疏约束来提升模型的主题抽取能力,此外短文本本身存在词共现稀疏的问题,该问题严重影响了短文本主题建模的准确性。针对以上问题,提出了一种增强上下文神经主... 详细信息

目前的主题模型大多数基于自身文本的词共现信息进行建模,并没有引入主题的稀疏约束来提升模型的主题抽取能力,此外短文本本身存在词共现稀疏的问题,该问题严重影响了短文本主题建模的准确性。针对以上问题,提出了一种增强上下文神经主题模型(enhanced context neural topic model,ECNTM)。ECNTM基于主题控制器对主题进行稀疏性约束,过滤掉不相关的主题,同时模型的输入变成BOW向量和SBERT句子嵌入的拼接,在高斯解码器中,通过在嵌入空间中将单词上的主题分布处理为多元高斯分布或高斯混合分布,显式地丰富了短文本有限的上下文信息,解决了短文本词共现特征稀疏问题。在WS、Reuters、KOS、20 NewsGroups四个公开数据集上的实验结果表明,该模型在困惑度、主题一致性以及文本分类准确率上相较基准模型均有明显提升,证明了引入主题稀疏约束特性以及丰富的上下文信息到短文本主题建模的有效性。

关键词：神经主题模型短文本稀疏约束变分自编码器主题建模

来源：评论

学校读者我要写书评

暂无评论

基于修正辅助变量法的船舶操纵响应模型辨识

引用

哈尔滨工程大学学报 2023年第2期44卷 161-171页

作者：曾道辉蔡成涛哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001 电子政务建模仿真国家工程实验室黑龙江哈尔滨150001

为了解决有色噪声干扰对船舶操纵响应模型参数的有偏估计问题,本文提出一种递推修正辅助变量最小二乘法对船舶操纵二阶响应模型进行参数辨识。算法在递推辅助变量最小二乘法的基础上,针对辨识模型引入动态滤波模型改善有色噪声的统计特... 详细信息

为了解决有色噪声干扰对船舶操纵响应模型参数的有偏估计问题,本文提出一种递推修正辅助变量最小二乘法对船舶操纵二阶响应模型进行参数辨识。算法在递推辅助变量最小二乘法的基础上,针对辨识模型引入动态滤波模型改善有色噪声的统计特性,使得系统被估参数值在有色噪声干扰的情况下也能无偏趋近于参数真值。为了验证所提算法的有效性,在实船Z形试验数据的基础上,将递推修正辅助变量最小二乘法、递推辅助变量最小二乘法、增广最小二乘法和标准最小二乘法所辨识得到的模型的进行比较。结果表明:递推修正辅助变量最小二乘法的辨识模型相比其余三者的辨识模型与船舶实际航向角的拟合精度和泛化精度更高,对应的均方根拟合误差和均方根泛化误差分别可达到1°和2°以下,最大绝对误差分别在3°和4°以下。

关键词：船舶操纵响应模型参数辨识有色噪声辅助变量最小二乘法滤波模型无偏估计 Z形试验

来源：评论

学校读者我要写书评

暂无评论

结合句法增强与图注意力网络的方面级情感分类

引用

计算机科学 2024年第5期51卷 200-207页

作者：张泽宝余翰男王勇潘海为哈尔滨工程大学计算机科学与技术学院哈尔滨150000 哈尔滨工程大学电子政务建模仿真国家工程实验室哈尔滨150000

方面级情感分类旨在识别给定特定方面文本的情感极性,在本领域中,将图神经网络与句法依赖解析相结合是当下热门的研究方向之一,此类方法通过句法解析捕捉句子中词与词之间的关系,依此构建图结构,输入图神经网络中得到情感极性。若句法... 详细信息

方面级情感分类旨在识别给定特定方面文本的情感极性,在本领域中,将图神经网络与句法依赖解析相结合是当下热门的研究方向之一,此类方法通过句法解析捕捉句子中词与词之间的关系,依此构建图结构,输入图神经网络中得到情感极性。若句法解析器出现解析错误,将会对以图为基础的图神经网络模型产生巨大影响。为了增强解析器生成的句法依赖树的解析结果,文中提出了一种句法增强图注意力网络,该网络通过融合多个解析器的解析结果,提高句法依赖解析精度,得到更精准的依赖关系句法图;在图注意力网络中使用密集连接机制捕获更丰富的特征,更适配于增强后的句法图,同时引入方面注意力机制捕获方面语义特征。实验结果验证了句法增强方法的有效性,在3个基准数据集上的分类准确度都有所提高,在方面级情感分析领域具有较好的表现。

关键词：方面级情感分析依赖解析句法增强图注意力网络密集连接

来源：评论

学校读者我要写书评

暂无评论

DRM:基于迭代归并策略的GPU并行SpMV存储格式

引用

计算机工程与科学 2024年第3期46卷 381-394页

作者：王宇华何俊飞张宇琪徐悦竹崔环宇哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 电子政务建模仿真国家工程实验室黑龙江哈尔滨150001

稀疏矩阵向量乘(SpMV)在线性系统的求解问题中具有重要意义,是科学计算和工程实践中的核心问题之一,其性能高度依赖于稀疏矩阵的非零分布。稀疏对角矩阵是一类特殊的稀疏矩阵,其非零元素按照对角线的形式密集排列。针对稀疏对角矩阵,在... 详细信息

稀疏矩阵向量乘(SpMV)在线性系统的求解问题中具有重要意义,是科学计算和工程实践中的核心问题之一,其性能高度依赖于稀疏矩阵的非零分布。稀疏对角矩阵是一类特殊的稀疏矩阵,其非零元素按照对角线的形式密集排列。针对稀疏对角矩阵,在GPU平台上提出的多种存储格式虽然使SpMV性能有所提升,但仍存在零填充和负载不平衡的问题。针对上述问题,提出了一种DRM存储格式,利用基于固定阈值的矩阵划分策略和基于迭代归并的矩阵重构策略,实现了少量零填充和块间负载平衡。实验结果表明,在NVIDIA■ Tesla■ V100平台上,相比于DIA、HDC、HDIA和DIA-Adaptive格式,在时间性能方面,该存储格式分别取得了20.76,1.94,1.13和2.26倍加速;在浮点计算性能方面,分别提高了1.54,5.28,1.13和1.94倍。

关键词： GPU SpMV 稀疏对角矩阵零填充负载平衡

来源：评论

学校读者我要写书评

暂无评论

基于云联邦的差分隐私保护动态推荐模型

引用

信息网络安全 2023年第7期23卷 31-43页

作者：刘刚杨雯莉王同礼李阳哈尔滨工程大学计算机科学与技术学院哈尔滨150001 哈尔滨工程大学电子政务建模仿真国家工程实验室哈尔滨150001

为提高推荐系统的准确性和个性化水平,同时保护用户的隐私,文章提出一种基于云联邦的差分隐私保护动态推荐模型(P2RCF)。该模型采用注意力机制动态调整融合长短期用户兴趣,增强推荐系统的灵活性,同时引入差分隐私技术和云联邦技术保护... 详细信息

为提高推荐系统的准确性和个性化水平,同时保护用户的隐私,文章提出一种基于云联邦的差分隐私保护动态推荐模型(P2RCF)。该模型采用注意力机制动态调整融合长短期用户兴趣,增强推荐系统的灵活性,同时引入差分隐私技术和云联邦技术保护用户的隐私信息。文章在公共数据集上进行了实验,实验结果表明,该模型可以在保护用户数据隐私的同时提高推荐的准确性和个性化水平。

关键词：推荐系统云联邦注意力机制差分隐私长短期兴趣

来源：评论

学校读者我要写书评

暂无评论

面向深度学习模型的对抗攻击与防御综述

引用

无线电工程 2023年第6期53卷 1328-1341页

作者：杨梓辰笪清安李思照哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 电子政务建模仿真国家工程实验室黑龙江哈尔滨150001

在大数据时代背景下,深度学习技术得到了快速发展,成功应用于数据挖掘、自然语言处理和计算机视觉等领域。研究表明,深度学习的抗干扰性能并不是很好,因此出现了对抗攻击与对抗防御生成技术,即对于干净样本输入添加肉眼所不能察觉的扰动... 详细信息

在大数据时代背景下,深度学习技术得到了快速发展,成功应用于数据挖掘、自然语言处理和计算机视觉等领域。研究表明,深度学习的抗干扰性能并不是很好,因此出现了对抗攻击与对抗防御生成技术,即对于干净样本输入添加肉眼所不能察觉的扰动,导致深度学习模型出现识别错误和分类错误的问题。主要介绍对抗攻击与对抗防御的概念、生成原理,在此基础上分析了对抗攻击及对抗防御的主要方法,通过分析提出了对未来研究前景的预测。

关键词：深度学习机器学习对抗攻击对抗样本生成对抗防御

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的智能体轨迹预测文献综述

引用

无线电工程 2023年第3期53卷 644-656页

作者：章璐璐李思照哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 电子政务建模仿真国家工程实验室黑龙江哈尔滨150001

智能体的轨迹预测是人工智能领域中的热点之一,特别是在自动驾驶领域,预测智能体下一时间点的位置是自动驾驶辅助系统的关键任务。在智能体轨迹预测技术的基础上,根据建模方法的不同进行分类介绍,分别为循环神经网络(Recurrent Neural N... 详细信息

智能体的轨迹预测是人工智能领域中的热点之一,特别是在自动驾驶领域,预测智能体下一时间点的位置是自动驾驶辅助系统的关键任务。在智能体轨迹预测技术的基础上,根据建模方法的不同进行分类介绍,分别为循环神经网络(Recurrent Neural Network,RNN)、卷积神经网络(Convolutional Neural Network,CNN)、生成对抗网络(Generative Adversarial Network,GAN)和混合网络,同时分析了常见的经典模型的优缺点,归纳了当前常用公开的轨迹预测数据集和评价指标,比较了经典模型的算法性能,对智能轨迹预测方向进行了展望和总结。

关键词：自动驾驶行人轨迹车辆轨迹深度学习

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：