检索结果-内蒙古大学图书馆

中国科学：信息科学 2024年第7期54卷 1677-1691页

作者：卜霄菲黄河孙玉娥王兆杰吴晓灿沈阳师范大学软件学院沈阳110034 苏州大学计算机科学与技术学院苏州215006 苏州大学轨道交通学院苏州215131

高速网络流大小的测量面临着高速存储资源极度稀缺的挑战,难以满足海量流式数据的实时存储需求.目前的研究大多采用存储资源共享技术,以便将设计的估计器置于稀缺的高速片上缓存中.然而,这种方法引入了大量难以消除的噪声,导致中小规模... 详细信息

高速网络流大小的测量面临着高速存储资源极度稀缺的挑战,难以满足海量流式数据的实时存储需求.目前的研究大多采用存储资源共享技术,以便将设计的估计器置于稀缺的高速片上缓存中.然而,这种方法引入了大量难以消除的噪声,导致中小规模流的估算精度不高.为了解决这一问题,本文提出一种能根据流大小自适应调整所占用存储空间的自适应Sketch技术,并在此基础上设计出一个高精度、低存储开销的每流大小估计器.自适应Sketch技术利用可逆计数器高效滤除海量噪声小流,并进一步采用采样概率逐层递减的采样计数器实现对不同规模流的自适应采样计数,从而控制大流对资源的过多占用,实现了低开销、高精度的每流大小测量.基于真实网络数据集CAIDA 2019的仿真实验表明,所提出的自适应Sketch流大小估计器的平均相对误差较现有机制降低了接近1个数量级.

关键词：高速网络流大小测量 Sketch 噪声小流过滤可逆计数器

来源：评论

学校读者我要写书评

暂无评论

面向嵌入式平台的电缆部件缺陷检测

引用

传感器与微系统 2023年第8期42卷 123-126页

作者：王庭琛王宜怀陈瑞雪苏州大学计算机科学与技术学院江苏苏州215006

为实现自动检测电缆成品上的多个部件引起的产品缺陷,如部件次序错误、部件朝向错误等,设计了一种适用于嵌入式平台的电缆部件缺陷检测方法。该方法以YOLOv5目标检测神经网络作为基础,将其改造为Anchor-free网络使其在嵌入式设备有更快... 详细信息

为实现自动检测电缆成品上的多个部件引起的产品缺陷,如部件次序错误、部件朝向错误等,设计了一种适用于嵌入式平台的电缆部件缺陷检测方法。该方法以YOLOv5目标检测神经网络作为基础,将其改造为Anchor-free网络使其在嵌入式设备有更快的运行速度,并使用迁移学习及数据增强的方式加快网络训练速度并增加精度。根据实验结果,将该方法应用于NVIDIA Jetson Nano平台,单张图片的平均检测时间仅需76 ms,缺陷检测准确率达99%以上,其中缺陷检出率为100%,可满足工业生产的需求。

关键词：缺陷检测目标检测 YOLOv5网络模型部署数据增强

来源：评论

学校读者我要写书评

暂无评论

超立方体在对称PMC模型下的g-好邻条件诊断度和g-额外条件诊断度

引用

计算机科学 2024年第9期51卷 103-111页

作者：涂远杰程宝雷王岩韩月娟樊建席苏州大学计算机科学与技术学院江苏苏州215006 苏州大学信息化建设与管理中心江苏苏州215006

故障诊断在维持多处理器系统的可靠性中起到了至关重要的作用,而诊断度是系统诊断能力的一个重要度量参数。除经典诊断度外还有条件诊断度,如g-好邻条件诊断度、g-额外条件诊断度等。其中g-好邻条件诊断度是在每个无故障顶点至少有g个... 详细信息

故障诊断在维持多处理器系统的可靠性中起到了至关重要的作用,而诊断度是系统诊断能力的一个重要度量参数。除经典诊断度外还有条件诊断度,如g-好邻条件诊断度、g-额外条件诊断度等。其中g-好邻条件诊断度是在每个无故障顶点至少有g个无故障邻点的条件下定义的一种条件诊断度,g-额外条件诊断度是在每个无故障分支包含超过g个顶点的条件下定义的一种条件诊断度。故障诊断需要在特定的诊断模型下进行,如PMC模型、对称PMC模型等。对称PMC模型是在PMC模型的基础上通过添加两个假设而提出的一种新的诊断模型。n维超立方体因具有多种优越性质而被研究者们广泛研究。目前有不少在PMC模型下的诊断度研究,但缺乏在对称PMC模型下的诊断度研究。文中首先证明了超立方体在对称PMC模型下的g-好邻条件诊断度的上界和下界,当n≥4且0≤g≤n-4时上界为2^(g+1)(n-g-1)+2^(g)-1,当g≥0且n≥max{g+4,2^(g+1)-2^(-g)-g-1}时下界为(2n-2^(g+1)+1)2^(g-1)+(n-g)2^(g-1)-1。还证明了超立方体在对称PMC模型下的g-额外条件诊断度的上界和下界,当n≥4且0≤g≤n-4时上界为2n(g+1)-5g-2C_(g)^(2)-2,当n≥4且0≤g≤min n-4,23 n时下界为3/2n(g+1)-g-5/2C_(g+1)^(2)-1。最后通过模拟实验验证了相关理论结果的正确性。

关键词：互连网络超立方体系统级诊断对称PMC模型条件诊断度

来源：评论

学校读者我要写书评

暂无评论

基于有向超图自适应卷积的链接预测模型

引用

计算机应用 2025年第1期45卷 15-23页

作者：赵文博马紫彤杨哲苏州大学计算机科学与技术学院江苏苏州215008 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

图神经网络(GNN)为链接预测提供了多样化的解决方案,但由于普通图的结构限制,目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题,提出一种基于有向超图自适应卷积的链接预测模型。首先,使用有向超图... 详细信息

图神经网络(GNN)为链接预测提供了多样化的解决方案,但由于普通图的结构限制,目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题,提出一种基于有向超图自适应卷积的链接预测模型。首先,使用有向超图结构更充分地表示顶点间的高阶和方向信息,兼具超图和有向图的优势;其次,有向超图自适应卷积采用自适应信息传播方式替代传统有向超图中的定向信息传播方式,从而解决了有向超边尾部顶点不能有效更新嵌入的问题,同时解决多层卷积导致的顶点过度平滑问题。在Citeseer数据集上基于显式顶点特征的实验结果显示,在链接预测任务上,相较于有向超图神经网络(DHNN)模型,所提模型的ROC(Receiver Operating Characteristic)曲线下面积(AUC)指标提升了2.23个百分点,平均精度(AP)提升了1.31个百分点。因此,所提模型可以充分表达顶点间的关系,并有效提高链接预测任务的性能。

关键词：图神经网络有向超图链接预测超图卷积表示学习自适应卷积

来源：评论

学校读者我要写书评

暂无评论

多粒度自适应嵌入融合的有向超图表示学习模型

引用

小型微型计算机系统 2025年第3期46卷 586-593页

作者：马紫彤赵文博杨哲苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006

图表示学习能够挖掘图结构数据中蕴含的丰富信息,例如结构、关系信息等.近年,涌现了大量针对高阶、复杂图结构的表示学习研究,然而针对高阶有向超图结构的研究相对有限,且存在一定的局限性:现有方法无法同时提取有向超图的高阶性和方向... 详细信息

图表示学习能够挖掘图结构数据中蕴含的丰富信息,例如结构、关系信息等.近年,涌现了大量针对高阶、复杂图结构的表示学习研究,然而针对高阶有向超图结构的研究相对有限,且存在一定的局限性:现有方法无法同时提取有向超图的高阶性和方向性,导致其失去了结构优势.同时,在图表示学习中,信息通过连接边实现信息传播,堆叠网络层数时容易产生过平滑问题.为解决上述问题,本文首先设计有效且能够在通用的有向超图结构中提取信息的卷积模块,在避免信息损失下有效地传递结构信息;其次采用自适应权重的嵌入融合机制,来缓解过平滑问题.在多个不同类型的数据集上的实验表明了有向超图表示学习模型的先进性,在分类任务上的准确率最高提升4.39%.

关键词：有向超图表示学习有向超图卷积自适应嵌入融合

来源：评论

学校读者我要写书评

暂无评论

基于不确定性权重的保守Q学习离线强化学习算法

引用

计算机科学 2024年第9期51卷 265-272页

作者：王天久刘全乌兰苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

离线强化学习(Offline RL)中,智能体不与环境交互而是从一个固定的数据集中获得数据进行学习,这是强化学习领域研究的一个热点。目前多数离线强化学习算法对策略训练过程进行保守正则化处理,训练策略倾向于选择存在于数据集中的动作,从... 详细信息

离线强化学习(Offline RL)中,智能体不与环境交互而是从一个固定的数据集中获得数据进行学习,这是强化学习领域研究的一个热点。目前多数离线强化学习算法对策略训练过程进行保守正则化处理,训练策略倾向于选择存在于数据集中的动作,从而解决离线强化学习中对数据集分布外(OOD)的状态-动作价值估值错误的问题。保守Q学习算法(CQL)通过值函数正则赋予分布外状态-动作较低的价值来避免该问题。然而,由于该算法正则化过于保守,数据集内的分布内状态-动作也被赋予了较低的价值,难以达到训练策略选择数据集中动作的目的,因此很难学习到最优策略。针对该问题,提出了一种基于不确定性权重的保守Q学习算法(UWCQL)。该方法引入不确定性计算,在保守Q学习算法的基础上添加不确定性权重,对不确定性高的动作给予更高的保守权重,使得策略能更合理地选择数据集分布内的状态-动作。将UWCQL算法应用于D4RL的MuJoCo数据集中进行了实验,实验结果表明,UWCQL算法具有更好的性能表现,从而验证了算法的有效性。

关键词：离线强化学习深度强化学习强化学习保守Q学习不确定性

来源：评论

学校读者我要写书评

暂无评论

基于多级特征双向融合的小目标检测优化模型

引用

计算机应用 2024年第9期44卷 2871-2877页

作者：潘烨新杨哲苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

由于自身特征较小以及网络的深度造成特征丢失等客观原因,小目标的检测一直是目标检测领域的难点问题。针对以上问题,提出基于网络结构进行多次特征增强以优化小目标检测的模型。首先,替换主干网络中的空间金字塔池化(SPP)以优化梯度计... 详细信息

由于自身特征较小以及网络的深度造成特征丢失等客观原因,小目标的检测一直是目标检测领域的难点问题。针对以上问题,提出基于网络结构进行多次特征增强以优化小目标检测的模型。首先,替换主干网络中的空间金字塔池化(SPP)以优化梯度计算;其次,对网络颈部实行区分特征级别的多级双向融合,并对输出头添加自适应特征融合(AFF)模块,以实现多级的特征增强。实验结果表明,在COCO2017-val数据集上,当交并比(IoU)为0.5时,所提模型的平均精度均值达到61.4%,与目前较流行的YOLOv7模型相比提高了4.7个百分点,同时在单GPU上模型的检测帧率为78.2 frame/s,满足工业检测速度要求。

关键词：深度学习小目标目标检测计算机视觉特征融合

来源：评论

学校读者我要写书评

暂无评论

增广立方体上边独立生成树的并行构造

引用

计算机科学 2024年第9期51卷 346-356页

作者：李夏晶程宝雷樊建席王岩李晓瑞苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

近年来,围绕互连网络的研究工作越来越多。其中独立生成树(Independent Spanning Trees,ISTs)可以应用于信息的可靠传输、并行传输、安全分发以及故障服务器的并行诊断中,因此受到了许多研究者的关注。在一对多广播、可靠通信、多节点... 详细信息

近年来,围绕互连网络的研究工作越来越多。其中独立生成树(Independent Spanning Trees,ISTs)可以应用于信息的可靠传输、并行传输、安全分发以及故障服务器的并行诊断中,因此受到了许多研究者的关注。在一对多广播、可靠通信、多节点广播、容错广播、安全消息分发、IP快速重路由等网络通信中,边独立生成树(Edge-Independent Spanning Trees,EISTs)发挥着重要作用。n维增广立方体AQ_(n)是n维超立方体Q_(n)的节点对称变型,它具有超立方体及其变型所没有的一些可嵌入性质。然而,目前增广立方体上边独立生成树的构造方法都是串行构造的。文中首先提出了一种并行算法,用于构造以AQ_(n)中的任意节点为根的2n-1棵树。然后证明算法得到的2n-1棵树是高度为n的边独立生成树,算法的时间复杂度为O(N),其中N表示增广立方体中的节点数。最后通过模拟实验来验证了所提方法的准确性。

关键词：互连网络增广立方体边独立生成树并行算法高度

来源：评论

学校读者我要写书评

暂无评论

基于策略蒸馏主仆框架的优势加权双行动者-评论家算法

引用

计算机科学 2024年第11期51卷 81-94页

作者：杨皓麟刘全苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

离线强化学习(Offline RL)定义了从固定批次的数据集中学习的任务,能够规避与环境交互的风险,提高学习的效率与稳定性。其中优势加权行动者-评论家算法提出了一种将样本高效动态规划与最大似然策略更新相结合的方法,在利用大量离线数据... 详细信息

离线强化学习(Offline RL)定义了从固定批次的数据集中学习的任务,能够规避与环境交互的风险,提高学习的效率与稳定性。其中优势加权行动者-评论家算法提出了一种将样本高效动态规划与最大似然策略更新相结合的方法,在利用大量离线数据的同时,快速执行在线精细化策略的调整。但是该算法使用随机经验回放机制,同时行动者-评论家模型只采用一套行动者,数据采样与回放不平衡。针对以上问题,提出一种基于策略蒸馏并进行数据经验优选回放的优势加权双行动者-评论家算法(Advantage Weighted Double Actors-Critics Based on Policy Distillation with Data Experience Optimization and Replay,DOR-PDAWAC),该算法采用偏好新经验并重复回放新旧经验的机制,利用双行动者增加探索,并运用基于策略蒸馏的主从框架,将行动者分为主行为者和从行为者,提升协作效率。将所提算法应用到通用D4RL数据集中的MuJoCo任务上进行消融实验与对比实验,结果表明,其学习效率等均获得了更优的表现。

关键词：离线强化学习深度强化学习策略蒸馏双行动者-评论家框架经验回放机制

来源：评论

学校读者我要写书评

暂无评论

无监督的领域自适应机器阅读理解方法

引用

计算机学报 2022年第10期45卷 2133-2150页

作者：刘皓洪宇朱巧明苏州大学计算机科学与技术学院江苏苏州215006 江苏省大数据智能工程实验室江苏苏州215006

受益于面向大规模语言学资源的深度学习,预训练语言模型有着较强的语义表示学习能力.其能够借助特定任务场景下的迁移学习,在优化模型性能方面提供重要的支持.目前,预训练语言模型已被引入机器阅读理解研究领域,并展现了较好的优化能力... 详细信息

受益于面向大规模语言学资源的深度学习,预训练语言模型有着较强的语义表示学习能力.其能够借助特定任务场景下的迁移学习,在优化模型性能方面提供重要的支持.目前,预训练语言模型已被引入机器阅读理解研究领域,并展现了较好的优化能力.然而,针对特定领域的数据,微调后的预训练模型仍存在领域适应性问题,即无法解决未知领域中新颖的语言现象.为此,本文提出了一种融合迁移自训练和多任务学习机制的无监督领域自适应模型.具体而言,本文结合生成式阅读理解网络和掩码预测机制形成了多任务学习框架,并利用该框架实现跨领域(源领域至目标领域)的无监督模型迁移技术.此外,本文设计了文本规范化和迁移自训练模式,以此促进目标领域的数据分布适应源领域的数据分布,从而提高模型迁移学习的质量.本文将TweetQA作为目标领域数据集,将SQuAD、CoQA和NarrativeQA作为源领域数据集进行实验.实验证明,本文所提方法相较于基线模型有显著提升,在BLEU-1、METEOR和ROUGE-L指标上分别提升了至少2.5、2.7和2.0个百分点,验证了其优化领域适应性的能力.

关键词：无监督领域自适应迁移自训练多任务学习生成式阅读理解掩码预测

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：