检索结果-内蒙古大学图书馆

计算机学报 2022年第9期45卷 2014-2028页

作者：肖安祥张硕骁汤恩义陈鑫王林章南京大学计算机软件新技术国家重点实验室南京210023 南京大学软件学院南京210093

为了保障数值程序的准确与高效,浮点程序自动优化成为了近年来学术界关注的一项新兴技术.该技术的核心思想是将经典的数值分析理论总结成程序转换规则,并利用规则将浮点程序以计算过程更为稳定的算法进行自动重写,从而使数值程序稳定高... 详细信息

为了保障数值程序的准确与高效,浮点程序自动优化成为了近年来学术界关注的一项新兴技术.该技术的核心思想是将经典的数值分析理论总结成程序转换规则,并利用规则将浮点程序以计算过程更为稳定的算法进行自动重写,从而使数值程序稳定高效且易于维护.然而,现有浮点程序自动优化方法的优化效率是其主要瓶颈.随着越来越多的数值程序转换规则被发现与总结,自动优化框架的规则库会越来越大,传统优化方法在规则库中遍历所有优化规则的过程也变得越来越困难.本文提出了一种经验库制导的浮点程序优化加速策略,该策略基于浮点误差成因的相似性原理,将已成功优化浮点程序对应的符号与结构特征抽取出来,并以散列的方式将优化该程序涉及到的规则序列保存在一个优化经验库中.当新的浮点数值程序需要进行自动优化时,本文算法首先计算其符号结构特征与经验库中各记录的相似度.符号结构相似度较高的记录所对应的规则序列会被优先用于浮点程序重写,从而得到优化程序.随着优化程序的增多,经验库的规模会逐渐增大,经验库的散列化分区存储设计保证了其检索与匹配效率.在浮点程序优化基准用例集FPBench和开源物理引擎OpenRelativity上的实验表明,在优化后浮点程序精度与传统方法类似的前提下,本文的加速策略能使平均优化速度相对于传统浮点程序优化方法提升6.04倍,显著提高了浮点数值程序自动优化技术的可用性.

关键词：加速策略程序优化浮点数值程序经验库

来源：评论

学校读者我要写书评

暂无评论

FactChain:一个基于区块链的众包知识融合系统

引用

软件学报 2022年第10期33卷 3546-3564页

作者：朱向荣吴鸿祜胡伟计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

知识图谱作为诸多人工智能应用的关键,受到学术界和工业界的广泛关注.当前的知识图谱一般由特定组织构建并维护,以RDF转储文件或SPARQL查询接口的方式提供知识访问服务,这种中心化的管理方式存在不能持久化访问的弊端.具体来说,一旦服... 详细信息

知识图谱作为诸多人工智能应用的关键,受到学术界和工业界的广泛关注.当前的知识图谱一般由特定组织构建并维护,以RDF转储文件或SPARQL查询接口的方式提供知识访问服务,这种中心化的管理方式存在不能持久化访问的弊端.具体来说,一旦服务提供者单点崩溃,用户就无法以可靠的方式获取知识.此外,知识因时效性可能需要更新,不同来源的知识之间可能存在冲突,传统的知识图谱构建维护方式难以有效地处理这些问题.区块链技术以其分布式存储与共识机制,为知识图谱的分布式构建与管理提供了新思路.FactChain是一个基于区块链的知识管理系统,具有为知识的多源共享与融合建立全新的去中心化生态的潜力.使用联盟链作为底层架构,由区块链、组织和参与人这3层结构组成.通过区块链上的智能合约编程实现融合多源冲突知识的真值验证算法,具有在组织层面实现并部署基于分布式应用的参与人管理、在本地局部本体与全局共享本体间建立映射以及结合链上与链下数据响应参与人查询请求等功能.

关键词：知识图谱区块链分布式知识管理知识融合

来源：评论

学校读者我要写书评

暂无评论

基于对象类型的API补全方法

引用

软件学报 2022年第5期33卷 1736-1757页

作者：唐泽李传艺葛季栋骆斌计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

近年来,随着软件技术在各行各业、不同领域的应用不断扩展与深入,同时伴随着软件架构、服务计算等技术的不断发展,软件行业涌现出了功能丰富且规模庞大的第三方API或库,软件开发者在实现软件功能的时候也越来越依赖这些API.但学习这些AP... 详细信息

近年来,随着软件技术在各行各业、不同领域的应用不断扩展与深入,同时伴随着软件架构、服务计算等技术的不断发展,软件行业涌现出了功能丰富且规模庞大的第三方API或库,软件开发者在实现软件功能的时候也越来越依赖这些API.但学习这些API的使用是非常困难且耗时的,主要有两方面的原因:1)相关文档的缺失和错误;2)相关API用法的示例代码较少.因此,研究自动的API补全方法以帮助开发人员在开发过程中正确且快速的使用API,具有很大的应用价值.然而,现有API自动补全方案多数将待补全代码段看作纯文本,忽略了API所属对象类型对预测API的影响.为此,探究了对象类型对补全API的作用,并且在对象状态图的启发下,设计了一种使用API所属对象的类型作为特征的补全方法.具体而言,首先从API调用序列中先抽取同一对象类型的子序列,利用深度学习模型编码出每个对象的状态,再利用对象状态生成整个方法块的状态表示进行补全.为了验证提出的补全方法,在6个流行Java项目上进行了验证.实验结果证明,提出的考虑对象类型的API补全方法在预测准确率上明显高于基线模型.

关键词： API补全对象类型插件

来源：评论

学校读者我要写书评

暂无评论

分布式采样理论综述

引用

软件学报 2022年第10期33卷 3673-3699页

作者：凤维明尹一通计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

采样是一类基本的计算问题.从一个解空间中依特定概率分布进行随机采样,这一问题在近似计数、概率推断、统计学习等方面都有着诸多重要的应用.在大数据时代,采样问题的分布式算法与分布式计算复杂性受到越来越多的关注.近年来,有一系列... 详细信息

采样是一类基本的计算问题.从一个解空间中依特定概率分布进行随机采样,这一问题在近似计数、概率推断、统计学习等方面都有着诸多重要的应用.在大数据时代,采样问题的分布式算法与分布式计算复杂性受到越来越多的关注.近年来,有一系列的工作对分布式采样理论展开系统性的研究.综述了分布式采样的重要结论,主要包括有严格理论保障的分布式采样算法、采样问题在分布式模型上的计算复杂性以及采样与推断等问题在分布式计算模型中的相互联系.

关键词：采样分布式计算计算复杂性吉布斯分布马尔可夫链

来源：评论

学校读者我要写书评

暂无评论

一种满足差分隐私的图赌博机算法

引用

软件学报 2022年第9期33卷 3223-3235页

作者：卢世银王广辉邱梓豪张利军计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

图赌博机是一种重要的不确定性环境下的序列决策模型,在社交网络、电子商务和推荐系统等领域都得到了广泛的应用.目前,针对图赌博机的工作都只关注如何快速识别最优摇臂从而最小化累积遗憾,而忽略了在很多应用场景中存在的隐私保护问题... 详细信息

图赌博机是一种重要的不确定性环境下的序列决策模型,在社交网络、电子商务和推荐系统等领域都得到了广泛的应用.目前,针对图赌博机的工作都只关注如何快速识别最优摇臂从而最小化累积遗憾,而忽略了在很多应用场景中存在的隐私保护问题.为了克服现有图赌博机算法的缺陷,提出了一种满足差分隐私的图赌博机算法GAP(图反馈下的差分隐私摇臂消除策略).一方面,GAP算法阶段性地根据摇臂的经验平均奖赏更新摇臂选取策略,并在计算摇臂的经验平均奖赏时引入拉普拉斯噪声,从而确保恶意攻击者难以根据算法输出推算摇臂奖赏数据,保护了隐私.另一方面,GAP算法在每个阶段根据精心构造的反馈图的独立集探索摇臂集合,有效地利用了图形式的反馈信息.证明了GAP算法满足差分隐私性质,具有与理论下界相匹配的遗憾界.在仿真数据集上的实验结果表明:GAP算法在有效保护隐私的同时取得了与现有无隐私保护的图赌博机算法相当的累积遗憾.

关键词：图赌博机差分隐私不确定性环境下的序列决策独立集拉普拉斯噪声

来源：评论

学校读者我要写书评

暂无评论

一种基于自演化预训练的多变量时间序列预测算法

引用

计算机学报 2022年第3期45卷 513-525页

作者：万晨李文中丁望祥张治杰叶保留陆桑璐南京大学计算机软件新技术国家重点实验室南京210023 南京大学计算机科学与技术系南京210023

时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是... 详细信息

时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是一个具有挑战性的任务.本文研究多变量时间序列预测的局部变量预测精度问题,即多变量预测需要在提升整体预测性能的同时保证局部单变量的预测精度.针对现有多变量时间序列预测算法不能保障局部变量预测精度的局限性,我们设计并实现了一种基于自演化预训练的多变量时间序列预测算法SEPNets.基于预训练的思想,SEPNets首先构建和训练单变量时间序列模型作为后续建模的基准.然后,通过拓展时序卷积网络和长短记忆(LSTM)单元来建模变量间复杂的时序依赖关系.通过将预训练模型和拓展模型进行融合再训练,SEPNets可以保障多变量时间序列预测的局部变量预测精度,并提升总体的预测性能.我们在5个真实数据集上对所提模型进行性能评估.实验结果表明,本文提出的SEPNets算法比现有算法获得相对最高的预测精度,同时在保障局部变量预测精度上具有更好的性能.

关键词：时间序列预测多变量时间序列机器学习神经网络预训练

来源：评论

学校读者我要写书评

暂无评论

深度代码模型安全综述

引用

软件学报 2025年第4期36卷 1461-1488页

作者：孙伟松陈宇琛赵梓含陈宏葛一飞韩廷旭黄胜寒李佳讯房春荣陈振宇计算机软件新技术国家重点实验室(南京大学) 江苏南京210093 南京大学软件学院江苏南京210093 苏州大学数学科学学院江苏苏州215006

随着深度学习技术在计算机视觉与自然语言处理等领域取得巨大成功,软件工程研究者开始尝试将其引入到软件工程任务求解当中.已有研究结果显示,深度学习技术在各种代码相关任务(例如代码检索与代码摘要)上具有传统方法与机器学习方法无... 详细信息

随着深度学习技术在计算机视觉与自然语言处理等领域取得巨大成功,软件工程研究者开始尝试将其引入到软件工程任务求解当中.已有研究结果显示,深度学习技术在各种代码相关任务(例如代码检索与代码摘要)上具有传统方法与机器学习方法无法比拟的优势.这些面向代码相关任务训练的深度学习模型统称为深度代码模型.然而,由于神经网络的脆弱性和不可解释性,与自然语言处理模型与图像处理模型一样,深度代码模型安全也面临众多挑战,已经成为软件工程领域的焦点.近年来,研究者提出了众多针对深度代码模型的攻击与防御方法.然而,目前仍缺乏对深度代码模型安全研究的系统性综述,不利于后续研究者对该领域进行快速的了解.因此,为了总结该领域研究现状、挑战及时跟进该领域的最新研究成果,搜集32篇该领域相关论文,并将现有的研究成果主要分为后门攻击与防御技术和对抗攻击与防御技术两类.按照不同技术类别对所收集的论文进行系统地梳理和总结.随后,总结该领域中常用的实验数据集和评估指标.最后,分析该领域所面临的关键挑战以及未来可行的研究方向,旨在为后续研究者进一步推动深度代码模型安全的发展提供有益指导.

关键词：深度代码模型深度代码模型安全人工智能模型安全后门攻击与防御对抗攻击与防御

来源：评论

学校读者我要写书评

暂无评论

意外充分性引导的深度神经网络测试样本生成

引用

计算机研究与发展 2024年第4期61卷 1003-1017页

作者：郭虹静陶传奇黄志球南京航空航天大学计算机科学与技术学院南京210016 高安全系统的软件开发与验证技术工信部重点实验室(南京航空航天大学) 南京210016 计算机软件新技术国家重点实验室(南京大学) 南京210023

由于深度神经网络(deep neural network,DNN)模型的复杂性和不确定性等属性,对模型的一般行为和边界行为进行充分的测试是保障模型质量的重要手段.当前的研究主要基于制定的覆盖准则,结合模糊测试技术生成衍生测试样本,从而提升测试充分... 详细信息

由于深度神经网络(deep neural network,DNN)模型的复杂性和不确定性等属性,对模型的一般行为和边界行为进行充分的测试是保障模型质量的重要手段.当前的研究主要基于制定的覆盖准则,结合模糊测试技术生成衍生测试样本,从而提升测试充分性,但较少综合考虑测试样本的多样性及个体揭错能力.意外充分性指标量化测试样本与训练集在神经元输出方面的差异,是测试充分性评估的重要指标,目前缺乏基于此指标的测试样本生成方法.因此,提出了一种意外充分性引导的深度神经网络测试样本生成方法,首先,筛选对于决策结果贡献较大的重要神经元,以其输出值为特征,改进意外充分性指标;其次,基于测试样本的意外充分性度量筛选具有揭错能力的种子样本;最后,利用覆盖引导的模糊测试思想,将测试样本的意外充分性值和DNN模型预测的类别概率差异作为联合优化目标,利用梯度上升算法计算扰动,迭代生成测试样本.为了验证所提方法的有效性,选取5个DNN模型作为被测对象,涵盖4种不同的图像数据集,实验结果表明,改进的意外充分性指标能够有效捕捉异常的测试样本,同时减少计算时间开销.在测试样本生成方面,与方法DeepGini和RobOT相比,基于所提的种子样本选择策略生成的衍生测试集的意外覆盖率最高提升了5.9个百分比和15.9个百分比.相比于方法DLFuzz和DeepXplore,所提方法的意外覆盖率最高提升了26.5个百分比和33.7个百分比.

关键词：软件测试测试样本生成测试覆盖深度神经网络意外充分性

来源：评论

学校读者我要写书评

暂无评论

不动点视角下的强化学习算法综述

引用

计算机学报 2023年第6期46卷 1246-1271页

作者：陈兴国孙丁源昊杨光杨尚东高阳南京邮电大学大数据安全与智能处理重点实验室南京210023 南京大学计算机软件新技术国家重点实验室南京210046 南京大学深圳研究院广东深圳518057

近年来,强化学习已成为求解序贯决策任务的范式.然而,在实际应用中,强化学习算法仍存在三个问题:(1)什么解最优?(2)如何保证算法的稳定性?(3)如何加速算法的收敛?本文从不动点视角总结了强化学习算法的设计原理.首先,分析了值函数估计... 详细信息

近年来,强化学习已成为求解序贯决策任务的范式.然而,在实际应用中,强化学习算法仍存在三个问题:(1)什么解最优?(2)如何保证算法的稳定性?(3)如何加速算法的收敛?本文从不动点视角总结了强化学习算法的设计原理.首先,分析了值函数估计最优解与可行解的构造问题;其次,根据Banach不动点定理和Lyapunov第二判定定理,总结了已有基于值函数强化学习算法的稳定性问题,包括基于表格、线性估计、非线性估计、非参估计等值函数的算法在同策略和异策略情况下的收敛性;然后,从不动点的偏差与方差控制角度,解读了多种提高算法准确性或收敛速度的改进思想;最后总结和展望了强化学习算法的改进方向.

关键词：强化学习值函数估计稳定性同策略异策略偏差与方差控制

来源：评论

学校读者我要写书评

暂无评论

结合主动学习和半监督学习的软件可追踪性恢复框架

引用

软件学报 2025年第5期36卷 1924-1948页

作者：董黎明张贺孟庆龙匡宏宇南京大学软件学院江苏南京210093 计算机软件新技术国家重点实验室(南京大学) 江苏南京210093

软件可追踪性被认为是软件开发过程可信的一个重要因素,确保对软件开发过程的可见性并进行全面追踪,从而提高软件的可信度和可靠性.近年来,自动化的软件可追踪性恢复方法取得了显著进展,但在企业项目中的应用仍面临挑战.通过调研研究和... 详细信息

软件可追踪性被认为是软件开发过程可信的一个重要因素,确保对软件开发过程的可见性并进行全面追踪,从而提高软件的可信度和可靠性.近年来,自动化的软件可追踪性恢复方法取得了显著进展,但在企业项目中的应用仍面临挑战.通过调研研究和实验案例分析,发现工业界场景中可追踪性模型表现不佳的3个关键挑战:原始数据低质量、样本稀疏性和不平衡性,并提出一种结合主动学习和半监督学习的软件可追踪性恢复框架STRACE(AL+SSL).该框架通过选择有价值的标注样本和生成高质量的伪标签样本,有效利用未标注的样本,克服数据低质量和稀疏性挑战.实验基于10个样本规模在几万至近百万个issue-commit跟踪对实例的企业项目,进行多组对比实验,结果表明该框架在当前真实企业项目软件可追踪性恢复任务上具有有效性.其中消融实验结果表明STRACE(AL+SSL)中主动学习模块所选择的无标签样本在可追踪性恢复任务中发挥了更为重要的作用.此外,还验证各个模块最佳的样本选择策略组合,包括调整后的半监督类平衡自训练样本选择策略CBST-Adjust和低成本高效率的主动学习子模块互信息SMI_Flqmi样本选择策略.

关键词：软件可追踪性主动学习半监督学习

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：