检索结果-内蒙古大学图书馆

林业科学 2025年第4期61卷 20-32页

作者：常乐杜晓晨冯海林李颜娥黄坚钦浙江农林大学数学与计算机科学学院杭州311300 林业感知技术与智能装备国家林业和草原局重点实验室杭州311300 省部共建亚热带森林培育国家重点实验室杭州311300

【目的】针对传统测量立木胸径过程中费时耗力、易受人为因素影响、设备价格昂贵等问题,提出一种基于智能手机和深度学习的立木胸径自动测量方法。【方法】首先,为达到低成本的立木胸径自动测量需求,采用智能手机获取立木单目RGB图像;然... 详细信息

【目的】针对传统测量立木胸径过程中费时耗力、易受人为因素影响、设备价格昂贵等问题,提出一种基于智能手机和深度学习的立木胸径自动测量方法。【方法】首先,为达到低成本的立木胸径自动测量需求,采用智能手机获取立木单目RGB图像;然后,为精准提取立木轮廓,提出一种基于GC-U-Net模型的立木图像分割算法,在传统U-Net分割模型基础上,集成VGG16和CBAM增强模型对立木树干特征的识别能力;最后,基于摄影测量原理,构建立木胸径测量模型,利用分割后的树干图像快速准确地计算出立木胸径。【结果】相较传统U-Net模型,GC-U-Net模型的平均交并比(mIoU)提升4.38%,平均像素准确率(mPA)提升6.08%,召回率(Recall)提升4.85%;相比Deeplabv3+、PSPNet、SegNet分割模型,GC-U-Net模型可取得更好的树干分割结果,mIoU分别提升6.04%、6.52%、11.0%,mPA分别提升7.93%、7.36%、12.31%,Recall分别提升6.88%、7.83%、11.08%;树干直径测量平均相对误差仅2.37%,拟合度达0.91。【结论】与传统立木胸径测量方法相比,本研究方法仅通过智能手机获取立木单目图像即可自动获取胸径,全程无需昂贵的专业设备;图像采集过程中也不需要参照物,简化了现场测量的复杂性,提高了测量效率;同时,GC-U-Net模型还可确保立木胸径测量的准确度。

关键词： GC-U-Net 树干分割胸径测量智能手机

来源：评论

学校读者我要写书评

暂无评论

基于局部存储策略的声波全波形反演方法

引用

地球物理学报 2024年第6期67卷 2388-2401页

作者：杨瀚张明坤孙鹏远李红辉陈汉明周辉油气资源与工程全国重点实验室 CNPC物探重点实验室中国石油大学(北京)北京102249 油气勘探计算机软件国家工程研究中心西城区新康街5号东方地球物理公司北京100088

全波形反演作为一种高精度地下速度模型建模方法,自提出以来就受到了地震勘探领域的广泛关注.然而在时间域全波形反演中梯度计算需要存储或恢复震源波场,这会导致存储大量数据或额外的震源波场重构计算,使得全波形反演的实用化受到波场... 详细信息

全波形反演作为一种高精度地下速度模型建模方法,自提出以来就受到了地震勘探领域的广泛关注.然而在时间域全波形反演中梯度计算需要存储或恢复震源波场,这会导致存储大量数据或额外的震源波场重构计算,使得全波形反演的实用化受到波场重构的制约.为此,本文提出了一种基于局部存储策略的声波全波形反演方法.依据奈奎斯特采样定理设置存储间隔,通过存储每个空间网格点有限时间区间内的有效波场来计算梯度,达到减少存储震源波场数据量、避免波场重构进而提升效率的目的.与其他方法相比,本方法无需波场重构且所需内存大小与正演模拟的差分精度和记录时长均无关.二维和三维推覆体模型合成数据的反演测试均表明:本方法能够在不重构波场的情况下保证反演结果的精度和信噪比,有效提高计算效率并显著降低对计算机内存的需求.

关键词：局部存储策略全波形反演速度模型建模奈奎斯特采样提高计算效率

来源：评论

学校读者我要写书评

暂无评论

TCS:一种用于跨语言文本标签预测的“老师-课程-学生”学习框架

引用

计算机学报 2022年第9期45卷 1983-1996页

作者：浦通黄书剑张洋铭周祥生屠要峰戴新宇陈家骏计算机软件新技术国家重点实验室(南京大学) 南京210023 鹏城实验室广东深圳518054 中兴通讯股份有限公司南京210012

跨语言迁移旨在借助源语言的标注样本学习目标语言上的相应任务,是解决目标语言标记数据不足的重要途径.近期表现出色的方法多基于自训练,通过逐步自动标记无标注样本实现知识的迁移.然而自训练存在不准确监督的问题,即当前模型(称为老... 详细信息

跨语言迁移旨在借助源语言的标注样本学习目标语言上的相应任务,是解决目标语言标记数据不足的重要途径.近期表现出色的方法多基于自训练,通过逐步自动标记无标注样本实现知识的迁移.然而自训练存在不准确监督的问题,即当前模型(称为老师模型)对目标语言无标注样本的错误预测会误导后续模型(称为学生模型)的学习.跨语言迁移中,源语言和目标语言样本之间存在的分布差异加重了这个问题.本文提出一种名为“老师-课程-学生”(TCS)的学习框架,综合使用三项技术解决自训练中的不准确监督的问题,包括软目标训练技术、渐进式样本选择技术、“从可信到可疑”的课程学习技术等.在跨语言文本分类和跨语言命名实体识别基准数据集上的实验表明,TCS取得的平均结果在自训练的基础上分别提高了2.51%和3.25%,并分别比现有最佳结果高1.51%和4.45%.消融实验表明,TCS使用的三项技术都能有效提升最终模型的性能,其中课程学习技术和“从可信到可疑”的课程顺序是取得出色结果的关键.相关代码和实验配置可以在https://***/ericput/TCS获取.

关键词：跨语言迁移自训练课程学习文本分类命名实体识别

来源：评论

学校读者我要写书评

暂无评论

深度神经网络修复策略综述

引用

软件学报 2024年第3期35卷 1231-1256页

作者：梁震刘万伟吴陶然薛白王戟杨文婧量子信息研究所兼高性能计算国家重点实验室(国防科技大学) 湖南长沙410073 国防科技大学计算机学院湖南长沙410073 复杂系统软件工程实验室(国防科技大学) 湖南长沙410073 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院大学计算机科学与技术学院北京100190

随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错... 详细信息

随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错误行为的定性或者定量结论,但这种事后分析并不能防止错误行为的发生,如何修复表现出错误行为的预训练神经网络模型依然是极具挑战性的问题.为此,深度神经网络修复这一领域应运而生,旨在消除有缺陷的神经网络产生的错误预测,使得神经网络满足特定的规约性质.目前为止,典型的神经网络修复范式有3种:重训练、无错误定位的微调和包含错误定位的微调.介绍深度神经网络的发展和神经网络修复的必要性;厘清相近概念;明确神经网络修复的挑战;详尽地调研目前已有的神经网络修复策略,并对内在联系与区别进行分析和比较;调研整理神经网络修复策略常用的评价指标和基准测试;展望未来神经网络修复领域研究中需要重点关注的可行方向.

关键词：深度神经网络修复错误行为重训练微调错误定位

来源：评论

学校读者我要写书评

暂无评论

一种面向机器视觉感知的暗光图像增强网络

引用

计算机应用研究 2024年第6期41卷 1910-1915页

作者：冯欣王思平张智先焦晓宁薛明龙重庆理工大学计算机科学与工程学院重庆400054 南京大学计算机软件新技术国家重点实验室南京210046

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合... 详细信息

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合,构建了端到端的增强检测框架MVP-YOLO。MVP-Net采用了逆映射网络技术,将常规RGB图像转换为伪RAW图像特征空间,并提出了伪ISP增强网络DOISP进行图像增强。MVP-Net旨在发挥RAW图像在目标检测中的潜在优势,同时克服其在直接应用时所面临的限制。模型在多个真实场景暗光数据上取得了优于先前工作效果并且能够适应多种不同架构的检测器。其端到端检测框mAP(50%)指标达到了78.3%,比YOLO检测器提高了1.85%。

关键词：低光图像增强机器视觉 RAW图像 ISP处理

来源：评论

学校读者我要写书评

暂无评论

基于动态完整性度量的机密计算运行时监控方案

引用

计算机研究与发展 2024年第10期61卷 2482-2500页

作者：李为冯伟秦宇冯登国中国科学院大学北京100049 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院软件研究所北京100190

机密计算(confidential computing,CC)技术基于硬件可信执行环境(TEE),通过隔离、完整性度量和远程证明等技术保护使用中数据的机密性和完整性,并免受特权敌手的攻击.然而,现有机密计算平台的完整性度量和远程证明机制主要针对启动时,... 详细信息

机密计算(confidential computing,CC)技术基于硬件可信执行环境(TEE),通过隔离、完整性度量和远程证明等技术保护使用中数据的机密性和完整性,并免受特权敌手的攻击.然而,现有机密计算平台的完整性度量和远程证明机制主要针对启动时,而缺少运行时完整性保护,例如当用户工作负载潜在的内存漏洞被敌手利用时容易遭受控制流劫持等攻击,目前仅包含启动时完整性保护的机密计算平台无法有效防止或者检测此类运行时攻击.针对该问题,提出了一种基于动态完整性度量的机密计算运行时监控方案,通过向TEE中引入控制流和数据流度量,并扩展可信验证方功能以进行运行时远程证明,实现了机密计算平台内用户工作负载的运行时完整性保护.使用CSV/SEV服务器作为机密计算平台,在其机密虚拟机/容器基础上进行了系统原型实现与实验评估,评估结果表明,方案在增强运行时安全性的同时,引入了约16%的性能损耗.

关键词：机密计算可信执行环境运行时证明控制流完整性数据流完整性

来源：评论

学校读者我要写书评

暂无评论

持续学习的研究进展与趋势

引用

计算机研究与发展 2024年第6期61卷 1476-1496页

作者：李文斌熊亚锟范祉辰邓波曹付元高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 中国科学院空天信息创新研究院北京100094 山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据学院太原030006

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过... 详细信息

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过程中容易遭受灾难性遗忘的问题.因此,如何在动态、非平稳的序列任务及流式数据中不断学习新知识、同时保留旧知识是持续学习研究的核心.首先,通过对近年来持续学习国内外相关工作的调研与总结,将持续学习方法分为基于回放、基于约束、基于结构三大类,并对这3类方法做进一步的细分.具体而言,根据所使用的样本来源将基于回放的方法细分为采样回放、生成回放、伪样本回放3类;根据训练约束的来源将基于约束的方法细分为参数约束、梯度约束、数据约束3类;根据对于模型结构的使用方式将基于结构的方法细分为参数隔离、模型拓展2类.通过对比相关工作的创新点,对各类方法的优缺点进行总结.其次,对国内外研究现状进行分析.最后,针对持续学习与其他领域相结合的未来发展方向进行展望.

关键词：深度学习知识迁移持续学习灾难性遗忘序列任务

来源：评论

学校读者我要写书评

暂无评论

MEC中基于改进粒子群算法的任务卸载策略

引用

计算机工程 2024年

作者：吴波龙廷艳万良夏云霓贵州大学计算机学院科学与技术学院公共大数据国家重点实验室重庆大学计算机学院软件与理论重庆市重点实验室

针对多基站多任务移动边缘计算环境中任务卸载问题，在同时考虑任务在基站之间并行传输、任务卸载系统时延和边缘服务器负载的情况下，提出以系统时延和负载均衡为最小化优化目标的任务卸载策略。为求解优化问题，提出了一种基于改进粒... 详细信息

针对多基站多任务移动边缘计算环境中任务卸载问题，在同时考虑任务在基站之间并行传输、任务卸载系统时延和边缘服务器负载的情况下，提出以系统时延和负载均衡为最小化优化目标的任务卸载策略。为求解优化问题，提出了一种基于改进粒子群算法的任务卸载方法IPSO，通过采用反向学习策略对粒子群算法的初始解空间进行优化，提升算法的收敛与搜索能力；再利用levy飞行策略对各粒子的速度矢量进行更新，有效避免局部最优解，同时引入遗传算法的精英保留策略，得到一个能够稳定降低边缘服务器负载的任务卸载策略，将所提的IPSO算法与混合启发式算法、PSO算法、人工蜂鸟算法、遗传算法和随机算法进行对比。实验结果表明，IPSO算法在不同的任务数、边缘服务器数下得到的时延和负载标准差都小于其它5种算法，其中，在任务数增长下进行实验后得到的系统时延分别比其它对比算法平均降低了3.04%、4.63%、6.79%、8.94%、12.7%，边缘服务器之间负载标准差分别比其它对比算法平均降低了16.2%、26.4%、62.8%、71.3%、91.5%。

关键词：边缘计算任务卸载并行传输负载均衡粒子群算法

来源：评论

学校读者我要写书评

暂无评论

完备神经网络验证加速技术综述

引用

软件学报 2024年第9期35卷 4038-4068页

作者：刘宗鑫杨鹏飞张立军吴志林黄小炜计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院大学北京100049 University of Liverpool Liverpool L693BXUK

人工智能技术已被广泛应用于生活中的各个领域.然而,神经网络作为人工智能的主要实现手段,在面对训练数据之外的输入或对抗攻击时,可能表现出意料之外的行为.在自动驾驶、智能医疗等安全攸关领域,这些未定义行为可能会对生命安全造成重... 详细信息

人工智能技术已被广泛应用于生活中的各个领域.然而,神经网络作为人工智能的主要实现手段,在面对训练数据之外的输入或对抗攻击时,可能表现出意料之外的行为.在自动驾驶、智能医疗等安全攸关领域,这些未定义行为可能会对生命安全造成重大威胁.因此,使用完备验证方法证明神经网络的性质,保障其行为的正确性显得尤为重要.为了提高验证效率,各种完备神经网络验证工具均提出各自的优化方法,但并未充分探索这些方法真正起到的作用,后来的研究者难以从中找出最有效的优化方向.介绍神经网络验证领域的通用技术,并提出一个完备神经网络验证的通用框架.在此框架中,重点讨论目前最先进的工具在约束求解、分支选择与边界计算这3个核心部分上的所采用的优化方法.针对各个工具本身的性能和核心加速方法,设计一系列实验,旨在探究各种加速方式对于工具性能的贡献,并尝试寻找最有效的加速策略和更具潜力的优化方向,为研究者提供有价值的参考.

关键词：完备验证可满足性模理论人工智能安全形式化方法鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于自适应权重的多源部分域适应

引用

软件学报 2024年第4期35卷 1703-1716页

作者：田青孙灿宇储奕南京信息工程大学软件学院江苏南京210044 数字取证教育部工程研究中心(南京信息工程大学) 江苏南京210044 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

作为机器学习的一个新兴领域,多源部分域适应(MSPDA)问题由于其源域自身的复杂性、领域之间的差异性以及目标域自身的无监督性,给相关研究带来了挑战,以致目前鲜有相关工作被提出.在该场景下,多个源域中的无关类样本在域适应过程中会造... 详细信息

作为机器学习的一个新兴领域,多源部分域适应(MSPDA)问题由于其源域自身的复杂性、领域之间的差异性以及目标域自身的无监督性,给相关研究带来了挑战,以致目前鲜有相关工作被提出.在该场景下,多个源域中的无关类样本在域适应过程中会造成较大的累积误差和负迁移.此外,现有多源域适应方法大多未考虑不同源域对目标域任务的贡献度不同.因此,提出基于自适应权重的多源部分域适应方法(AW-MSPDA).首先,构建了多样性特征提取器以有效利用源域的先验知识;同时,设计了多层次分布对齐策略从不同层面消除了分布差异,促进了正迁移;此外,为量化不同源域贡献度以及过滤源域无关类样本,利用相似性度量以及伪标签加权方式构建自适应权重;最后,通过大量实验验证了所提出AW-MSPDA算法的泛化性以及优越性.

关键词：多源部分域适应负迁移多样性特征提取多层次分布对齐自适应权重

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：