检索结果-内蒙古大学图书馆

计算机工程与应用 2022年第5期58卷 34-49页

作者：卢冰洁李炜卓那崇宁牛作尧陈奎之江实验室杭州311121 南京邮电大学现代邮政学院南京210003 东南大学苏州联合研究生院江苏苏州215123 南京大学计算机软件新技术国家重点实验室南京210093

随着保险行业的蓬勃发展,保险欺诈问题也显得日趋严重。车险欺诈一直是保险欺诈的“重灾区”,对保险行业的发展至关重要。因此,车险欺诈检测技术一直是国内外学者研究的热点问题。鉴于我国在机动车辆保险欺诈检测技术方相对滞后,而国外... 详细信息

随着保险行业的蓬勃发展,保险欺诈问题也显得日趋严重。车险欺诈一直是保险欺诈的“重灾区”,对保险行业的发展至关重要。因此,车险欺诈检测技术一直是国内外学者研究的热点问题。鉴于我国在机动车辆保险欺诈检测技术方相对滞后,而国外的研究成果又较少对我国车险业务数据进行有效建模与分析,首次针对机器学习模型应用在车险欺诈检测的研究工作进行了文献调研,对二十多年来的研究工作进行系统化的归纳与总结。通过引入车险欺诈流程的简介,对专家系统与智能理赔系统在车险欺诈检测的流程进行了叙述;依次从国外和国内的角度介绍了机器学习模型应用在车险欺诈检测的具体研究进展,并进行了宏观的对比;基于国内某车险公司提供近5年来高质量的车险数据选取具有代表性的机器学习模型进行建模,并进行了全面的测试与分析;探讨了车险欺诈检测技术未来的研究方向。

关键词：汽车保险欺诈机器学习深度学习数据不均衡保险监管

来源：评论

学校读者我要写书评

暂无评论

军事事理图谱构建与交互式分析工具

引用

指挥信息系统与技术 2022年第3期13卷 59-64页

作者：赵文正王羽姜晓夏胡伟南京大学计算机软件新技术国家重点实验室南京210023 信息系统工程重点实验室南京210023

事理图谱是一种包含事理模式的知识图谱,描述了事件与事件之间的演化模式,构建事理图谱对实现军事情报智能化分析至关重要。研究了一种军事事理图谱构建与交互式分析工具。该工具使用军事领域内常见的事件抽取模型,通过定义事理模式,运... 详细信息

事理图谱是一种包含事理模式的知识图谱,描述了事件与事件之间的演化模式,构建事理图谱对实现军事情报智能化分析至关重要。研究了一种军事事理图谱构建与交互式分析工具。该工具使用军事领域内常见的事件抽取模型,通过定义事理模式,运用事理模式抽象技术,构建军事事理知识图谱,并根据该知识图谱开发了交互式分析工具,具备图谱可视化分析功能,使得领域用户可以更加直观高效地观察和分析军事情报,有助于现代部队指挥信息化水平的提升。

关键词：事理图谱事件抽取可视化交互

来源：评论

学校读者我要写书评

暂无评论

蒙德里安深度森林

引用

计算机研究与发展 2020年第8期57卷 1594-1604页

作者：贺一笑庞明姜远计算机软件新技术国家重点实验室(南京大学) 南京210023 软件新技术与产业化协同创新中心(南京大学) 南京210023

大多数有关深度学习的研究都基于神经网络,即可通过反向传播训练的多层参数化非线性可微模块.近年来,深度森林作为一种非神经网络深度模型被提出,该模型具有远少于深度神经网络的超参数.在不同的超参数设置下以及在不同的任务下,它都表... 详细信息

大多数有关深度学习的研究都基于神经网络,即可通过反向传播训练的多层参数化非线性可微模块.近年来,深度森林作为一种非神经网络深度模型被提出,该模型具有远少于深度神经网络的超参数.在不同的超参数设置下以及在不同的任务下,它都表现出非常鲁棒的性能,并且能够基于数据确定模型的复杂度.以gcForest为代表的深度森林的研究为探索基于不可微模块的深度模型提供了一种可行的方式.然而,深度森林目前是一种批量学习方法,这限制了它在许多实际任务中的应用,如数据流的应用场景.因此探索了在增量场景下搭建深度森林的可能性,并提出了蒙德里安深度森林.它具有级联森林结构,可以进行逐层处理.设计了一种自适应机制,通过调整原始特征和经过前一层变换后的特征的权重,以进一步增强逐层处理能力,更好地克服了蒙德里安森林在处理无关特征方面的不足.实验结果表明:蒙德里安深度森林在继承蒙德里安森林的增量训练能力的同时,显著提升了预测性能,并能够使用相同的超参数设置在多个数据集上取得很好的性能.在增量训练场景下,蒙德里安深度森林取得了与定期重新训练的gcForest接近的预测准确率,且将训练速度提升一个数量级.

关键词：机器学习深度森林蒙德里安森林集成学习增量学习

来源：评论

学校读者我要写书评

暂无评论

基于自注意力的TCN-Transformer的电网单相故障检测方法

引用

微电子学与计算机 2022年第9期39卷 89-97页

作者：欧阳勇万豆高榕叶志伟湖北工业大学计算机学院湖北武汉430068 南京大学计算机软件新技术国家重点实验室江苏南京210093

小电流接地系统单相故障选线问题是配电网电力系统故障中的一个重要问题.由于电力故障数据具有时间延续性,并且电力故障数据的数据长度过长,现有的研究工作不能有效区分具有时序性的单相接地故障电流的特征.针对这些问题,提出一种基于... 详细信息

小电流接地系统单相故障选线问题是配电网电力系统故障中的一个重要问题.由于电力故障数据具有时间延续性,并且电力故障数据的数据长度过长,现有的研究工作不能有效区分具有时序性的单相接地故障电流的特征.针对这些问题,提出一种基于自注意力的TCN+Transformer混合神经网络模型(称为TTHNN-SA模型).由于电力故障数据的特征单一,使用小波变换分解和主成分分析(PCA)方法能增加样本数据的特征量.TTHNN-SA模型使用时间卷积网络(TCN)分别对原故障数据和对原故障数据使用小波变换分解后的数据进行卷积操作提取特征,使用Transformer对经过主成分分析方法处理后的样本数据进行特征提取.然后将三个模型提取的特征矩阵进行融合后输入到自注意力层,通过自注意力机制的矩阵计算给重要特征分配更高权重,并且能解决模型的长时依赖问题.最后将自注意力层的输出通过全局平均池化后使用softmax函数进行分类.TTHNN-SA模型能更全面的学习到不同波形故障之间的电流数据关系,TTHNN-SA模型对配电网单相故障的检测具有良好的效果.

关键词：时间卷积网络 Transformer 小波变换主成分分析自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于全卷积神经网络的单幅隧道图像裂纹提取算法

引用

计算机工程与科学 2022年第5期44卷 845-854页

作者：仇静博燕雪峰汪俊郭延文魏明强南京航空航天大学计算机科学与技术学院江苏南京211106 南京航空航天大学模式分析与机器智能工业和信息化部重点实验室江苏南京211106 南京大学计算机软件新技术国家重点实验室江苏南京210023

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图... 详细信息

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图的尺寸和裂纹细节;为了提升裂缝提取的精细程度,提出一个细节修复模块来保持裂缝的完整性与边缘细节;最后,公开一个裂纹数据集NUAACrack-2000,包含2 000幅隧道裂纹图像与精准标注标签。实验表明,提出的算法在避免噪声点干扰方面优于传统图像分割算法;在保留提取裂纹的整体性以及边缘细节处理方面优于基于机器学习的主流裂纹提取算法。

关键词：裂纹提取图像分割 NUAACrack-2000 全卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于冗余任务消减的边缘应用性能优化

引用

计算机工程 2021年第3期47卷 209-217,226页

作者：宋煜张帅严永辉钱柱中江苏方天电力技术有限公司南京211102 南京大学计算机软件新技术国家重点实验室南京210023 南京大学软件新技术与产业化协同创新中心南京210023

在增强现实应用中,距离较近的多个用户请求很可能是相似或者相同的,从而导致同样的计算任务被重复执行。针对该问题,设计基于冗余任务消减的计算任务缓存系统。通过在边缘节点设计任务缓存,使边缘服务器以自组织方式维护全局缓存。对客... 详细信息

在增强现实应用中,距离较近的多个用户请求很可能是相似或者相同的,从而导致同样的计算任务被重复执行。针对该问题,设计基于冗余任务消减的计算任务缓存系统。通过在边缘节点设计任务缓存,使边缘服务器以自组织方式维护全局缓存。对客户端请求时延、用户轨迹、节点部署和总时延进行建模,基于此研究基站上边缘服务器的计算资源部署问题,在给定总的部署代价下优化平均请求时延,并将该问题转化为整数非线性规划问题,设计针对中小规模场景的IDM算法和针对大规模场景的LDM算法。实验结果表明:IDM算法的平均时延与参考最优解仅相差5.85%,对最优解具有较好的逼近效果;LDM算法在牺牲9.20%平均时延的情况下,相比于IDM算法运行时间缩短98.15%,大幅减少了运行开销。

关键词：增强现实边缘计算冗余任务动态规划聚类

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算的云游戏服务质量增强机制

引用

西北师范大学学报（自然科学版） 2021年第1期57卷 38-47页

作者：白光伟张慧丽沈专沈航南京工业大学计算机科学与技术学院江苏南京211816 南京大学计算机软件新技术国家重点实验室江苏南京210093

提出了一种基于边缘计算的云游戏服务质量增强算法,旨在减少网络传输响应延迟和提高可靠性,扩大云游戏服务范围.该方法使用边缘服务器为玩家渲染游戏,云端负责计算游戏状态和发送更新信息给边缘服务器.首先,设计区域划分算法来确定集群... 详细信息

提出了一种基于边缘计算的云游戏服务质量增强算法,旨在减少网络传输响应延迟和提高可靠性,扩大云游戏服务范围.该方法使用边缘服务器为玩家渲染游戏,云端负责计算游戏状态和发送更新信息给边缘服务器.首先,设计区域划分算法来确定集群部署位置,以均衡负载;第二,研究集群部署位置选择算法,在满足差异化游戏需求基础上尽可能节约资源;第三,设计服务器分配算法,尽可能将相关性高的玩家分配到同一台服务器上,以减少交互所致延迟;最后,考虑到游戏动态的周期性变化,提出了服务器动态部署策略来动态开启服务器,提升服务器的可靠性并节约成本.仿真结果证明提出的方法能够减少响应延迟18~20 ms,节约带宽和提高服务覆盖率.

关键词：云游戏边缘计算响应延迟用户覆盖服务质量

来源：评论

学校读者我要写书评

暂无评论

一种面向复杂场景的无线通信节点智能适变架构

引用

中国科学：信息科学 2021年第2期51卷 294-304页

作者：尹浩魏急波赵海涛熊俊梅锴张利军任保全马东堂军事科学院北京100076 国防科技大学电子科学学院长沙410073 南京大学计算机软件新技术国家重点实验室南京210023

针对可能存在对抗的未知通信环境,本文探讨了一种能进行智能适变的通信节点体系架构.该架构包括通信环境理解、通信波形适配和智能节点学习进化3个核心功能,以及支持这些功能的通信计算融合硬件平台.所提出的智能适变架构支持通信环境... 详细信息

针对可能存在对抗的未知通信环境,本文探讨了一种能进行智能适变的通信节点体系架构.该架构包括通信环境理解、通信波形适配和智能节点学习进化3个核心功能,以及支持这些功能的通信计算融合硬件平台.所提出的智能适变架构支持通信环境知识库、通信波形库,以及波形与环境适配知识图谱的不断累积和进化,通过波形在线重构,通信节点既能匹配典型通信场景,又能快速适应未知环境,因而支持智能通信节点的可持续发展.进一步本文梳理了强化学习、在线学习和迁移学习等3种机器学习技术在智能适变无线通信节点中的应用,并以最经典的信道估计过程为代表,给出了机器学习应用于通信环境识别的典型范例.

关键词：智能节点通信环境理解智能适变学习生长机器学习信道估计

来源：评论

学校读者我要写书评

暂无评论

国际开源发展经验及其对我国开源创新体系建设的启示

引用

中国科学院院刊 2021年第12期36卷 1497-1505页

作者：隆云滔王晓明顾荣包云岗中国科学院科技战略咨询研究院北京100190 中国科学院大学公共政策与管理学院北京100049 计算机软件新技术国家重点实验室(南京大学) 南京210023 南京大学计算机科学与技术系南京210023 中国科学院计算技术研究所北京100190

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上... 详细信息

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上,立足我国开源生态建设面临的实际问题,提出促进我国开源创新体系建设的政策建议。

关键词：开源基金会开源治理开源生态开源创新体系

来源：评论

学校读者我要写书评

暂无评论

基于自适应邻域嵌入的无监督特征选择算法

引用

计算机研究与发展 2020年第8期57卷 1639-1649页

作者：刘艳芳李文斌高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 龙岩学院数学与信息工程学院福建龙岩364012

无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了... 详细信息

无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了解决这个问题,提出了一种基于自适应邻域嵌入的无监督特征选择(adaptive neighborhood embedding based unsupervised feature selection, ANEFS)算法,该算法根据数据集自身的分布特点确定每个样本的近邻数,进而构造样本相似矩阵,同时引入从高维空间映射到低维空间的中间矩阵,利用拉普拉斯乘子法优化目标函数进行求解.6个UCI数据集的实验结果表明:所提出的算法能够选出具有更高聚类精度和互信息的特征子集.

关键词： k近邻自适应邻域流形学习特征选择无监督学习

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：