检索结果-内蒙古大学图书馆

计算机研究与发展 2024年第8期61卷 1904-1916页

作者：李超李文斌高阳计算机软件新技术全国重点实验室(南京大学) 南京210023

大量多智能体任务都表现出近似可分解结构,其中相同交互集合中智能体间交互强度大,而不同交互集合中智能体间交互强度小.有效建模该结构并利用其来协调智能体动作选择可以提升合作型多智能体任务中多智能体强化学习算法的学习效率.然而... 详细信息

大量多智能体任务都表现出近似可分解结构,其中相同交互集合中智能体间交互强度大,而不同交互集合中智能体间交互强度小.有效建模该结构并利用其来协调智能体动作选择可以提升合作型多智能体任务中多智能体强化学习算法的学习效率.然而,目前已有工作通常忽视并且无法有效实现这一目标.为解决该问题,使用动态图来建模多智能体任务中的近似可分解结构,并由此提出一种名叫协作子任务行为(coordinated subtask pattern,CSP)的新算法来增强智能体间局部以及全局协作.具体而言,CSP算法使用子任务来识别智能体间的交互集合,并利用双层策略结构来将所有智能体周期性地分配到多个子任务中.这种分配方式可以准确刻画动态图上智能体间的交互关系.基于这种子任务分配,CSP算法提出子任务内和子任务间行为约束来提升智能体间局部以及全局协作.这2种行为约束确保相同子任务内的部分智能体间可以预知彼此动作选择,同时所有智能体选择优异的联合动作来最大化整体任务性能.在星际争霸环境的多个地图上开展实验,实验结果表明CSP算法明显优于多种对比算法,验证了所提算法可以实现智能体间的高效协作.

关键词：多智能体强化学习合作型任务近似可分解结构动态图协作

来源：评论

学校读者我要写书评

暂无评论

真实感材质外观的表示和高效渲染技术研究现状及展望

引用

计算机辅助设计与图形学学报 2024年第8期36卷 1131-1154页

作者：陶成之孙奇过洁袁军平周辰熙何雪滟范之闽史鹏程郭延文计算机软件新技术全国重点实验室(南京大学) 南京210033

在虚拟场景的组成中,除了三维几何模型之外最重要的要素就是物体表面的材质外观,对材质进行基于物理的建模和真实感绘制是保证虚拟场景真实感的重要手段.然而,由于现实世界材质外观本身的多样性和复杂性,迄今为止对真实感材质的研究一... 详细信息

在虚拟场景的组成中,除了三维几何模型之外最重要的要素就是物体表面的材质外观,对材质进行基于物理的建模和真实感绘制是保证虚拟场景真实感的重要手段.然而,由于现实世界材质外观本身的多样性和复杂性,迄今为止对真实感材质的研究一直是计算机图形学领域的热点和难点.文中总结了材质外观的近期相关工作,从材质的表示建模和材质的真实感绘制2大方向展开讨论;进一步,将材质模型分为表达范围广的通用材质模型和针对毛发及布料等材质的特殊材质模型2大类;并将材质绘制方法分为用于离线渲染的点采样优化和用于实时渲染的材质预过滤2种;最后指出材质研究可能的3个发展方向:神经网络材质、波动光学材质和材质的统一标准,为未来该领域的研究提供思路.

关键词：真实感绘制材质表面微结构毛发渲染皮肤渲染布料渲染重要性采样纹理预过滤

来源：评论

学校读者我要写书评

暂无评论

带拒绝推理的反绎学习方法

引用

计算机研究与发展 2024年第7期61卷 1791-1798页

作者：黄宇轩姜远计算机软件新技术全国重点实验室(南京大学) 南京210023

近年来,许多研究工作致力于将数据驱动的机器学习和知识驱动的逻辑推理相结合,以提高机器学习的性能.其中,不少工作尝试利用反绎推理,将机器学习与逻辑推理融合到一个框架中.这些方法通过机器学习模型生成伪标记,然后利用反绎推理来修... 详细信息

近年来,许多研究工作致力于将数据驱动的机器学习和知识驱动的逻辑推理相结合,以提高机器学习的性能.其中,不少工作尝试利用反绎推理,将机器学习与逻辑推理融合到一个框架中.这些方法通过机器学习模型生成伪标记,然后利用反绎推理来修正不一致的伪标记,以更新机器学习模型并多次迭代.然而,反绎中可能会存在错误标记,这些标记会对模型训练产生负面影响且难以被发现.因此提出一种带拒绝推理的反绎学习方法,它同时考虑反绎标记的模型不确定性和推理不确定性,从数据层面和知识层面综合评估反绎结果的可靠性,并通过拒绝部分反绎推理结果来避免不可靠的反绎标记对模型训练的负面影响.实验表明,提出的方法可以减少错误反绎标记的比例、加速反绎学习的训练并带来更好的性能.

关键词：反绎学习机器学习逻辑推理反绎推理神经符号学习

来源：评论

学校读者我要写书评

暂无评论

基于规则提示的知识图谱通用推理预训练模型

引用

计算机研究与发展 2024年第8期61卷 2030-2044页

作者：崔员宁孙泽群胡伟计算机软件新技术全国重点实验室(南京大学) 南京210023

知识图谱是存储真实世界海量知识的图数据库,为大量知识驱动的下游任务提供了数据支持.知识图谱往往具有不完备性,存在大量缺失的事实,因此知识图谱推理任务基于已知事实推理新结论来补全知识图谱.随着知识工程及其商业应用的研究与发展... 详细信息

知识图谱是存储真实世界海量知识的图数据库,为大量知识驱动的下游任务提供了数据支持.知识图谱往往具有不完备性,存在大量缺失的事实,因此知识图谱推理任务基于已知事实推理新结论来补全知识图谱.随着知识工程及其商业应用的研究与发展,大量通用和领域知识图谱被构建.现有知识图谱推理方法大多面向单一知识图谱的补全,不具备通用推理能力.近年来,受预训练大语言模型通用能力的启发,一些通用的知识图谱推理预训练模型被提出.针对现有预训练模型无法识别高质量推理模式的问题,提出一个基于规则提示的知识图谱通用推理预训练模型——RulePreM,该模型筛选与利用高质量推理规则来提高知识图谱上的推理能力.首先基于推理规则构建关系IO图和一个编码器RuleGNN对关系进行编码,然后将关系编码作为提示来编码知识图谱中的实体,最后对候选实体进行打分预测.还提出一种结合规则置信度的注意力机制,来进一步减少低质量推理模式的影响.实验结果表明,所提出的模型在43个不同设定下的知识图谱上具有良好的通用推理能力,平均性能指标均优于现有的有监督模型和预训练模型.

关键词：知识图谱规则通用推理预训练提示学习关系IO图

来源：评论

学校读者我要写书评

暂无评论

基于神经切线核的学件RKME规约

引用

计算机学报 2024年第6期47卷 1232-1243页

作者：谭志豪史浩宇陈梓轩姜远南京大学计算机软件新技术国家重点实验室南京210023

当前机器学习技术已经在大量领域得到广泛应用,然而仍面临许多亟待解决的问题:依赖大量的训练数据和训练技巧、难以适应环境变化、数据隐私/所有权的保护、灾难性遗忘等等.最近,学件范式使得上述问题同时得到系统性地解决成为可能.在该... 详细信息

当前机器学习技术已经在大量领域得到广泛应用,然而仍面临许多亟待解决的问题:依赖大量的训练数据和训练技巧、难以适应环境变化、数据隐私/所有权的保护、灾难性遗忘等等.最近,学件范式使得上述问题同时得到系统性地解决成为可能.在该范式下,用户面临新的机器学习任务时可以通过学件基座系统方便地复用他人的结果,而不必从头开始.学件范式的核心在于规约,规约使得学件基座系统在不接触原始数据的情况下,可以根据用户的需求快速识别出对用户任务有帮助的学件.近期研究均通过缩略核均值嵌入(Reduced Kernel Mean Embedding,RKME)为模型构造规约,并通过构建学件原型系统验证了范式的有效性.在实际中,学件基座系统中往往包含在各种领域任务、数据类型上构建的机器学习模型,而传统的RKME规约面临维度灾难的问题,难以适用于高维数据,例如图像场景.为了拓展RKME规约的适用范围,本文引入神经切线核进行RKME规约构造.为提升方法的高效性,本文进一步通过神经网络高斯过程与随机特征近似,快速为各种模型生成RKME规约.最后,本文在真实数据构建的销量预测、图像分类场景的学件基座系统中进行大量实验验证了所提出方法的有效性和高效性,所提出方法相比于传统RKME规约查搜准确率显著提升近9%,且实验结果表明改进后的规约在图像任务上具有良好的隐私保护性质.代码见:.

关键词：学件学件基座系统规约神经切线核缩略核均值嵌入

来源：评论

学校读者我要写书评

暂无评论

基于事件标记的多粒度结合安卓测试序列约减

引用

软件学报 2025年第5期36卷 2006-2025页

作者：郝蕊冯洋李玉莹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

针对安卓自动化测试工具生成的崩溃测试序列包含过多冗余事件,造成测试回放、缺陷理解与修复困难的现状,很多测试序列约减工作被提出.但目前工作仅关注应用界面状态变化而忽略了程序执行过程中内部状态变化,此外,目前工作仅在单一抽象... 详细信息

针对安卓自动化测试工具生成的崩溃测试序列包含过多冗余事件,造成测试回放、缺陷理解与修复困难的现状,很多测试序列约减工作被提出.但目前工作仅关注应用界面状态变化而忽略了程序执行过程中内部状态变化,此外,目前工作仅在单一抽象粒度上对应用状态进行建模,例如控件粒度或活动粒度,导致约减后测试序列过长或约减效率低下.针对以上问题,提出基于事件标记的多粒度结合的安卓测试序列约减方法,结合安卓生命周期管理机制、程序静态数据流分析等对触发程序崩溃的关键事件进行标记,缩小序列约减空间,并设计了低粒度粗筛选、高粒度细约减的策略.最后,收集包含程序间交互、用户输入等复杂场景的崩溃测试序列集,在此数据集上与其他测试序列约减工作的对比评估结果也验证了所提方法的有效性.

关键词：安卓测试崩溃回放测试序列约减

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的长尾时序动作检测

引用

软件学报 2025年第2期36卷 625-643页

作者：王雨虹武港山王利民计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动... 详细信息

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动作检测问题进行了系统的定义,并针对长尾时序动作检测问题,提出一种基于半监督学习的加权类别重平衡自训练方法,充分利用现实世界中存在的大规模无标签数据,来重平衡训练样本中的标签分布,改善模型对尾部类别的拟合效果.还针对时序动作检测任务,提出一种伪标签损失加权方法,使模型训练更加稳定.在THUMOS14和HACS Segments数据集上进行实验,并分别利用THUMOS15数据集和ActivityNet1.3数据集中的视频样本来构成相应的无标签数据集.此外,还针对视频审核应用需求,收集Dance数据集,包括35个动作类别、6632个有标签视频和13264个无标签视频,并保留数据分布显著的长尾效应.使用多种基线模型,在THUMOS14、HACS Segments和Dance数据集上进行实验.实验结果表明,所提出的加权类别重平衡自训练方法可以提高模型对尾部动作类别的检测效果,并且能应用于不同的基线时序动作检测模型提升其性能.

关键词：视频分析时序动作检测深度长尾学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

高清几何缓存多尺度特征融合的渲染超分方法

引用

软件学报 2024年第6期35卷 3052-3068页

作者：张浩南过洁覃浩宇傅锡豪郭延文计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

人们对图像显示设备高分辨率和逼真视觉感知的需求随着现代信息技术的发展日益增长,这对计算机软硬件提出了更高要求,也为渲染技术在性能与工作负载上带来更多挑战.利用深度神经网络等机器学习技术对渲染图像进行质量改进和性能提升成... 详细信息

人们对图像显示设备高分辨率和逼真视觉感知的需求随着现代信息技术的发展日益增长,这对计算机软硬件提出了更高要求,也为渲染技术在性能与工作负载上带来更多挑战.利用深度神经网络等机器学习技术对渲染图像进行质量改进和性能提升成为了计算机图形学热门的研究方向,其中通过网络推理将低分辨率图像进行上采样获得更加清晰的高分辨率图像是提升图像生成性能并保证高清细节的一个重要途径.而渲染引擎在渲染流程中产生的几何缓存(geometry buffer,G-buffer)包含较多的语义信息,能够帮助网络有效地学习场景信息与特征,从而提升上采样结果的质量.设计一个基于深度神经网络的低分辨率渲染内容的超分方法.除了当前帧的颜色图像,其使用高分辨率的几何缓存来辅助计算并重建超分后的内容细节.所提方法引入一种新的策略来融合高清缓存与低清图像的特征信息,在特定的融合模块中对不同种特征信息进行多尺度融合.实验验证所提出的融合策略和模块的有效性,并且,在和其他图像超分辨率方法的对比中,所提方法体现出明显的优势,尤其是在高清细节保持方面.

关键词：神经网络渲染图像超分几何缓存特征融合

来源：评论

学校读者我要写书评

暂无评论

基于自引导进化策略的高效自动化数据增强算法

引用

软件学报 2024年第6期35卷 3013-3035页

作者：朱光辉陈文忠朱振南袁春风黄宜华计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

深度学习在图像、文本、语音等媒体数据的分析任务上取得了优异的性能.数据增强可以非常有效地提升训练数据的规模以及多样性,从而提高模型的泛化性.但是,对于给定数据集,设计优异的数据增强策略大量依赖专家经验和领域知识,而且需要反... 详细信息

深度学习在图像、文本、语音等媒体数据的分析任务上取得了优异的性能.数据增强可以非常有效地提升训练数据的规模以及多样性,从而提高模型的泛化性.但是,对于给定数据集,设计优异的数据增强策略大量依赖专家经验和领域知识,而且需要反复尝试,费时费力.近年来,自动化数据增强通过机器自动设计数据增强策略,已引起了学界和业界的广泛关注.为了解决现有自动化数据增强算法尚无法在预测准确率和搜索效率之间取得良好平衡的问题,提出一种基于自引导进化策略的自动化数据增强算法SGES AA.首先,设计一种有效的数据增强策略连续化向量表示方法,并将自动化数据增强问题转换为连续化策略向量的搜索问题.其次,提出一种基于自引导进化策略的策略向量搜索方法,通过引入历史估计梯度信息指导探索点的采样与更新,在能够有效避免陷入局部最优解的同时,可提升搜索过程的收敛速度.在图像、文本以及语音数据集上的大量实验结果表明,所提算法在不显著增加搜索耗时的情况下,预测准确率优于或者匹配目前最优的自动化数据增强方法.

关键词：深度学习数据增强自动化机器学习自引导进化策略

来源：评论

学校读者我要写书评

暂无评论

基于混合链的协作业务流程的隐私保护和数据监管

引用

计算机集成制造系统 2024年第8期30卷 2897-2912页

作者：邹文涛李传艺葛季栋骆斌南京大学计算机软件新技术国家重点实验室江苏南京210023

协作业务流程可以在执行跨组织的业务目标时简化业务逻辑,提升协作效率。它有两个重要的管理目标:隐私保护和数据监管。协作者们通常会利用可信的第三方平台。然而这种中心化的协作会存在监管失效和隐私泄露的风险。因此,目前的研究转... 详细信息

协作业务流程可以在执行跨组织的业务目标时简化业务逻辑,提升协作效率。它有两个重要的管理目标:隐私保护和数据监管。协作者们通常会利用可信的第三方平台。然而这种中心化的协作会存在监管失效和隐私泄露的风险。因此,目前的研究转向了利用去中心化方式的区块链技术实现流程监管。目前的方法基于匿名身份和公开的数据,会造成数据泄露的风险。为此,提出一个基于混合链的协作业务流程管理新方法,在监管业务流程数据的基础上,设计了对流程数据的针对性隐私保护方案。公有链部分确保流程实例对外部用户的隐私性和可监管性,联盟链部分提供了对内部协作者的隐私保护和数据监管。当流程实例在联盟链上执行时,利用三次遍历全体协作者的双向传递机制隔离协作任务。通过在多个公开的业务流程数据上的仿真实验,对比了混合链方法与其他基于区块链的方法。实验结果表明,混合链方法能够保护隐私数据和监管流程数据,在执行效率上具备可用性。

关键词：协作业务流程区块链隐私保护数据监管

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：