检索结果-内蒙古大学图书馆

计算机学报 2024年第8期47卷 1853-1882页

作者：曹宏业刘潇董绍康杨尚东霍静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 湘潭大学自动化与电子信息学院湖南湘潭411105 南京邮电大学计算机学院南京210023

强化学习作为机器学习的一种范式,因其强大的策略试错学习能力,受到关注.随着深度学习的融入,强化学习方法在许多复杂的控制任务中取得了巨大成功.然而,深度强化学习网络作为黑盒模型,其缺乏可解释性所带来的不安全、不可控及难理解等... 详细信息

强化学习作为机器学习的一种范式,因其强大的策略试错学习能力,受到关注.随着深度学习的融入,强化学习方法在许多复杂的控制任务中取得了巨大成功.然而,深度强化学习网络作为黑盒模型,其缺乏可解释性所带来的不安全、不可控及难理解等问题限制了强化学习在诸如自动驾驶、智慧医疗等关键领域中的发展.为了解决这一问题,科研人员开展了对强化学习可解释性的研究.然而,这些研究开展相对较晚,且缺少针对多智能体强化学习可解释性方法的系统性总结,同时,可解释性的定义存在人为主观性,导致系统性面向强化学习过程的可解释性研究较为困难.本文对当前强化学习的可解释性研究工作进行了全面的整理与总结.首先,对强化学习的可解释性进行定义并总结了相关评估方法.随后,基于马尔可夫决策过程,划分了行为级解释、特征级解释、奖励级解释及策略级解释四个类别.此外,在每个类别中,分析了单智能体及多智能体的策略解释方法,并特别关注可解释性研究中的人为因素,描述了人机交互式的解释方法.最后,对当前强化学习可解释性研究面临的挑战以及未来的研究方向进行总结与展望.

关键词：强化学习可解释性机器学习人工智能马尔可夫决策过程

来源：评论

学校读者我要写书评

暂无评论

基于误差截尾假设的时序预测可学习性理论与算法

引用

计算机学报 2022年第11期45卷 2279-2289页

作者：张绍群张钊钰姜远周志华南京大学计算机软件新技术国家重点实验室南京210023

在收集和处理时间序列数据的过程中,难免会产生误差,而在很多现实情形中误差是自相关非独立的.已有的预测理论在分析误差自相关的时序数据时,往往需要知道预测算法所输出假设空间的显式表达,而对于一些假设空间不明确的模型,比如神经网... 详细信息

在收集和处理时间序列数据的过程中,难免会产生误差,而在很多现实情形中误差是自相关非独立的.已有的预测理论在分析误差自相关的时序数据时,往往需要知道预测算法所输出假设空间的显式表达,而对于一些假设空间不明确的模型,比如神经网络,尚未有系统的求解方法和理论保障来分析其在非平稳且误差自相关时序数据上的预测能力.本文基于误差截尾的假设,提出了时间序列的预测PAC可学习理论,并给出了数据依赖情形下的泛化误差界.该界限包含一个时序复杂度度量和一个差异度量,前者描述了序列数据的非平稳性,后者可在适当情形下从数据中估计得到.因此,该误差界并不依赖于假设空间的显式表达,具有较强的普适性.根据上述理论,本文提出了一种基于自回归模型的交替优化算法用于预测非平稳的时间序列数据.我们在真实数据集上进行实验,验证了本文提出算法的有效性.

关键词：机器学习时间序列分析自相关误差预测PAC可学习性差异估计交替优化

来源：评论

学校读者我要写书评

暂无评论

多阶段融合的医疗物联网入侵检测方法

引用

计算机应用 2025年

作者：郑浩群蔡立志杨康王晓宇华东理工大学信息科学与工程学院上海计算机软件技术开发中心上海市计算机软件评测重点实验室

针对医疗物联网(IoMT)入侵检测方法依赖于数据样本平衡性，采用有监督学习的误用检测无法应对未知攻击，采用无监督学习的异常检测误报率高的问题，提出一种多阶段融合的医疗物联网入侵检测方法。首先，采用双向流特征中加入包头信息和... 详细信息

针对医疗物联网(IoMT)入侵检测方法依赖于数据样本平衡性，采用有监督学习的误用检测无法应对未知攻击，采用无监督学习的异常检测误报率高的问题，提出一种多阶段融合的医疗物联网入侵检测方法。首先，采用双向流特征中加入包头信息和有效载荷的特征提取方法，减少对数据样本平衡性的依赖；其次，结合有监督和无监督方法设计了一个三阶段的入侵检测框架，通过无监督学习的自编码器(AE)模型过滤良性流量并检测未知攻击，有监督学习的卷积神经网络(CNN)、门控循环单元(GRU)和注意力机制(Attention)的混合模型检测已知攻击减少误报，以提高检测性能。实验结果表明，所提方法构建的入侵检测系统(MTIDS)在CICIoMT2024和CICIoT2023数据集上实现了99.96%的检测准确率和93.78%的F1值。相较于AE等单一有监督或无监督模型的入侵检测，MTIDS在准确率和F1值上分别提升了0.82和5.58个百分点，验证了该方法在已知和未知攻击检测方面的准确性。

关键词：医疗物联网入侵检测深度学习异常检测未知攻击

来源：评论

学校读者我要写书评

暂无评论

自适应软件系统模型偏差检测方法的适用性评估

引用

计算机研究与发展 2022年第9期59卷 1929-1946页

作者：童燕翔秦逸马晓星计算机软件新技术国家重点实验室(南京大学) 南京210023

自适应软件系统的模型偏差会导致诸多可靠性问题.对控制型自适应软件系统而言,其面临的模型偏差源自描述软件系统的标称模型在非确定运行环境中的漂移现象.现有模型偏差检测方法往往忽视了不同模型偏差之间的差异性,导致用户难以为其特... 详细信息

自适应软件系统的模型偏差会导致诸多可靠性问题.对控制型自适应软件系统而言,其面临的模型偏差源自描述软件系统的标称模型在非确定运行环境中的漂移现象.现有模型偏差检测方法往往忽视了不同模型偏差之间的差异性,导致用户难以为其特定的应用场景选择合适的检测方法.针对这一问题,提出了一套特性指标,用于评估模型偏差检测方法在不同模型偏差场景下的适用性.该特性指标基于提出的模型偏差检测框架,系统分析了模型偏差检测过程中的重要因素,并提取控制信号强度、环境输入强度和非确定性强度作为量化的特性指标.基于这些特性指标,实验研究4种主流模型偏差检测方法在不同场景下的检测效果,并总结不同模型偏差检测方法对于自适应软件系统不同特性场景的适用性.

关键词：自适应软件控制型自适应软件系统模型偏差运行时验证场景特性

来源：评论

学校读者我要写书评

暂无评论

融合语义解释和DeBERTa的极短文本层次分类

引用

计算机科学 2024年第5期51卷 250-257页

作者：陈昊飏张雷南京大学计算机软件新技术全国重点实验室南京210023

文本层次分类在社交评论主题分类、搜索词分类等场景中有重要应用,这些场景的数据往往具有极短文本特征,体现在信息的稀疏性、敏感性等中,这对模型特征表示和分类性能带来了很大挑战,而层次标签空间的复杂性和关联性使得难度进一步加剧... 详细信息

文本层次分类在社交评论主题分类、搜索词分类等场景中有重要应用,这些场景的数据往往具有极短文本特征,体现在信息的稀疏性、敏感性等中,这对模型特征表示和分类性能带来了很大挑战,而层次标签空间的复杂性和关联性使得难度进一步加剧。基于此,提出了一种融合语义解释和DeBERTa模型的方法,该方法的核心思想在于:引入具体语境下各个字词或词组的语义解释,补充优化模型获取的内容信息;结合DeBERTa模型的注意力解耦机制与增强掩码解码器,以更好地把握位置信息、提高特征提取能力。所提方法首先对训练文本进行语法分词、词性标注,再构造GlossDeBERTa模型进行高准确率的语义消歧,获得语义解释序列;然后利用SimCSE框架使解释序列向量化,以更好地表征解释序列中的句子信息;最后训练文本经过DeBERTa模型神经网络后,得到原始文本的特征向量表示,再与解释序列中的对应特征向量相加,传入多分类器。实验遴选短文本层次分类数据集TREC中的极短文本部分,并进行数据扩充,最终得到的数据集平均长度为12词。多组对比实验表明,所提出的融合语义解释的DeBERTa模型性能最为优秀,在验证集和测试集上的Accuracy值、F1-micro值、F1-macro值相比其他算法模型有较大的提升,能够很好地应对极短文本层次分类任务。

关键词：极短文本层次分类语义解释 DeBERTa GlossDeBERTa SimCSE

来源：评论

学校读者我要写书评

暂无评论

一种基于图卷积神经网络的网络小贷反欺诈方案

引用

计算机应用与软件 2024年第5期41卷 92-95,117页

作者：毛巧儿刘晓强李柏岩蔡立志胡芸东华大学计算机科学与技术学院上海201620 上海市计算机软件评测重点实验室上海201112

针对网络小额贷款团伙欺诈的现象,提出一种基于图卷积神经网络的网络小贷反欺诈方案。根据信贷领域知识自顶向下定义知识图谱,通过电话联系等数据搭建用户关系网络;对数据进行预处理,获取欺诈风险特征;将关系网络的邻接矩阵及特征作为... 详细信息

针对网络小额贷款团伙欺诈的现象,提出一种基于图卷积神经网络的网络小贷反欺诈方案。根据信贷领域知识自顶向下定义知识图谱,通过电话联系等数据搭建用户关系网络;对数据进行预处理,获取欺诈风险特征;将关系网络的邻接矩阵及特征作为图卷积网络的输入,聚合二阶邻居的特征传播计算未知标签节点的违约概率。实验表明,与DeepWalk模型结合逻辑回归、XGBoost、GBDT分类器相比,该方法在KS值上分别提高0.214、0.168、0.076,提高了正负样本区分度,能够有效识别团伙欺诈。

关键词：图神经网络反欺诈网络小贷知识图谱

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

DDoop:基于差分式Datalog求解的增量指针分析框架

引用

软件学报 2024年第6期35卷 2608-2630页

作者：沈天琪王熙灶宾向荣卜磊计算机软件新技术全国重点实验室(南京大学) 江苏南京210023 南京大学计算机科学与技术系江苏南京210023 南京大学软件学院江苏南京210023

指针分析是对软件进行编译优化、错误检测的核心基础技术之一.现有经典指针分析框架,如Doop,会将待分析程序和分析算法转化成Datalog评估问题并进行求解,如程序规模较大,单次求解分析时间开销较大.在程序频繁变更发布的情况下,相关程序... 详细信息

指针分析是对软件进行编译优化、错误检测的核心基础技术之一.现有经典指针分析框架,如Doop,会将待分析程序和分析算法转化成Datalog评估问题并进行求解,如程序规模较大,单次求解分析时间开销较大.在程序频繁变更发布的情况下,相关程序分析的开销更是难以负担.近年来,增量分析作为一种在代码频繁变更场景下有效复用已有分析结果提升分析效率的技术受到了越来越多的关注.然而,目前的增量指针分析技术通常针对特定算法设计,支持的指针分析选项有限,其可用性也受到较大限制.针对上述问题,设计并实现一种基于差分式Datalog求解的增量指针分析框架DDoop(Differential Doop).DDoop实现增量输入事实生成技术与增量分析规则自动化重写技术,将多版本程序增量分析问题表达为差分Datalog评估问题,从而可以充分利用成熟的差分式Datalog求解引擎,如DDlog,来实现端到端的增量指针分析,并最大化兼容复用Doop中已有的指针分析实现,提供透明的增量化支持.在广泛应用的真实世界程序上对DDoop进行实验评估,实验结果显示DDoop相较于非增量的Doop框架具有显著的性能优势,同时高度兼容Doop中已有的各种指针分析规则.

关键词：指针分析增量分析 Datalog引擎增量计算差分式Datalog

来源：评论

学校读者我要写书评

暂无评论

云际分布记账模型、机理与关键技术展望

引用

电子学报 2024年第1期52卷 19-33页

作者：史佩昌王怀民傅翔国防科技大学计算机学院并行与分布处理重点实验室湖南长沙410073 国防科技大学计算机学院复杂系统软件工程湖南省重点实验室湖南长沙410073

云际计算是支持公有云、私有云、边缘云和微云等异源异质云服务以自主对等方式纵横协作共赢的新型计算模式,可为独立云服务实体间行为交互、信任构建和贡献度量等提供防篡改、可追溯能力支持,进而最大限度削弱阻碍不同利益攸关者协作的... 详细信息

云际计算是支持公有云、私有云、边缘云和微云等异源异质云服务以自主对等方式纵横协作共赢的新型计算模式,可为独立云服务实体间行为交互、信任构建和贡献度量等提供防篡改、可追溯能力支持,进而最大限度削弱阻碍不同利益攸关者协作的不确定性因素.提升云际协作意愿和效率需要基于何种机理进行何种机制创新,是云际计算成长演化中需要进一步阐述的新问题.本文首先以基于“数字空间证据”构建或增强信任关系为设计原则,提出了基于区块链的云际分布记账软件定义模型,并系统阐述了分布记账支撑云际服务独立性、可审计性以及释放云际协作潜能的内在机理;其次,面向云际复杂交互行为,深化并固化了云际分布记账运行逻辑流程及关键环节的设计,避免其在错综复杂要素综合作用下呈现不确定冲突和矛盾;再次,针对数据要素流通及复杂异步交互场景,细化并优化了云际分布记账合约逻辑模型;最后,论述了以分布共识、智能合约等为代表的云际分布记账核心技术及相应指标的现状,并对关键技术的目标属性体系、前瞻性挑战等进行了展望.

关键词：云际计算区块链分布记账分布共识智能合约

来源：评论

学校读者我要写书评

暂无评论

高维贝叶斯优化研究综述

引用

软件学报 2025年第6期36卷 2576-2603页

作者：陈泉霖陈奕宇霍静曹宏业高阳李栋郝建业计算机软件新技术国家重点实验室(南京大学) 华为技术有限公司诺亚方舟实验室

贝叶斯优化是一种优化黑盒函数的技术,高效的样本利用率使其在众多科学和工程领域中得到了广泛应用,如深度模型调参、化合物设计、药物开发和材料设计等.然而,当输入空间维度较高时,贝叶斯优化的性能会显著下降.为了克服这一限制,许多... 详细信息

贝叶斯优化是一种优化黑盒函数的技术,高效的样本利用率使其在众多科学和工程领域中得到了广泛应用,如深度模型调参、化合物设计、药物开发和材料设计等.然而,当输入空间维度较高时,贝叶斯优化的性能会显著下降.为了克服这一限制,许多研究对贝叶斯优化方法进行了高维扩展.为了深入剖析高维贝叶斯优化的研究方法,根据不同工作的假设与特征将高维贝叶斯优化方法分为3类:基于有效低维度假设的方法、基于加性假设的方法以及基于局部搜索的方法,并对这些方法进行阐述和分析.首先着重分析这3类方法的研究进展,然后比较各类方法在贝叶斯优化应用中的优劣势,最后总结当前阶段高维贝叶斯优化的主要研究趋势,并对未来发展方向展开讨论.

关键词：高维贝叶斯优化贝叶斯优化黑盒优化降维变量选择

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：