检索结果-南通市图书馆

作者：邓晓杰上海交通大学

学位级别：硕士

基于消息传递的并发程序设计语言广泛应用于大规模分布式系统和协调系统的开发过程中。本文介绍带缓存的π演算，它是π演算的变体，其中通道名被进一步分为带缓存的或者不带缓存的：在带缓存的通道名上的通信是异步的，而在不带缓存的... 详细信息

基于消息传递的并发程序设计语言广泛应用于大规模分布式系统和协调系统的开发过程中。本文介绍带缓存的π演算，它是π演算的变体，其中通道名被进一步分为带缓存的或者不带缓存的：在带缓存的通道名上的通信是异步的，而在不带缓存的通道名上的通信仍然是同步的。文章给出了带缓存的π演算在polyadic π演算中的编码，并指出编码关于强互模拟具有完全抽象性质。因此在π演算中加入缓存并没有增强模型的表达能力。相比π演算，用带缓存的π演算建模基于消息传递的并发语言通常更加方便。编码过程清晰，简洁，并易于理解。文章讨论了两种不同风格的并发语言—Go语言和Core Erlang语言的子集—在带缓存的π演算中的编码。两种编码关于（弱）互模拟都是完全抽象的。

关键词： π演算缓存编码完全抽象

Qsimulation V2.0：一个优化的量子模拟器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Qsimulation V2.0：一个优化的量子模拟器

作者：吴华华东师范大学

学位级别：硕士

由于量子效应,经典计算机元器件的发展已达到现代物理学的极限。得益于量子叠加态,量子计算机与经典计算机相比能显著加快计算速度。因此,世界各国掀起了研发解决特定问题的量子计算机的浪潮。在过去的几十年间,虽然量子计算随着一系列... 详细信息

由于量子效应,经典计算机元器件的发展已达到现代物理学的极限。得益于量子叠加态,量子计算机与经典计算机相比能显著加快计算速度。因此,世界各国掀起了研发解决特定问题的量子计算机的浪潮。在过去的几十年间,虽然量子计算随着一系列量子算法的提出不断进步,但距离研制出可扩展的通用量子计算机仍有很长的路要走。因此,在经典计算机上模拟量子计算也变得异常重要,就像VLSI设计中的电路模拟一样。Qsimulation作为一款量子模拟器软件,可让使用者编写量子程序、画量子线路图、运行程序并查看结果。和很多其它的量子模拟器一样,Qsimulation模拟量子演化的效率很大程度上取决于它处理矩阵运算的能力。在本文中我们将提出一种能加速矩阵向量乘计算的新算法,优化Qsimulation得到更优的模拟器软件版本Qsimulation V2.0.s。该算法基于张量积和矩阵分解,很适合模拟量子线路的执行。实验结果表明Qsimulation V2.0.s优于开源软件框架Qiskit和Project Q。根据矩阵乘法属于计算密集型任务的特点,本文进一步提出多线程并行计算的优化方法,得到软件版本Qsimulation V2.0。实验结果表明Qsimulation运行效率进一步提高。此外,根据一种更直观的想法,本文又用一种启发式算法实现了Qsimulation。该算法将量子叠加态以键值对的形式存在表中,状态演化时直接对表中状态进行更改。实验结果表明该算法能模拟更多的量子比特,且当量子态的叠加态数目较少时运行效率更高。

关键词：量子计算量子模拟器优化量子线路

Qsimulation：一个量子计算模拟器工具

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Qsimulation：一个量子计算模拟器工具

作者：邓曦华东师范大学

学位级别：硕士

量子计算是一种基于量子比特的计算技术。相比经典计算,量子计算在解质因数分解等复杂问题上具有明显的优势。因此,学习和研究量子计算是很有必要的。但是,量子计算既需要计算机科学的背景知识,又需要量子力学的背景知识。初学者在学习... 详细信息

量子计算是一种基于量子比特的计算技术。相比经典计算,量子计算在解质因数分解等复杂问题上具有明显的优势。因此,学习和研究量子计算是很有必要的。但是,量子计算既需要计算机科学的背景知识,又需要量子力学的背景知识。初学者在学习量子计算时,理解其基本概念及相关算法并不容易。同时由于量子计算的知识过于理论及抽象,老师在讲授其具体内容时,如果拥有一个可视化的模拟工具用于辅助教学,那对于学生理解掌握相关知识是非常有用的。然而,现在可用的工具要么过于复杂,要么过于简单。因此,我们设计并开发了Qsimulation量子计算模拟器工具——一个用于在经典计算机上模拟量子计算的工具。Qsimulation量子计算模拟器工具主要由四个模块组成:量子编程语言SQSL语言模块、解释器模块、图形用户界面模块以及错误处理模块。Qsimulation量子计算模拟器工具是个具有良好的交互体验、操作简单并且功能齐全的量子计算模拟器工具。Qsimulation量子计算模拟器工具可以让教师和初学者设计和测试简单的量子线路和量子程序。

关键词：量子计算量子计算模拟器量子线路量子编程

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合上下文信息的知识图谱表示学习方法

结合上下文信息的知识图谱表示学习方法

作者：徐宏刚华东师范大学

学位级别：硕士

知识图谱是当今大数据时代至关重要的信息数据库,未来将在零售、供应链、金融等领域持续发挥信息的检索和推理作用。知识图谱虽然已经对知识信息进行了结构化的表示,但在实际生产应用中如何利用这些信息仍然是一个巨大的挑战。而知识图... 详细信息

知识图谱是当今大数据时代至关重要的信息数据库,未来将在零售、供应链、金融等领域持续发挥信息的检索和推理作用。知识图谱虽然已经对知识信息进行了结构化的表示,但在实际生产应用中如何利用这些信息仍然是一个巨大的挑战。而知识图谱表示学习为知识图谱实际应用信息的使用提供了重要的解决途径。知识图谱表示学习技术逐渐成为知识图谱应用到生产领域的关键一环,可以应用于推荐系统、知识问答、自然语言理解等众多领域。大多数现有的知识图谱表示学习方法都将目光集中于知识图谱中现有的三元组内部所蕴含的信息。近年来,许多研究显示,知识图谱中实体之间的上下文信息,诸如实体间隐藏的联系、邻域信息、路径信息等都可以对知识图谱表示学习任务起到十分可观的作用。本文着重对实体间隐藏的联系和邻域信息进行了研究和实验,探讨了它们在知识图谱表示学习的中的影响。对于实体间隐藏的联系,我们提出一种结合注意力机制的知识图谱表示学习翻译模型。我们在添加非线性映射的Trans D的基础上,将实体与其他实体之间使用注意力机制联系起来,进一步增强了模型的效果。此外我们的模型复杂度相对神经网络模型较低,但是依然具有不差于神经网络模型的效果。对于邻域信息,我们提出一种结合邻域信息的表示学习神经网络模型。我们在神经网络模型的基础上,添加了邻域信息通道。我们使用随机游走技术获得实体的邻域实体节点序列,并将其通过卷积神经网络分析特征信息。然后我们将邻域信息通道和原本的三元组信息通道结合起来,生成最终的预测结果,并通过实验证明了邻域信息在知识图谱表示学习中的作用。

关键词：知识图谱表示学习翻译模型神经网络注意力机制上下文信息

多因素影响下的AFC数据仓库全局缓冲区管理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多因素影响下的AFC数据仓库全局缓冲区管理

作者：郭伟利上海交通大学

学位级别：硕士

随着城市轨道交通自动售检票系统（Automatic Fare Collection,AFC）中业务复杂度的提高和数据收集量的增大,AFC数据仓库管理难度逐步增大、用户访问速度要求越来越高。设计出一个此行业下适合的数据仓库全局缓冲区管理方案是解决这些... 详细信息

随着城市轨道交通自动售检票系统（Automatic Fare Collection,AFC）中业务复杂度的提高和数据收集量的增大,AFC数据仓库管理难度逐步增大、用户访问速度要求越来越高。设计出一个此行业下适合的数据仓库全局缓冲区管理方案是解决这些问题的一种新的思路。本文研究了业界内数据仓库全局缓冲区管理的现状,分析了轨道交通收费系统专有的业务规范、数据结构和数据类型对数据仓库全局缓冲区的影响;融合了元数据、主数据、数据驱动型索引技术、自组织线性表技术等因素,并利用支持度/置信度模式的关联规则,提出了一个AFC数据仓库全局缓冲区管理方案,并通过分析南京轨道交通一号线AFC系统的部分运营数据,模拟实现此管理方案并对运行结果数据进行了分析。如今城市化进程下轨道交通系统越来越发达、越来越复杂,AFC数据仓库的作用也越来越大,AFC数据仓库全局缓冲区管理方案作为一种特殊的中间件系统,不仅可以解决AFC行业累积数据量越来越大、分析性能要求却越来越高的矛盾,对找到通用的数据仓库全局缓冲区管理策略和方案也有一定的借鉴意义。

关键词：轨道交通自动售检票系统数据仓库全局缓冲区元数据主数据索引自组织线性表关联规则

基于Prolog的可信树验证工具的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Prolog的可信树验证工具的设计与实现

作者：张全华东师范大学

学位级别：硕士

近年来,随着人工智能的深入发展以及无人驾驶、机器人等技术的广泛应用,软件系统的可信性越来越成为一个值得关注问题。为了严格论证系统的可信属性,Deng等人提出可信推导树模型(简称可信树)。为充分发挥该模型的优点,需要解决两个重要... 详细信息

近年来,随着人工智能的深入发展以及无人驾驶、机器人等技术的广泛应用,软件系统的可信性越来越成为一个值得关注问题。为了严格论证系统的可信属性,Deng等人提出可信推导树模型(简称可信树)。为充分发挥该模型的优点,需要解决两个重要问题:(1)如何从工程实践中的技术文档自动抽取关键信息以构建可信树;(2)如何对可信树属性之间的关系进行自动化推理。可信推导树的推理验证需要用到Prolog语言。现有的Prolog求解器往往具有部件冗余、占用资源多、难以集成到可信推导树建模工具等缺点。本文针对可信推导树的自动构建和推理验证问题,借助文字识别和图形识别技术抽取PDF格式的技术文档中的信息以快速构建可信树,设计并实现了轻量级的基于Prolog语言的推理求解器,该求解器可以完成对可信树中规则的验证与推理,还可以回答含谓词和变量的一阶逻辑提问,具有轻量易集成、性能良好的优点。本文详细介绍了该推理工具的设计原理和实现方法,其中包含词法分析、语法分析、搜索匹配等功能的具体方案。最后,实验部分采用了Open PCA Pump Assurance Case这一可信安全案例,借助了文字识别和图像识别技术对案例文本中的信息进行了抽取整合并进行推理验证。实验结果显示,本文所设计的推理验证工具可以很好地验证实际案例中的可信性问题。

关键词：可信推导树可信性推理验证 Prolog求解器

基于量子加强的LSTM模型的多变量时序预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于量子加强的LSTM模型的多变量时序预测

作者：李典康华东师范大学

学位级别：硕士

时间序列预测问题相关的讨论由来已久,其中的多变量时序预测问题在真实应用场景中普遍存在,对于指导人类生产生活、辅助科研工作等具有重要的意义。随着人工智能技术的发展,基于长短期记忆神经网络(LSTM)等深度学习技术来解决时序预测... 详细信息

时间序列预测问题相关的讨论由来已久,其中的多变量时序预测问题在真实应用场景中普遍存在,对于指导人类生产生活、辅助科研工作等具有重要的意义。随着人工智能技术的发展,基于长短期记忆神经网络(LSTM)等深度学习技术来解决时序预测问题成为较主流的方法。然而模型复杂度与计算量需求的急剧增长催使人们探索新的技术以辅助时序预测问题。量子计算在信息处理上表现出的潜在优势使其被认为有望进一步优化经典的时序预测。量子深度学习结合了量子计算与经典深度学习的优势,通过构建类比经典神经网络的量子神经网络以试图改良现有的深度学习技术,从而可用于有效地解决时序预测问题。本研究尝试基于设计量子神经网络层(QNN)以构建量子加强的LSTM模型(QLSTM)来解决多变量时序预测问题。本研究的主要工作包括:(1)详细讨论了量子神经网络层的构建过程,设计了一类具有较优表达能力的可用于构建量子神经网络层的变分量子线路,并基于混合量子-经典神经网络架构搭建了量子加强的LSTM模型(QLSTM)。(2)在量子软件开发环境pyQPanda下基于所构建的QLSTM模型就真实情境下的多变量时序预测问题开展系列实验以验证其可行性。(3)考虑一系列优化QLSTM模型的方法。包括基于深度学习经验优化QLSTM模型以及构建了一系列量子加强的LSTM模型的变体等。此外,研究还设计了一类较通用的用于QNN的量子正则化方法以进一步优化QLSTM模型表现。实验结果表明所构建的QLSTM模型在解决多变量时序预测问题上具备一定的可行性与潜在的优势,包括更简单的模型结构、更少的参数数量等。后续优化实验表明了基于经典深度学习经验优化量子深度学习模型的可能性,同时表明了所提出的适用于QNN的量子正则化方法在优化QLSTM模型性能、提升量子噪声鲁棒性等方面的可用性。该研究为基于QNN构建量子深度学习模型提供了可复用的参考,同时为优化量子深度学习模型表现提供了可行的思路与方法。

关键词：量子深度学习量子神经网络量子计算深度学习 LSTM 时间序列预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

互模拟等价验证算法的比较与应用

互模拟等价验证算法的比较与应用

作者：雷国庆华东师范大学

学位级别：硕士

随着计算机科学的发展,形式化验证方法在软件和硬件领域的应用越来越广泛。互模拟等价关系是形式化方法中的一个重要概念,它表示两个转移系统之间的等价关系,当两个系统互模拟等价时,它们可以相互模拟彼此的动作。互模拟等价关系对并发... 详细信息

随着计算机科学的发展,形式化验证方法在软件和硬件领域的应用越来越广泛。互模拟等价关系是形式化方法中的一个重要概念,它表示两个转移系统之间的等价关系,当两个系统互模拟等价时,它们可以相互模拟彼此的动作。互模拟等价关系对并发系统的验证与分析具有重要作用,比如:两个转移系统满足相同的CTL(计算树逻辑)和CTL*公式当且仅当它们是互模拟等价的。互模拟等价验证算法可以分为局部算法和全局算法。本文主要研究这两类算法。本文的主要贡献如下所示:(1)对局部算法以及准局部算法的实现过程进行了优化,比较了它们的运行效率。之后,通过对标号转移系统的饱和处理将这两种算法推广到了弱互模拟等价的验证问题中。(2)实现并比较全局算法。全局算法的核心思想就是划分等价类,本文详细解释了这一思想的发展和演变过程。算法在一个初始分类的基础上对等价类不断地进行分割精化,直到满足如下条件:(1)所有互模拟的状态都属于同一等价类(2)一个等价类内的所有状态都是互模拟的。之后重点介绍了时间复杂度为O(mlogn)的Valmari算法,并分别用Java和C++实现了算法,然后将这两种版本的算法和CADP工具进行了比较。(3)全局算法的应用。上文提到的Valmari算法也是一种互模拟压缩算法,本文分别实现了由Valmari和Alexander Sch?tzle提出的两种互模拟压缩算法,并将其应用于知识图谱的互模拟压缩问题中,比较了两种算法的运行效果。根据实验数据可知,在PC平台上处理百万级规模的数据时可选择基于内存的Antti Valmari算法,在服务器的数据库中处理更大规模数据时可选择基于外存的Alexander Sch?tzle算法。

关键词：形式化方法互模拟等价 RDF图

基于概率有限自动机的梯度提升决策树全局解释方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于概率有限自动机的梯度提升决策树全局解释方法

作者：陈吟凯华东师范大学

学位级别：硕士

随着人工智能的迅猛发展和广泛应用,机器学习可解释性对用户理解和信任机器学习模型的决策结果变得至关重要。然而大多数机器学习模型都是黑盒模型,其内部复杂的结构以及庞大的参数规模使得用户难以理解模型的决策。因此,将性能卓越的... 详细信息

随着人工智能的迅猛发展和广泛应用,机器学习可解释性对用户理解和信任机器学习模型的决策结果变得至关重要。然而大多数机器学习模型都是黑盒模型,其内部复杂的结构以及庞大的参数规模使得用户难以理解模型的决策。因此,将性能卓越的机器学习模型部署在关键性应用场景时,模型本身的可解释性研究变得尤为重要。本文研究机器学习模型的可解释性,概述了可解释性的分类与研究现状,分析比较主流可解释工具,调研了如何将概率模型引入可解释工作,在此基础上提出了一种基于概率有限状态自动机的梯度提升决策树全局解释方法。即从训练好的待解释模型中提取构造概率模型来解释原模型,实现了一种模型绑定的全局解释方法。本文解释对象为梯度提升决策树,该模型在多种工业场景中均有广泛应用,其可解释性比神经网络略高且在某些应用场景中具有和神经网络相媲美的精度。本文主要研究内容包括:(1)提出了基于概率有限状态自动机的梯度提升决策树全局解释方法。本方法从训练好的梯度提升树中提取重要交叉特征,通过过滤、聚类等操作构造抽象序列集,然后使用合并算法将抽象序列集转成概率有限状态自动机。为了使概率模型尽可能地模拟原模型的决策,本文在实验中调节各个环节的参数不断训练,使概率模型达到较高的忠诚度。此时,提取到的重要交叉特征就是原模型梯度提升决策树在该数据集上的全局解释。随着给定梯度提升决策树模型规模的增长,本文的方法保持了概率模型的高忠诚度。(2)对本文提出的解释方法设计实验并加以案例分析。在多个常用的表格型数据集上进行模型构建与训练,对概率模型的构造算法流程进行优化以提高概率模型相对于原模型的忠诚度,与主流可解释工具进行实验效果比较,并且分析本文解释方法的覆盖率和精确度。通过案例分析说明获取到的全局解释的使用方法,即使用全局解释直接对测试样本进行预测任务。(3)将本文提出的全局解释方法应用在犯罪预测任务上,并进行公平性分析。针对犯罪预测任务数据集,通过数据清洗、标签整理和特征工程对数据集进行预处理,使用梯度提升决策树进行训练预测,在此基础上使用本文提出的概率模型提取重要交叉特征,使用重要交叉特征进行模型的公平性分析。

关键词：机器学习可解释性梯度提升决策树概率有限状态自动机公平性分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向异构图节点分类问题的图卷积网络研究

面向异构图节点分类问题的图卷积网络研究

作者：张瑞华东师范大学

学位级别：硕士

图作为一种数据结构,广泛存在于现实生活的数据组织形式中,如社交关系图、分子结构图、论文引用关系图、计算机网络、知识图谱等等。与图像、语音、文本等欧式数据不同,图结构数据是一种非欧数据,如何在图结构数据上建模神经网络从而提... 详细信息

图作为一种数据结构,广泛存在于现实生活的数据组织形式中,如社交关系图、分子结构图、论文引用关系图、计算机网络、知识图谱等等。与图像、语音、文本等欧式数据不同,图结构数据是一种非欧数据,如何在图结构数据上建模神经网络从而提取信息进行机器学习任务是近些年来的研究热点。传统图卷积网络在图结构数据的机器学习任务上取得了重要的进展。图卷积网络的模型设计建立在同构性假设上,即图中相连节点有较大概率属于同一类别或者有相似的特征。传统图卷积网络采用一种信息传递机制,即相连节点彼此传递特征作为信息,这使得相连结点的特征趋于相似,更易于被分为同一类别。这种设计模式使得传统图卷积网络在同构图的学习任务,特别是节点分类任务上取得非常好的效果。然而,现实世界中存在着许多异构图,即相连节点有较大概率属于不同类别的图。传统图卷积网络在异构图上的节点分类任务上的表现并不理想,如何设计图卷积网络,使其无论在同构图还是异构图上的节点分类任务均能实现良好的表现,是一个目前仍在探索的问题。根据对图结构信息的利用方式的不同,图卷积网络可以被分为空域图卷积网络与频域图卷积网络两种。针对图卷积网络在异构图上的节点分类任务表现不佳的问题,也可以从空域角度和频域角度分别进行分析,因此空域图卷积网络和频域图卷积网络目前均有相关工作尝试解决这个问题。在空域图卷积网络的相关工作中,一种重要思路是设计更合理的信息传递机制,特别是传递有符号的信息,然而,现有的工作没有将点对之间的同构度与异构度对分类结果的影响显式的区分出来,而只是采用一种隐式的方式。如何显式建模点对之间的同构度与异构度,并利用其引导信息的传递,是一个值得研究的问题。频域角度认为,传统图卷积网络实际上起到了低通滤波器的作用,它滤除了高通信号,保留了低通信号。而高通信号对于异构图更为重要,因此频域图卷积网络的相关工作主要尝试设计可学习的图滤波器,使其能够根据图结构数据自适应的调整图滤波器。然而,现有的相关工作主要使用单个可学习的滤波器,异常检测领域中已有工作使用两个滤波器分别学习低频和高频信号。在节点分类任务上能否使用多个滤波器,并使其起到不同的作用,同样是一个值得研究的问题。本文以面向异构图的节点分类问题的图卷积网络为研究方向,分别从空域角度和频域角度设计两种新的图卷积网络节点分类模型。本文主要内容如下:·显式预估的同构度与异构度引导的图卷积网络该模型设计使用一种改善的信息传递机制,该机制使用显式预估的点对的同构度与异构度自适应地引导信息传递,该机制可以使无论同构图还是异构图中属于不同类别的节点所学习到的表征更易于被区分。同时为了能够预估准确的同构度和异构度,该模型使用深度游走算法提取图结构信息来预训练预估器,并联合原始节点属性信息预训练的预估器共同进行预估。本文通过对比实验与消融实验说明了该模型的有效性。·联合多图滤波器的图卷积网络该模型基于针对节点分类问题的可学习多项式滤波器,使用多个图滤波器对节点特征进行滤波,并通过注意力机制加和多个滤波结果。本文通过实验说明了该模型的有效性,同时本文使用频率响应函数和滤波前后的图信号的对比来解释该模型如何在节点分类问题中利用图结构信息,表明该模型具有较好的可解释性。·空域模型与频域模型的优缺点对比。通过从分类效果,可解释性,计算复杂度与时间开销,模型复杂度与模型参数量四个角度对比上述两个模型,以及有代表性的空域和频域对比模型,综合比较空域与频域两种图神经网络的优缺点。

关键词：图神经网络异构图节点分类图信号处理图表示学习