检索结果-南通市图书馆

Improving Federated Learning through Abnormal Client Detection and Incentive

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Computer Modeling in Engineering & Sciences 2024年第4期139卷 383-403页

作者： Hongle Guo yingchi mao Xiaoming He Benteng Zhang Tianfu Pang Ping Ping College of Computer and Information Hohai UniversityNanjing211100China Key Laboratory ofWater Big Data Technology of Ministry ofWater Resources Hohai UniversityNanjing211100China

Data sharing and privacy protection are made possible by federated learning,which allows for continuous model parameter sharing between several clients and a central *** reliable and high-quality clients must participate in practical applications for the federated learning global model to be accurate,but because the clients are independent,the central server cannot fully control their *** central server has no way of knowing the correctness of the model parameters provided by each client in this round,so clients may purposefully or unwittingly submit anomalous data,leading to abnormal behavior,such as becoming malicious attackers or defective *** reduce their negative consequences,it is crucial to quickly detect these abnormalities and incentivize *** this paper,we propose a Federated Learning framework for Detecting and Incentivizing Abnormal Clients(FL-DIAC)to accomplish efficient and security federated *** build a detector that introduces an auto-encoder for anomaly detection and use it to perform anomaly identification and prevent the involvement of abnormal clients,in particular for the anomaly client detection *** them,before the model parameters are input to the detector,we propose a Fourier transform-based anomaly data detectionmethod for dimensionality reduction in order to reduce the computational ***,we create a credit scorebased incentive structure to encourage clients to participate in training in order tomake clients actively *** training models(CNN,MLP,and ResNet-18)and three datasets(MNIST,Fashion MNIST,and CIFAR-10)have been used in *** to theoretical analysis and experimental findings,the FL-DIAC is superior to other federated learning schemes of the same type in terms of effectiveness.

关键词： Federated learning abnormal clients incentive credit score abnormal score detection

考虑发电与弃水风险的梯级水电站水库风险调度模型

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

水资源保护 2024年第2期40卷 100-106,149页

作者：丁紫玉方国华毛莺池刘彦哲杨光智徐铭河海大学计算机与软件学院江苏南京211100 河海大学水利水电学院江苏南京210098 上海市水利工程设计研究院有限公司上海200061 江苏省水利工程科技咨询股份有限公司江苏南京210029

为量化梯级水电站水库调度过程中的风险形势,提出了预报信息驱动的梯级水电站水库风险调度模型。基于长短期记忆(LSTM)神经网络建立风险形势预测模型,通过构造预报入库径流、水库运行工况、调度决策与出力破坏程度和弃水量之间的映射关... 详细信息

为量化梯级水电站水库调度过程中的风险形势,提出了预报信息驱动的梯级水电站水库风险调度模型。基于长短期记忆(LSTM)神经网络建立风险形势预测模型,通过构造预报入库径流、水库运行工况、调度决策与出力破坏程度和弃水量之间的映射关系,动态推演复杂工况下梯级水电站水库调度风险;建立基于风险形势的梯级水电站水库调度模型,提出发电不足风险预控模式和弃水风险预控模式。选取雅砻江流域下游锦屏一级和二滩水库组成的梯级水电站水库作为实例研究,结果表明:与常规发电量最大模型相比,风险调度模型通过提前降低出力来补偿未来出力破坏时段的发电量,锦屏一级和二滩水电站分别减小出力破坏程度46%、63%,通过提前增加发电流量预留库容来缓解蓄水期后续时段的弃水量,锦屏一级和二滩水电站分别降低弃水流量4.8%、5.4%;风险形势预测模型能够将径流不确定性嵌入风险调度模型中,通过风险预控决策动态响应水电站水库调度运行状态和径流形势变化,在保证梯级发电量的同时有效降低调度风险。

关键词：梯级水电站水库发电不足风险弃水风险长短期记忆神经网络

Energy-Efficient Area Coverage in Heterogeneous Energy Wireless Sensor Networks

在线全文

学校读者我要写书评

暂无评论

Wireless Sensor Network 2010年第10期2卷 768-776页

作者： yingchi mao Xiaofang Li Feng Xu 不详

Sensing coverage and energy consumption are two primary issues in wireless sensor networks. Sensing coverage is closely related to network energy consumption. The performance of a sensor network depends to a large extent on the sensing coverage, and its lifetime is determined by its energy consumption. In this paper, an energy-efficient Area Coverage protocol for Heterogeneous Energy sensor networks (ACHE) is proposed. ACHE can achieve a good performance in terms of sensing area coverage, lifetime by minimizing energy consumption for control overhead, and balancing the energy load among all nodes. Adopting the hierarchical clustering idea, ACHE selects the active nodes based on the average residual energy of neighboring nodes and its own residual energy parameters. Our simulation demonstrates that ACHE not only provide the high quality of sensing coverage, but also has the good performance in the energy efficiency. In addition, ACHE can better adapt the applications with the great heterogeneous energy capacities in the sensor networks, as well as effectively reduce the control overhead.

关键词： Wireless Sensor Networks Area Coverage Heterogeneous Energy Location-Independent

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于相似一致性的模型自蒸馏方法

计算机科学 2023年第11期50卷 259-268页

作者：万旭毛莺池王孜博刘意平萍水利部水利大数据技术重点实验室南京211100 河海大学计算机与信息学院南京211100

针对传统自蒸馏方法存在数据预处理成本高、局部特征检测缺失,以及模型分类精度低的情况,提出了基于相似一致性的模型自蒸馏方法(Similarity and Consistency by Self-Distillation,SCD),提高模型分类精度。首先,对样本图像的不同层进... 详细信息

针对传统自蒸馏方法存在数据预处理成本高、局部特征检测缺失,以及模型分类精度低的情况,提出了基于相似一致性的模型自蒸馏方法(Similarity and Consistency by Self-Distillation,SCD),提高模型分类精度。首先,对样本图像的不同层进行学习得到特征图,通过特征权值分布获取注意力图。然后,计算Mini-batch内样本间注意力图的相似性获得相似一致性知识矩阵,构建基于相似一致性的知识,使得无须对实例数据进行失真处理或提取同一类别的数据来获取额外的实例间知识,避免了大量的数据预处理工作带来的训练成本高和训练复杂的问题。最后,将相似一致性知识矩阵在模型中间层之间单向传递,让浅层次的相似矩阵模仿深层次的相似矩阵,细化低层次的相似性,捕获更加丰富的上下文场景和局部特征,解决局部特征检测缺失问题,实现单阶段单向知识转移的自蒸馏。实验结果表明,采用基于相似一致性的模型自蒸馏方法:在公开数据集CIFAR100和TinyImageNet上,验证了SCD提取的相似一致性知识在模型自蒸馏中的有效性,相较于自注意力蒸馏方法(Self Attention Distillation,SAD)和保持相似性的知识蒸馏方法(Similarity-Preserving Knowledge Distillation,SPKD),分类精度平均提升1.42%;相较于基于深度监督的自蒸馏方法(Be Your Own Teacher,BYOT)和动态本地集成知识蒸馏方法(On-the-fly Native Ensemble,ONE),分类精度平均提升1.13%;相较于基于深度神经网络的数据失真引导自蒸馏方法(Data-Distortion Guided Self-Distillation,DDGSD)和基于类间的自蒸馏方法(Class-wise Self-Knowledge Distillation,CS-KD),分类精度平均提升1.23%。

关键词：知识蒸馏知识表达自蒸馏相似一致性知识矩阵

在线全文

学校读者我要写书评

暂无评论

基于双重注意力的无触发词中文事件检测

计算机科学 2023年第1期50卷 276-284页

作者：程永毛莺池万旭王龙宝朱敏水利部水利大数据技术重点实验室南京210098 河海大学计算机与信息学院南京211100

事件抽取是自然语言处理的重要任务,而事件检测是事件抽取的关键步骤之一,其目标是检测事件的发生并对其进行分类。目前基于触发器识别的中文事件检测方法存在一词多义、词与触发词不匹配的问题,影响了事件检测模型的精度。针对此问题,... 详细信息

事件抽取是自然语言处理的重要任务,而事件检测是事件抽取的关键步骤之一,其目标是检测事件的发生并对其进行分类。目前基于触发器识别的中文事件检测方法存在一词多义、词与触发词不匹配的问题,影响了事件检测模型的精度。针对此问题,提出基于双重注意力的无触发词事件检测模型(Event Detection Without Triggers based on Dual Attention,EDWTDA),该模型可跳过触发词识别过程,实现在无触发词标记情况下直接判断事件类型。EDWTDA利用ALBERT改善词嵌入向量的语义表示能力,缓解一词多义问题,提高模型预测能力;采用局部注意力融合事件类型捕捉句中关键语义信息并模拟隐藏的事件触发词,解决词与触发词不匹配的问题;借助全局注意力挖掘文档中的语境信息,解决一词多义问题;最后将事件检测转化成二分类任务,解决多标签问题。同时,采用Focal loss损失函数解决转化成二分类后产生的样本不均衡问题。在ACE2005中文语料库上的实验结果表明,所提模型相比最佳基线模型JMCEE在精确率、召回率和F1-score评价指标上分别提高了3.40%,3.90%,3.67%。

关键词：双重注意力无触发词中文事件检测 ACE2005 二分类

基于强化学习的电力数据存储系统参数自适应调优

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第4期46卷 112-122页

作者：屠子健毛莺池吴明波陈禹河海大学计算机与信息学院江苏省南京市211100 华能澜沧江水电股份有限公司云南省昆明市650214

Ceph系统被广泛应用于电力数据的存储,现有数据中心依赖人工经验对存储配置参数进行优化。但是,人工经验无法适应电网的动态变化,准确性低,无法满足激增的电网边缘快速存储与处理需求。针对以上问题,在电力数据存储系统中提出一种基于... 详细信息

Ceph系统被广泛应用于电力数据的存储,现有数据中心依赖人工经验对存储配置参数进行优化。但是,人工经验无法适应电网的动态变化,准确性低,无法满足激增的电网边缘快速存储与处理需求。针对以上问题,在电力数据存储系统中提出一种基于强化学习的数据负载感知自适应配置参数推荐方法。该方法基于强化学习的马尔可夫链蒙特卡洛采样算法配置参数样本集和相应的集群性能,使用分层建模方法构建性能预测模型,采用集群性能代价函数与负载相似度估算结合算法,提供负载的快速感知和配置参数的持续优化。实验结果表明,采样效率得到有效提升,预测精度优于现有预测模型,满足电力数据采集系统的运行要求,且寻优耗时也低于现有的黑盒参数调优方法。

关键词： Ceph系统电力物联网数据负载配置参数集群性能参数调优

基于随机森林和遗传算法的Ceph参数自动调优

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机应用 2020年第2期40卷 347-351页

作者：陈禹毛莺池河海大学计算机与信息学院

Ceph系统性能受Ceph配置参数的显著影响,在Ceph集群的配置优化中,配置参数种类繁多、含义复杂,导致难以实现快速准确寻优。针对以上问题,提出一种基于随机森林(RF)和遗传算法(GA)的参数调优方法,用于自动调整Ceph参数配置以优化Ceph系... 详细信息

Ceph系统性能受Ceph配置参数的显著影响,在Ceph集群的配置优化中,配置参数种类繁多、含义复杂,导致难以实现快速准确寻优。针对以上问题,提出一种基于随机森林(RF)和遗传算法(GA)的参数调优方法,用于自动调整Ceph参数配置以优化Ceph系统性能。该方法使用RF算法为Ceph系统构建性能预测模型,并将预测模型的输出作为GA的输入,通过GA对参数配置方案进行自动迭代优化。仿真结果表明,调优后的参数配置较默认的参数配置相比,使Ceph文件系统的读写性能提高了约1.4倍,并且寻优耗时远低于黑盒参数调优方法。

关键词： Ceph 参数配置随机森林遗传算法自动调优

考虑预报不确定性的水风光互补系统两阶段决策研究

在线全文

学校读者我要写书评

暂无评论

水利水电技术（中英文） 2023年第4期54卷 49-59页

作者：丁紫玉方国华闻昕谭乔凤毛莺池张钰河海大学计算机与信息学院江苏南京210000 河海大学水利水电学院江苏南京210000

【目的】水风光资源长期预报精度有限,如何应对风光出力和径流的不确定性是充分发挥多能源协同优势的关键,为此,提出考虑预报不确定性的水风光互补系统两阶段决策方法。【方法】将互补系统长期调度多阶段决策划分为包含面临时段和余留... 详细信息

【目的】水风光资源长期预报精度有限,如何应对风光出力和径流的不确定性是充分发挥多能源协同优势的关键,为此,提出考虑预报不确定性的水风光互补系统两阶段决策方法。【方法】将互补系统长期调度多阶段决策划分为包含面临时段和余留期的两阶段决策,通过余留期能量曲面表征余留期不同库容条件与未来风光出力及径流所能产生的发电效益;讨论不同预报水平下水风光资源预报信息的利用方式,提出余留期能量曲面确定方法,并分析预见期利用长度对互补系统效益的影响,确定最佳预见期利用长度;以基于调度图模拟的互补系统调度结果作为对照,评估不同预报水平下两阶段模型的适用性。【结果】选择雅砻江下游水风光互补系统进行实例研究,结果显示:(1)两阶段模型中基于径流序列映射模型的预报信息利用方式能较好地表征余留期效益;(2)随着两阶段决策模型预见期利用长度的增加,预见期的边际效应显著降低,互补系统最佳预见期利用长度为3个月;(3)与调度图相比,两阶段模型推迟水库蓄水和消落时机并加深消落程度,使得发电效益和出力可靠性在预报水平较高时整体高于调度图。【结论】结果表明:两阶段决策模型能够灵活结合多个预见期的预报信息,实现有限预报信息下的互补系统长期优化调度。

关键词：水风光互补预报不确定性梯级水库长期调度

在线全文

学校读者我要写书评

暂无评论

基于图注意力网络的全局图像描述生成方法

计算机应用 2023年第5期43卷 1409-1415页

作者：隋佳宏毛莺池于慧敏王子成平萍河海大学计算机与信息学院南京210098 水利部水利大数据重点实验室(河海大学) 南京210098 中国电建集团昆明勘测设计研究院有限公司昆明650051

现有图像描述生成方法仅考虑网格的空间位置特征,网格特征交互不足,并且未充分利用图像的全局特征。为生成更高质量的图像描述,提出一种基于图注意力网络(GAT)的全局图像描述生成方法。首先,利用多层卷积神经网络(CNN)进行视觉编码,提... 详细信息

现有图像描述生成方法仅考虑网格的空间位置特征,网格特征交互不足,并且未充分利用图像的全局特征。为生成更高质量的图像描述,提出一种基于图注意力网络(GAT)的全局图像描述生成方法。首先,利用多层卷积神经网络(CNN)进行视觉编码,提取给定图像的网格特征和整幅图像特征,并构建网格特征交互图;然后,通过GAT将特征提取问题转化成节点分类问题,包括一个全局节点和多个局部节点,更新优化后可以充分利用全局和局部特征;最后,基于Transformer的解码模块利用改进的视觉特征生成图像描述。在Microsoft COCO数据集上的实验结果表明,所提方法能有效捕捉图像的全局和局部特征,在CIDEr(Consensus-based Image Description Evaluation)指标上达到了133.1%。可见基于GAT的全局图像描述生成方法能有效提高文字描述图像的准确度,从而可以使用文字对图像进行分类、检索、分析等处理。

关键词：网格特征图注意力网络卷积神经网络图像描述生成全局特征