检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

脉冲神经网络权重量化方法与对抗鲁棒性分析

电子与信息学报 2023年第9期45卷 3218-3227页

作者：李莹李艳杰崔小欣倪庆龙周崟灏中国科学院微电子研究所北京100029 中国科学院大学集成电路学院北京100049 北京大学集成电路学院北京100087

类脑芯片中的脉冲神经网络(SNNs)具有高稀疏性和低功耗的特点,在视觉分类任务中存在应用优势,但仍面临对抗攻击的威胁。现有研究缺乏对网络部署到硬件的量化过程中鲁棒性损失的度量方法。该文研究硬件映射阶段的SNN权重量化方法及其对... 详细信息

类脑芯片中的脉冲神经网络(SNNs)具有高稀疏性和低功耗的特点,在视觉分类任务中存在应用优势,但仍面临对抗攻击的威胁。现有研究缺乏对网络部署到硬件的量化过程中鲁棒性损失的度量方法。该文研究硬件映射阶段的SNN权重量化方法及其对抗鲁棒性。建立基于反向传播和替代梯度的监督训练算法,并在CIFAR-10数据集上生成快速梯度符号法(FGSM)对抗攻击样本。创新性地提出一种感知量化的权重量化方法,并建立与对抗攻击的训练与推理相融合的评估框架。实验结果表明,在VGG9网络下,直接编码对抗鲁棒性最差。在权重量化前后,4种编码和4种结构参数组合方式下,推理精度损失差与层间脉冲活动的平均变化幅度分别增大73.23%和51.5%。该文指出稀疏性因素对鲁棒性的影响相关度为:阈值增加大于权重量化bit降低大于稀疏编码,所提对抗鲁棒性分析框架与权重量化方法在PIcore类脑芯片中得到了硬件验证。

关键词：脉冲神经网络权重量化对抗鲁棒性稀疏性对抗攻击

在线全文

学校读者我要写书评

暂无评论

高维稀疏个性化推荐方法研究

中国科学技术大学学报 2022年第3期52卷 32-43,69,70页

作者：邵景钰董枘朋郑泽敏中国科学技术大学管理学院国际金融研究院安徽合肥230026

考虑特征数据的多响应logit决策模型常用于个性化推荐问题,尤其在考虑参数矩阵的低秩结构时该方法表现较好。近年来有较多理论和算法上的进展,但是该决策模型中的参数估计在高维情形下仍然具有挑战性。因此,本文引入了基于特征数据的惩... 详细信息

考虑特征数据的多响应logit决策模型常用于个性化推荐问题,尤其在考虑参数矩阵的低秩结构时该方法表现较好。近年来有较多理论和算法上的进展,但是该决策模型中的参数估计在高维情形下仍然具有挑战性。因此,本文引入了基于特征数据的惩罚似然方法,进而还原顾客、产品关于推荐结果的稀疏结构。提出的方法同时考虑低秩和稀疏结构,以降低模型复杂度,同时提升参数估计和模型预测的精度。新算法稀疏因子梯度下降(SFGD)用于参数矩阵的估计,该方法有较高的可解释性以及计算效率。作为一阶的方法,SFGD不用考虑Hessian矩阵的计算,在高维情形下有较好表现。模拟研究表明,SFGD在参数估计、稀疏还原以及算法平均regret上均优于现有方法。通过广告行为数据分析来验证了方法的有效性。

关键词：个性化推荐稀疏性惩罚似然因子梯度下降低秩矩阵近似

在线全文

学校读者我要写书评

暂无评论

水声通信中稀疏信道均衡算法优化

华南理工大学学报（自然科学版） 2022年第12期50卷 89-100页

作者：陈芳炯刘明星付振华余华华南理工大学电子与信息学院广东广州510640 通信网信息传输与分发技术重点实验室河北石家庄050081 自然资源部海洋环境探测技术与应用重点实验室广东广州510300 广东省国土资源测绘院广东广州510500

为应对复杂的水声信道环境,提高信道均衡算法的收敛速度和误码率性能,文中提出了一种零值吸引稀疏控制成比例最小误码率判决反馈均衡算法。该算法在稀疏控制成比例最小误码率判决反馈均衡算法的基础上,通过在目标函数中加入近似l0范数... 详细信息

为应对复杂的水声信道环境,提高信道均衡算法的收敛速度和误码率性能,文中提出了一种零值吸引稀疏控制成比例最小误码率判决反馈均衡算法。该算法在稀疏控制成比例最小误码率判决反馈均衡算法的基础上,通过在目标函数中加入近似l0范数的稀疏约束,迫使均衡算法在迭代过程中将幅值小的均衡器抽头向零值吸引,以加快均衡算法的初始收敛速度;同时在信道均衡过程中引入锁相环技术,以消除抖动相位噪声带来的影响。传统的锁相环技术都是基于最小均方误差准则的,但现有文献和相关实验仿真已经证明,当系统的均方误差最小时,误码率不一定最小。针对此问题,文中提出了一种基于最小误码率准则的锁相环相位追踪算法,并将其嵌入稀疏均衡算法中。在Matlab平台上,分别在实际采集的静态水声信道和实际时变水声信道条件下进行了实验,结果表明:加入近似l0范数约束的稀疏控制成比例最小误码率判决反馈均衡算法,在没有时变相位噪声影响下的收敛速度更快;在有时变相位噪声影响的信道条件下,基于最小误码率准则的锁相环相位追踪算法相较于基于最小均方误差准则的锁相环相位追踪算法,收敛速度更快,误码率性能更优。

关键词：信道均衡稀疏性零值吸引锁相环最小误码率

融合知识图谱和轻量级图卷积网络推荐系统的研究

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2022年第4期17卷 721-727页

作者：马甜甜杨长春严鑫杰贾音蔡聪常州大学计算机与人工智能学院江苏常州213000

基于协同过滤的算法是推荐系统中最重要的方法,由于冷启动和数据稀疏性的特点,限制了其推荐性能。为了应对以上问题,提出了知识图谱和轻量级图卷积网络推荐系统相结合的模型,该模型通过将知识图谱中的各个实体(项目)进行多次迭代嵌入传... 详细信息

基于协同过滤的算法是推荐系统中最重要的方法,由于冷启动和数据稀疏性的特点,限制了其推荐性能。为了应对以上问题,提出了知识图谱和轻量级图卷积网络推荐系统相结合的模型,该模型通过将知识图谱中的各个实体(项目)进行多次迭代嵌入传播以获取更多的高阶邻域信息,通过轻量聚合器进行聚合,进而预测用户和项目之间的评分。最后,在3个真实的数据集上MovieLens-20M、Last.FM和Book-Crossing的实验结果表明,该模型与其他基准模型相比可以得到较好的性能。

关键词：图卷积网络知识图谱推荐系统嵌入传播协同过滤稀疏性邻域信息轻量聚合器

在线全文

学校读者我要写书评

暂无评论

K阶图卷积属性网络社团检测方法

计算机科学与探索 2022年第12期16卷 2788-2796页

作者：陈洁张二明王倩倩赵姝张燕平安徽大学计算机科学与技术学院合肥230601 安徽大学国际教育学院合肥230601

挖掘属性网络中的社团结构有助于对网络节点进一步分析,具有重要的现实意义。图卷积神经网络能够有效地将属性网络的结构信息进行嵌入,获取节点的特征表示,从而可获得性能良好的社团结构。然而,现有图卷积方法大多使用固定的低阶图卷积... 详细信息

挖掘属性网络中的社团结构有助于对网络节点进一步分析,具有重要的现实意义。图卷积神经网络能够有效地将属性网络的结构信息进行嵌入,获取节点的特征表示,从而可获得性能良好的社团结构。然而,现有图卷积方法大多使用固定的低阶图卷积,只考虑每个节点一阶或二阶内的邻居,没有充分利用节点关系,忽略了网络结构的多样性。另外原始网络结构的稀疏性无法克服,会降低社团检测的性能。为解决上述问题,提出一种融合属性信息与结构信息的K阶图卷积社团检测方法(KGCN),该方法可以有效地克服原始网络的稀疏性并利用节点的高阶结构进行社团检测。首先根据节点的属性信息对原始网络进行重构,缓解原始网络结构的稀疏性;其次考虑到高阶结构关联,采用K阶图卷积编码器对节点进行编码,获得节点的特征表示;最后使用谱聚类算法进行社团检测。实验结果表明,在四个真实数据集上,相比现有算法,KGCN方法取得更好的社团检测结果。

关键词：社团检测 K阶图卷积属性信息稀疏性

在线全文

学校读者我要写书评

暂无评论

基于约束非负矩阵分解改进的高光谱解混方法

光电子·激光 2024年

作者：吴治龙郭宝峰尤靖云黄飞庆王奕炜王庆林杭州电子科技大学自动化学院

为了进一步缩小非负矩阵分解的解空间，提出了一种基于保持高光谱图像的内在结构不变性约束和端元光谱分段平滑约束的非负矩阵分解的高光谱解混算法。首先，采用一个投影方程来描述高光谱图像的内在结构。然后引入图正则化，建立高光谱... 详细信息

为了进一步缩小非负矩阵分解的解空间，提出了一种基于保持高光谱图像的内在结构不变性约束和端元光谱分段平滑约束的非负矩阵分解的高光谱解混算法。首先，采用一个投影方程来描述高光谱图像的内在结构。然后引入图正则化，建立高光谱图像与丰度矩阵之间的联系，以保持高光谱图像内在结构不变性。其次，采用马尔科夫随机场模型中的自适应势函数作为促进端元平滑的平滑函数。最后，采用L1/2稀疏约束促进丰度矩阵的稀疏性。为了验证所提算法的性能，在两个真实数据集进行了实验分析，证明了该方法的优越性。

关键词：高光谱图像非负矩阵分解稀疏性图正则化马尔科夫随机场平滑性

求解大规模稀疏优化问题的高维多目标萤火虫算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2024年

作者：赵嘉胡秋敏肖人彬潘正祥崔志华樊棠怀华中科技大学人工智能与自动化学院南昌工程学院信息工程学院太原科技大学计算机科学与技术学院山东科技大学计算机科学与工程学院南昌工程学院南昌市智慧城市物联感知与协同计算重点实验室

多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大还将导致Pareto支配失效和收敛速度变慢.鉴于此,本文提出了一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA).该算... 详细信息

多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大还将导致Pareto支配失效和收敛速度变慢.鉴于此,本文提出了一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA).该算法基于双编码混合集成的方式生成稀疏的初始种群,并提出动态评分策略,此策略在每轮迭代时动态更新决策变量得分,为后续迭代提供先验知识,以保证解集的稀疏性;根据模糊支配概念及萤火虫之间的欧氏距离提出邻域搜索策略,摒弃了全吸引模型对算法收敛速度的影响,同时避免目标维数过大导致的Pareto支配失效;引入线性调整因子改进萤火虫的位置更新公式,提升种群的搜索能力.实验结果表明，处理大规模稀疏多目标优化问题时，本文算法具备高效的性能.

关键词：萤火虫算法高维多目标优化大规模稀疏优化稀疏性收敛速度动态评分

一种面向矩阵分解模型的推荐系统训练加速方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山东大学学报(工学版) 2024年

作者：段圣宇吴伊宁赛高乐上海大学计算机工程与科学学院深圳技术大学集成电路与光电芯片学院

为降低矩阵分解(matrix factorization,MF)模型面向推荐系统应用的训练时间,特别针对细粒度稀疏的特征矩阵在训练过程中存在大量无效乘法运算的问题,提出一种基于特征矩阵联合稀疏性进行近似计算的训练加速方法。基于隐因子向量稀疏性... 详细信息

为降低矩阵分解(matrix factorization,MF)模型面向推荐系统应用的训练时间,特别针对细粒度稀疏的特征矩阵在训练过程中存在大量无效乘法运算的问题,提出一种基于特征矩阵联合稀疏性进行近似计算的训练加速方法。基于隐因子向量稀疏性强弱基本不变的特点,提出在模型训练初期,根据隐因子向量的稀疏性,对特征矩阵进行重新排列;在训练过程中,采用早停法,避免无效乘法运算。试验结果表明,模型训练过程中乘法运算次数可最多降低28.41%,加速前后评分预测值相关系数约0.95。所提出方法可以保证预测准确性小幅降低的同时,显著减少训练中的乘法运算次数,针对更大规模的矩阵分解模型的训练,能实现更好的加速效果。

关键词：推荐系统矩阵分解稀疏性算法加速近似计算

稀疏性约束的地球物理数据高效采集方法初步研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

石油物探 2015年第1期54卷 24-35页

作者：陈生昌陈国新王汉闯浙江大学地球科学系浙江杭州310027

信号变换系数的稀疏分布特性已广泛应用于信号压缩、编码和数据处理,作为一种先验知识也为信号的采样方法研究奠定了基础。地球物理数据是一种空间/空间-时间变化的信号,因此将地球物理数据的稀疏性应用于地球物理数据的高效采集方法研... 详细信息

信号变换系数的稀疏分布特性已广泛应用于信号压缩、编码和数据处理,作为一种先验知识也为信号的采样方法研究奠定了基础。地球物理数据是一种空间/空间-时间变化的信号,因此将地球物理数据的稀疏性应用于地球物理数据的高效采集方法研究。在地球物理数据稀疏性的数学物理基础研究、针对不同数据变化特征的稀疏变换方法研究、随机均匀分布的随机采样方法研究和数据重构方法研究的基础上,结合当前数据采集中的Nyquist采样理论、地球物理数据的稀疏性特征和当前地球物理数据采集中常见的密集规则测网,提出了针对被动源地球物理数据和主动源地球物理数据的高效采集方法,通过数值试验验证了方法的正确性和有效性。

关键词：地球物理数据高效采集稀疏性随机采样数据重构