检索结果-南通市图书馆

作者：魏鹏程湖南大学

学位级别：硕士

随着人工智能、物联网、云计算等技术的不断发展,深度学习应用不断涌现出来,例如语音识别、机器翻译等推理应用。然而由于面临着海量推理请求,以及深度网络具有网络规模大、计算复杂的特点,导致深度网络在前向推理时存着高延迟现象,进... 详细信息

随着人工智能、物联网、云计算等技术的不断发展,深度学习应用不断涌现出来,例如语音识别、机器翻译等推理应用。然而由于面临着海量推理请求,以及深度网络具有网络规模大、计算复杂的特点,导致深度网络在前向推理时存着高延迟现象,进而使得很多对实时性有要求的应用无法采用深度学习技术,限制了此类应用的进一步推广落地。因此,本文对深度学习推理系统的高延迟问题展开研究,研究构建低延迟、高性能推理服务系统的并行计算技术。本文首先针对推理过程中特征选择问题进行研究。随着诸多深度学习应用涌现,推理过程中经常遇到具有海量样本数和特征数的高维数据。这些高维数据往往单机无法处理,而且其中大部分特征是冗杂多余的。因此,为了能分布式处理输入数据以及剔除输入数据中冗杂特征,从而加速推理过程,本文提出了一种包含子集质量评估(SQE)方法的分布式可插拔特征选择框架(DIFS)。SQE用来衡量子集质量和子集中最优特征数量的关系。另外,整合到DIFS中的特征选择算法以及子集评价指标都是可插拔的。接着,以列子集选择(CSS)问题为应用,本文将一种CSS算法和信息熵评价指标整合到DIFS中,以验证DIFS的有效性。在理论分析中,本文证明了在理想情况下,DIFS加速比可达到,其中为计算节点数量;对于CSS问题,提供了DIFS得到的特征解的有界逼近保证。最后,本文通过SQE评估实验、加速比实验和重构误差实验证明了,尽管在部分情况下,DIFS的重构误差略高,但本文提出的SQE方法具有高效性以及DIFS优越的加速效果,如在s EMG数据集上,使用8个计算节点DIFS加速比达到了4031。分类任务中,DIFS相较其他分布式CSS方法取得了更高分类准确率。本文接着对推理应用中大型深度网络加速问题进行研究。推理过程中,大型深度网络参数多、计算量大,单节点处理推理请求延迟高;再者,当单个深度网络过大,节点单个硬件资源有限无法加载此模型时,推理系统便无法为此模型提供服务。因此,为了降低推理延迟,解决大模型部署困难问题,本文提出了一种基于深度学习的多目标优化的数据流图划分方法。具体来讲,该方法首先从数据流图角度出发,对深度网络的划分进行建模;接着根据建模提出了一个包含多个目标(归一化切割率和子图均衡性)同时优化的损失函数;然后设计了一个包含多支路特征提取器和节点分配器的深度学习模型来最小化损失函数。在实验中,证明了该方法能在快速收敛的同时优化多个指标,并与已有经典图划分方法比较,该方法能取得更优的子图划分结果。

关键词：深度学习推理系统低延迟分布式特征选择子集质量评估图划分多目标优化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态信息和模块化注意力网络的治疗肽识别模型研究

基于多模态信息和模块化注意力网络的治疗肽识别模型研究

引用

作者：丰智鹏太原理工大学

学位级别：硕士

治疗肽(Therapeutic Peptides,TPPs)可以作为人体自身免疫防御系统的一部分,或作为激素、神经递质或神经调制剂来调节人体内细胞的活动。因此,探索治疗肽的识别模型辅助鉴定未知肽序列有助于研究不同种类治疗肽的分子机制,发现其潜在药... 详细信息

治疗肽(Therapeutic Peptides,TPPs)可以作为人体自身免疫防御系统的一部分,或作为激素、神经递质或神经调制剂来调节人体内细胞的活动。因此,探索治疗肽的识别模型辅助鉴定未知肽序列有助于研究不同种类治疗肽的分子机制,发现其潜在药用价值,为新疗法和新治疗剂的开发提供重要的理论和方法支持。现有治疗肽识别方法包括生物湿实验方法和计算辅助识别方法。生物湿实验需要大量的时间和资源,无法满足治疗肽的快速筛选需求。现有计算辅助识别方法只针对特定类型治疗肽进行研究,容易忽略不同种类治疗肽理化信息的差异。而已有深度学习模型忽略了不同种类信息流潜在特征的差异性,且缺乏对高级特征深层信息的挖掘。针对以上问题,本文提出一种分布式特征选择方法获得不同种类治疗肽的理化信息表示,与治疗肽的序列信息和结构信息共同构建治疗肽的多模态信息空间,引入模块化网络结构去分别挖掘不同种类治疗肽信息的潜在特征,并探究使用不同注意力去挖掘不同模块网络中高级特征的深层信息。主要研究内容如下:(1)由于治疗肽的作用机制受其理化特性的影响。为了得到不同种类治疗肽的理化信息表示,本文提出一种分布式特征选择方法D-m RMR,更好地捕获不同种类治疗肽理化信息的差异,为治疗肽识别任务提供更可靠的理化信息表示。(2)为了从不同角度获取治疗肽序列信息和理化信息的高级抽象特征表示,本文提出一种融合词级和瓶颈注意力的治疗肽识别模型MAML-TPP。模型将词级注意力融入到Bi LSTM网络提高捕获治疗肽序列信息上下文依赖关系的质量,将瓶颈注意力融入到密集卷积网络中提高捕获治疗肽理化信息的局部和全局信息。(3)由于治疗肽结构信息是治疗肽生物活性和功能的重要决定因素之一,将其与序列信息和理化信息共同构建治疗肽的多模态信息空间有助于提升模型对治疗肽的识别能力。本文提出一种多模态信息和模块化注意力网络的治疗肽识别模型MFMAL-TPP,模型引入了卷积注意力替代词级和瓶颈注意力,以弥补它们在挖掘高级特征方面的不足。实验结果表明,该方法进一步提升了模型对不同种类治疗肽的识别能力。(4)本文实现了基于多模态信息和模块化注意力网络的治疗肽识别平台。有助于降低研究人员在生物实验上鉴定未知治疗肽的成本。综上所述,本文使用模块化注意力网络去充分挖掘治疗肽多模态信息的潜在特征,完成了对不同种类治疗肽的识别任务,为新疗法和新治疗剂的开发提供重要的理论和方法支持。

关键词：治疗肽深度学习分布式特征选择多模态信息模块化注意力网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力调度系统安全知识发现的分布式计算平台

引用

信息技术 2018年第11期42卷 37-43页

作者：赵瑞锋王海柱郭文鑫胡超广东电网有限责任公司电力调度控制中心广州510600 南瑞集团有限公司(国网电力科学研究院有限公司) 南京211106

为了更好地发现电力系统调度过程中的关键问题,提高电力调度系统的操作安全,文中建立了一个支持在线仿真的电力调度系统安全知识发现的分布式计算平台。该平台采用分布式计算算法和改进的大数据平台,通过对电力系统进行实时海量数据仿真... 详细信息

为了更好地发现电力系统调度过程中的关键问题,提高电力调度系统的操作安全,文中建立了一个支持在线仿真的电力调度系统安全知识发现的分布式计算平台。该平台采用分布式计算算法和改进的大数据平台,通过对电力系统进行实时海量数据仿真,形成较为准确的电网调度规则库,为电网的安全调度提供可供参考的调度规则知识库。将该平台应用于实际电力系统的实验结果表明,分布式计算平台比集中式计算平台具有更高的仿真计算效率和更好的性能。

关键词：分布式计算平台分布式海量采样仿真分布式特征选择在线仿真电力系统

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

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：