检索结果-南通市图书馆

计算机应用研究 2020年第3期37卷 821-823,837页

作者：段大高赵振东梁少虎韩忠明北京工商大学计算机与信息工程学院北京100048 北京工商大学食品安全大数据技术北京市重点实验室北京100048

使用密码猜测算法是评估用户密码强度和安全性的有效方法,提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型,将用户个人信息作为条件特征,训练密码攻击模型。在编码器端,分别使用双向循环神经网络(GRU)和... 详细信息

使用密码猜测算法是评估用户密码强度和安全性的有效方法,提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型,将用户个人信息作为条件特征,训练密码攻击模型。在编码器端,分别使用双向循环神经网络(GRU)和文本卷积神经网络(TextCNN),实现对密码序列和用户个人信息的编码和特征的抽象提取;在解码器端使用两层GRU神经网络,实现对用户个人信息和密码数据隐编码的解码,生成密码序列。该算法可以有效地拟合密码数据的分布和字符组合规律,生成高质量的猜测密码数据。多组实验结果表明,提出的PassCVAE算法优于现有的主流密码猜测算法。

关键词：条件变分自编码密码猜测算法密码攻击

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

面向汽车领域的长评论生成系统研究与实现

面向汽车领域的长评论生成系统研究与实现

作者：白乐金北京邮电大学

学位级别：硕士

随着互联网技术的普及和发展,互联网已融入生产生活各个方面,在汽车领域,潜在消费者往往会通过互联网了解汽车相关信息。行文流畅、生动形象且富含汽车描述信息的长评论可以提升消费者对汽车的购买欲望,然而手工编写评论所耗费的人力巨... 详细信息

随着互联网技术的普及和发展,互联网已融入生产生活各个方面,在汽车领域,潜在消费者往往会通过互联网了解汽车相关信息。行文流畅、生动形象且富含汽车描述信息的长评论可以提升消费者对汽车的购买欲望,然而手工编写评论所耗费的人力巨大,自动生成汽车评论成为了一项具有发展前景和现实意义的任务。根据以上工业背景,本文研究了基于条件变分自编码的编解码长评论生成模型,改进了长文本生成中语义不连贯、多样性表达匮乏的问题;设计了子句内容规划模块,用高层次的语义信息指导子句的生成内容和子句间的逻辑结构,使得生成的文本语义连贯、逻辑顺畅;划分了潜变量层次,并结合层次化的解码结构,在生成阶段的不同级别注入多样性,同时将多样化束搜索思想引入词语解码器,使得解码器在保障生成文本之间差异性的同时一次生成多条评论。通过与基线模型在汽车数据集上进行对比实验,验证了本文提出的评论生成模型在语句流畅性、多样性方面具有更好的生成效果。由于汽车垂直领域缺少公开数据集,本文使用CRF加Bootstrap的方法进行知识抽取,构建了富含属性、参数等描述信息的汽车领域知识图谱,在评论生成模型的数据准备阶段提供数据支持。基于构建的评论生成模型和知识图谱,本文使用web应用开发技术,设计并实现了面向汽车工业领域的长评论生成系统。包括评论生成、评论发表、图谱扩充、策略推荐等功能。本系统既可以作为运营人员的评论撰写助手,节省人力成本,也可以通过生成的评论引起潜在消费者的购车兴趣。本文最后对长评论生成系统进行了多方面测试,验证了系统的有效性。

关键词：长评论生成编码器-解码器条件变分自编码知识图谱

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态生成模型的半监督学习

天津科技大学学报 2022年第2期37卷 43-50页

作者：陈亚瑞张芝慧杨剑宁王浩楠天津科技大学人工智能学院天津300457

随着进入大数据时代,“标记数据少,而未标记数据多”的现象越来越普遍.半监督学习是充分利用样本中“廉价”的未标记样本,让学习器不依赖外界交互、自动地利用未标记样本提升学习性能.通过构建多模态概率生成模型对数据进行建模,然后分... 详细信息

随着进入大数据时代,“标记数据少,而未标记数据多”的现象越来越普遍.半监督学习是充分利用样本中“廉价”的未标记样本,让学习器不依赖外界交互、自动地利用未标记样本提升学习性能.通过构建多模态概率生成模型对数据进行建模,然后分析该模型上的监督学习过程和非监督学习过程,最后结合两种学习过程实现半监督学习.通过在MNIST数据集和FASHION_MNIST数据集上验证,证实本模型的可行性,并且对比经典的半监督学习可以看出,本模型提高了预测标签的精度.

关键词：半监督学习多模态生成模型条件变分自编码

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

飞机起落架液压收放系统的故障程度诊断

机械制造与自动化 2022年第1期51卷 217-220页

作者：丰赢政赵东标申珂楠赵世超南京航空航天大学机电学院江苏南京210016

飞机起落架液压收放系统故障程度正确诊断可帮助飞行员及时采取行动应对不同程度的故障,避免人员和财产受到损失。针对飞机起落架液压收放系统故障样本少,故障数据时域上的高相关性,提出一种混合条件变分自编码网络和双向长短期记忆神... 详细信息

飞机起落架液压收放系统故障程度正确诊断可帮助飞行员及时采取行动应对不同程度的故障,避免人员和财产受到损失。针对飞机起落架液压收放系统故障样本少,故障数据时域上的高相关性,提出一种混合条件变分自编码网络和双向长短期记忆神经网络的故障程度诊断模型。建立某型飞机起落架液压收放系统仿真模型并植入不同程度故障,提取故障数据;将故障数据归一化并训练出CVAE生成模型;利用BLSTM在时域上的双向学习能力,构建CVAE-BLSTM混合模型,诊断飞机起落架液压收放系统的故障程度。与其他算法相比,CVAE-BLSTM具有高准确率与强泛化能力,可对飞机起落架液压收放系统故障程度进行有效诊断。

关键词：飞机起落架液压收放系统条件变分自编码双向长短期记忆神经网络故障程度诊断

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

基于深度学习的加密流量分类研究

基于深度学习的加密流量分类研究

作者：王方玉郑州大学

学位级别：硕士

在网络流量加密的趋势下,加密技术和协议的广泛应用,网络中面临着海量规模的加密流量。加密流量趋向复杂化和多样化,加大了网络监管系统对流量的识别难度。因此,在不解密的情况下,如何实现对加密流量的精确分类逐渐成为研究热点。分析... 详细信息

在网络流量加密的趋势下,加密技术和协议的广泛应用,网络中面临着海量规模的加密流量。加密流量趋向复杂化和多样化,加大了网络监管系统对流量的识别难度。因此,在不解密的情况下,如何实现对加密流量的精确分类逐渐成为研究热点。分析当前加密流量分类的研究现状,仍存在以下问题待改善:1)数据集处理层面,加密流量数据分布不平衡的问题仍待更深层的研究;2)特征提取层面,当前的人工设计特征方法难以应对当前的海量数据,且设计的特征存在滞后性,耗费大量的人力和物力;3)分类器分类层面,分类模型应用场景单一,泛化力弱,且分类器分类准确率的稳定性差。本文基于深度学习技术开展了加密流量分类的关键问题研究,旨在提高对当前复杂网络环境中分类的准确性和泛化能力等方面分析研究,本文的研究内容以及创新贡献介绍如下:1.针对流量数据中流量类别不平衡的造成的分类器倾向于多数类样本,少数类样本被错误分类的问题,提出了一种基于改进条件变分自编码算法的流量数据分布不平衡预处理模型。与当前的不平衡数据处理方法相比,该方法利用解码器对少样本流量数据生成,把新生成的流量数据加入到原数据中,组成平衡的增强数据集。该方法可解决当前过采样算法存在的过拟合、边界模糊的问题和欠采样存在的丢失样本有效信息的问题。本文提出的改进过采样算法,可节省大量的时间,降低了任务的复杂度。最后通过实验调节神经网络中的多项超参数,在加密流量实验数据集的精度、查准率和F-measure值的结果中表明,该方法相比其他方法可以提高1%-5%,具有较高的应用价值。2.针对当前机器学习算法依赖于领域专家驱动的手工特征,无法满足当前大规模网络下的海量加密流量分类,为了保证服务质量、网络安全管理以及异常检测对加密流量精细化分类的需求,提出了基于表征学习的加密流量分类研究方法。首先改进了表征学习中的卷积神经网络网络的特征学习方式,在学习到更丰富的特征时,减少卷积核的参数,以实现高准确率和效率的分类效果。理论分析以及实验结果表明,通过本文提出的方法在实现自动化特征学习的同时,加密流量分类的准确率较高。3.针对加密恶意流量存在的特征依赖和检测准确率稳定性低的问题,提出了一种基于图卷积与长短时记忆循环神经网络的联合检测模型。该方法使用图卷积神经网络学习网络流量的节点属性特征和结构特征,使用双向LSTM进一步学习网络流量的上层时序特征。特征学习过程是自动化学习过程,无须对加密流量解密,网络可以动态更新学习节点特征,以保证对新出现的流量类型可以进行异常检测。采用多个实验指标主要从分类器的准确率、不平衡数据的检测效果以及分类器检测准确率稳定性三个方面四类方法进行了对比实验,实验结果表明本文提出的方法有效提高了分类检测准确率稳定性。

关键词：深度学习条件变分自编码表征学习图卷积神经网络长短时记忆循环神经网络加密流量分类

基于CVAE的语气语音合成及在便携式同声翻译器的应用

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CVAE的语气语音合成及在便携式同声翻译器的应用

作者：王研东华大学

学位级别：硕士

近年来,随着计算机科学和人工智能技术的不断发展,语音合成技术已经被广泛应用在文本阅读、智能导航等领域,机器输出的语音已经慢慢满足了可懂性,但目前语音合成仍存在自然度低,缺乏语气情感等问题。针对当前语音合成缺乏对语气的良好支... 详细信息

近年来,随着计算机科学和人工智能技术的不断发展,语音合成技术已经被广泛应用在文本阅读、智能导航等领域,机器输出的语音已经慢慢满足了可懂性,但目前语音合成仍存在自然度低,缺乏语气情感等问题。针对当前语音合成缺乏对语气的良好支持,本文提出了基于条件变分自编码器（Conditional Variational auto-encoder,CVAE）的语气语音合成模型以增强合成语音的表现力,并将其应用于便携式同声翻译器的开发实践。语气作为话语信息中重要的情感表达方式,是表达说话人对所陈述内容的态度和看法,可以给话语信息提供重要的感情色彩。语气通常可以分为情感语气和诸如陈述、疑问和感叹等语气类别的功能语气两种。情感语气主观性强、难以在语料库中进行标注,缺乏庞大的情感语气语料库支持,而变分自编码（VAE）是一类非监督的生成模型,可以对高维信息进行有效隐变量表征的同时完成数据生成任务。因此,本文引入VAE模型对隐含的情感语气信息进行表征学习,并将功能语气作为条件输入到自编码器网络,建立基于条件变分自编码的语气模型,实现对合成语音生成特定类别的语气和变化的情感语气。在语气模型基础上,结合统计参数语音合成（Statistical Parameter Speech Synthesis,SSPS）方法,提出了语气语音合成模型,包括声学模型、声码器等模块,以生成带有语气的语音。通过Blizzard Challenge2018作为模型训练的语料库,利用World声码器进行了语音的合成,从主观与客观两个方面表明了所提出的模型在情感语气生成方面具有语气多样性的同时可以生成特定的语气类别。市场中现有语音翻译机输出的语音语调平淡,无法表达说话者不同的语气等缺点,本文提出了基于语气语音合成的同声翻译的总体设计,包括语音识别,语言翻译,语气识别和语气转换,以及语气语音合成等模块实现不同语言之间相互转换,在不改变表达内容的情况下增强语气信息的输出,提高对话交流的效果。进一步针对当前语音翻译机存在缺乏便携性、使用不灵活等问题,本文进行了个人便携式同声翻译器的设计和实现,包括便携式拾音和播放设备的硬件设计、同声翻译器APP开发与翻译器云平台三部分。基于Android平台完成了便携式蓝牙同声语音翻译器的设计和开发,实现了基于蓝牙技术的语音和文本的本地传输,作为客户端调用第三方云服务器进行语音识别和语言文本翻译,并远程调用语气语音合成服务器生成带有语气的目标语言的语音,实现不同语种者之间的交谈,消除语言交流障碍,具有重要的应用价值。

关键词：语音合成语气条件变分自编码蓝牙无线传输同声翻译器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的人机对话模型的研究与设计

基于深度学习的人机对话模型的研究与设计

作者：何亚舟电子科技大学

学位级别：硕士

实现人和计算机使用自然语言进行交互,是自然语言处理领域的一项重要工作。随着人工智能技术的发展,尤其是深度神经网络的广泛应用,构建基于开放领域的对话系统已经越来越受到人们的关注。互联网的快速的发展,累积了大量对话数据,使得... 详细信息

实现人和计算机使用自然语言进行交互,是自然语言处理领域的一项重要工作。随着人工智能技术的发展,尤其是深度神经网络的广泛应用,构建基于开放领域的对话系统已经越来越受到人们的关注。互联网的快速的发展,累积了大量对话数据,使得由数据驱动的对话模型成为可能。目前的对话任务,大多仍然在生成式任务的大框架之下,而生成式任务一般都是序列到序列的。端到端的编码器-解码器模型是用于解决序列到序列任务的重要机制,对编码器-解码器模型的扩充和修改,使之应用于对话任务,是目前对话模型领域的主流做法。本文在编码器-解码器模型的基础上,提出新的修改和补充,使之应用于单轮对话和多轮对话任务。（1）对于单轮对话任务,针对一般的基于RNN的编码器-解码器模型无法很好地生成多样性和准确性回复的问题,本文提出融入顺序位置信息的增强注意力机制。经过RNN结构处理的序列信息带有顺序位置信息,同时又对序列信息进行了序列内部的注意力计算,这形成了一种增强的注意力,充分表达了序列内部丰富的信息关联,促进了多样性回复的生成。在解码时,增强注意力的计算,使得每一步生成预测时,能够按权重参照已生成序列信息,这提高了 RNN结构解码时对对话序列后端预测的准确性。接着,在Transformer的结构的基础上,针对其对顺序位置信息获取的不足,提出增加一个顺序位置信息模块,然后将模型运用于单轮对话任务。（2）对于多轮对话任务,针对多轮对话有效数据较少且模型结构过大,可能导致训练效果不好,在原有的层次循环编码器-解码器模型的基础上,提出对模型进行自编码预训练。在预训练中,利用变分自编码器的隐变量机制使得模型能够预先学习到大量普通对话内部多样的语义信息。正式训练时,虽然隐变量的加入增加了语义空间的多样性,使得在解码时有更多的随机性选择以生成多样性的回复,但是只有随机性也使得生成的回复存在随意性和信息不匹配的问题。针对这一问题,改进的模型向隐变量加入特定的背景条件信息,如主题或者目的等信息,以达到在全局随机性中增加一些局部确定性因素。这些操作使得模型能够充分获取对话数据的内部语义信息,同时生成相关性更强的内容。

关键词：深度神经网络对话模型编码器-解码器模型增强注意力机制条件变分自编码