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

基于统计特征搜索的多元时间序列预测方法

电子与信息学报 2024年第8期46卷 3276-3284页

作者：潘金伟王乙乔钟博王晓玲华东师范大学计算机科学与技术学院上海200062

时间序列中包含一些长期依赖关系,如长期趋势性、季节性和周期性,这些长期依赖信息的跨度可能是以月为单位的,直接应用现有方法无法显式建模时间序列的超长期依赖关系。该文提出基于统计特征搜索的预测方法来显式地建模时间序列中的长... 详细信息

时间序列中包含一些长期依赖关系,如长期趋势性、季节性和周期性,这些长期依赖信息的跨度可能是以月为单位的,直接应用现有方法无法显式建模时间序列的超长期依赖关系。该文提出基于统计特征搜索的预测方法来显式地建模时间序列中的长期依赖。首先对多元时间序列中的平滑特征、方差特征和区间标准化特征等统计特征进行抽取,提高时间序列搜索对趋势性、周期性、季节性的感知。随后结合统计特征在历史序列搜索相似的序列,并利用注意力机制融合当前序列信息与历史序列信息,生成可靠的预测结果。在5个真实的数据集上的实验表明该文提出的方法优于6种最先进的方法。

关键词：多元时间序列预测注意力机制长期依赖

RR-SC:边缘设备中基于随机计算神经网络的运行时可重配置框架

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第4期61卷 840-855页

作者：宋玉红沙行勉诸葛晴凤许瑞王寒华东师范大学计算机科学与技术学院上海200062

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如... 详细信息

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如能源、计算单元和存储单元等)受限的边缘设备上执行深度神经网络低能耗、低开销的优势.然而,之前的关于随机计算的工作都仅仅设计一组模型配置并在固定的硬件配置上实现,忽略了实际应用场景中硬件资源(如电池电量)的动态改变,这导致了低硬件效率和短电池使用时间.为了节省电池供电的边缘设备的能源,动态电压和频率调节技术被广泛用于硬件重配置以延长电池的使用时间.针对基于随机计算的深度神经网络,创新性地提出了一个运行时可重配置框架,即RR-SC,这个框架首次尝试将硬件和软件的重配置相结合以满足任务的时间约束并最大限度节省能源.RR-SC利用强化学习技术可以一次性生成多组模型配置,同时满足不同硬件配置(即不同的电压/频率等级)下的准确率要求.RR-SC得到的解具有最好的准确率和硬件效率权衡.同时,多个模型配置运行时在同一个主干网络上进行切换,从而实现轻量级的软件重配置.实验结果表明,RRSC可以在110 ms内进行模型配置的轻量级切换,以保证在不同硬件级别上所需的实时约束.同时,它最高可以实现7.6倍的模型推理次数提升,仅造成1%的准确率损失.

关键词：边缘设备随机计算运行时重配置动态硬件环境轻量级软件重配置强化学习

在线全文

学校读者我要写书评

暂无评论

基于深度学习的EEG数据分析技术综述

浙江大学学报（工学版） 2024年第5期58卷 879-890页

作者：钟博王鹏飞王乙乔王晓玲华东师范大学计算机科学与技术学院上海200062

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解... 详细信息

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解决方案,包括各阶段所存在的难点与问题.全方位总结出不同算法的主要贡献和局限性,讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.

关键词：头皮脑电(EEG) 闭环流程深度学习预处理特征提取模型泛化

在线全文

学校读者我要写书评

暂无评论

基于动态批量评估的绿色无梯度优化方法

软件学报 2024年第4期35卷 1732-1750页

作者：钱鸿舒翔孙天祥邱锡鹏周爱民华东师范大学上海智能教育研究院上海200062 华东师范大学计算机科学与技术学院上海200062 复旦大学计算机科学技术学院上海200438

在基于语言模型即服务的提示词黑盒微调、机器学习模型超参数调节等优化任务中,由于解空间到性能指标之间的映射关系复杂多变,难以显式地构建目标函数,故常采用无梯度优化方法来实现寻优.解的准确、稳定评估是有效实施无梯度优化方法的... 详细信息

在基于语言模型即服务的提示词黑盒微调、机器学习模型超参数调节等优化任务中,由于解空间到性能指标之间的映射关系复杂多变,难以显式地构建目标函数,故常采用无梯度优化方法来实现寻优.解的准确、稳定评估是有效实施无梯度优化方法的关键,完成一次解的质量评估常要求在整个数据集上完整运行一次模型,且优化过程有时需要大量评估解的质量.随着机器学习模型复杂度以及训练样本量的不断增加,准确、稳定的解的质量评估时间成本与计算代价越来越高昂,这与绿色低碳机器学习与优化理念背道而驰.有鉴于此,提出了一种基于动态批量评估的绿色无梯度优化方法框架(green derivative-free optimization with dynamic batch evaluation,GRACE),基于训练子集的相似性,在优化过程中自适应动态调节评估解时使用的样本量,使得GRACE在保证优化性能的同时,降低优化成本与代价,达到绿色低碳高效的目标.在语言模型即服务提示词黑盒微调、模型超参数优化等实际任务上进行了实验验证,通过与一系列对比方法以及GRACE消融退化版算法进行比较分析,表明了GRACE的有效性、高效性、绿色低碳性.超参数分析结果表明了其具备超参数稳健性.

关键词：无梯度优化演化学习绿色低碳动态批量评估

在线全文

学校读者我要写书评

暂无评论

面向自组织人群的建筑安全评估算法

浙江大学学报（工学版） 2024年第9期58卷 1844-1856页

作者：武慧何高奇李晨王长波华东师范大学计算机科学与技术学院上海200062

为了解决室内建筑节点不合理与人群逃生路线选择困难的问题,提出面向自组织人群的建筑安全评估算法.基于IndoorGML建立室内空间的水平平面结构和垂直层级结构,形成拓扑空间中的节点关联图,以表示多层建筑物的空间结构.通过对单元空间的... 详细信息

为了解决室内建筑节点不合理与人群逃生路线选择困难的问题,提出面向自组织人群的建筑安全评估算法.基于IndoorGML建立室内空间的水平平面结构和垂直层级结构,形成拓扑空间中的节点关联图,以表示多层建筑物的空间结构.通过对单元空间的风险、通行率的定义,设计基于A^(*)算法的安全疏散路线选择算法.通过分析逃生路线的选择人数、单条逃生路线上节点的最高风险、单条逃生路线的平均逃生时间,找出室内建筑不合理节点并提出优化方案.构建模拟场景进行仿真实验,对比不同路线选择方法的结果,分析并验证所提评估算法的有效性.结果表明,所提出的方法能够找出建筑拥堵的主要因素及其对疏散的影响程度,有助于在建筑设计阶段开展科学的建筑安全评估.

关键词：人群仿真建筑安全评估 Indoor GML 自组织人群安全疏散路线选择

在线全文

学校读者我要写书评

暂无评论

基于全局局部协同的非均匀图像去雾方法

自动化学报 2024年第7期50卷 1333-1344页

作者：罗小同杨汶锦曲延云谢源厦门大学信息学院计算机科学与技术系厦门361005 华东师范大学计算机科学与技术学院上海200063

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此... 详细信息

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.

关键词：图像去雾卷积神经网络 Transformer 特征融合稀疏自注意力

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于视觉失真的玻璃表面检测方法

计算机辅助设计与图形学学报 2024年

作者：谭鑫齐福霖王楠张志忠谢源马利庄华东师范大学计算机科学与技术学院

针对玻璃材质特性造成的玻璃表面检测困难问题，提出一种基于视觉失真线索的玻璃表面检测方法. 首先，采用多尺度视觉失真感知模块对主干网络特征进行处理，利用玻璃会引起覆盖图像区域视觉失真的现象，引导主干网络对玻璃表面进行... 详细信息

针对玻璃材质特性造成的玻璃表面检测困难问题，提出一种基于视觉失真线索的玻璃表面检测方法. 首先，采用多尺度视觉失真感知模块对主干网络特征进行处理，利用玻璃会引起覆盖图像区域视觉失真的现象，引导主干网络对玻璃表面进行初步定位，获取初始玻璃特征图; 其次，采用结构细化模块以利用图像中玻璃个数信息对初始玻璃特征图逐级细化，以获得玻璃表面的精细化边缘. 与17种方法进行实验的结果表明，该方法的玻璃表面检测效果在4个基准数据集上交并比提升0.83%～4.73%， F值提升1.40%～6.60%，平均绝对误差降低0.72%～2.60%，平衡错误率降低0.58%～2.66%.

关键词：玻璃表面检测视觉失真显著性检测

基于RISC-V的深度可分离卷积神经网络加速器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机学报 2024年

作者：曹希彧陈鑫魏同权华东师范大学计算机科学与技术学院

在人工智能时代，RISC-V作为一种新兴的开源精简指令集架构，因其低功耗、模块化、开放性和灵活性等优势，使之成为一种能够适应不断发展的深度学习模型和算法的新平台.但是在硬件资源及功耗受限环境下，基础的RISC-V处理器架构无法满... 详细信息

在人工智能时代，RISC-V作为一种新兴的开源精简指令集架构，因其低功耗、模块化、开放性和灵活性等优势，使之成为一种能够适应不断发展的深度学习模型和算法的新平台.但是在硬件资源及功耗受限环境下，基础的RISC-V处理器架构无法满足卷积神经网络对高性能计算的需求.为了解决这一问题，本文设计了一个基于RISC-V的轻量化深度可分离卷积神经网络加速器，旨在弥补RISC-V处理器的卷积计算能力的不足.该加速器支持深度可分离卷积中的两个关键算子，即深度卷积和点卷积，并能够通过共享硬件结构提高资源利用效率.深度卷积计算流水线采用了高效的Winograd卷积算法，并使用2×2数据块组合拼接成4×4数据片的方式来减少传输数据冗余.同时，通过拓展RISC-V处理器端指令，使得加速器能够实现更灵活的配置和调用.实验结果表明，相较于基础的RISC-V处理器，调用加速器后的点卷积和深度卷积计算取得了显著的加速效果，其中点卷积加速了104.40倍，深度卷积加速了123.63倍.与此同时，加速器的性能功耗比达到了8.7GOPS/W.本文的RISC-V处理器结合加速器为资源受限环境下卷积神经网络的部署提供了一个高效可行的选择.

关键词：神经网络深度可分离卷积 RISC-V Winograd快速卷积硬件加速

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向分布式图计算的图划分技术综述

计算机研究与发展 2024年

作者：尚俊霖张振宇屈稳稳王晓玲华东师范大学计算机科学与技术学院

图结构作为表达事物之间复杂关联的数据结构，被广泛使用在多种应用场景中．随着互联网应用的不断发展，数据规模的不断增加，分布式的图计算系统相较于传统单机系统从运算时间、资源调度等各个方面显现出优越的性能．近年来，基于大规... 详细信息

图结构作为表达事物之间复杂关联的数据结构，被广泛使用在多种应用场景中．随着互联网应用的不断发展，数据规模的不断增加，分布式的图计算系统相较于传统单机系统从运算时间、资源调度等各个方面显现出优越的性能．近年来，基于大规模图数据的分布式图计算系统使用需求快速增加，图数据划分技术受到了学术界的广泛关注．通过对分布式图计算系统中的图划分技术的研究，首先介绍了面向分布式图计算的图划分的技术背景，给出当前分布式图计算系统中的图划分相关概念的定义以及相关计算模型的分类体系，报告了分布式图计算模型的发展现状．接着对不同的图划分策略中的具体技术进行介绍，通过不同策略之间进行分析与比较，总结其在各类分布式图计算系统中优势与不足．最后就分布式图计算系统中图划分技术的发展现状，讨论了其当前存在的挑战与未来的研究方向．

关键词：图划分图数据分析与管理图计算分布式图系统超图划分