检索结果-南通市图书馆

面向数据中心间网络带宽的在线定价机制设计:基于强化学习的方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2022年第5期45卷 1068-1086页

作者：牛超越陈培煜张嘉懿吴帆陈贵海上海交通大学计算机科学与工程系上海200240

随着云服务的快速发展,数据中心间的网络带宽已经成为了宝贵的资源.目前,带宽以固定价格出售,并由流量工程进行容量分配.这种方式无法提供传输时间的保证.然而,大多数传输任务都有严格的截止时间限制,未及时完成传输会给用户造成较大的... 详细信息

随着云服务的快速发展,数据中心间的网络带宽已经成为了宝贵的资源.目前,带宽以固定价格出售,并由流量工程进行容量分配.这种方式无法提供传输时间的保证.然而,大多数传输任务都有严格的截止时间限制,未及时完成传输会给用户造成较大的收益损失.此外,对于服务提供商来说,固定价格定价机制将导致网络利用率低下,不利于最大化其长期累积收益.因此,本文希望设计在线定价机制,最大化服务提供商的收益,同时保证用户传输请求的真实性.本文首先提出基于价格表的在线定价机制PLPM:服务提供商向用户实时地展示价格表,由用户选择特定的传输时间和传输量以满足其传输要求.PLPM利用强化学习的方法更新价格表,实现对不同时间、不同容量状态的带宽进行定价.进一步地,本文提出了基于请求的在线定价机制RPM:用户可以自定义其传输类型、传输量和截止时长.RPM在线地学习用户的估价以实现收益最大化和真实性,并匹配了基于优先级的带宽分配策略以提升网络带宽利用率.最后,通过实验证明了所提出的定价机制相比于固定定价机制,可以大幅提高累积收益和网络带宽的利用率.

关键词：在线定价数据中心间网络带宽强化学习收益最大化真实性

结合词向量和自注意力机制的设计素材推荐系统

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第1期36卷 63-72页

作者：孙清华邓程顾振宇上海交通大学设计学院上海200240 上海交通大学计算机科学与工程系上海200240

当设计师使用文本在设计库中检索素材时,基于词匹配的搜索无法有效地识别文本中的设计意图并推荐合适的素材.对此,提出一个结合词向量和自注意力机制的设计素材推荐系统.首先从预训练词向量模型中获取文本的词向量表征;然后利用自注意... 详细信息

当设计师使用文本在设计库中检索素材时,基于词匹配的搜索无法有效地识别文本中的设计意图并推荐合适的素材.对此,提出一个结合词向量和自注意力机制的设计素材推荐系统.首先从预训练词向量模型中获取文本的词向量表征;然后利用自注意力机制学习文本中不同词的权重以及文本与设计语义间的映射关系;最后基于模型输出与向量相似,检索并重排序设计素材形成推荐.所提系统还能检索带有不同语义标签的素材数据,通过计算其语义与设计语义的词相似作为权重,转换其数据维度与模型输出维度一致.基于1300个电商设计案例和200种字体进行实验的结果表明,用户评估推荐结果的有效率分别为55%和57.3%,处于同类工作中上水平;验证了该系统的可行性及有效性.

关键词：设计素材推荐语义提取自注意力机制词向量设计工具

在线全文

学校读者我要写书评

暂无评论

基于深度学习的计算机视觉研究新进展

数据采集与处理 2022年第2期37卷 247-278页

作者：卢宏涛罗沐昆上海交通大学计算机科学与工程系上海200240

近年来,深度学习在计算机视觉各个领域中的应用成效显著,新的深度学习方法和深度神经网络模型不断涌现,算法性能被不断刷新。本文着眼于2016年以来的一些典型网络和模型,对基于深度学习的计算机视觉研究新进展进行综述。首先总结了针对... 详细信息

近年来,深度学习在计算机视觉各个领域中的应用成效显著,新的深度学习方法和深度神经网络模型不断涌现,算法性能被不断刷新。本文着眼于2016年以来的一些典型网络和模型,对基于深度学习的计算机视觉研究新进展进行综述。首先总结了针对图像分类的主流深度神经网络模型,包括标准模型及轻量化模型等;然后总结了针对不同计算机视觉领域的主流方法和模型,包括目标检测、图像分割和图像超分辨率等;最后总结了深度神经网络搜索方法。

关键词：深度学习目标检测图像分割超分辨率计算机视觉

众包全景拼接系统下基于图像质量的酬劳分配策略

在线全文

学校读者我要写书评

暂无评论

计算机学报 2021年第6期44卷 1246-1257页

作者：李沁雅吴帆陈贵海上海交通大学计算机科学与工程系

大量高质量的图像数据是全景地图构建的基本需求.然而,传统的街景图像采集方法大多需要雇佣专业的采集人员和配备专门的采集设备,这是耗时耗力且昂贵的.移动众包这一新型工作模式的发展与广泛运用启发我们借助群体智慧的力量共同采集街... 详细信息

大量高质量的图像数据是全景地图构建的基本需求.然而,传统的街景图像采集方法大多需要雇佣专业的采集人员和配备专门的采集设备,这是耗时耗力且昂贵的.移动众包这一新型工作模式的发展与广泛运用启发我们借助群体智慧的力量共同采集街景图像.然而,任务中可能面临的资源损耗与参与者的利己主义心理使得他们大多并不乐意无偿地付出劳动.因此,我们考虑采用金钱激励措施来调动参与者的感知积极性并吸引他们加入感知任务.此外,由于参与者的个人能力、专业度等个人因素的差异性导致采集的街景图像质量参差不齐.考虑到大量低质量图像的掺杂会降低全景地图的构建性能,因此,我们将街景图像质量与参与者酬劳相结合,提出基于图像质量的酬劳分配机制,鼓励参与者采集高质量的、对全景构建高贡献度的图像.我们提出了基于权值和基于夏普利值的酬劳分配机制,分别命名为 WPM(Weighted-based Pricing Mechanism)和 SVPM(Shapley Value-based Pricing Mechanism).我们通过提取图像的SIFT(Scale-Invariant Feature Transform)特征值来表征图像内容,并通过量化图像对全景地图构建(即有效SIFT特征)的贡献度来确定图像质量.贡献度越大意味着图像质量越高.具体来说,在WPM中,单张图片质量被定义为该图中所有SIFT特征的价值之和.在SVPM中,图像质量被定义为该图片在不同街景拼接组合下的边际贡献的平均值.最后,平台根据图像质量给参与者分配酬劳.在实验部分,我们将提出的酬劳分配机制与传统分配方法进行性能对比.结果表明,我们的机制具有鲁棒性,并在公平性方面优于传统方法.

关键词：移动众包夏普利值街景拼接博弈论分配策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多维度防策略性云带宽预留拍卖机制设计

计算机学报 2019年第4期42卷 701-720页

作者：郑臻哲吴帆陈贵海上海交通大学计算机科学与工程系

带宽预留正成为云计算中的增值服务.然而,不同于传统的CPU或存储资源,数据中心网络的带宽资源还没有被高效地分配与利用.现有云带宽资源大都采用现用现付(pay-as-you-go)的形式进行售卖,云带宽用户通过竞争来使用带宽资源,导致数据传输... 详细信息

带宽预留正成为云计算中的增值服务.然而,不同于传统的CPU或存储资源,数据中心网络的带宽资源还没有被高效地分配与利用.现有云带宽资源大都采用现用现付(pay-as-you-go)的形式进行售卖,云带宽用户通过竞争来使用带宽资源,导致数据传输没有性能保证.带宽预留服务还未在现有云计算产业中得到部署.在该论文中,作者考虑在开放拍卖市场中,云服务提供商和云带宽用户之间的带宽交易问题.设计一个贴近实际的云带宽预留拍卖需要克服三大难点:理性(自私)用户的多维度策略行为、多样化云带需求模型和最优社会效益求解的复杂性.在云带宽市场中,云用户拥有多个维度私有信息,比如带宽资源估值、带宽资源需求量和感兴趣的数据中心.这使得云用户具有更强大的市场操控能力.在多样的云应用中,为了支持时延敏感的数据传输或是严格时限的数据传输,云带宽用户会有不同的带宽预留需求.云带宽预留分配问题可以建模成多种不同的组合优化问题.这些组合优化问题通常是NP-难的,因此无法在有效的时间内求得最优解.综合考虑这些设计难点,作者提出首个防策略性云带宽预留拍卖机制,称为SPAR(Strategy-Proof Auction mechanisms for cloud bandwidth Reservation)机制.SPAR机制包括三个拍卖机制SPAR-VCG,SPAR-APX和SPAR-GDY,以支持不同带宽需求模型下的带宽分配.当云带宽用户能够接受被分配到的部分带宽资源,可以采用作者提出SPAR-VCG机制来实现防策略性,并在多项式时间内达到最优社会福利.SPAR-VCG机制的设计结合了线性规划求解模型和传统的VCG机制设计方法.当云带宽用户对于每个感兴趣的数据中心有严格的带宽需求,考虑到最优带宽分配方法求解的复杂性,作者设计了SPAR-APX机制,同样能够实现防策略性并达到近似最优社会福利.理论分析指出SPAR-APX机制的近似比是■,其中B代表数据中心的总带宽.作者还证明了该近似比是所有贪心分配算法所能达到的最优近似比.针对于另外一个更普适的带宽需求场景:用户对于感兴趣数据中心有总的带宽需求但是对于每个感兴趣的数据中心却没有严格带宽需求,作者设计了基于贪心策略的带宽分配方案:SPAR-GDY机制.SPAR-GDY机制能够保证两个维度的防策略性,并且在实际环境中都能达到较好社会福利.作者同时还说明了在该灵活带宽需求模型下要保证三个维度的防策略性和近似比保证的困难性.作者实现了这三个带宽拍卖预留机制,并且用大规模仿真实验来衡量机制性能.相比于现有的工作,SPAR机制在社会福利、收益、满意度和带宽利用率上都能够达到更优的系统性能,并且在小规模的云带宽市场中接近最优解.该论文中所提出的拍卖机制也能够用于分配其他类型的云带宽资源,比如处理器运行时间和存储空间等.

关键词：数据中心网络云带宽预留分布式系统博弈论拍卖理论机制设计

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于社交圈层和注意力机制的信息热度预测

计算机学报 2021年第5期44卷 921-936页

作者：郑作武邵斯绮高晓沨陈贵海上海交通大学计算机科学与工程系上海200240

社交网络现已成为现实世界中信息传播与扩散的主要媒介,对其中的热点信息进行建模和预测有着广泛的应用场景和商业价值,比如进行信息传播挖掘、广告推荐和用户行为分析等.目前的相关研究主要利用特征和时间序列进行建模,但是并没有考虑... 详细信息

社交网络现已成为现实世界中信息传播与扩散的主要媒介,对其中的热点信息进行建模和预测有着广泛的应用场景和商业价值,比如进行信息传播挖掘、广告推荐和用户行为分析等.目前的相关研究主要利用特征和时间序列进行建模,但是并没有考虑到社交网络中用户的社交圈层对于信息传播的作用.本文提出了一种基于社交圈层和注意力机制的热度预测模型SCAP(Social Circle and Attention based Popularity Prediction),首先对社交圈层进行定义,通过自动编码器提取用户历史文本序列的特征,对不同用户的社交圈层进行聚类划分,得到社交圈层特征.进而对于一条新发布的文本信息,通过长短期记忆网络与嵌入层提取其文本特征、用户特征和时序特征,并基于注意力机制,捕获到不同社交圈层对于该文本信息的影响程度,得到社交圈层注意力特征.最后将文本特征、用户特征、时序特征和社交圈层注意力特征进行特征融合,并通过两个全连接层进行建模学习,对社交信息的热度进行预测.在推特、微博和豆瓣等四个数据集上的实验结果表明,SCAP模型的预测表现相比于多个对比模型总体呈优,在不同数据集上均方误差(MSE)分别降低了0.017,0.022,0.021和0.031,F1分数分别提升0.034,0.021,0.034和0.025,能够较为准确地预测社交信息的热度.本文同时探究了不同实验参数对于模型的影响效果,如用户历史文本序列的数量、社交圈层的数量和时间序列的长度,最后验证了模型输入的各个特征和注意力机制的引入对于模型预测性能提升的有效性,在推特数据集中,引入社交圈层和注意力机制,模型的MSE指标分别降低了0.065和0.019.

关键词：社交网络热度预测社交圈层注意力机制用户偏好

移动群智感知网络中信息量最大化的用户选择方法研究

在线全文

学校读者我要写书评

暂无评论

计算机学报 2020年第3期43卷 409-422页

作者：杨朔吴帆陈贵海上海交通大学计算机科学与工程系上海200240

移动群智感知网络已经成为一种新型的感知模式,被广泛应用在环境数据收集等多种不同场景.限制群智感知系统效能的一个关键问题在于:如何在一定预算范围内选取最合适的用户来进行感知任务,从而最大化收集到数据的信息量.这其中的关键挑... 详细信息

移动群智感知网络已经成为一种新型的感知模式,被广泛应用在环境数据收集等多种不同场景.限制群智感知系统效能的一个关键问题在于:如何在一定预算范围内选取最合适的用户来进行感知任务,从而最大化收集到数据的信息量.这其中的关键挑战包括:(1)如何定义量化评价指标衡量数据的信息量,(2)如何在无先验知识的情况下有效地学习选择每个用户的成本,(3)如何设计有效的用户选择算法,最大程度地降低算法的累计遗憾.在本文中,我们采用高斯过程建模空间环境,并且提出一个基于互信息的信息量衡量指标.为了解决第二、第三个挑战,我们提出有预算限制的多臂老虎机用户选择问题模型,并为静态和动态场景分别设计了理论可证的低累计遗憾的多轮用户选择算法.我们的理论分析和仿真实验均证实我们提出的算法能够在预算限制情况下有效地选择最有信息量的用户,与基准方法相比提升约20%.

关键词：移动群智感知用户选择多臂老虎机问题预算限制空间相关性

在线全文

学校读者我要写书评

暂无评论

基于声波感知的移动设备实时防窃方法研究

计算机学报 2020年第10期43卷 2002-2018页

作者：卢立俞嘉地李明禄上海交通大学计算机科学与工程系上海200240

近年来已经见证了移动终端在人们日常生活和工作中逐步流行和广泛使用.移动终端由于其便携性可能被用户携带前往任意地点,而其并非总是物理安全的.因此,移动终端极易成为偷窃者的目标.移动终端的失窃不仅会带来经济损失,还会引起隐私信... 详细信息

近年来已经见证了移动终端在人们日常生活和工作中逐步流行和广泛使用.移动终端由于其便携性可能被用户携带前往任意地点,而其并非总是物理安全的.因此,移动终端极易成为偷窃者的目标.移动终端的失窃不仅会带来经济损失,还会引起隐私信息的泄漏从而带来进一步的损失.现有移动终端防护方法主要研究通过建立安全的用户认证系统规避移动终端失窃之后带来的进一步隐私信息泄漏风险.然而,这种滞后的防护手段并不能从根本上阻止用户的移动终端失窃.为给目前广泛使用的移动终端提供实时的安全保护,本文提出了一种基于声波感知的移动终端实时防窃方法EchoScan,其利用移动终端内建传感器(包括音频设备和运动传感器)对移动终端所处的上下文环境进行实时感知建模以检测偷窃行为.本方法的核心是利用声波感知方法对移动终端所处的环境或状态(即上下文)变化情况实时感知建模.具体而言,EchoScan利用调频连续波技术感知移动终端所在上下文的变化情况以检测移动终端所处状态.随后,EchoScan进一步利用降噪自编码器网络和支持向量数据域描述来分别提取移动终端所处上下文的有效特征并实现在无偷窃者训练数据前提下的偷窃行为识别.为提高该方法的能耗效率,EchoScan还利用运动传感器实时检测移动终端接触行为.验证实验进一步证明EchoScan能取得87%的平均偷窃检测准确率.且平均检测延迟在500 ms以内.

关键词：移动设备防窃实时监测声波感知上下文感知运动传感器

在线全文

学校读者我要写书评

暂无评论

基于机器学习的流程异常预测方法

计算机集成制造系统 2019年第4期25卷 864-872页

作者：魏懿曹健上海交通大学计算机科学与工程系上海200240

鉴于工作流在逻辑信息组织和协同工作方面的优势,近年来被广泛应用于各行各业。通过工作流技术实现的业务流程管理可以协调多种资源执行生产工作或服务,为客户产生价值。然而,在业务流程执行的过程中,可能会发生异常情况,阻止其按照预... 详细信息

鉴于工作流在逻辑信息组织和协同工作方面的优势,近年来被广泛应用于各行各业。通过工作流技术实现的业务流程管理可以协调多种资源执行生产工作或服务,为客户产生价值。然而,在业务流程执行的过程中,可能会发生异常情况,阻止其按照预定的方式执行,给业务流程的目标带来风险,需要在流程执行的过程中提前预测发现异常,尽早做出调整。因此,提出一种基于机器学习方法的异常检测方法,通过挖掘流程执行的日志记录和活动执行时间信息,实时预测业务流程中的超期异常和流程行为异常。经过在公开数据集上的实验表明,所提算法能有效地找出潜在超期异常的流程,以及行为异常的流程。

关键词：业务流程异常检测机器学习日志记录工作流