检索结果-南通市图书馆

计算机研究与发展 2024年第3期61卷 557-570页

作者：王紫芮蒋德钧中国科学院计算技术研究所先进计算机系统研究中心北京100190 处理器芯片全国重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学计算机科学与技术学院北京100049

随着内存密集型应用的快速发展,应用对单机内存容量的需求日益增大.然而,受到颗粒密度的限制,内存容量的扩展度较低.页交换机制是进行内存扩展的经典技术,该机制通过将较少使用的内存页面暂存在存储设备,以达到扩展内存的目的.过去页交... 详细信息

随着内存密集型应用的快速发展,应用对单机内存容量的需求日益增大.然而,受到颗粒密度的限制,内存容量的扩展度较低.页交换机制是进行内存扩展的经典技术,该机制通过将较少使用的内存页面暂存在存储设备,以达到扩展内存的目的.过去页交换机制由于慢速磁盘的读写速度限制,无法被广泛应用.近年来,得益于超低延迟固态硬盘(solid state drive,SSD)的快速发展,页交换机制可以利用其低延迟的读写特性,提升页交换效率.然而,在低I/O延迟的情况下,传统页交换机制的I/O栈存在巨大的软件开销.首先对使用超低延迟SSD的Linux页交换机制进行测试与分析,发现现有页交换机制的主要瓶颈在于发送请求时存在队头阻塞问题、I/O合并和调度开销,以及内核返回路径上的中断处理和直接内存回收开销.基于分析结果,提出基于超低延迟SSD的页交换机制***在Linux I/O栈的基础上增加对轮询请求的处理,并降低I/O合并与调度开销,实现轻量级的I/O栈.基于Ultraswap的I/O栈,对内核页交换机制的换入与换出路径进一步优化.通过优化对缺页、直接内存回收的处理,降低页交换机制关键路径上的时间开销.实验结果表明Ultraswap在应用测试场景下相比Linux页交换机制能够提升19%的平均性能;在可使用内存比例为20%的情况下,Ultraswap可达到33%的性能提升.

关键词：页交换 I/O栈超低延迟SSD 轮询 NVMe SSD

病毒传播变异与人群交叉活动的相互影响及扩散模型研究

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2024年第7期36卷 1713-1728页

作者：于雷朱喜绸廖华明郭嘉丰程学旗中国科学院计算技术研究所北京100190 中国科学院大学北京100190

针对当前人际传染病毒高发态势,综合考虑病毒传播变异的随机特征和人群交叉活动之间的相互影响,提出并设计了多智能体模拟仿真推演模型。将病毒个体的外在致病性、传染性特征和人群个体的外在活动、免疫特征进行量化,将病毒个体与人群... 详细信息

针对当前人际传染病毒高发态势,综合考虑病毒传播变异的随机特征和人群交叉活动之间的相互影响,提出并设计了多智能体模拟仿真推演模型。将病毒个体的外在致病性、传染性特征和人群个体的外在活动、免疫特征进行量化,将病毒个体与人群个体之间的相互依存及对抗过程进行建模,通过模型推演大量病毒个体和人群个体的发展趋势和统计特征。通过实验分析揭示了单个病毒变异方向的随机性不影响病毒群体变异发展方向的确定性:即病毒群体的致病性强度不断降低直到稳定在低值区间内,病毒群体的传染性强度不断升高,直到稳定在较高的数值区间内。给出了影响病毒传播变异过程的关键外在参数,可为高致病性病毒早期防控提供政策建议。

关键词：病毒传播模型多智能体仿真预防和控制策略流行病病毒特征发展趋势遗传变异

维普期刊数据库博看期刊

基于集合效用边际贡献学习的可解释薪酬预测算法

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5期61卷 1276-1289页

作者：孙莹章玉婷庄福振祝恒书何清熊辉香港科技大学(广州)人工智能学域广州511458 中国科学院计算技术研究所专项技术研究中心北京100190 北京航空航天大学人工智能研究院北京100191 BOSS直聘职业科学实验室北京100028 中国科学院智能信息处理重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京101408

知识技能对薪酬影响作用视为一种多变量影响下高维元素集合的效用建模问题.深度神经网络为解决复杂问题提供了新的机遇,但针对知识导向的细粒度薪酬预测问题,仍缺乏能够对复杂变量影响下的集合效用进行准确、可解释建模的神经网络结构.... 详细信息

知识技能对薪酬影响作用视为一种多变量影响下高维元素集合的效用建模问题.深度神经网络为解决复杂问题提供了新的机遇,但针对知识导向的细粒度薪酬预测问题,仍缺乏能够对复杂变量影响下的集合效用进行准确、可解释建模的神经网络结构.为此,提出一种基于边际贡献的增量式集合效用网络(marginal contribution-based incremental set utility network,MCISUN)来拟合元素加入时的效用增量,从而灵活且可解释地建模集合效用.区别于以往基于池化层的排列不变性建模算法,MCISUN构建顺序敏感的中间结果,利用集合的排列不变性实现数据增强,有效提升模型数据效率及泛化性.最后,大规模真实薪酬数据上的实验结果表明所提模型在基于技能的薪酬预测任务上比最先进的(state-of-the-art,SOTA)模型效果提升超过30%.同时,定性实验证明模型能够为技能设置合理的贡献值且发现技能间的关联.

关键词：集合效用建模边际贡献薪酬预测神经网络可解释性

基于持续强化学习的自动驾驶赛车决策算法研究

在线全文

学校读者我要写书评

暂无评论

高技术通讯 2024年第1期34卷 1-14页

作者：牛京玉胡瑜李玮韩银和中国科学院计算技术研究所智能计算机研究中心北京100190 中国科学院大学北京100049

赛道形状与路面材质变化对自动驾驶赛车的行为决策带来了严峻挑战。为应对道路间的动力学差异,本文提出一种基于持续强化学习(CRL)的高速赛车决策算法。该算法将不同道路看作独立任务。算法的第1训练阶段负责提取描述不同任务上赛车动... 详细信息

赛道形状与路面材质变化对自动驾驶赛车的行为决策带来了严峻挑战。为应对道路间的动力学差异,本文提出一种基于持续强化学习(CRL)的高速赛车决策算法。该算法将不同道路看作独立任务。算法的第1训练阶段负责提取描述不同任务上赛车动力学的低维特征,从而计算出任务间的相似性关系。算法的第2训练阶段负责为策略学习过程提供2个持续强化学习约束:其一是权重正则化约束,策略网络中对于旧任务重要的权重将在新任务学习期间被限制更新,其限制力度由任务相似性自适应调节;其二是奖励函数约束,鼓励在新任务学习期间策略的旧任务性能不下降。设计不同任务排序下的赛车实验和持续强化学习评价指标以评估算法性能。实验结果表明,所提算法能在既不存储旧任务数据也不扩展策略网络的条件下获得比基准方法更出色的驾驶性能。

关键词：强化学习(RL) 持续学习行为决策自动驾驶赛车动力学特征提取

在线全文

学校读者我要写书评

暂无评论

二进制翻译技术综述

软件学报 2024年第6期35卷 2687-2723页

作者：谢汶兵田雪漆锋滨武成岗王俊罗巧玲无锡先进技术研究院江苏无锡214083 国家并行计算机工程技术研究中心北京100190 中国科学院计算技术研究所北京100190

随着信息技术的快速发展,涌现出各种新型处理器体系结构.新的体系结构出现为处理器多样化发展带来机遇的同时也提出了巨大挑战,需要兼容运行已有软件,确保较为丰富的软件生态群.但要在短期内从源码编译构建大量生态软件并非易事,二进制... 详细信息

随着信息技术的快速发展,涌现出各种新型处理器体系结构.新的体系结构出现为处理器多样化发展带来机遇的同时也提出了巨大挑战,需要兼容运行已有软件,确保较为丰富的软件生态群.但要在短期内从源码编译构建大量生态软件并非易事,二进制翻译作为一种直接从二进制层面迁移可执行代码技术,支持跨平台软件兼容运行,既扩大了软件生态群,又有效降低了应用程序与硬件之间的耦合度.近年来,二进制翻译技术研究取得了较大进展.为总结现有成果并分析存在的不足,首先介绍二进制翻译技术的分类以及典型的二进制翻译系统,之后从指令翻译方法、关键问题研究、优化技术等方面分别进行分析总结,接着阐述二进制翻译技术的核心应用领域,最后对二进制翻译技术的潜在研究方向进行展望.

关键词：二进制翻译翻译效率等价变换软件迁移多融合优化

融合营养知识和偏好-健康多目标优化的膳食推荐

在线全文

学校读者我要写书评

暂无评论

食品科学 2024年

作者：金颖闵巍庆周鹏飞梅舒欢蒋树强中国科学院智能信息处理重点实验室中国科学院计算技术研究所中国科学院大学中科苏州智能计算技术研究院

食品推荐旨在根据个人口味、饮食偏好、营养需求或其他因素为用户提供个性化食品列表。然而，现有的食品推荐系统往往忽略了用户均衡营养的需求，也难以在饮食偏好与营养健康方面取得平衡。为此，提出一种融合营养知识和偏好-健康多目... 详细信息

食品推荐旨在根据个人口味、饮食偏好、营养需求或其他因素为用户提供个性化食品列表。然而，现有的食品推荐系统往往忽略了用户均衡营养的需求，也难以在饮食偏好与营养健康方面取得平衡。为此，提出一种融合营养知识和偏好-健康多目标优化的膳食推荐方法。该方法通过食品营养知识嵌入引导学习用户的偏好，并利用多目标优化算法平衡用户饮食偏好与营养健康需求。首先，基于营养引导的食品知识感知网络（nutrition-guided food knowledge-aware network， NG-FKN）进行个性化菜谱推荐，再进行营养套餐推荐（nutritional food combination recommendation， NFCR）。NG-FKN从食品营养知识图谱中提取营养信息，引导捕捉用户偏好，实现个性化菜谱推荐。NFCR结合用户饮食偏好与营养需求，采用基于营养支配的非劣排序遗传算法优化多个目标，获得营养套餐推荐列表。此外，构建了食品营养知识图谱与食品-用户的交互数据集，包含19，669条菜谱数据，并在该数据集上对所提方法进行评估。同时还引入了中国健康膳食指数（china healthy diet index， CHDI）和食物多样性评分（food variety score， FVS）两个指标用于评估推荐套餐的营养价值。在所提数据集上的实验结果表明，本文方法优于目前主流的方法，可以提升膳食营养推荐的性能。

关键词：膳食推荐营养套餐知识图谱多目标优化遗传算法

HiLog:OpenHarmony的高性能日志系统

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

软件学报 2024年第4期35卷 2055-2075页

作者：吴圣垚王枫武延军凌祥屈晟罗天悦吴敬征中国科学院软件研究所智能软件研究中心北京100190 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190

日志是计算机系统中记录事件状态信息的的重要载体,日志系统负责计算机系统的日志生成、收集和输出.OpenHarmony是新兴的、面向全设备、全场景的开源操作系统.在所述工作之前,包括日志系统在内OpenHarmony有许多关键子系统尚未构建,而Op... 详细信息

日志是计算机系统中记录事件状态信息的的重要载体,日志系统负责计算机系统的日志生成、收集和输出.OpenHarmony是新兴的、面向全设备、全场景的开源操作系统.在所述工作之前,包括日志系统在内OpenHarmony有许多关键子系统尚未构建,而OpenHarmony的开源特性使第三方开发者可以为其贡献核心代码.为了解决Open Harmony日志系统缺乏的问题,主要开展如下工作:(1)分析当今主流日志系统的技术架构和优缺点;(2)基于OpenHarmony操作系统的异构设备互联特性设计HiLog日志系统模型规范;(3)设计并实现第1个面向OpenHarmony的日志系统HiLog,并贡献到OpenHarmony主线;(4)对HiLog日志系统的关键指标进行测试和对比试验.实验数据表明,在基础性能方面,HiLog和Log的日志写入阶段吞吐量分别为1500 KB/s和700 KB/s,相比Android日志系统吞吐量提升114%;在日志持久化方面,HiLog可以3.5%的压缩率进行持久化,并且丢包率小于6‰,远低于Log.此外,HiLog还具备数据安全、流量控制等新型实用能力.

关键词：操作系统日志系统开源软件数据安全流量控制

在线全文

学校读者我要写书评

暂无评论

以人为本的可解释智能医疗综述

计算机辅助设计与图形学学报 2024年第5期36卷 645-657页

作者：宋淑超陈益强于汉超张迎伟杨晓东中国科学院计算技术研究所移动终端与新型计算北京市重点实验室北京100190 中国科学院大学北京100190 中国科学院前沿科学与教育局北京100864

随着人工智能(artificial intelligence,AI)的高速发展,“黑盒”模型已逐渐展示出逼近甚至超越人类的能力,尤其在智能医疗等高风险应用场景中,其可解释性是用户在应用中信任和理解AI的关键基础.虽然已有工作提供了大量事前和事后的AI可... 详细信息

随着人工智能(artificial intelligence,AI)的高速发展,“黑盒”模型已逐渐展示出逼近甚至超越人类的能力,尤其在智能医疗等高风险应用场景中,其可解释性是用户在应用中信任和理解AI的关键基础.虽然已有工作提供了大量事前和事后的AI可解释方法,但大都采用通用型解决思路,未考虑不同用户在不同场景下多维度的理解和信任需求.以人为本的AI可解释方法能够针对用户实际需求对AI模型进行可解释分析,近年来逐渐受到国内外学者的关注.文中聚焦智能医疗应用,对近5年人机交互国际顶级会议的文献进行分析,回顾现有辅助诊断、辅助用药、未病预警方面以人为本的AI可解释方法及系统,从决策时间花费、用户专业度和诊疗工作流程3个维度梳理和定位可解释需求的系统性方法,得出4类典型用户画像和对应案例;并从考虑资源受限、不同用户的多样需求、与现有流程结合3个方面,为如何设计可解释的医疗辅助诊断系统提出建议.

关键词：可解释人工智能临床决策支持系统智能医疗人智交互用户体验

在线全文

学校读者我要写书评

暂无评论

基于全局对抗负样本的图对比学习方法

中文信息学报 2024年第1期38卷 65-73,85页

作者：岑科廷沈华伟曹婍徐冰冰程学旗中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学北京101408 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

图对比学习在无监督节点表示方面取得了巨大成功。该类模型旨在通过拉近同一节点对应的不同增强节点的表示(正样本),推远不同节点的表示(负样本)的方式为每个节点学习表示。其中负样本的选择是图对比学习的一个关键。现有的方法通过随... 详细信息

图对比学习在无监督节点表示方面取得了巨大成功。该类模型旨在通过拉近同一节点对应的不同增强节点的表示(正样本),推远不同节点的表示(负样本)的方式为每个节点学习表示。其中负样本的选择是图对比学习的一个关键。现有的方法通过随机采样或者根据一些启发式的重要性度量标准为每个节点选择对应的负样本。然而上述方法并不能准确地找到对模型关键的负样本。同时,由于需要为每一个节点选取其对应的负样本,导致高昂的时间开销。为了解决上述问题,该文提出通过对抗学习的方式,为所有节点学习一个全局共享的关键的负样本。在多个基准数据集上的实验结果证明了该方法的效率和有效性。

关键词：图表示学习图对比学习对抗负样本全局负样本