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

编译技术与编译器设计专题前言

软件学报 2024年第6期35卷 2583-2584页

作者：冯晓兵郝丹高耀清左志强中国科学院计算技术研究所北京100190 北京大学计算机学院北京100871 华为技术有限公司广东深圳518129 南京大学计算机科学与技术系江苏南京110169

编译器作为重要的基础软件,是连接上层应用与底层系统的桥梁,在整个计算机系统软件栈中具有举足轻重的作用.编译技术与编译器设计,一方面作为国家亟待增强和突破的研究领域,迫切需要开展独立自主的科研与创新,另一方面一系列崭新领域的... 详细信息

编译器作为重要的基础软件,是连接上层应用与底层系统的桥梁,在整个计算机系统软件栈中具有举足轻重的作用.编译技术与编译器设计,一方面作为国家亟待增强和突破的研究领域,迫切需要开展独立自主的科研与创新,另一方面一系列崭新领域的应用需求(如人工智能、异构计算、云计算等)也不断催生新的编译技术创新与突破.因此,编译技术与编译器设计一直是国内外学者的关注点和研究热点.本专题聚焦编译优化、编译器设计、以及编译器可信与安全等基础性问题,重点关注在相关研究领域具有创新性、突破性的高水平研究成果,探讨编译基础理论、关键技术以及编译器研发过程中关于系统设计原理、架构、经验等方面的实质性进展,及其在我国基础软件产业中的应用前景.

关键词：编译技术计算机系统软件编译器人工智能编译优化异构计算云计算软件产业

在线全文

学校读者我要写书评

暂无评论

基于语音语料对齐与自适应融合的抑郁症识别

计算机科学 2024年

作者：沈心旸王善敏孙玉宝南京信息工程大学计算机学院南京航空航天大学计算机科学与技术学院

抑郁症已成为全球性的重大公共卫生问题，语音抑郁症识别旨在以易推广、低成本的方式对抑郁症进行识别。现有研究通常将长序列语音信号划分成多个片段作为独立样本参与训练，未能充分利用语音信号不同位置间的相互关系，忽视了与识别目... 详细信息

抑郁症已成为全球性的重大公共卫生问题，语音抑郁症识别旨在以易推广、低成本的方式对抑郁症进行识别。现有研究通常将长序列语音信号划分成多个片段作为独立样本参与训练，未能充分利用语音信号不同位置间的相互关系，忽视了与识别目标无关的片段对结果产生的干扰。为解决以上问题，提出一种基于语音语料对齐与自适应融合的抑郁症识别方法，对于输入语音进行语料拆分后，通过多头注意力机制进行语料间关联性建模，并通过片段重要性挖掘模块自动学习语音中不同片段的重要系数，有效融合局部和全局特征进行识别，提升了识别准确率。所提方法在MODMA数据集和SEARCH数据集上的加权准确率、未加权准确率、F1分数分别达到了82.59%、82.17%、82.23%和74.44%、68.33%、69.25%，实验结果表明，所提方法能够通过语音信号准确对抑郁症进行识别。

关键词：多头注意力机制关联性建模重要性挖掘特征融合抑郁症识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

分布式稀疏软大间隔聚类

数据采集与处理 2024年第2期39卷 376-384页

作者：谢云轩陈松灿南京航空航天大学计算机科学与技术学院南京211106

虽然软大间隔聚类(Soft large margin clustering,SLMC)相比其他诸如K-Means等算法具有更优的聚类性能与某种程度的可解释性,然而当面对大规模分布存储数据时,均遭遇了同样的可扩展瓶颈,其涉及的核矩阵计算需要高昂的时间代价。消减此... 详细信息

虽然软大间隔聚类(Soft large margin clustering,SLMC)相比其他诸如K-Means等算法具有更优的聚类性能与某种程度的可解释性,然而当面对大规模分布存储数据时,均遭遇了同样的可扩展瓶颈,其涉及的核矩阵计算需要高昂的时间代价。消减此代价的有效策略之一是采用随机Fourier特征变换逼近核函数,而逼近精度所依赖的特征维度常常过高,隐含着可能过拟合的风险。本文将稀疏性嵌入核SLMC,结合交替方向乘子法(Alternating direction method of multipliers,ADMM),给出了一个分布式稀疏软大间隔聚类算法(Distributed sparse SLMC,DS-SLMC)来克服可扩展问题,同时通过稀疏化获得更好的可解释性。

关键词：交替方向乘子法软大间隔聚类分布式机器学习核近似

在线全文

学校读者我要写书评

暂无评论

基于可泛化模型的复杂商务场景数据分析

中国科学基金 2024年

作者：史颖欢郭金涛李泽昆祁磊高阳南京大学计算机软件新技术全国重点实验室东南大学计算机科学与工程学院

随着全球经济合作与竞争形势的快速发展,复杂商务场景日益涌现。其中,数据的规模和复杂性也呈现显著增长,在带来可利用数据资源的同时,也为有效挖掘和分析潜在商务模式带来挑战。本文首先针对复杂商务场景下的数据特点进行分析,其次调... 详细信息

随着全球经济合作与竞争形势的快速发展,复杂商务场景日益涌现。其中,数据的规模和复杂性也呈现显著增长,在带来可利用数据资源的同时,也为有效挖掘和分析潜在商务模式带来挑战。本文首先针对复杂商务场景下的数据特点进行分析,其次调研了商务分析方法的研究进展,包括:大规模商务数据集、多模态预训练与特征融合方法以及多场景下可泛化商务模型技术。此外,对复杂商务场景数据分析在未来的应用发展进行思考与总结,讨论了目前亟需解决的关键问题,包括:对更多模态的适应性、商务分析模型可解释性、动态环境下的分布变化鲁棒性等。进一步分析了复杂商务场景可泛化模型的研究现状和挑战,旨在为复杂商务分析领域的研究提供初步参考,实现复杂商务场景的全面智能化。

关键词：商务场景可泛化数据分析深度学习多模态融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于增量加权的概念漂移数据流分类算法

上海交通大学学报 2024年

作者：吴勇华梅颖卢诚波浙江理工大学计算机科学与技术学院丽水学院数学与计算机学院浙江得图网络有限公司

概念漂移是数据流挖掘中最常见的现象之一，数据流中隐含的知识模式随时间动态变化，导致先前建立的分类器的准确性下降。针对这一问题，提出了一种基于增量加权的概念漂移数据流分类算法（The Concept Drift Data Stream Classificatio... 详细信息

概念漂移是数据流挖掘中最常见的现象之一，数据流中隐含的知识模式随时间动态变化，导致先前建立的分类器的准确性下降。针对这一问题，提出了一种基于增量加权的概念漂移数据流分类算法（The Concept Drift Data Stream Classification Algorithm Based on Incremental Weighting，SCIW），该算法采用了一种启发式的权重更新策略，并结合基于准确性差异的自适应方法，同时改进了基于泊松分布的重采样策略。SCIW算法能够适应不同类型的概念漂移，有效缓解了分类器准确率下降的问题。在 14 个合成数据集和 6 个真实数据集上的实验结果表明，SCIW和ARF在准确率方面表现出色，明显优于其他对比算法。同时，SCIW在时间和内存消耗方面明显优于ARF，其中总体平均时间消耗约为ARF的83%，总体平均内存消耗约为ARF的13%。

关键词：数据流概念漂移分类集成学习自适应

面向雷达图像分类模型的两步式对抗样本检测技术

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据采集与处理 2024年第1期39卷 106-119页

作者：王见张赛楠陈芳南京航空航天大学计算机科学与技术学院南京211106

深度学习技术极大地提高了雷达图像目标分类的精度,但由于神经网络自身的脆弱性使得雷达图像分类系统的安全性受到威胁。本文对雷达对抗样本的攻击性及雷达对抗样本与原始样本在频率域上的差异性进行了分析,并在此基础上,提出了两步式... 详细信息

深度学习技术极大地提高了雷达图像目标分类的精度,但由于神经网络自身的脆弱性使得雷达图像分类系统的安全性受到威胁。本文对雷达对抗样本的攻击性及雷达对抗样本与原始样本在频率域上的差异性进行了分析,并在此基础上,提出了两步式雷达对抗样本检测技术来提升雷达分类模型的安全性。首先基于频率域对输入的雷达图像进行第1步对抗样本检测,分离出对抗样本,然后将剩下的图像分别送入到一个经过对抗训练的模型和一个未经过对抗训练的模型进行第2次对抗样本检测。通过这种两步式的检测方法,可以有效地检测出对抗样本,检测成功率不低于95.73%,有效提升了雷达分类模型的安全性。

关键词：合成孔径雷达深度神经网络对抗样本频率域转换模型安全性

在线全文

学校读者我要写书评

暂无评论

基于稀疏正则双层优化的个性化联邦学习

模式识别与人工智能 2024年第5期37卷 447-458页

作者：刘希刘博季繁繁袁晓彤南京信息工程大学计算机学院南京210044 Walmart Global Tech Hub SunnyvaleCA 94086USA 南京信息工程大学电子与信息工程学院南京210044 南京大学计算机软件新技术全国重点实验室南京210023 南京大学智能科学与技术学院苏州215163

个性化联邦学习侧重于为各客户端提供个性化模型,旨在提高对异构数据的处理性能,然而现有的个性化联邦学习算法大多以增加客户端参数量为代价提高个性化模型的性能,使计算变得复杂.为了解决此问题,文中提出基于稀疏正则双层优化的个性... 详细信息

个性化联邦学习侧重于为各客户端提供个性化模型,旨在提高对异构数据的处理性能,然而现有的个性化联邦学习算法大多以增加客户端参数量为代价提高个性化模型的性能,使计算变得复杂.为了解决此问题,文中提出基于稀疏正则双层优化的个性化联邦学习算法(Personalized Federated Learning Based on Sparsity Regularized Bi-level Optimization,pFedSRB),在客户端的个性化更新中引入l 1范数稀疏正则化,提升个性化模型的稀疏度,避免不必要的客户端参数更新,降低模型复杂度.将个性化联邦学习建模为双层优化问题,内层优化采用交替方向乘子法,可提高学习速度.在4个联邦学习基准数据集上的实验表明,pFedSRB在异构数据上表现出色,在提高模型性能的同时有效降低训练用时和空间成本.

关键词：个性化联邦学习稀疏正则化非独立同分布(Non-IID) 交替方向乘子法(ADMM)

基于RoBERTa和集中注意力机制的营商政策多标签分类

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第S1期44卷 44-48页

作者：陈昊飏南京大学计算机科学与技术系南京210023

为了满足营商政策多标签分类的社会需求,解决使用擅长文本分类、但输入受限的大语言预训练模型进行长文本分类的难题,提出一种基于RoBERTa模型和集中注意力机制的方法,更好地提取语义集中区域的信息表征,对营商政策文本进行有效的多标... 详细信息

为了满足营商政策多标签分类的社会需求,解决使用擅长文本分类、但输入受限的大语言预训练模型进行长文本分类的难题,提出一种基于RoBERTa模型和集中注意力机制的方法,更好地提取语义集中区域的信息表征,对营商政策文本进行有效的多标签分类。首先,对数据清洗和分析后,得到一定的先验知识:营商政策文本的语义表征集中在文本标题与开篇部分。其次,在文本输入层和向量表示层中,构建集中注意力机制对文本和向量进行处理,增强模型在训练中对语义集中区域的注意力,提高模型信息表征提取能力,优化长文本分类的效果。实验中爬取政府公开的营商政策文本作为数据集,实验结果表明,营商政策长文本分类的准确率可达0.95,Micro-F1值可达0.91,同时对比实验结果显示,融合RoBERTa和集中注意力机制进行营商政策长文本多标签分类比其他模型效果更好。

关键词：多标签分类长文本营商政策 RoBERTa 预训练模型注意力机制

真实感材质外观的表示和高效渲染技术研究现状及展望

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8期36卷 1131-1154页

作者：陶成之孙奇过洁袁军平周辰熙何雪滟范之闽史鹏程郭延文计算机软件新技术全国重点实验室(南京大学) 南京210033

在虚拟场景的组成中,除了三维几何模型之外最重要的要素就是物体表面的材质外观,对材质进行基于物理的建模和真实感绘制是保证虚拟场景真实感的重要手段.然而,由于现实世界材质外观本身的多样性和复杂性,迄今为止对真实感材质的研究一... 详细信息

在虚拟场景的组成中,除了三维几何模型之外最重要的要素就是物体表面的材质外观,对材质进行基于物理的建模和真实感绘制是保证虚拟场景真实感的重要手段.然而,由于现实世界材质外观本身的多样性和复杂性,迄今为止对真实感材质的研究一直是计算机图形学领域的热点和难点.文中总结了材质外观的近期相关工作,从材质的表示建模和材质的真实感绘制2大方向展开讨论;进一步,将材质模型分为表达范围广的通用材质模型和针对毛发及布料等材质的特殊材质模型2大类;并将材质绘制方法分为用于离线渲染的点采样优化和用于实时渲染的材质预过滤2种;最后指出材质研究可能的3个发展方向:神经网络材质、波动光学材质和材质的统一标准,为未来该领域的研究提供思路.

关键词：真实感绘制材质表面微结构毛发渲染皮肤渲染布料渲染重要性采样纹理预过滤