检索结果-南通市图书馆

基于逐层增量分解的深度网络神经元相关性解释方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自动化学报 2024年

作者：陈艺元李建威邵文泽孙玉宝南京邮电大学智能信息处理与通信技术省高校重点实验室南京邮电大学通信与信息工程学院南京信息工程大学教育部数字取证工程研究中心

神经网络的黑箱特性严重阻碍了人们关于网络决策的直观分析与理解.尽管文献报道了多种基于神经元贡献度分配的决策解释方法,但是现有方法的解释一致性难以保证,鲁棒性更是有待改进.本文从神经元相关性概念入手,提出一种基于逐层增量分... 详细信息

神经网络的黑箱特性严重阻碍了人们关于网络决策的直观分析与理解.尽管文献报道了多种基于神经元贡献度分配的决策解释方法,但是现有方法的解释一致性难以保证,鲁棒性更是有待改进.本文从神经元相关性概念入手,提出一种基于逐层增量分解的神经网络解释新方法 LID-Taylor(Layer-wise increment decomposition),且在此基础上先后引入针对顶层神经元相关性的对比提升策略,以及针对所有层神经元相关性的非线性提升策略,最后利用交叉组合策略得到最终方法 SIG-LID-IG,实现了决策归因性能的鲁棒跃升.通过热力图对现有工作与提出方法的决策归因性能做了定性定量评估.结果显示, SIG-LID-IG在神经元的正,负相关性的决策归因合理性上均可媲美甚至优于现有工作. SIG-LID-IG在多尺度热力图下同样取得了精确性更高,鲁棒性更强的决策归因.

关键词：神经网络可解释性决策相关性逐层相关性传播类激活图积分梯度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种基于局部通道注意力的可信息肉分割方法

激光与光电子学进展 2024年

作者：许建王若涵南京邮电大学计算机学院江苏省大数据安全与智能处理重点实验室(南京邮电大学)

为了进一步提高现有息肉分割技术的准确性和可信性，本文提出了一种基于局部通道注意力的可信息肉分割方法。首先，该方法利用改进的金字塔视觉Transformer编码器提取息肉区域特征，解决传统卷积神经网络特征提取能力不足的问题；然后... 详细信息

为了进一步提高现有息肉分割技术的准确性和可信性，本文提出了一种基于局部通道注意力的可信息肉分割方法。首先，该方法利用改进的金字塔视觉Transformer编码器提取息肉区域特征，解决传统卷积神经网络特征提取能力不足的问题；然后，利用局部通道注意力机制来融合级联的特征，在精确定位息肉的前提下，逐步恢复边缘细节信息，提升模型的整体表征能力；最后，基于主观逻辑证据理论构建可信的息肉分割模型，推导出息肉分割问题的概率和不确定性，对分割结果进行可信性度量。利用多个公开数据集进行了大量实验，实验结果表明，与现有典型方法相比，本方法具有更好的准确性、鲁棒性和泛化性，并且可以得到较为可信的息肉分割结果。

关键词：图像处理息肉分割局部通道注意力不确定性估计主观逻辑证据理论

基于多步句子选择-重写模型生成科技文献创新点

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：许贤哲陈景强江苏省大数据安全与智能处理重点实验室(南京邮电大学) 南京邮电大学计算机学院

近年来科技文献数量的显著增加，使得研究人员难以跟上自己所在领域的最新进展。为了保持对前沿研究的追踪，研究者通常依赖于阅读文献中的创新点，该部分简明扼要地概括了关键研究成果。然而，作者在文中不充分地呈现文章的创新内容并... 详细信息

近年来科技文献数量的显著增加，使得研究人员难以跟上自己所在领域的最新进展。为了保持对前沿研究的追踪，研究者通常依赖于阅读文献中的创新点，该部分简明扼要地概括了关键研究成果。然而，作者在文中不充分地呈现文章的创新内容并非罕见现象，这导致读者难以快速掌握研究的核心内容。为了解决这一问题，我们提出了一个全新的任务，即自动生成科技文献的创新点摘要。该任务的其中一个难点在于目前缺少相关数据集，于是我们构建了科技创新点摘要语料库（SCSC）。另一个难点在于目前现有的生成式或抽取式模型在生成创新点方面分别存在冗余度过高和句与句之前缺乏关联性的问题。为了满足生成简洁、高质量创新点的需求，我们提出了MSSRsum模型（一个多步句子选择-重写模型）。最终实验表明，本文提出的模型在SCSC和arXiv数据集上优于基线模型。

关键词：摘要科技文献多步句子选择-重写生成创新点

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科研论文的可比性评估与比较性引文生成方法

计算机应用 2024年

作者：李翔宇陈景强南京邮电大学计算机学院江苏省大数据安全与智能处理重点实验室(南京邮电大学)

针对比较性引文生成中面临的两大挑战——如何准确判定论文间的可比性及如何生成具有比较性的句子，本文提出了科研论文的可比性评估与比较性引文生成方法。该方法构建了三个核心模块：可比性评估模块用于判断两篇论文是否具备可比性；... 详细信息

针对比较性引文生成中面临的两大挑战——如何准确判定论文间的可比性及如何生成具有比较性的句子，本文提出了科研论文的可比性评估与比较性引文生成方法。该方法构建了三个核心模块：可比性评估模块用于判断两篇论文是否具备可比性；比较对象提取模块负责从论文与参考文献中抽取出具体的比较对象；比较引文生成模块则生成相应的比较性引用句子。首先，利用SciBERT(Scientific BERT)模型处理输入的两篇文章，通过可比性评估模块进行可比性评估。其次，对于被判定为可比的文章，采用比较对象提取模块识别并提取出关键的比较对象。最后，借助比较引文生成模块生成包含这些比较对象的比较性引文。实验结果显示，在可比性评估阶段，本方法在平均倒数排名（MRR）指标上达到了0.732，在召回率@10(R@10)指标上达到了0.537，较之前的SciBERT-FNN方法在各个数据集上均有提升。在比较引文生成实验中，本方法在ROUGE-1、ROUGE-2和ROUGE-L得分分别为31.52、11.25和27.38，明显高于Bart-Large等基线方法。此外，实验结果还证实了科学文献自动化比较与分析技术对于引文句子生成任务具有重要意义，特别是在提高比较信息的可追溯性和确保引用句子信息的全面性方面，展现出极大的实用价值。

关键词：比较性引文可比性评估引文生成文本生成文本分类比较对象抽取

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于梯度选择的轻量化差分隐私保护联邦学习

计算机科学 2024年第1期51卷 345-354页

作者：王周生杨庚戴华南京邮电大学计算机学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023

为了应对机器学习过程中可能出现的用户隐私问题,联邦学习作为首个无需用户上传真实数据、仅上传模型更新的协作式在线学习解决方案,已经受到人们的广泛关注与研究。然而,它要求用户在本地训练且上传的模型更新中仍可能包含敏感信息,从... 详细信息

为了应对机器学习过程中可能出现的用户隐私问题,联邦学习作为首个无需用户上传真实数据、仅上传模型更新的协作式在线学习解决方案,已经受到人们的广泛关注与研究。然而,它要求用户在本地训练且上传的模型更新中仍可能包含敏感信息,从而带来了新的隐私保护问题。与此同时,必须在用户本地进行完整训练的特点也使得联邦学习过程中的运算与通信开销问题成为一项挑战,亟需人们建立一种轻量化的联邦学习架构体系。出于进一步的隐私需求考虑,文中使用了带有差分隐私机制的联邦学习框架。另外,首次提出了基于Fisher信息矩阵的Dropout机制——FisherDropout,用于对联邦学习过程中在客户端训练产生梯度更新的每个维度进行优化选择,从而极大地节约运算成本、通信成本以及隐私预算,建立了一种兼具隐私性与轻量化优势的联邦学习框架。在真实世界数据集上的大量实验验证了该方案的有效性。实验结果表明,相比其他联邦学习框架,FisherDropout机制在最好的情况下可以节约76.8%~83.6%的通信开销以及23.0%~26.2%的运算开销,在差分隐私保护中隐私性与可用性的均衡方面同样具有突出优势。

关键词：联邦学习差分隐私 Fisher信息矩阵 Dropout机制轻量化

维普期刊数据库

同方期刊数据库

超大规模MIMO阵列可视区域空间分布数据集

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第8期46卷 3063-3072页

作者：高锐锋苗艳春陈颖王珏张军韩瑜金石南通大学交通学院南通226019 南通大学信息科学技术学院南通226019 南京邮电大学通信与信息工程学院南京210042 东南大学移动通信国家重点实验室南京210096

可视区域(VR)信息可用于降低超大规模多输入多输出(XL-MIMO)系统传输设计复杂度,但现有理论分析与传输设计多基于简化的VR统计分布模型。为评估分析XL-MIMO在实际物理传播场景中的性能,该文公开了XL-MIMO阵列VR空间分布数据集,其由环境... 详细信息

可视区域(VR)信息可用于降低超大规模多输入多输出(XL-MIMO)系统传输设计复杂度,但现有理论分析与传输设计多基于简化的VR统计分布模型。为评估分析XL-MIMO在实际物理传播场景中的性能,该文公开了XL-MIMO阵列VR空间分布数据集,其由环境参数设置、射线追踪仿真、天线场强数据预处理和VR判定准则等步骤构建。该数据集针对典型城区无线传播场景,建立了用户位置采样与场强数据、VR数据之间的关联,总数据条目数量达上亿级。进一步对其中VR形态、VR分布进行了可视化展示与分析,并以基于VR的XL-MIMO用户接入协议为例,利用该数据集对其在真实传播场景中的性能进行了仿真,为该数据集的应用提供了典型样例。

关键词：超大规模MIMO 可视区域射线追踪能量集中度子阵列

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

智能反射面阵元互耦与共存干扰研究

信号处理 2024年第8期40卷 1452-1459页

作者：王文鼐叶思思吴炜陈睿南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003

智能反射面(Intelligent Reflecting Surface,IRS)是由大量无源反射元件呈阵列排列构成的智能超表面,其阵元间距是相位控制的关键技术参数,在小于半波长时存在不可忽略的互耦效应。本文针对多网运营的应用环境,考虑IRS反射阵元之间存在... 详细信息

智能反射面(Intelligent Reflecting Surface,IRS)是由大量无源反射元件呈阵列排列构成的智能超表面,其阵元间距是相位控制的关键技术参数,在小于半波长时存在不可忽略的互耦效应。本文针对多网运营的应用环境,考虑IRS反射阵元之间存在相互耦合的情况,研究系统间共存干扰与阵元间距、工作频段、物理位置的关联关系。针对发射机、接收机和IRS之间自阻抗和互阻抗的建模需求,将互耦效应进行量化转换,以阻抗的形式将其数据化,结合阵元反射增益和相位参数的作用因素,建立了远场条件下基于阻抗电路的共存干扰传播模型。针对IRS接收,由发射天线电流与IRS互阻抗的乘积得到再辐射矩阵;针对IRS反射,由IRS负载电流与接收天线互阻抗的乘积得到接收端负载电压。应用阵元等效阻抗法,通过等效阻抗的可重构性,最大化有用信号的接收功率,推导得到信干比(Signal to Interference Ratio,SIR)的计算表达式。进一步分析了共存系统的工作频段、IRS反射单元间隔、IRS的反射阵元数量、IRS与非目标收发机之间距离等因素对共存干扰产生的影响。数值仿真表明互耦偏差随阵元间距减小而增大,半波长的偏差为28%;不同载频系统的SIR表明,共存干扰的互耦效应显著且不可忽略,高频系统对低频系统产生的共存干扰对信号传输质量影响更为显著。

关键词：智能反射面共存干扰互耦信干比

维普期刊数据库

同方期刊数据库

基于改进高斯混合变分自编码器的半监督情感音乐生成

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第8期51卷 281-296页

作者：胥备刘桐南京邮电大学计算机学院南京210023 江苏大数据安全与智能处理重点实验室南京210023

音乐可以通过序列化的声音信息传递声音内容和情感。情感是音乐所表达的语义中的重要组成部分,因此,音乐生成技术不仅要考虑音乐的结构信息,还应融入情感元素。现有的情感音乐生成技术大多采用基于情感标注的完全监督方法,但音乐领域缺... 详细信息

音乐可以通过序列化的声音信息传递声音内容和情感。情感是音乐所表达的语义中的重要组成部分,因此,音乐生成技术不仅要考虑音乐的结构信息,还应融入情感元素。现有的情感音乐生成技术大多采用基于情感标注的完全监督方法,但音乐领域缺乏大量标准的情感标注数据集,且情感标签不足以表达音乐的情感特征。针对上述问题,提出了基于改进的高斯混合变分自编码器(Gaussian Mixture Variational Autoencoders,GMVAE)的半监督情感音乐生成方法(Semg-GMVAE),将音乐的节奏特征和调式特征与情感建立联系,同时向GMVAE中引入一种特征解纠缠机制来分别学习这两种特征的潜在变量表示,并对其进行半监督聚类推断。最后通过操纵音乐的特征表示,实现了针对快乐、紧张、悲伤、平静情感的音乐生成与情感转换。同时,针对GMVAE难以区分不同情感类别数据的问题,实验指出其关键原因是GMVAE证据下界中的方差正则项与互信息抑制项使得各类别的高斯分量分散性不足,从而影响学习表示的性能和生成的数据样本的情感质量。因此,Semg-GMVAE对这两项因子分别进行了惩罚和增强,并使用Transformer-XL作为编码器和解码器以提升在长序列音乐上的建模能力。基于真实数据集的实验结果表明,相比现有方法,Semg-GMVAE能够将不同情感的音乐在潜在空间中更好地分离,增强了音乐与情感的关联程度,并且能够有效对不同音乐特征进行解纠缠分离,最后通过改变特征表示更好地实现情感音乐生成或情感切换。

关键词：情感音乐生成半监督生成模型解纠缠表示学习高斯混合变分自编码器 Transformer-XL

维普期刊数据库

基于深度注意力扩散图神经网络的法律文本细粒度分类方法

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年

作者：韩普王志伟杜文文张子豪南京邮电大学管理学院江苏省数据工程与知识服务重点实验室

[目的]利用解耦技术缓解过度平滑并构建深度图网络学习文本隐藏特征，同时采用注意力扩散机制增强图网络的长距离交互能力，以提升法律文本细粒度分类效果。[方法]本研究提出了基于深度注意力扩散图神经网络的法律文本细粒度分类模型FL... 详细信息

[目的]利用解耦技术缓解过度平滑并构建深度图网络学习文本隐藏特征，同时采用注意力扩散机制增强图网络的长距离交互能力，以提升法律文本细粒度分类效果。[方法]本研究提出了基于深度注意力扩散图神经网络的法律文本细粒度分类模型FLGNN，该模型首先使用预训练模型BERT作为嵌入层获取长距离语义特征，接着构建文本有向图通过深度图网络捕获文本全局图信息和隐藏特征，最后利用特征融合和节点级注意力机制优化文本特征并进行分类任务。[结果]模型在来自北大法宝数据库的数据集PKULawData上Acc值达94.85%，较BERT、DADGNN和RCNN等基线模型的Acc值分别提升了1.15%、3.44%和1.72%；在法律合同文本数据集JSCLawData上Acc值达90.91%，较BERT、DADGNN和RCNN等基线模型的Acc值分别提升了1.35%、4.19%和4.10%。[局限]模型在其它领域的适用性需要进一步探究。[结论]FLGNN模型能捕获法律文本的全局图信息并挖掘深层语义信息，进一步提升了法律文本细粒度分类效果，可为法律领域智能化管理和人工智能提供有效支撑。

关键词：法律文本分类深度图神经网络细粒度分类解耦合注意力扩散