检索结果-南通市图书馆

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

面向车辆边缘计算的任务合作卸载

工程科学与技术 2024年第1期56卷 89-98页

作者：鲁蔚锋印文徐王菁费汉明徐佳南京邮电大学计算机学院江苏南京210023 江苏省大数据安全与智能处理重点实验室江苏南京210023 国铁吉讯科技有限公司北京100081

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于... 详细信息

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于车辆应用设备计算资源的有限性,车辆用户的任务计算需求无法满足,需要提升车辆周边计算资源的利用率来完成计算任务。本文研究了车辆边缘计算中任务的合作卸载机制,以最小化车辆任务的计算时延。首先,考虑周边停泊车辆以及路边单元的计算资源,设计了由云服务器层、停泊车辆合作集群层和路边单元合作集群层组成的任务合作卸载3层系统架构,通过路边单元合作集群和停泊车辆合作集群的合作卸载,充分利用系统的空闲计算资源,进一步提高了系统的资源利用率。然后,基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分,并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后,通过将本文算法和其他算法方案进行实验仿真对比,仿真结果表明,本文算法在系统时延和系统吞吐量方面具有更好的性能表现,可以降低23%的系统时延,并且能提升28%的系统吞吐量。

关键词：边缘计算车辆边缘计算合作卸载 k-聚类计算卸载

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

一种随机森林增强的车载容迟网络路由算法

小型微型计算机系统 2024年第5期45卷 1188-1195页

作者：吴家皋芮琦刘林峰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

针对车载容迟网络(Vehicular Delay Tolerant Network,VDTN)中车辆节点高速移动造成的通信链路不稳定性问题,利用车辆节点的移动模式,提出了一种随机森林增强的VDTN路由算法.首先,引入与车辆节点运动相联系的属性并利用动态相遇奖励机... 详细信息

针对车载容迟网络(Vehicular Delay Tolerant Network,VDTN)中车辆节点高速移动造成的通信链路不稳定性问题,利用车辆节点的移动模式,提出了一种随机森林增强的VDTN路由算法.首先,引入与车辆节点运动相联系的属性并利用动态相遇奖励机制对车辆节点进行分类,以此构建初始随机森林模型.接着,从决策树的分类性能和多样性两个方面优化模型,选择分类性能好、多样性高的决策树构造改进的随机森林模型,其中,决策树的分类性能和多样性分别根据每棵树分类错误率及相应的惩罚权重和由不合度量定义的决策树之间的相似度来衡量.最后,根据改进的随机森林模型提出新的VDTN路由算法.仿真实验证明,所提出的路由算法能显著提高消息的投递率,降低消息的投递时延,从而验证了其有效性.

关键词：车载容迟网络随机森林路由算法分类性能多样性

维普期刊数据库博看期刊评论

在线全文

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

在线全文

学校读者我要写书评

暂无评论

一种自适应的网格化联邦学习客户端调度算法

南京邮电大学学报(自然科学版) 2024年

作者：吴家皋蒋宇栋刘林峰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

针对联邦学习（Federated Learning，FL）系统异构性而导致的训练性能下降问题，提出了一种自适应的网格化联邦学习客户端调度算法。首先，全面考虑FL的异构性特点，将三种异构性分别定义为三个独立的维度，包括训练速度、数据量和数据... 详细信息

针对联邦学习（Federated Learning，FL）系统异构性而导致的训练性能下降问题，提出了一种自适应的网格化联邦学习客户端调度算法。首先，全面考虑FL的异构性特点，将三种异构性分别定义为三个独立的维度，包括训练速度、数据量和数据分布维度，提出了一种新的FL客户端三维网格模型，并将所有客户端分配到该模型中相应的单元格内，以对其进行分类管理。在此基础上，为了克服传统启发式算法的不足，提出了一个基于多臂老虎机的网格化客户端调度算法，该算法能自适应地选择模型精度较低的单元格中的客户端子集参与每轮的FL训练，以改善客户端选择的公平性。仿真实验表明，与几种相关的最新FL算法相比，所提出的算法能显著提高模型精度，同时减少训练时间，从而验证了其有效性。

关键词：联邦学习异构性三维网格客户端选择多臂老虎机

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结构影响力及标签冲突感知的图课程学习方法

计算机科学 2024年

作者：刘祖龙陈可佳南京邮电大学计算机学院南京大学软件新技术重点实验室江苏省大数据安全与智能处理重点实验室(南京邮电大学)

近年来，图神经网络（GNNs）已成为图学习领域内的热点研究问题。受益于消息传递机制，GNNs在各类基于图的任务上均取得了优越的性能。现有的GNNs方法大多基于图中所有节点的训练难度相同的假设，然而，节点在结构影响力和邻域标签异配... 详细信息

近年来，图神经网络（GNNs）已成为图学习领域内的热点研究问题。受益于消息传递机制，GNNs在各类基于图的任务上均取得了优越的性能。现有的GNNs方法大多基于图中所有节点的训练难度相同的假设，然而，节点在结构影响力和邻域标签异配性等方面具有明显的差异。为此，文中提出了一种结构影响力及标签冲突感知的图课程学习方法（SILC-GCL），基于节点的训练难度对GNNs模型进行课程学习。首先，设计了一种综合考虑节点的PageRank影响力值以及邻域标签冲突程度的训练难度测量器；其次，采用了一个训练调度器，用于在每个训练阶段选择训练难度合适的节点并生成一个由易到难的训练节点序列；最后在GNNs骨架模型上进行训练。在六个现实网络数据集上的节点分类实验均验证了SILC-GCL方法的有效性。

关键词：图表示学习图神经网络课程学习节点分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

对话场景下的情感引导问题生成模型

计算机科学 2024年

作者：胥备许鹏南京邮电大学计算机学院软件学院网络空间安全学院江苏大数据安全与智能处理重点实验室

人机对话系统已在多种智能服务场景中得到广泛应用。当前的人机对话系统可以感知对话者情感，并根据上下文给出具备特定情感的响应。但是，具备特定情感的响应较难确保有效地引导人们产生特定的情感。例如：一个具备“高兴”情感的响应... 详细信息

人机对话系统已在多种智能服务场景中得到广泛应用。当前的人机对话系统可以感知对话者情感，并根据上下文给出具备特定情感的响应。但是，具备特定情感的响应较难确保有效地引导人们产生特定的情感。例如：一个具备“高兴”情感的响应并不能保证人们产生高兴的情感。在一些场景中，人机对话系统需要引导用户达到某种特定的情感状态，以利于对话的持续开展或提升交互效率，例如：对话心理陪护或在线智能教学。当前的人机对话系统仅针对“积极/消极”等粗粒度情感引导进行了探索，难以应对细粒度情感引导任务。同时，针对对话的心理研究指出，“问题”会显著影响对话方情感的走向。基于上述背景，提出了一种对话场景下的情感引导问题生成模型。该模型基于GPT预训练模型，将需要引导对话方产生的情感作为情感知识引入到模型的响应生成过程之中，同时引入了上下文情感感知机制和常识知识融合机制，并采用多任务学习的方法增强了模型的情感感知能力和对话响应生成能力。鉴于这是首次提出面向细粒度情感引导的问题生成任务，因此构建了情感引导数据集用于训练和实验，并且提出了基于提示学习的自动评价方法。最终，自动评价和人工评价的结果表明，提出的模型能有效地生成问题，以引导对话方产生特定的情感。

关键词：情感引导问题生成情感对话提示学习多任务学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

横向联邦学习中差分隐私聚类算法

计算机应用 2024年第1期44卷 217-222页

作者：徐雪冉杨庚黄喻先南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023

聚类分析能够挖掘出数据间隐藏的内在联系并对数据进行多指标划分,从而促进个性化和精细化运营。然而,数据孤岛造成的数据碎片化和孤立化严重影响了聚类分析的应用效果。为了解决数据孤岛问题的同时保护相关数据隐私,提出本地均分扰动联... 详细信息

聚类分析能够挖掘出数据间隐藏的内在联系并对数据进行多指标划分,从而促进个性化和精细化运营。然而,数据孤岛造成的数据碎片化和孤立化严重影响了聚类分析的应用效果。为了解决数据孤岛问题的同时保护相关数据隐私,提出本地均分扰动联邦K-means算法(ELFedKmeans)。针对横向联邦学习模式,设计了一种基于网格的初始簇心选择方法和一种隐私预算分配方案。在ELFedKmeans算法中,各站点联合协商随机种子,以较小的通信代价生成相同的随机噪声,保护了本地数据的隐私。通过理论分析证明了该算法满足差分隐私保护,并将该算法与本地差分隐私K-means(LDPKmeans)算法和混合型隐私保护K-means(HPKmeans)算法在不同的数据集上进行了对比实验分析。实验结果表明,随着隐私预算不断增大,三个算法的F-measure值均逐渐升高;误差平方和(SSE)均逐渐减小。从整体上看,ELFedKmeans算法的F-measure值比LDPKmeans算法和HPKmeans算法分别高了1.7945%~57.0663%和21.2452%~132.0488%;ELFedKmeans算法的Log(SSE)值比LDPKmeans算法和HPKmeans算法分别减少了1.2042%~12.8946%和5.6175%~27.5752%。在相同的隐私预算下,ELFedKmeans算法在聚类质量和可用性指标上优于对比算法。

关键词：横向联邦聚类差分隐私本地扰动可用性 K-means算法

维普期刊数据库