检索结果-南通市图书馆

RR-SC:边缘设备中基于随机计算神经网络的运行时可重配置框架

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4期61卷 840-855页

作者：宋玉红沙行勉诸葛晴凤许瑞王寒华东师范大学计算机科学与技术学院上海200062

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如... 详细信息

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如能源、计算单元和存储单元等)受限的边缘设备上执行深度神经网络低能耗、低开销的优势.然而,之前的关于随机计算的工作都仅仅设计一组模型配置并在固定的硬件配置上实现,忽略了实际应用场景中硬件资源(如电池电量)的动态改变,这导致了低硬件效率和短电池使用时间.为了节省电池供电的边缘设备的能源,动态电压和频率调节技术被广泛用于硬件重配置以延长电池的使用时间.针对基于随机计算的深度神经网络,创新性地提出了一个运行时可重配置框架,即RR-SC,这个框架首次尝试将硬件和软件的重配置相结合以满足任务的时间约束并最大限度节省能源.RR-SC利用强化学习技术可以一次性生成多组模型配置,同时满足不同硬件配置(即不同的电压/频率等级)下的准确率要求.RR-SC得到的解具有最好的准确率和硬件效率权衡.同时,多个模型配置运行时在同一个主干网络上进行切换,从而实现轻量级的软件重配置.实验结果表明,RRSC可以在110 ms内进行模型配置的轻量级切换,以保证在不同硬件级别上所需的实时约束.同时,它最高可以实现7.6倍的模型推理次数提升,仅造成1%的准确率损失.

关键词：边缘设备随机计算运行时重配置动态硬件环境轻量级软件重配置强化学习

在线全文

学校读者我要写书评

暂无评论

基于深度学习的EEG数据分析技术综述

浙江大学学报（工学版） 2024年第5期58卷 879-890页

作者：钟博王鹏飞王乙乔王晓玲华东师范大学计算机科学与技术学院上海200062

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解... 详细信息

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解决方案,包括各阶段所存在的难点与问题.全方位总结出不同算法的主要贡献和局限性,讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.

关键词：头皮脑电(EEG) 闭环流程深度学习预处理特征提取模型泛化

在线全文

学校读者我要写书评

暂无评论

基于全局局部协同的非均匀图像去雾方法

自动化学报 2024年第7期50卷 1333-1344页

作者：罗小同杨汶锦曲延云谢源厦门大学信息学院计算机科学与技术系厦门361005 华东师范大学计算机科学与技术学院上海200063

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此... 详细信息

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.

关键词：图像去雾卷积神经网络 Transformer 特征融合稀疏自注意力

面向Shapelet空间的多变量时间序列密度聚类算法

同方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

计算机科学与探索 2024年第2期18卷 387-402页

作者：盛锦超杜明晶孙嘉睿李宇蕊江苏师范大学计算机科学与技术学院江苏徐州221100

多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。... 详细信息

多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。其一,当前大部分工作并未考虑多变量时间序列的长度冗余性和变量相关性等问题,导致最终得到的相似性矩阵具有较大误差;其二,数据在聚类过程中普遍采用划分范式,当数值空间呈现复杂分布时该思想表现不佳,并且不具备对各个变量及空间的解释力。针对上述问题,提出了一种面向Shapelet(富有高信息量的连续子序列)空间的多变量时间序列自适应权重密度聚类算法(MDCS)。算法首先对各个变量进行Shapelet搜索,通过自适应策略获取到各自的Shapelet空间,接着对各个变量产生的数值分布进行组合加权,得到了更符合数据分布特征的相似度矩阵,最后利用改进密度计算和二次分配的共享最近邻密度峰值聚类算法对数据进行最终分配。在真实数据集上的实验结果证明,与目前先进的聚类算法相比,MDCS拥有更好的聚类结果,在标准化互信息和兰德系数指标上平均提高了0.344与0.09,兼顾了性能与可解释性。

关键词：多变量时间序列子序列 Shapelet空间密度峰值聚类数据挖掘

在线全文

学校读者我要写书评

暂无评论

一种可解释的相对贫困识别与预警模型

山西大学学报(自然科学版) 2024年第1期47卷 155-165页

作者：史颖丁天琪祁晓博亓慧太原师范学院计算机科学与技术学院

构建相对贫困人口识别体系和监测预警机制，增强监测预警机制的针对性和有效性，是相对贫困长效治理的必要条件。由于相对贫困识别的理论和算法研究相对较少，本文提出了一种可解释的相对贫困识别与预警模型，即IEWRP模型。该模型以2018... 详细信息

构建相对贫困人口识别体系和监测预警机制，增强监测预警机制的针对性和有效性，是相对贫困长效治理的必要条件。由于相对贫困识别的理论和算法研究相对较少，本文提出了一种可解释的相对贫困识别与预警模型，即IEWRP模型。该模型以2018—2020年中国家庭追踪调查问卷（CFPS2018）数据为研究对象，运用方差分析技术对原始数据集进行特征选择。然后通过Gradient Boosting构建IEWRP模型，并与决策树（Classification and Regression Tree,CART）、XGBoost、LightGBM等机器学习算法进行实验对比。最后，结合SHapley Additive exPlanation模型对影响相对贫困识别的相关特征的必要性和重要度进行了可解释性分析，识别出影响相对贫困识别的主要特征。实验结果显示，IEWRP模型的预测准确率、精确率、召回率、F1值、AUC(Area Under Curve)值分别为89.4%、90.6%、95.3%、92.9%、0.95，在准确率、精确率、F1值、AUC值四个方面分别提升了0.15%、0.28%、0.09%、0.23%。

关键词： Gradient Boosting模型 SHAP模型相对贫困预测特征分析

来源：博看期刊

基于联盟链和商密九号算法的安全可共享电子病历方案

在线全文

学校读者我要写书评

暂无评论

山西大学学报(自然科学版) 2024年

作者：赵鹏张少康李笑唐静芸赵伟太原师范学院计算机科学与技术学院

针对电子病历系统存在的隐私保护、数据安全和存储、数据共享等方面的问题，提出一种基于联盟链和商密九号算法的解决方案。该方案通过脱敏技术和商密九号算法对电子病历进行隐私保护和加密处理。利用星际文件系统存储电子病历加密文件... 详细信息

针对电子病历系统存在的隐私保护、数据安全和存储、数据共享等方面的问题，提出一种基于联盟链和商密九号算法的解决方案。该方案通过脱敏技术和商密九号算法对电子病历进行隐私保护和加密处理。利用星际文件系统存储电子病历加密文件，采用联盟链存储其索引实现电子病历的轻量化存储。同时，采用智能合约对文件进行搜索和访问控制，并通过商密九号算法加密序列密钥，以实现电子病历的安全共享。最后对该方案进行了全面的性能分析，并与现有方案进行了全面对比，对比结果显示，在结构方面，本方案采用单链结构，相较双链结构方案，降低了系统的复杂性，在存储方面，采用星际文件系统传输模式，相较于传统的文件传输模式，大病历文件的上传时间平均缩短了13倍左右，在通信方面，相较于未使用商密九号算法的方案，本方案一次通信时间缩短了30多毫秒。

关键词：隐私保护数据共享脱敏技术星际文件系统智能合约访问控制

融合时空注意力机制的多尺度卷积车辆轨迹预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：闫建红刘芝妍王震太原师范学院计算机科学与技术学院

车辆轨迹预测是自动驾驶的重要环节，提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响，本文考虑相邻车辆运动和相对空间位置等交通环境因素，在长短期记忆神经网络(LSTM)编码器-解码器模... 详细信息

车辆轨迹预测是自动驾驶的重要环节，提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响，本文考虑相邻车辆运动和相对空间位置等交通环境因素，在长短期记忆神经网络(LSTM)编码器-解码器模型基础上，引入时空注意力机制，通过时间注意力层关注目标车辆和相邻车辆的历史轨迹，空间注意力层关注车辆的相对空间位置；为了增强特征提取程度和实现更全面的特征融合，使用多尺度卷积社交池，增大感受野，融合多尺度特征。综合以上两个方面，提出了基于LSTM编码器-解码器架构融合多尺度卷积社交池和时空注意力机制的车辆轨迹预测模型（MCS-STALSTM），学习车辆运动相互依赖关系，达到获得目标车辆未来轨迹基于机动类别的多模态预测分布的目的。本方法在公开数据集NGSIM上进行训练、验证和测试，多组对比实验表明，相较于其他轨迹预测模型3秒内的均方根误差平均降低了9.35%,5秒内均方根误差平均降低了5.53%，提高了轨迹预测准确性，说明该模型在中短期预测上更具有优势。

关键词：多尺度卷积社交池化轨迹预测长短期记忆神经网络时空注意力机制多尺度特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

RGB-D目标跟踪综述

计算机辅助设计与图形学学报 2024年

作者：欧洲应舸张大伟郑忠龙浙江师范大学计算机科学与技术学院

近年来，随着深度学习的不断发展，已有许多基于深度学习的RGB目标跟踪算法被提出且取得较为显著的性能，但纯粹依靠可见光进行跟踪的算法在光照变化、背景干扰、严重遮挡等复杂场景下仍难以实现鲁棒跟踪. 为解决高难度场景下的挑战... 详细信息

近年来，随着深度学习的不断发展，已有许多基于深度学习的RGB目标跟踪算法被提出且取得较为显著的性能，但纯粹依靠可见光进行跟踪的算法在光照变化、背景干扰、严重遮挡等复杂场景下仍难以实现鲁棒跟踪. 为解决高难度场景下的挑战，实现高效鲁棒的目标跟踪，多模态目标跟踪应运而生. 本文以RGB-D目标跟踪算法为主，详细列举了当前可见光-深度的多模态目标跟踪算法，对各类算法的优缺点进行分析和比较; 并介绍了主流的RGB-D目标跟踪数据集，挑战赛及其评价指标; 最后总结了RGB-D目标跟踪技术的发展趋势和挑战，并展望其未来的发展方向: 特殊场景RGB-D数据集建设、全新RGB-D目标跟踪评估范式和有效模态融合的RGB-D模型范式.

关键词：目标跟踪多模态可见光-深度特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于动态批量评估的绿色无梯度优化方法

软件学报 2024年第4期35卷 1732-1750页

作者：钱鸿舒翔孙天祥邱锡鹏周爱民华东师范大学上海智能教育研究院上海200062 华东师范大学计算机科学与技术学院上海200062 复旦大学计算机科学技术学院上海200438

在基于语言模型即服务的提示词黑盒微调、机器学习模型超参数调节等优化任务中,由于解空间到性能指标之间的映射关系复杂多变,难以显式地构建目标函数,故常采用无梯度优化方法来实现寻优.解的准确、稳定评估是有效实施无梯度优化方法的... 详细信息

在基于语言模型即服务的提示词黑盒微调、机器学习模型超参数调节等优化任务中,由于解空间到性能指标之间的映射关系复杂多变,难以显式地构建目标函数,故常采用无梯度优化方法来实现寻优.解的准确、稳定评估是有效实施无梯度优化方法的关键,完成一次解的质量评估常要求在整个数据集上完整运行一次模型,且优化过程有时需要大量评估解的质量.随着机器学习模型复杂度以及训练样本量的不断增加,准确、稳定的解的质量评估时间成本与计算代价越来越高昂,这与绿色低碳机器学习与优化理念背道而驰.有鉴于此,提出了一种基于动态批量评估的绿色无梯度优化方法框架(green derivative-free optimization with dynamic batch evaluation,GRACE),基于训练子集的相似性,在优化过程中自适应动态调节评估解时使用的样本量,使得GRACE在保证优化性能的同时,降低优化成本与代价,达到绿色低碳高效的目标.在语言模型即服务提示词黑盒微调、模型超参数优化等实际任务上进行了实验验证,通过与一系列对比方法以及GRACE消融退化版算法进行比较分析,表明了GRACE的有效性、高效性、绿色低碳性.超参数分析结果表明了其具备超参数稳健性.

关键词：无梯度优化演化学习绿色低碳动态批量评估