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

基于信誉的委员会共识机制

计算机应用 2024年

作者：孙敏焦世行王晨燕山西大学计算机与信息技术学院

授权股权证明(DPoS)作为主流共识机制的一种，选举过程耗时长、节点投票不积极和恶意节点难处理的核心问题制约着它快速发展。针对上述问题，提出一种基于信誉的委员会共识机制——幸运信誉证明(PoLaC)。首先，PoLaC将信誉值作为节点历... 详细信息

授权股权证明(DPoS)作为主流共识机制的一种，选举过程耗时长、节点投票不积极和恶意节点难处理的核心问题制约着它快速发展。针对上述问题，提出一种基于信誉的委员会共识机制——幸运信誉证明(PoLaC)。首先，PoLaC将信誉值作为节点历史行为的评估标准，选择高信誉节点作为委员会成员，极大简化了选举流程；其次，引入幸运值概念，提高普通节点竞选成功的概率，以此激励普通节点参与网络共识；最后，采取延迟分叉的方式，对恶意节点的行为进行修正。实验结果表明，在共识通信量方面，PoLaC网络比投票意愿为50%的DPoS网络共识通信量少30%；低权重节点收益方面，PoLaC网络的收益是DPoS的3倍；委员会恶意节点占比方面，进入信誉稳定期的PoLaC网络委员会恶意节点数约为DPoS的1/5。相较于其他同类信誉共识机制，PoLaC在网络通信量、节点活跃度以及恶意节点处理方面均具有一定优势。

关键词：区块链共识机制委员会共识信誉选举授权股权证明

基于对称卷积块网络和原型校准的小样本学习方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年第11期 182-190页

作者：刘帅白雪飞高小方山西大学计算机与信息技术学院

针对基于原型网络的小样本学习模型泛化能力不足以及由少量样本得到的类原型不准确等问题，提出一种新的小样本学习方法。首先采用一个由双向卷积块注意力模块和残差块构成的对称网络SCB-Net对图像不同深度的特征进行自适应学习，从而... 详细信息

针对基于原型网络的小样本学习模型泛化能力不足以及由少量样本得到的类原型不准确等问题，提出一种新的小样本学习方法。首先采用一个由双向卷积块注意力模块和残差块构成的对称网络SCB-Net对图像不同深度的特征进行自适应学习，从而提取到更具代表性的类别特征表示，以有效提高模型的泛化能力；其次提出了一种反欧氏标签传播原型校准算法IELP-PC,利用伪标签策略扩充支持集样本；最后在支持集样本上采用反欧氏距离加权对类原型进行校准，进而提高模型的分类精度。在两个常用数据集mini-ImageNet和tiered-ImageNet上进行了实验，结果验证了所提方法的有效性，与基线模型相比，其在5-way 1-shot上分别提高了6.44%和7.83%,在5-way 5-shot上分别提高了2.68%和2.02%。

关键词：原型网络小样本学习对称卷积块网络原型校准反欧氏距离

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

跨视图一致性表示的多视图属性图聚类

山西大学学报(自然科学版) 2024年

作者：陈晓惠荆雪纯曹付元山西大学计算机与信息技术学院

针对基于图卷积神经网络的多视图聚类算法中视图嵌入表示存在的两个问题：跨视图特征表示一致性不足、跨视图簇划分一致性不足，本文提出了一种跨视图一致性表示的多视图属性图聚类算法（multi-view attribute graph clustering algorit... 详细信息

针对基于图卷积神经网络的多视图聚类算法中视图嵌入表示存在的两个问题：跨视图特征表示一致性不足、跨视图簇划分一致性不足，本文提出了一种跨视图一致性表示的多视图属性图聚类算法（multi-view attribute graph clustering algorithm with cross-view consistent representations, CCRAGC）。该算法通过约束视图间的节点相似度矩阵逼近单位矩阵来加强视图嵌入表示之间的特征级一致性；同时，把视图嵌入表示映射到聚类级子空间，使子空间中的软标签矩阵尽可能相似，以此来加强视图间簇划分的一致性。研究结果表明，CCRAGC对于ACM、DBLP、IMDB三个广泛使用的数据集都有效，且Acc相对于性能最优的基准算法分别提高了1.21%、0.37%、5.74%。

关键词：聚类特征一致性簇级一致性属性图

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于跨模态对比学习的常识问答模型

计算机应用 2024年

作者：王元龙刘亭华张虎山西大学计算机与信息技术学院

常识问答任务是利用常识对自然语言问句进行自动求解，得到准确答案，属于智能问答领域。该任务通常需要背景常识提升模型的求解能力，现有大多数方法依赖于从文本数据中提取和利用常识。然而，常识往往具有隐含性，并不总是直接体现在... 详细信息

常识问答任务是利用常识对自然语言问句进行自动求解，得到准确答案，属于智能问答领域。该任务通常需要背景常识提升模型的求解能力，现有大多数方法依赖于从文本数据中提取和利用常识。然而，常识往往具有隐含性，并不总是直接体现在文本内容中，限制了其应用范围和效果。因此，提出基于跨模态对比学习的常识问答模型，充分利用跨模态信息来丰富常识知识的表达。首先，设计跨模态常识表示模块，融合常识库和跨模态大模型，获取跨模态的常识表示；其次，对问题和选项的跨模态表示进行对比学习，以此增强模型对不同选项之间的区分能力；最后，利用softmax层为问题选项对生成相关性分数，根据分数的高低来确定最终的答案预测。在公开数据集CommonsenseQA和OpenBookQA上验证所提模型的效果，与现有模型DEKCOR(DEscriptiveKnowledgefor COmmonsense question answeRing)相比，准确率在两个数据集上分别提高了1.46%和0.71%。

关键词：智能问答常识问答对比学习跨模态常识

面向CNN和Transformer的自注意力机制自适应性提示学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：杨鹏跃王锋魏巍山西大学计算机与信息技术学院

随着大规模预训练模型对视觉领域中的一般性数据的深入研究，当将其应用于特定下游任务时，若模型只训练分类头方法则极其依赖于预训练模型且效果一般；而全面微调预训练模型也因模型参数过大而变得不切实际；另外如VPT等视觉提示学习... 详细信息

随着大规模预训练模型对视觉领域中的一般性数据的深入研究，当将其应用于特定下游任务时，若模型只训练分类头方法则极其依赖于预训练模型且效果一般；而全面微调预训练模型也因模型参数过大而变得不切实际；另外如VPT等视觉提示学习方法在图像数据集具有很大的数据多样性时，每个数据集的通用提示在向原始预训练数据分布转变时会带来极大的挑战．基于以上的种种挑战，本文提出一种新的提示学习方法，即在输入空间中添加特定任务的自注意力机制提示块，并在增强通道间的竞争条件下，引入极小的参数量进行预训练模型的自适应性调整，最终实现将视觉领域中具有一般性的特征信息应用于特定的视觉任务．实验以CNN和Transformer代表性的网络为基础模型并选取CIFAR、Tiny ImageNet等数据集，结果表明本文提出的方法相比常见的微调方法在平均准确率上提高了0.55%、1.86%．

关键词：模型的微调数据多样性提示学习自注意力机制提示块自适应性调整

非均匀网络中半径可调的ARDV-Hop定位算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

传感技术学报 2024年第9期37卷 1613-1621页

作者：马千里钱惠梦张琦齐鑫山西大学计算机与信息技术学院山西太原030006

针对无线传感网络中传统DV-Hop(Distance Vector Hop)定位算法节点分布不均匀导致定位误差较大的问题,提出了非均匀网络中半径可调的ARDV-Hop(Adjustable Radius DV-Hop in Non-uniform Networks)定位算法。该算法通过半径可调的方式对... 详细信息

针对无线传感网络中传统DV-Hop(Distance Vector Hop)定位算法节点分布不均匀导致定位误差较大的问题,提出了非均匀网络中半径可调的ARDV-Hop(Adjustable Radius DV-Hop in Non-uniform Networks)定位算法。该算法通过半径可调的方式对节点间的跳数进行细化,用细化后呈小数级的跳数代替传统的整数级跳数,并建立了数据能量消耗模型,优化了网络传输性能。ARDV-Hop算法还针对节点分布不均匀的区域提出跳距优化算法:在节点密度大的区域,采用余弦定理优化跳距;密度小的区域,采用最小均方误差(Least Mean Square,LMS)来修正跳距。仿真实验表明,在同等网络环境下,与传统DV-Hop算法、GDV-Hop算法和WOA-DV-Hop算法相比,ARDV-Hop算法能更有效地降低定位误差.

关键词：无线传感网络 DV-Hop 半径可调非均匀网络最小均方误差

(n-m,k-m)-星图子网络的可靠性评估

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：冯凯杨嵛迦山西大学计算机与信息技术学院

多处理器系统互连网络的子网络可靠性是衡量系统性能的一个关键指标。为了刻画（n,k）-星图中（n-m,k-m）-星图子网络的容错性能，在概率故障条件下分析了（n,k）-星图中存在无故障（n-m,k-m）-星图子网络的概率。对于1≤k≤n-1和1≤m≤... 详细信息

多处理器系统互连网络的子网络可靠性是衡量系统性能的一个关键指标。为了刻画（n,k）-星图中（n-m,k-m）-星图子网络的容错性能，在概率故障条件下分析了（n,k）-星图中存在无故障（n-m,k-m）-星图子网络的概率。对于1≤k≤n-1和1≤m≤k-1，得出了（n-m,k-m）-星图子网络存在概率的上下界的理论公式，给出了仅考虑点故障的（n,k）-星图的无故障（n-m,k-m）-星图子网络的搜寻算法，并基于蒙特卡罗模拟提出了评估无故障（n-m,km）-星图子网络的存在概率的近似方法。实验结果表明，随着顶点可靠性逐渐变小，得出的（n-m,k-m）-星图子网络存在概率的上下界与近似评估结果基本吻合；当顶点可靠性较高或（n-m,k-m）-星图子网络存在概率的上下界相差较大时，利用基于蒙特卡罗的近似方法可以得出较为精确的评估结果。

关键词：多处理器系统互连网络 (n,k)-星图概率故障蒙特卡罗

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

知识引导的视觉关系检测模型

计算机应用 2024年第3期44卷 683-689页

作者：王元龙胡文博张虎山西大学计算机与信息技术学院太原030006

视觉关系检测(VRD)任务是在目标识别的基础上,进一步检测目标对象之间的关系,属于视觉理解和推理的关键技术。由于对象之间交互组合,容易造成对象间关系组合爆炸的问题,从而产生很多关联性较弱的实体对,导致后续的关系检测召回率较低。... 详细信息

视觉关系检测(VRD)任务是在目标识别的基础上,进一步检测目标对象之间的关系,属于视觉理解和推理的关键技术。由于对象之间交互组合,容易造成对象间关系组合爆炸的问题,从而产生很多关联性较弱的实体对,导致后续的关系检测召回率较低。针对上述问题,提出知识引导的视觉关系检测模型。首先构建视觉知识,对常见的视觉关系检测数据集中的实体标签和关系标签进行数据分析与统计,得到实体和关系间交互共现频率作为视觉知识;然后利用所构建的视觉知识,优化实体对的组合流程,降低关联性较弱的实体对得分,提升关联性较强的实体对得分,进而按照实体对的得分排序并删除得分较低的实体对,对于实体之间的关系也同样采用知识引导的方式优化关系得分,从而提升模型的召回率。在公开数据集视觉基因库(VG)和VRD中验证所提模型的效果:在谓词分类任务中,与现有模型PE-Net(Prototype-based Embedding Network)相比,在VG数据集上,召回率Recall@50和Recall@100分别提高了1.84和1.14个百分点;在VRD数据集上,相较于Coacher,Recall@20、Recall@50和Recall@100分别提高了0.22、0.32和0.31个百分点。

关键词：视觉关系检测实体对排序组合爆炸共现频率知识引导

基于区块链免密钥托管的可追踪可撤销属性基加密方案

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 101-106页

作者：郭丽峰马雪珂王玲霞张夏蕾山西大学计算机与信息技术学院太原030006

针对密文策略属性基加密(CP-ABE)方案难以高效地同时满足免密钥托管、策略隐藏、用户追踪和撤销问题,提出一种基于区块链免密钥托管的可追踪可撤销属性基加密方案(BETRABE)。首先,区块链网络中的节点为属性机构,用户只需与区块链网络通... 详细信息

针对密文策略属性基加密(CP-ABE)方案难以高效地同时满足免密钥托管、策略隐藏、用户追踪和撤销问题,提出一种基于区块链免密钥托管的可追踪可撤销属性基加密方案(BETRABE)。首先,区块链网络中的节点为属性机构,用户只需与区块链网络通过公开信道进行少量通信即可获得解密密钥;其次,融合公钥加密对区块链中存储的用户解密密钥进行加密,用户本地只需存储公钥加密的公私钥;另外,追踪系统中泄露密钥的恶意用户,通过将该用户加入撤销列表和云服务器对密文更新实现恶意用户撤销。此外,使用单向匿名密钥协商协议实现密文访问策略全隐藏,进而更好地保护存储在云服务器上密文的隐私性。基于l-SDH(l-Strong Diffie-Hellman)假设在标准模型下进行安全性验证。实验结果表明,BETRABE极大地减少了密钥生成阶段的通信成本和用户的密钥存储开销,加密和解密时间随着用户属性数增加线性增长,且相较于其他方案拥有较高的解密效率。

关键词：属性基加密追踪撤销策略隐藏免密钥托管区块链