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

联邦学习中针对后门攻击的检测与防御方案

计算机应用 2024年

作者：苏锦涛葛丽娜肖礼广邹经王哲广西民族大学人工智能学院广西民族大学网络通信工程重点实验室广西混杂计算与集成电路设计分析重点实验室

针对联邦学习系统中普遍存在的恶意后门攻击行为，以及现有防御方案难以在隐私保护与模型训练高准确率之间取得平衡的难题，本研究探索了联邦学习中的后门攻击及其防御方法。提出了一种名为GKFL的安全高效集成方案，用于检测后门攻击并... 详细信息

针对联邦学习系统中普遍存在的恶意后门攻击行为，以及现有防御方案难以在隐私保护与模型训练高准确率之间取得平衡的难题，本研究探索了联邦学习中的后门攻击及其防御方法。提出了一种名为GKFL的安全高效集成方案，用于检测后门攻击并修复受损模型。该方案无需访问参与方的原始隐私数据，通过中央服务器生成检测数据，用于检测联邦学习中的聚合模型是否遭受后门入侵，并采用知识蒸馏技术对受损模型进行恢复，确保模型的完整性和准确性。采用数据集MNIST和Fashion-MNIST进行实验：GKFL的总体性能均优于经典的FoolsGold、GeoMed、RFA(Robust Aggregation Algorithm);GKFL方案比FoolsGold更能保护数据隐私的问题。实验结果表明GKFL拥有检测后门攻击及修复受损模型的能力，并在模型中毒准确率和模型主任务准确率上明显优于对比算法。

关键词：联邦学习后门攻击数据安全隐私保护人工智能安全

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

联邦学习的高效性研究综述

计算机应用 2024年

作者：葛丽娜王明禹田蕾广西民族大学人工智能学院广西混杂计算与集成电路设计分析重点实验室广西民族大学网络与通信工程重点实验室

联邦学习作为一个分布式机器学习框架，解决了数据孤岛问题，对个人及企业的隐私保护起到了重要作用。联邦学习的效率问题是其目前急需解决的问题，由于联邦学习的特点，其高昂的开销代价还是不尽如人意。对此，全面总结并调研了当前主... 详细信息

联邦学习作为一个分布式机器学习框架，解决了数据孤岛问题，对个人及企业的隐私保护起到了重要作用。联邦学习的效率问题是其目前急需解决的问题，由于联邦学习的特点，其高昂的开销代价还是不尽如人意。对此，全面总结并调研了当前主流的关于联邦学习高效性的研究，回顾了高效联邦学习的背景，包括它的由来和核心思想，解释联邦学习的概念和分类，论述基于联邦学习而产生的高效性问题并将其分为异构性问题、个性化问题和通信代价问题，详细分析并论述了高效性问题的解决方案，并将高效联邦学习研究分为模型压缩优化方法以及通信优化方法两个类别做出调研通过对比，总结了各方法的优缺点，阐述目前高效联邦学习仍存在的挑战，最后给出了该领域未来的研究方向。

关键词：联邦学习深度学习通信效率隐私保护机器学习

马来酸改性木质素增强纳米纤维素复合膜制备及性能

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

复合材料学报 2024年

作者：罗丹舒璇孙高峰刘秀宇刘超戴红旗卞辉洋南京林业大学轻工与食品学院广西民族大学林产化学与工程国家民委重点实验室广西林产化学与工程重点实验室

以小麦秸秆为原料，采用金属氯化物催化马来酸分离提取木质素纳米颗粒（LNP）。随着金属氯化物的添加，制备得到粒径小、羧基含量高（4.83 mmol/g）、分散性好、含有不同金属离子的LNP。然后将LNP作为增强剂添加到纳米纤维素（CNF）中... 详细信息

以小麦秸秆为原料，采用金属氯化物催化马来酸分离提取木质素纳米颗粒（LNP）。随着金属氯化物的添加，制备得到粒径小、羧基含量高（4.83 mmol/g）、分散性好、含有不同金属离子的LNP。然后将LNP作为增强剂添加到纳米纤维素（CNF）中，采用真空过滤法制备得到复合薄膜材料。对纯CNF膜和复合膜的表面形貌、光学性能、表面色度值和力学性能进行比较分析，结果表明LNP添加量为3 wt%时，复合膜具有超过95%的UVA屏蔽率和超过99%的UVB屏蔽率。同时，LNP的加入显著提高了复合膜的拉伸强度（最高达到188.5 MPa），采用AFM测得CNF和不同LNP之间的相互作用力（276～ 406 nN）均高于CNF之间的相互作用力（202 nN），与复合膜的拉伸强度提高相一致。综上所述，本研究在CNF膜中引入含金属离子的LNP，在复合膜中构建了具有金属离子交联和氢键结合相互作用的超强网络，为木质素增强纤维素基薄膜材料的开发提供新思路。

关键词：木质素纳米颗粒纳米纤维素复合薄膜金属离子交联氢键结合

融合交互注意力网络的实体和关系联合抽取模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第8期60卷 156-164页

作者：郝小芳张超群李晓翔王大睿广西民族大学电子信息学院南宁530006 广西民族大学人工智能学院南宁530006 广西混杂计算与集成电路设计分析重点实验室南宁530006

实体关系三元组的抽取效果直接影响后期知识图谱构建的质量,而传统流水线式和联合式抽取的模型,并没有对句子级别和关系级别的语义特征进行有效建模,从而导致模型性能的缺失。为此,提出一种融合句子级别和关系级别的交互注意力网络的实... 详细信息

实体关系三元组的抽取效果直接影响后期知识图谱构建的质量,而传统流水线式和联合式抽取的模型,并没有对句子级别和关系级别的语义特征进行有效建模,从而导致模型性能的缺失。为此,提出一种融合句子级别和关系级别的交互注意力网络的实体和关系联合抽取模型RSIAN,该模型通过交互注意力网络来学习句子级别和关系级别的高阶语义关联,增强句子和关系之间的交互,辅助模型进行抽取决策。在构建的中文旅游数据集(TDDS)的Precision、Recall和F1值分别为0.872、0.760和0.812,其性能均优于其他对比模型;为了进一步验证该模型在英文联合抽取上的性能,在公开英文数据集NYT和Webnlg上进行实验,该模型的F1值相比基线模型RSAN模型分别提高了0.014和0.013,并且该模型在重叠三元组的分析实验也均取得了优于基线模型的性能且更稳定。

关键词：交互注意力网络句子级别关系级别实体和关系联合抽取注意力机制重叠三元组

融合遮挡信息的改进DDETR无人机目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第1期60卷 236-244页

作者：周建亭宣士斌王婷广西民族大学电子信息学院南宁530006 广西民族大学人工智能学院南宁530006 广西混杂计算与集成电路设计分析重点实验室南宁530006

针对无人机航拍图像中目标场景复杂、小目标多、遮挡严重的问题,提出了一种融合目标遮挡信息的改进DDETR(deformable DETR)的无人机目标检测算法。提出模型用Swin Transformer代替DDETR模型中残差网络来获得更丰富的多层次语义特征;增加... 详细信息

针对无人机航拍图像中目标场景复杂、小目标多、遮挡严重的问题,提出了一种融合目标遮挡信息的改进DDETR(deformable DETR)的无人机目标检测算法。提出模型用Swin Transformer代替DDETR模型中残差网络来获得更丰富的多层次语义特征;增加DDETR模型对低层次特征的使用来提高对中小目标的检测效果;利用提出的遮挡程度估计模块来辅助模型解决遮挡问题,使模型能更好地检测出遮挡严重的目标。在VisDrone数据集上达到32.3%的平均准确度均值(mean average precision,AP),比标准DDETR模型AP值提高了3.3个百分点,与主流无人机航拍图像目标检测方法相比,达到了当前先进水平。

关键词：无人机目标检测深度学习交叉注意力可变形卷积

在线全文

学校读者我要写书评

暂无评论

深度度量学习综述

计算机应用 2024年

作者：柴汶泽范菁孙书魁梁一鸣刘竟锋云南民族大学电气信息工程学院云南省无人自主系统重点实验室(云南民族大学) 云南省高校信息与通信安全灾备重点实验室(云南民族大学)

随着深度神经网络的兴起，深度度量学习(DML)引起广泛的关注。为了深入了解深度度量学习，首先，整理和分析传统度量学习方法的局限性。其次，从3个类型探讨深度度量学习，包括基于样本对、代理和分类的类型：基于样本对的类型包括散度... 详细信息

随着深度神经网络的兴起，深度度量学习(DML)引起广泛的关注。为了深入了解深度度量学习，首先，整理和分析传统度量学习方法的局限性。其次，从3个类型探讨深度度量学习，包括基于样本对、代理和分类的类型：基于样本对的类型包括散度方法、排序方法和基于生成对抗网络（GAN）的方法；基于代理的类型主要从代理样本、类别方面进行讨论；基于分类的类型中主要讨论了跨模态度量学习、类内类间边距问题、超图分类，以及与其他方法(如基于强化学习和基于对抗学习)的结合。再次，介绍评估深度度量学习性能的各种指标，同时总结和对比DML在不同任务包括人脸识别、图像检索、行人重识别等中的应用。最后，探讨DML面临的挑战，并提出一些可能的解决策略。

关键词：深度神经网络深度度量学习机器学习计算机视觉人工智能

Transformer-CNN特征跨注意力融合学习的行人重识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第16期60卷 94-104页

作者：项俊张金城江小平侯建华中南民族大学智能无线通信湖北省重点实验室武汉430074

卷积神经网络(convolutional neural network,CNN)关注局部特征,难以获得全局结构信息,Transformer网络建模长距离的特征依赖,但易忽略局部特征细节。提出了一种跨注意力融合学习的行人重识别算法,利用CNN和Transformer特征学习网络的特... 详细信息

卷积神经网络(convolutional neural network,CNN)关注局部特征,难以获得全局结构信息,Transformer网络建模长距离的特征依赖,但易忽略局部特征细节。提出了一种跨注意力融合学习的行人重识别算法,利用CNN和Transformer特征学习网络的特点,在丰富行人局部特征的同时改善特征的全局表达能力。该模型由三个部分构成:CNN分支主要提取局部细节信息;Transformer分支侧重于关注全局特征信息;跨注意力融合分支通过自注意力机制计算上述两个分支特征的相关性,进而实现特征融合,最终提高模型的表征能力。剥离实验以及在Market1501和DukeMTMC-reID数据集的实验结果证明了所提方法的有效性。

关键词：行人重识别卷积神经网络(CNN) Transformer 跨注意力融合学习

在线全文

学校读者我要写书评

暂无评论

多尺度特征融合的遥感图像目标检测算法研究

计算机工程与应用 2024年

作者：许思源吴伟林广西民族大学电子信息学院广西应用数学中心梧州学院广西机器视觉与智能控制重点实验室

针对遥感图像背景复杂、特征冲突以及目标尺度多变等问题，以YOLOv8s为基线模型，提出一种基于多尺度特征融合的遥感图像目标检测方法。将RepVGG网络作为模型的特征提取网络，提高模型的特征提取能力，有效实现全局语义信息的捕获；在... 详细信息

针对遥感图像背景复杂、特征冲突以及目标尺度多变等问题，以YOLOv8s为基线模型，提出一种基于多尺度特征融合的遥感图像目标检测方法。将RepVGG网络作为模型的特征提取网络，提高模型的特征提取能力，有效实现全局语义信息的捕获；在颈部网络提出了一种三极综合性融合模块（tripolarintegrative fusion，TIF），通过位置信息和语义信息的有效融合，提高对各个尺度目标的检测精度；将SlideLoss滑动损失函数作为模型的分类损失函数，增强模型对困难目标的的检测能力，从而提高目标检测的准确性。实验结果表明，改进后的模型在NWPU VHR-10、RSOD和UCAS-AOD数据集上分别取得了94.4%、93.0%和95.5%的检测精度，相较基线模型分别提升了5.1%、6.0%、4.4%，在准确性方面优于其他方法，能更好地完成遥感图像目标检测任务。

关键词：深度学习目标检测遥感图像多尺度特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于开关电容矩阵的高能效神经网络加速器

华中科技大学学报(自然科学版) 2024年第9期 23-28+54页

作者：李大为苗榕韩晓燕博南中南民族大学智能无线通信湖北省重点实验室重庆大学微电子与通信工程学院北京大学人工智能研究院

为了适应嵌入式机器学习等低功耗应用场景，提出了一种高能效的模拟域开关电容矩阵-矢量乘法器（SCMM）.SCMM电路利用电荷重分配原理实现卷积，权重数据存储在电容中．在SCMM中，5 bit输入数模转换器（Input DAC）在输入数据的控制下产... 详细信息

为了适应嵌入式机器学习等低功耗应用场景，提出了一种高能效的模拟域开关电容矩阵-矢量乘法器（SCMM）.SCMM电路利用电荷重分配原理实现卷积，权重数据存储在电容中．在SCMM中，5 bit输入数模转换器（Input DAC）在输入数据的控制下产生成比例的电压作为乘累加（MAC）电路的输入电压，3 bit MAC电路使用开关和100 fF单位电容完成模拟域乘累加运算．仿真结果表明：该SCMM电路不仅可实现乘累加运算，在1 GHz主频和1 V供电电压下MAC电路功耗仅为0.725 mW，能效达到4.69×1011s-1·W-1，同时实现过程可缓解对模数转换器（ADC）速率的需求，减小硬件开销．

关键词：模拟计算卷积神经网络开关电容乘累加能效