检索结果-南通市图书馆

多智能体系统基于自适应控制下的二分-分量一致性

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第5期39卷 1754-1760页

作者：华彩凤马忠军李科赞桂林电子科技大学数学与计算科学学院广西桂林541004 桂林电子科技大学广西应用数学中心广西桂林541004 桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004

二分-分量一致性是指网络系统中部分具有相似特性智能体的某些分量随时间推移趋于相同的值,而剩余智能体的某些分量则随时间趋于相反的值,是一种弱于恒同一致和二分一致的动力学行为.为此,对符号网络上非线性多智能体系统的二分-分量一... 详细信息

二分-分量一致性是指网络系统中部分具有相似特性智能体的某些分量随时间推移趋于相同的值,而剩余智能体的某些分量则随时间趋于相反的值,是一种弱于恒同一致和二分一致的动力学行为.为此,对符号网络上非线性多智能体系统的二分-分量一致性问题展开研究.首先,针对多智能体系统中各智能体之间存在的合作关系或竞争关系,设计有效的自适应牵制控制器;随后,基于Lyapunov稳定性理论和矩阵理论,导出该非线性系统二分-分量一致性得以实现的充分条件;最后,通过数值模拟验证理论结果.

关键词：网络系统非线性多智能体系统自适应控制二分-分量一致

在线全文

学校读者我要写书评

暂无评论

一种预测流程剩余时间的可解释特征分层方法

软件学报 2024年第3期35卷 1341-1356页

作者：郭娜刘聪李彩虹陆婷闻立杰曾庆田山东理工大学电气与电子工程学院山东淄博255000 山东理工大学计算机科学与技术学院山东淄博255000 山东科技大学计算机科学与工程学院山东青岛266590 清华大学软件学院北京100084

流程剩余时间预测对于业务异常的预防和干预有着重要的价值和意义.现有的剩余时间预测方法通过深度学习技术达到了更高的准确率,然而大多数深度模型结构复杂难以解释预测结果,即不可解释问题.此外,剩余时间预测除了活动这一关键属性还... 详细信息

流程剩余时间预测对于业务异常的预防和干预有着重要的价值和意义.现有的剩余时间预测方法通过深度学习技术达到了更高的准确率,然而大多数深度模型结构复杂难以解释预测结果,即不可解释问题.此外,剩余时间预测除了活动这一关键属性还会根据领域知识选择若干其他属性作为预测模型的输入特征,缺少通用的特征选择方法,对于预测的准确率和模型的可解释性存在一定的影响.针对上述问题,提出基于可解释特征分层模型(explainable feature-based hierarchical model,EFH model)的流程剩余时间预测框架.具体而言,首先提出特征自选择策略,通过基于优先级的后向特征删除和基于特征重要性值的前向特征选择,得到对预测任务具有积极影响的属性作为模型输入.然后提出可解释特征分层模型架构,通过逐层加入不同特征得到每层的预测结果,解释特征值与预测结果的内在联系.采用LightGBM(light gradient boosting machine)和LSTM(long short-term memory)算法实例化所提方法,框架是通用的,不限于选用算法.最后在8个真实事件日志上与最新方法进行比较.实验结果表明所提方法能够选取出有效特征,提高预测的准确率,并解释预测结果.

关键词：流程挖掘剩余时间预测特征选择可解释分层模型

在线全文

学校读者我要写书评

暂无评论

可验证延迟函数与延迟加密研究综述

密码学报（中英文） 2024年第2期11卷 282-307页

作者：李鹏张明武杨波桂林电子科技大学计算机与信息安全学院桂林541004 湖北工业大学计算机学院武汉430068 陕西师范大学计算机科学学院西安710119 武汉大学网络空间安全学院武汉430072

可验证延迟函数(verifiabledelayfunction,VDF)是由Boneh等人于2018年提出的一种密码学原语,无论并行与否,该函数的计算时间都是固定的,但要求验证其结果是快速的.在诸如随机信标和区块链协议设计等去中心化应用中,VDF能使用例如重复平... 详细信息

可验证延迟函数(verifiabledelayfunction,VDF)是由Boneh等人于2018年提出的一种密码学原语,无论并行与否,该函数的计算时间都是固定的,但要求验证其结果是快速的.在诸如随机信标和区块链协议设计等去中心化应用中,VDF能使用例如重复平方的计算任务来提供可靠的消逝时间证明(proofofelapsedtime,PoET),以实现区块链的共识.本文重点介绍了五种VDF候选方案及其构造,比较它们之间的优劣,说明其可能存在的问题和特性,阐述VDF在随机信标、资源高效的区块链、复制证明、计算时间戳和延迟加密上的应用,尤其对于2021年刚引入的延迟加密(delayencryption,DE)做了详细的调查和分析,对现有的两种延迟加密方案及构造进行了重点分析.在现有VDF研究基础上,本文总结了VDF的现状,提出所需要关注的研究动态,进而指出Loe等人的P-VDF是目前五种VDF候选中最为实用的,优势明显.它具有空证明和高效验证的优点,且验证算法的运行时间为O(1).最后,本文对VDF的未来发展趋势作了有益的分析和展望.

关键词：时间锁谜题可验证延迟函数顺序缓慢计算快速验证延迟加密

基于多尺度卷积与Informer混合模型的非侵入式负荷监测方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2024年第3期44卷 134-141页

作者：韩林池高放赵子巍郭苏杭李想张冬冬武新章广西大学电气工程学院广西南宁530004 广西大学计算机与电子信息学院广西南宁530004

针对现有非侵入式负荷监测方法存在的负荷分解准确率低、模型泛化性能差的问题,提出一种多尺度卷积与Informer网络相结合的非侵入式负荷监测方法。采用数据分段优化方法对功率信号进行分段,利用多尺度卷积核获取不同时间尺度的特征序列... 详细信息

针对现有非侵入式负荷监测方法存在的负荷分解准确率低、模型泛化性能差的问题,提出一种多尺度卷积与Informer网络相结合的非侵入式负荷监测方法。采用数据分段优化方法对功率信号进行分段,利用多尺度卷积核获取不同时间尺度的特征序列以及自适应提取多维度功率特征,从而形成特征矩阵;基于Informer网络中的概率稀疏自注意力机制在高维空间中充分捕获特性序列的长期依赖关系,从而提高预测准确率;利用分解值修正方法消除功率分解值中的“虚假”激活状态,以进一步提高分解精度。算例结果验证了所提方法的可行性。

关键词：非侵入式负荷监测多尺度卷积 Informer网络分解值修正数据分段优化

基于多目标遗传算法的8×8 S盒的优化设计方法

在线全文

学校读者我要写书评

暂无评论

西南交通大学学报 2024年第3期59卷 519-527,538页

作者：王永王明月龚建重庆邮电大学计算机科学与技术学院重庆400065 桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004

混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合... 详细信息

混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合混沌映射与多目标遗传算法,提出了一种新的S盒设计方法.首先,利用混沌映射的特性产生初始S盒种群;然后,以S盒的非线性度和差分均匀性为优化目标,基于遗传算法框架对上述两指标进行优化.针对S盒的特点,在优化算法中引入了交换操作,设计了新的变异操作以及非支配序集计算,有效提升了S盒的非线性度和差分均匀性.实验结果表明该算法产生的S盒其差分均匀度为6,非线性度值至少为110,有效提升了S盒的综合性能.

关键词： S盒非线性度差分均匀度多目标遗传算法混沌映射

基于因果推断的业务流程时间异常根因分析方法

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年

作者：郭娜刘聪李彩虹欧阳春倪维健曾庆田山东理工大学电气与电子工程学院山东理工大学计算机科学与技术学院昆士兰科技大学信息系统系山东科技大学计算机科学与工程学院

流程的执行时间通常是关键的业务考核指标，未在规定执行时间内完成的案例和活动均可视为流程时间异常，可能造成超时、客户投诉等风险。因此，剖析流程时间异常的根本原因可有针对性的提出整改方案和干预措施。然而，导致时间异常的潜... 详细信息

流程的执行时间通常是关键的业务考核指标，未在规定执行时间内完成的案例和活动均可视为流程时间异常，可能造成超时、客户投诉等风险。因此，剖析流程时间异常的根本原因可有针对性的提出整改方案和干预措施。然而，导致时间异常的潜在原因繁多难以全面提取，逐一分析严重影响执行效率，并且根本原因分析的准确性难以保证。针对上述问题，为探究业务流程时间异常的根本原因，本文提出一种基于因果推断的业务流程时间异常根因溯源分析框架。首先，扩展事件日志的时间信息和工作负载，提供丰富的候选原因。其次，生成案例和活动执行时间异常因果假设，确定对应的潜在原因，建立案例与活动间的联系以便于根因溯源。然后，应用基于元学习的因果推断方法，估计因果效应以确定因果关系。最后，在5个真实事件日志上与最新方法进行比较，并可视化根因结果。实验结果表明，本文方法可有效提高流程时间异常根因的分析效率，得到更合理的原因。

关键词：业务流程因果推断根本原因时间异常元学习

债务融资对终极股东行为影响的实证分析——基于内部控制质量的门限效应和调节效应

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

管理现代化 2024年第2期44卷 61-68页

作者：何芳丽李思锐桂林电子科技大学数学与计算科学学院广西桂林541004

集中股权结构的上市公司中,终极股东对其他中小股东有一定的利益侵害动机,债务融资作为公司治理的一个重要环节,研究其对终极股东行为的影响是一个值得探究的问题。以我国523家非金融类上市公司2007-2022年的面板数据为样本,考虑内部控... 详细信息

集中股权结构的上市公司中,终极股东对其他中小股东有一定的利益侵害动机,债务融资作为公司治理的一个重要环节,研究其对终极股东行为的影响是一个值得探究的问题。以我国523家非金融类上市公司2007-2022年的面板数据为样本,考虑内部控制质量的门限效应与调节效应,实证检验了债务融资对终极股东掏空行为的促进或抑制效应。研究发现:(1)银行债务、商业信用和长期债务对终极股东掏空行为具有显著的促进效应;当内部控制质量分别大于门限值860.160、873.700、873.700时,此类效应减弱;(2)短期债务对终极股东掏空行为具有显著的抑制效应;当内部控制质量大于门限值873.700时,此效应得到加强;(3)商业信用、长期债务、银行债务对于国有企业中终极股东掏空行为的促进效应,受到内部控制质量的反向调节。研究结论为上市公司制定健全的内部治理环境策略以及为债权人制定合理的借贷策略从而促进上市公司高质量发展提供了参考依据。

关键词：债务融资内部控制质量终极控制股东面板门限模型静态面板回归模型

在线全文

学校读者我要写书评

暂无评论

完全图高阶关系驱动的链接预测

计算机研究与发展 2024年第7期61卷 1825-1835页

作者：张惠鹃黄钦阳胡诗彦杨青张敬伟广西可信软件重点实验室(桂林电子科技大学) 广西桂林541004 广西自动检测技术与仪器重点实验室(桂林电子科技大学) 广西桂林541004 桂林电子科技大学计算机与信息安全学院广西桂林541004

图卷积网络(graph convolutional network,GCN)因其在处理图数据方面的独特优势而被广泛应用于推荐系统中,它通过利用图中节点之间的依赖关系传播节点属性信息,极大地提高了节点表示的准确度从而提升推荐性能.然而现有基于GCN的推荐方... 详细信息

图卷积网络(graph convolutional network,GCN)因其在处理图数据方面的独特优势而被广泛应用于推荐系统中,它通过利用图中节点之间的依赖关系传播节点属性信息,极大地提高了节点表示的准确度从而提升推荐性能.然而现有基于GCN的推荐方法仍因过平滑问题而难以进行更深层的建模,从而限制了用户与项目间高阶关系的表达.为此,提出了一种基于项目间关系的完全图高阶关系驱动的链接预测(link prediction driven by high-order relations in complete graph,LinkCG)方法.LinkCG通过用户-项目交互图与项目间隐式关联关系全局图组成的异构图预测用户到项目的链接,跳过了中间的用户节点直接利用完全图建模每个用户历史交互的项目间的局部隐式关联关系,获得项目间的高阶关系从而缓解数据稀疏性问题;此外,不同于基于节点嵌入的推荐方法,LinkCG通过赋予项目间的链接权重来表示项目间关系的紧密程度,并根据紧密程度进行链接预测,优化了模型的训练过程.在3个公开数据集上的实验结果表明,LinkCG作为只包含2个超参数的非深度学习模型,与一些先进的基于深度学习的基线方法相比提供了更好的性能.在社交关系数据上的应用进一步表明LinkCG能够从用户历史交互项目中获取足够丰富的用户偏好信息.

关键词：推荐系统链接预测完全图高阶关系关联关系

在线全文

学校读者我要写书评

暂无评论

轨迹异常检测研究综述

软件学报 2024年第2期35卷 927-974页

作者：李超能冯冠文姚航刘如意李宇楠谢琨苗启广西安电子科技大学计算机科学与技术学院陕西西安710071 西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学) 陕西西安710071

传感器技术的飞速发展催生大量交通轨迹数据,轨迹异常检测在智慧交通、自动驾驶、视频监控等领域具有重要的应用价值.不同于分类、聚类和预测等轨迹挖掘任务,轨迹异常检测旨在发现小概率、不确定和罕见的轨迹行为.轨迹异常检测中一些常... 详细信息

传感器技术的飞速发展催生大量交通轨迹数据,轨迹异常检测在智慧交通、自动驾驶、视频监控等领域具有重要的应用价值.不同于分类、聚类和预测等轨迹挖掘任务,轨迹异常检测旨在发现小概率、不确定和罕见的轨迹行为.轨迹异常检测中一些常见的挑战与异常值类型、轨迹数据标签、检测准确率以及计算复杂度有关.针对上述问题,全面综述近20年来轨迹异常检测技术的研究现状和最新进展.首先,对轨迹异常检测问题的特点与目前存在的研究挑战进行剖析.然后,基于轨迹标签的可用性、异常检测算法原理、离线或在线算法工作方式等分类标准,对现有轨迹异常检测算法进行对比分析.对于每一类异常检测技术,从算法原理、代表性方法、复杂度分析以及算法优缺点等方面进行详细总结与剖析.接着,讨论开源的轨迹数据集、常用的异常检测评估方法以及异常检测工具.在此基础上,给出轨迹异常检测系统架构,形成从轨迹数据采集到异常检测应用等一系列相对完备的轨迹挖掘流程.最后,总结轨迹异常检测领域关键的开放性问题,并展望未来的研究趋势和解决思路.

关键词：轨迹数据异常检测数据挖掘机器学习深度学习