检索结果-南通市图书馆

JADE-DB:基于靶向变异的大语言模型安全通用基准测试集

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5期61卷 1113-1127页

作者：张谧潘旭东杨珉复旦大学计算机科学技术学院上海200433

提出大语言模型安全通用基准测试集—JADE-DB,该数据集基于靶向变异方法自动化构建,能够将经验丰富的大语言模型安全测试员和多学科专家学者手工撰写的测试问题转化为高危通用问题,保持语言自然性的同时不改变其核心语义,且能够攻破十... 详细信息

提出大语言模型安全通用基准测试集—JADE-DB,该数据集基于靶向变异方法自动化构建,能够将经验丰富的大语言模型安全测试员和多学科专家学者手工撰写的测试问题转化为高危通用问题,保持语言自然性的同时不改变其核心语义,且能够攻破十余款国内外知名大语言模型的安全防护机制.根据语言复杂性差异,JADE-DB包含基础、进阶、高危3个安全测试等级,共计上千条覆盖违法犯罪、侵犯权益、歧视偏见和核心价值观4大类违规主题、30多种违规主题的通用测试问题,其中针对国内开源(中文,8款)、国内商用(中文,6款)和国外商用大语言模型(英文,4款)这3组大语言模型分别构建的3款通用高危测试集,可造成每组模型在高危测试集上的平均违规率均超过70%,测试问题均可同时触发多款模型违规生成.这表明,语言的复杂性导致现有大语言模型难以学习到人类无穷多种表达方式,因此无法识别其中不变的违规本质.

关键词：生成式人工智能安全大语言模型大语言模型安全评测人工智能安全自然语言处理

基于全流程并行遗传算法的贝叶斯网络结构学习

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年第5期46卷 1703-1711页

作者：蔡一鸣马力陆恒杨方伟江南大学人工智能与计算机学院江苏无锡214122

为解决海量数据情况下学习贝叶斯网络(Bayesian network,BN)结构的算法性能急剧降低问题,基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分... 详细信息

为解决海量数据情况下学习贝叶斯网络(Bayesian network,BN)结构的算法性能急剧降低问题,基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分并行化3个部分。互信息并行计算可以高效减少搜索空间;在演化前增加对种群信息与选择信息的广播来对全种群执行选择操作。选择与交叉算子共用选择信息以并行执行,从而高效演化并减少数据落盘时间。对约束和评分两阶段产生的中间数据作记忆化存储,提升数据复用率和全局执行效率。实验结果表明,所提算法在执行效率和学习准确率方面均优于对比算法。

关键词：贝叶斯网络结构学习遗传算法并行结构学习 Spark

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

改进头脑风暴优化算法求解多模态多目标问题

华中科技大学学报(自然科学版) 2024年第6期52卷 24-31页

作者：程适刘悦王雪萍靳红林陕西师范大学计算机科学学院

针对多模态多目标优化中存在的所得等价解数量不足和决策空间多样性维护难的问题，提出了一种基于分区搜索和非支配特殊拥挤距离排序的差分头脑风暴优化算法．在算法中分区搜索将决策空间划分为多个子空间以降低搜索难度并维持种群多样... 详细信息

针对多模态多目标优化中存在的所得等价解数量不足和决策空间多样性维护难的问题，提出了一种基于分区搜索和非支配特殊拥挤距离排序的差分头脑风暴优化算法．在算法中分区搜索将决策空间划分为多个子空间以降低搜索难度并维持种群多样性，k-均值聚类可以定位并维持多个帕累托最优解，非支配特殊拥挤距离排序可以同时考虑决策空间和目标空间的多样性，作为环境选择算子筛选解；将差分变异算子替代传统头脑风暴优化算法新个体生成算子以增强种群的多样性，帮助定位多个等价最优解．将该算法与其他5种智能算法在13个多模态多目标测试函数上进行实验，实验结果表明：基于分区搜索和非支配特殊拥挤距离排序的差分头脑风暴优化算法在11个测试函数上的性能优于其他5个算法，该优化算法能够尽可能多地在决策空间中找到多个等价帕累托最优解集，并且能保证在目标空间中具有良好的帕累托前沿分布．

关键词：多模态多目标优化头脑风暴优化算法多目标优化多模态优化群体智能

一种用于动态车辆保险评估的批量验证签名方案

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京邮电大学学报 2024年第2期47卷 97-102页

作者：李旭赵金东王璇宋永超卢云宏烟台大学计算机与控制工程学院烟台264005

针对动态车辆保险评估中的隐私需求,设计了一种可转换的环签名方案。首先,结合椭圆曲线线性运算性质进行方案设计,提高了对同一群组的多个签名进行验证的效率;其次,设计了匿名签名到普通签名的选择性转换机制,用于验证用户是否为数据属... 详细信息

针对动态车辆保险评估中的隐私需求,设计了一种可转换的环签名方案。首先,结合椭圆曲线线性运算性质进行方案设计,提高了对同一群组的多个签名进行验证的效率;其次,设计了匿名签名到普通签名的选择性转换机制,用于验证用户是否为数据属主。实验结果表明,在签名用户数量较大的情况下,所提方案的签名验证效率比其他方案更高;在签名群组和签名数量都增大的情况下,所提方案仍具有较好的性能。

关键词：车联网车辆保险评估无证书签名批量验证可转换签名

在线全文

学校读者我要写书评

暂无评论

面向元余弦损失的少样本图像分类

中国图象图形学报 2024年第2期29卷 506-519页

作者：陶鹏冯林杜彦东龚勋王俊四川师范大学计算机科学学院成都610101 西南交通大学计算机与人工智能学院成都610031 四川师范大学商学院成都610101

目的度量学习是少样本学习中一种简单且有效的方法,学习一个丰富、具有判别性和泛化性强的嵌入空间是度量学习方法实现优秀分类效果的关键。本文从样本自身的特征以及特征在嵌入空间中的分布出发,结合全局与局部数据增强实现了一种元... 详细信息

目的度量学习是少样本学习中一种简单且有效的方法,学习一个丰富、具有判别性和泛化性强的嵌入空间是度量学习方法实现优秀分类效果的关键。本文从样本自身的特征以及特征在嵌入空间中的分布出发,结合全局与局部数据增强实现了一种元余弦损失的少样本图像分类方法(a meta-cosine loss for few-shot image classification,AMCL-FSIC)。方法首先,从数据自身特征出发,将全局与局部的数据增广方法结合起来,利于局部信息提供更具区别性和迁移性的信息,使训练模型更多关注图像的前景信息。同时,利用注意力机制结合全局与局部特征,以得到更丰富更具判别性的特征。其次,从样本特征在嵌入空间中的分布出发,提出一种元余弦损失(meta-cosine loss,MCL)函数,优化少样本图像分类模型。使用样本与类原型间相似性的差调整不同类的原型,扩大类间距,使模型测试新任务时类间距更加明显,提升模型的泛化能力。结果分别在5个少样本经典数据集上进行了实验对比,在FC100(Few-shot Cifar100)和CUB(Caltech-UCSD Birds-200-2011)数据集上,本文方法均达到了目前最优分类效果;在MiniImageNet、TieredImageNet和Cifar100数据集上与对比模型的结果相当。同时,在MiniImageNet,CUB和Cifar100数据集上进行对比实验以验证MCL的有效性,结果证明提出的MCL提升了余弦分类器的分类效果。结论本文方法能充分提取少样本图像分类任务中的图像特征,有效提升度量学习在少样本图像分类中的准确率。

关键词：元学习少样本学习(FSL) 度量学习元余弦损失(MCL) 图像分类

在线全文

学校读者我要写书评

暂无评论

软件运行时配置研究综述

软件学报 2024年第1期35卷 63-86页

作者：周书林李姗姗董威王戟廖湘科国防科技大学计算机学院湖南长沙410073

运行时配置为用户使用软件提供了灵活性和可定制性,但其巨大的规模和复杂的机制也带来了巨大的挑战.大量学者和研究机构针对软件运行时配置展开了研究,以提升软件系统在复杂外部环境中的可用性和适应性.建立运行时配置研究分析框架,从... 详细信息

运行时配置为用户使用软件提供了灵活性和可定制性,但其巨大的规模和复杂的机制也带来了巨大的挑战.大量学者和研究机构针对软件运行时配置展开了研究,以提升软件系统在复杂外部环境中的可用性和适应性.建立运行时配置研究分析框架,从配置分析与理解、配置缺陷检测与故障诊断、配置应用3个阶段对现有研究工作进行归类和分析,总结归纳现有研究的不足和面临的挑战,并对未来的研究趋势进行展望,对下一步研究具有一定的指导意义.

关键词：运行时配置配置理解配置缺陷检测配置故障诊断配置应用

在线全文

学校读者我要写书评

暂无评论

大型语言模型:原理、实现与发展

计算机研究与发展 2024年第2期61卷 351-361页

作者：舒文韬李睿潇孙天祥黄萱菁邱锡鹏复旦大学计算机科学技术学院上海200433

近年来,大型语言模型的出现和发展对自然语言处理和人工智能领域产生了变革性影响.随着不断增大模型参数量和训练数据量,语言模型的文本建模困惑度以可预测的形式降低,在各类自然语言处理任务上的表现也持续提升.因此,增加语言模型的参... 详细信息

近年来,大型语言模型的出现和发展对自然语言处理和人工智能领域产生了变革性影响.随着不断增大模型参数量和训练数据量,语言模型的文本建模困惑度以可预测的形式降低,在各类自然语言处理任务上的表现也持续提升.因此,增加语言模型的参数和数据规模成为提升系统智能水平富有前景的途径.首先回顾了大型语言模型的基本定义,从模型表现和算力需求的角度给出了“大型”语言模型的界定标准.其次,从数据、算法、模型3个维度梳理了大型语言模型的发展历程及规律,展示了不同阶段各个维度的规模化如何推动语言模型的发展.接着,考察了大型语言模型所表现出的涌现能力,介绍了思维链、情景学习和指令遵循等关键涌现能力的相关研究和应用现状.最后,展望了大型语言模型的未来发展和技术挑战.

关键词：自然语言处理神经网络大型语言模型预训练对齐

在线全文

学校读者我要写书评

暂无评论

无线传感器网络强化学习增强路由研究

应用科学学报 2024年第1期42卷 83-93页

作者：张华南李石君金红广东培正学院数据科学与计算机学院广东广州510830 武汉大学计算机学院湖北武汉430072 湖北大学计算机与信息工程学院湖北武汉430062

探讨了在无线网络树型路由中寻找最优父节点的经典问题,分析了影响树型路由决策规则的多个指标,如接收信号强度的加权平均值、缓冲区占用率和功耗比。提出了一种基于强化学习增强树路由协议和强化学习算法在无线传感器网络中应用的系统... 详细信息

探讨了在无线网络树型路由中寻找最优父节点的经典问题,分析了影响树型路由决策规则的多个指标,如接收信号强度的加权平均值、缓冲区占用率和功耗比。提出了一种基于强化学习增强树路由协议和强化学习算法在无线传感器网络中应用的系统模型,并详细说明了所提出的基于树的路由协议的基本操作,为循环检测父节点更新了算法;为了在复杂的场景中做出自适应决策,定义了一个状态空间、动作集和激励函数。通过试错找到激励最高的最佳父节点;并通过模拟比较研究,验证了父节点选择方案在性能指标(即端到端延迟、可靠性和能量消耗)之间进行合理权衡。

关键词：无线传感器网络树型路由强化学习多个目标

在线全文

学校读者我要写书评

暂无评论

集成学习结合多源数据预测河南省冬小麦单产

农业工程学报 2024年第4期40卷 177-185页

作者：陈一凡李璇王绍雯杨姗姗张佳华张莎青岛大学计算机科学技术学院青岛266071

为探讨基于多源数据和集成学习算法预测冬小麦单产的可行性并确定冬小麦单产预测的最佳时间窗,该研究在河南省冬小麦生长季内划分28个不同的时间窗,使用8种不同的机器学习算法及基于Stacking的集成学习算法,利用2003—2018年的多种遥感... 详细信息

为探讨基于多源数据和集成学习算法预测冬小麦单产的可行性并确定冬小麦单产预测的最佳时间窗,该研究在河南省冬小麦生长季内划分28个不同的时间窗,使用8种不同的机器学习算法及基于Stacking的集成学习算法,利用2003—2018年的多种遥感指数数据、气象数据进行训练并预测2019—2021年单产。结果表明:引入日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)特征可以提升河南省冬小麦单产的预测效果;12月至次年5月为机器学习算法预测冬小麦单产的最佳时间窗;Stacking集成学习算法比其他单机器学习算法更适用于河南省县级尺度冬小麦单产预测,预测结果的决定系数为0.816,均方根误差和平均绝对误差分别为580.36和476.01 kg/hm^(2);河南省冬小麦实际单产的空间分布呈西低东高的趋势,预测的单产分布特征与实际单产分布特征相当。研究结果可为冬小麦单产预测提供一种新的方法,也为农作物单产预测模型构建提供新的思路。

关键词：机器学习遥感冬小麦 Stacking集成学习单产预测最佳时间窗