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

“计算”是什么?——计算与工程教育发展

高等工程教育研究 2023年第1期 49-54页

作者：吕正则吴婧姗施锦诚朱凌浙江大学计算机科学与技术学院综合办公室浙江财经大学公共管理学院上海人工智能实验室浙江大学中国科教战略研究院

本文从智能环境中工程师面临的变革出发,分析智能化趋势下工程师参与工程活动的载体以及与自然界互动方式的演变,明确“计算”在工程教育中的重要性。通过解析“计算”概念的演化过程及其关键特征,界定工程中“计算”的本质,并从可实现... 详细信息

本文从智能环境中工程师面临的变革出发,分析智能化趋势下工程师参与工程活动的载体以及与自然界互动方式的演变,明确“计算”在工程教育中的重要性。通过解析“计算”概念的演化过程及其关键特征,界定工程中“计算”的本质,并从可实现功能的角度进一步探讨“计算”的内涵。在阐述“计算”是什么的基础上,本文从“计算”视角抽象出工程中物理世界与数字空间的交互过程,深入阐释工科生为何要开展计算教育。同时进一步从学科的角度分析和溯源“计算”的发展历程,提出工程教育发展过程中应关注的基础知识结构、能力发展要求和复杂的学科领域交叉现状,以加深工科生(未来的工程师)对“计算”的理解,为智能化趋势下的工程师培养提供借鉴。

关键词：计算工程师计算能力工程教育

数据赋能工程教育转型:工科专业要率先学习数据科学

在线全文

学校读者我要写书评

暂无评论

高等工程教育研究 2022年第5期70卷 31-37页

作者：吴婧姗王雨洁吕正则朱凌浙江财经大学公共管理学院浙江大学公共管理学院浙江大学计算机科学与技术学院综合办公室浙江大学中国科教战略研究院

伴随大数据的指数级增长以及计算相关技术的迅速迭代,数据科学在交叉学科领域应运而生、日渐兴起。但由于数据科学家职业边界模糊、数据科学内涵界定未有统一定论,使得当前的数据科学教育可能存在较多理解偏误或技术局限。与此同时,将... 详细信息

伴随大数据的指数级增长以及计算相关技术的迅速迭代,数据科学在交叉学科领域应运而生、日渐兴起。但由于数据科学家职业边界模糊、数据科学内涵界定未有统一定论,使得当前的数据科学教育可能存在较多理解偏误或技术局限。与此同时,将数据科学融合到工科生的学习体验并驱动工程教育转型,成为亟需面对的问题。本研究认为,工科学生要率先学习数据科学,原因在于:第一,数据科学本身就具有工程属性,是大数据时代跨学科解决问题的基本路径。第二,工程创新活动离不开数据驱动,数据科学是未来工程师的必需知识和技能。第三,全球工程教育转型指向以数据科学教育为突破口,将计算思维培养整合到工程教育中。

关键词：数据科学计算思维工程教育转型

在线全文

学校读者我要写书评

暂无评论

基于方向约束的对称距离聚类算法

计算机工程与应用 2015年第20期51卷 120-125页

作者：陈强业李际军浙江大学计算机科学与技术学院杭州310027 浙江大学城市学院信息化办公室杭州310015 浙江大学计算机科学与技术学院杭州310027

K-means算法是数据挖掘领域研究、应用都非常广泛的一种聚类算法,其各种衍生算法很多,其中包括近年出现的以点对称距离为测度的K-means聚类算法。在点对称距离聚类算法的基础上提出一种新的聚类算法,根据对对称性的分析,为对称性的描述... 详细信息

K-means算法是数据挖掘领域研究、应用都非常广泛的一种聚类算法,其各种衍生算法很多,其中包括近年出现的以点对称距离为测度的K-means聚类算法。在点对称距离聚类算法的基础上提出一种新的聚类算法,根据对对称性的分析,为对称性的描述增加方向约束,提高对称距离的描述准确性,以此来提高聚类的准确性。同时,针对对称点成对出现的特点,调整了聚类过程中的收敛策略,以对称点对连线中点计算聚类中心,改善了基于对称距离的聚类算法收敛性能。通过数值仿真比较了所提算法与原有算法的优劣,结果显示该算法在计算复杂度不变的条件下获得了更准确的结果,聚类结果更接近数据的真实分类。

关键词： K-means算法聚类对称距离方向约束

基于跨媒体解纠缠表示学习的风格化图像描述生成

在线全文

学校读者我要写书评

暂无评论

计算机学报 2022年第12期45卷 2510-2527页

作者：蔺泽浩李国趸曾祥极邓悦张寅庄越挺浙江大学计算机科学与技术学院

风格化图像描述生成的文本不仅被要求在语义上与给定的图像一致,而且还要与给定的语言风格保持一致.随着神经网络在计算机视觉和自然语言生成领域的技术发展,有关这个主题的最新研究取得了显著进步.但是,神经网络模型作为一种黑盒系统,... 详细信息

风格化图像描述生成的文本不仅被要求在语义上与给定的图像一致,而且还要与给定的语言风格保持一致.随着神经网络在计算机视觉和自然语言生成领域的技术发展,有关这个主题的最新研究取得了显著进步.但是,神经网络模型作为一种黑盒系统,人类仍然很难理解其隐层空间中参数所代表的风格、事实及它们之间的关系.为了提高对隐层空间中包含的事实内容和语言风格属性的理解以及增强对两者的控制能力,提高神经网络的可控性和可解释性,本文提出了一种使用解纠缠技术的新型风格化图像描述生成模型Disentangled Stylized Image Caption(DSIC).该模型分别从图像和描述文本中非对齐地学习解纠缠表示,具体使用了两个解纠缠表示学习模块——D-Images和D-Captions来分别学习图像和图像描述中解纠缠的事实信息和风格信息.在推理阶段,DSIC模型利用图像描述生成解码器以及一种特别设计的基于胶囊网络的信息聚合方法来充分利用先前学习的跨媒体信息表示,并通过直接控制隐层向量来生成目标风格的图像描述.本文在SentiCap数据集和FlickrStyle10K数据集上进行了相关实验.解纠缠表示学习的实验结果证明了模型解纠缠的有效性,而风格化图像描述生成实验结果则证明了聚合的跨媒体解纠缠表示可以带来更好的风格化图像描述生成性能,相对于对比的风格化图像描述生成模型,本文方法在多个指标上的性能提升了17%至86%.

关键词：跨媒体机器学习解纠缠表示学习风格化图像描述生成自然语言生成

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据驱动与知识引导结合下人工智能算法模型

电子与信息学报 2023年第7期45卷 2580-2594页

作者：金哲张引吴飞朱文武潘云鹤浙江大学计算机科学与技术学院杭州310012 清华大学计算机科学与技术系北京100084

当前人工智能的学习模式主要以数据驱动为主要手段,以深度神经网络为主流的机器学习算法取得了显著进展。但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足。该文认为在现有机器学习算法中引入先... 详细信息

当前人工智能的学习模式主要以数据驱动为主要手段,以深度神经网络为主流的机器学习算法取得了显著进展。但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足。该文认为在现有机器学习算法中引入先验假设、逻辑规则和方程公式等知识,建立数据和知识双轮驱动的人工智能方法,将推动更通用计算范式的变革创新。该文将可用于引导人工智能算法模型知识归纳为4种——逻辑知识、视觉知识、物理定律知识和因果知识,探讨将这些知识与现有数据驱动模型相互结合的典型方法。

关键词：人工智能大数据数据驱动知识引导

在线全文

学校读者我要写书评

暂无评论

超图学习综述:算法分类与应用分析

软件学报 2022年第2期33卷 498-523页

作者：胡秉德王新根王新宇宋明黎陈纯浙江大学计算机科学与技术学院浙江杭州310007

随着图结构化数据挖掘的兴起,超图作为一种特殊的图结构化数据,在社交网络分析、图像处理、生物反应解析等领域受到广泛关注.研究者通过解析超图中的拓扑结构与节点属性等信息,能够有效解决实际应用场景中所遇到的如兴趣推荐、社群划分... 详细信息

随着图结构化数据挖掘的兴起,超图作为一种特殊的图结构化数据,在社交网络分析、图像处理、生物反应解析等领域受到广泛关注.研究者通过解析超图中的拓扑结构与节点属性等信息,能够有效解决实际应用场景中所遇到的如兴趣推荐、社群划分等问题.根据超图学习算法的设计特点,将其划分为谱分析方法和神经网络方法,根据方法对超图处理的不同手段,可进一步划分为展开式方法和非展开式方法.若将展开式方法用于不可分解超图,则很有可能会造成信息损失.然而,现有的超图相关综述文章鲜有就超图学习方法适用于哪类超图这一问题做出相关归纳.因此,分别从超图上的谱分析方法和神经网络方法两方面出发,对展开式方法和非展开式方法展开讨论,并结合其算法特性和应用场景作进一步细分;然后,分析比较各类算法的设计思路,结合实验结果总结各类算法的优缺点;最后,对超图学习未来可能的研究方向进行了展望.

关键词：超图学习谱分析神经网络展开非展开

在线全文

学校读者我要写书评

暂无评论

面向移动边缘的组合服务选择及优化

计算机学报 2022年第1期45卷 82-97页

作者：陈昊崴邓水光赵海亮尹建伟浙江大学计算机科学与技术学院杭州310027

移动边缘计算作为新型的计算范式,为降低网络延迟、能耗开销提供了新的思路.其将中心云的强大算力下沉至网络边缘,使得用户能够将计算任务卸载至物理位置更近的边缘服务器执行,从而节省经由核心网的时延与能耗开销.然而,由于移动边缘计... 详细信息

移动边缘计算作为新型的计算范式,为降低网络延迟、能耗开销提供了新的思路.其将中心云的强大算力下沉至网络边缘,使得用户能够将计算任务卸载至物理位置更近的边缘服务器执行,从而节省经由核心网的时延与能耗开销.然而,由于移动边缘计算技术通常受到计算资源、网络传输带宽、设备电量等因素的制约,如何在有限的资源中获取最大的利用率成为亟待解决的难题.此外,复杂的网络服务可以被抽象为由若干个子服务按照一定拓扑结构组成的组合服务,然而紊乱多变的移动网络环境为用户策略赋予了时空特性、决策耦合、边缘节点异构以及计算复杂度高的特性,使得传统的基于QoS(Quality of Service)的算法不再适用.本文建立由异构边缘节点以及装配有能量收集组件的移动设备组成的移动边缘系统,基于李雅普诺夫优化以及马尔科夫近似提出一种多项式计算复杂度的分布式算法,提出CSS(Composite Service Selection)框架,旨在联合优化服务选择策略以及能量存储策略,以此最小化整体组合服务请求的总体响应时间,并将设备电量稳定在一个可靠的水平.本文选取四种基准算法,实验结果表明CSS框架具备更加良好的性能,在时延上优于其他算法7.76%~28.88%,并能够最快实现电量稳定.随着场景规模的扩大,CSS将体现更优的性能.

关键词：移动边缘计算服务组合服务选择李雅普诺夫优化马尔科夫近似

在线全文

学校读者我要写书评

暂无评论

时态图最短路径查询方法

计算机研究与发展 2022年第2期59卷 362-375页

作者：张天明徐一恒蔡鑫伟范菁浙江工业大学计算机科学与技术学院杭州310023 浙江大学计算机科学与技术学院杭州310013

最短路径查询问题已被研究多年,然而,目前已有大部分工作主要集中在普通图上,针对时态图最短路径查询的研究工作相对较少.时态图中,2个顶点之间有多条边,每条边附带有时态区间,记录着边上代表事件的发生时间和结束时间.时态图最短路径... 详细信息

最短路径查询问题已被研究多年,然而,目前已有大部分工作主要集中在普通图上,针对时态图最短路径查询的研究工作相对较少.时态图中,2个顶点之间有多条边,每条边附带有时态区间,记录着边上代表事件的发生时间和结束时间.时态图最短路径查询在城市交通路径规划、社交网络分析、通信网络挖掘等领域有着广泛的应用.由于最短时态路径的子路径不能保证是最优子结构,传统的普通图最短路径计算方法不再适用于时态图.因此提出了基于压缩转化图树(CTG-tree)索引的查询方法,该方法包含预处理和在线查询2个阶段.预处理阶段将时态图转化为普通图,提出了一种无损压缩方法将转化图压缩以减小图规模,采用层次划分技术将压缩有向图分解为若干个子图,并基于子图建立CTG-tree索引.CTG-tree中的节点保存相应子图内部分顶点之间的最短路径、孩子节点对应子图的边界点之间的最短路径、孩子节点对应子图的边界点与当前节点相应子图的边界点之间的最短路径信息.在线查询阶段基于构建的CTG-tree索引,提出了一种高效的最短路径查询方法.基于4个真实的时态图数据集实验结果表明,与现有方法相比,提出的方法具有更优的查询性能.

关键词：最短路径时态图压缩有向图树索引查询方法

基于动态视觉运动特征的脉冲神经网络识别方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第8期45卷 2731-2738页

作者：董峻妃姜润皓燕锐唐华锦四川大学计算机学院成都610065 浙江大学计算机科学与技术学院杭州310058 浙江工业大学计算机科学与技术学院杭州310014

针对现有脉冲神经网络(SNN)对动态视觉事件流识别精度低与实时性差等问题,该文提出一种基于动态视觉运动特征的脉冲神经网络识别方法。首先利用基于事件的运动历史信息表示与梯度方向计算提取事件流中的动态运动特征;然后引入时空池化... 详细信息

针对现有脉冲神经网络(SNN)对动态视觉事件流识别精度低与实时性差等问题,该文提出一种基于动态视觉运动特征的脉冲神经网络识别方法。首先利用基于事件的运动历史信息表示与梯度方向计算提取事件流中的动态运动特征;然后引入时空池化操作来消除事件在时间和空间上的冗余,保留显著的运动特征;最后,将特征事件流输入脉冲神经网络进行学习与识别。在基准的动态视觉数据集上的实验结果表明,动态视觉运动特征可显著提升SNN对于事件流的识别精度与计算速度。

关键词：动态视觉感知事件相机脉冲神经网络动作识别运动特征提取