检索结果-南通市图书馆

GPPR:跨域分布式个性化PageRank算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第3期35卷 1090-1106页

作者：陈子俊马德龙王一舒袁野东北大学计算机科学与工程学院辽宁沈阳110169 北京理工大学计算机学院北京100081

个性化PageRank作为大图分析中的基本算法,在搜索引擎、社交推荐、社区检测等领域具有广泛的应用,一直是研究者们关注的热点问题.现有的分布式个性化PageRank算法均假设所有数据位于同一地理位置,且数据所在的计算节点之间具有相同的网... 详细信息

个性化PageRank作为大图分析中的基本算法,在搜索引擎、社交推荐、社区检测等领域具有广泛的应用,一直是研究者们关注的热点问题.现有的分布式个性化PageRank算法均假设所有数据位于同一地理位置,且数据所在的计算节点之间具有相同的网络环境.然而在现实世界中,这些数据可能分布在跨洲的多个数据中心中,这些跨域分布(cross-geo-distributed)的数据中心之间通过广域网连接,存在网络带宽异构、硬件差异巨大、通信费用高昂等特点.分布式个性化PageRank算法需要多轮迭代,并在全局图上进行随机游走.因此,现有的分布式个性化PageRank算法不适用于跨域环境.针对此问题,提出了GPPR(cross-geo-distributed personalized PageRank)算法.该算法首先对跨域环境中的大图数据进行预处理,采用启发式算法映射图数据,以降低网络带宽异构对算法迭代速度的影响;其次,GPPR改进了随机游走方式,提出了基于概率的Push算法,通过减少工作节点之间传输数据的带宽负载,进一步减少算法所需的迭代次数.基于Spark框架实现了GPPR算法,并在阿里云中构建真实的跨域环境,在8个开源大图数据上,与现有的多个代表性分布式个性化PageRank算法进行了对比实验.结果显示,GPPR的通信数据量在跨域环境中比其他算法平均减少30%.在算法运行效率方面,GPPR比其他算法平均提升了2.5倍.

关键词：跨域分布式个性化PageRank 近似计算

在线全文

学校读者我要写书评

暂无评论

基于全局局部协同的非均匀图像去雾方法

自动化学报 2024年第7期50卷 1333-1344页

作者：罗小同杨汶锦曲延云谢源厦门大学信息学院计算机科学与技术系厦门361005 华东师范大学计算机科学与技术学院上海200063

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此... 详细信息

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.

关键词：图像去雾卷积神经网络 Transformer 特征融合稀疏自注意力

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

面向算力网络的智慧调度综述

自动化学报 2024年第6期50卷 1086-1103页

作者：李逸博李小平王爽蒋嶷川东南大学计算机科学与工程学院南京211189 东南大学计算机网络和信息集成教育部重点实验室南京211189 广东工业大学计算机学院广州510006

分布异构计算资源通过网络连接形成算力网络(Computing power network,CPN),其以“连”和“算”为核心.针对广分布异构性导致可行解空间巨大、强不确定性导致可行解空间易变、高约束复杂性导致可行解孤岛繁多、多目标性导致冲突目标权... 详细信息

分布异构计算资源通过网络连接形成算力网络(Computing power network,CPN),其以“连”和“算”为核心.针对广分布异构性导致可行解空间巨大、强不确定性导致可行解空间易变、高约束复杂性导致可行解孤岛繁多、多目标性导致冲突目标权衡优化难等挑战,提出一个多层次算力网络体系框架,包括参数化结构化业务管理、三阶段(计划、调度、执行)闭环调度模式、多模态资源管理三个功能.提出支持快速、高效、鲁棒的“算法+知识+数据+算力”的算力网络智慧调度框架,形式化分析可行解空间,解析调度策略关键参数,定性分析调度算法性能与效率的内在关系,详细综述调度算法类型,综述算力网络调度研究进展与发展方向.对比已有相关综述研究,展望算力网络调度未来理论和技术的难点与趋势.

关键词：算力网络云计算边缘计算资源调度知识

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

基于条件生成对抗网络的图像翻译综述

计算机辅助设计与图形学学报 2024年第1期36卷 14-32页

作者：屠杭垚王万良陈嘉诚李国庆吴菲浙大城市学院计算机与计算科学学院杭州3100152 浙江大学计算机科学与技术学院杭州3100583 浙江工业大学计算机科学与技术学院杭州310014

图像翻译旨在实现多组不同领域图像间的转换,同时需要约束样本空间与目标空间分布的一致性.文章旨在寻找条件生成对抗网络与图像翻译问题的结合点,首先,介绍了数据集的特点,指出了不同数据集图像翻译难易程度;其次,从数学表达、性质以... 详细信息

图像翻译旨在实现多组不同领域图像间的转换,同时需要约束样本空间与目标空间分布的一致性.文章旨在寻找条件生成对抗网络与图像翻译问题的结合点,首先,介绍了数据集的特点,指出了不同数据集图像翻译难易程度;其次,从数学表达、性质以及目标函数设计方法得出算法实现的不同方式;将现有图像翻译分成3种类别——匹配图像翻译、非匹配图像翻译和多领域图像翻译,并得出不同应用场景所对应的图像翻译类别,即高清任务对应匹配图像翻译,低成本任务对应非匹配图像翻译,多样化任务对应多领域图像翻译;将图像质量评价方法分为主观图像质量评价与客观图像质量评价,并分析客观图像质量评价中全参考图像与无参考图像质量评价的适用范围;最后,总结条件生成对抗网络在图像翻译中的进展,并分析算法后指出了模式崩塌,模型可解释性和少样本等未来所需解决的问题.

关键词：条件生成对抗网络图像翻译生成模型图像质量评价

基于分层控制的光伏与储能联合智能微电网协调优化策略研究

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第7期45卷 111-120页

作者：徐国华太原学院计算机科学与技术系太原030032

针对智能微电网电压不稳定、功率输出不均问题,提出基于分层控制的光伏与储能联合智能微电网协调优化策略。分析不同运行模式下含光伏与储能设备的智能微电网系统负载功率边界,并提出基于分层控制的放电下垂控制策略和充电模糊控制策略... 详细信息

针对智能微电网电压不稳定、功率输出不均问题,提出基于分层控制的光伏与储能联合智能微电网协调优化策略。分析不同运行模式下含光伏与储能设备的智能微电网系统负载功率边界,并提出基于分层控制的放电下垂控制策略和充电模糊控制策略,确定光伏与储能联合智能微电网的新负载功率边界。随后,设计基于分层控制的光伏与储能联合智能微电网协调优化策略,在实现储能模块间充电或放电功率自动调节分配,增强智能微电网负载功率承载能力的同时,可克服电压波动问题。最后,仿真模型和实验平台获得的仿真实验结果证实,所提协调优化策略具有可行性,有利于提高光伏与储能联合智能微电网电压稳定性、安全性及经济性。

关键词：光伏储能功率微电网分层控制

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于冗余覆盖信息约简的软件缺陷定位方法

电子学报 2024年第1期52卷 324-337页

作者：王浩仁崔展齐岳雷陈翔郑丽伟北京信息科技大学计算机学院北京100101 南通大学计算机科学与技术学院江苏南通226019

软件规模和复杂程度的不断提高,为软件质量保障带来了严峻的挑战.软件缺陷定位是一种重要的软件质量保障技术,其中基于频谱的缺陷定位(Spectrum-based Fault Localization,SFL)是应用最为广泛的软件缺陷定位技术,其通过分析语句覆盖信... 详细信息

软件规模和复杂程度的不断提高,为软件质量保障带来了严峻的挑战.软件缺陷定位是一种重要的软件质量保障技术,其中基于频谱的缺陷定位(Spectrum-based Fault Localization,SFL)是应用最为广泛的软件缺陷定位技术,其通过分析语句覆盖信息矩阵计算代码语句的可疑度值,并根据可疑度值定位缺陷所在语句.然而,语句覆盖信息矩阵中存在着严重的数据冗余问题,冗余的数据极大地影响了SFL的缺陷定位性能.以Defects4J数据集中395个程序的语句覆盖信息矩阵为例,在超过一半的语句覆盖信息矩阵中有90%的语句存在与其具有相同覆盖信息的语句.特征选择是常用的数据预处理技术,通过去除冗余和不相关特征来获取原始特征集中有价值的特征子集.因此,我们将语句覆盖信息矩阵作为原始特征集,将冗余覆盖信息约简建模为特征选择问题,提出了一种基于冗余覆盖信息约简的软件缺陷定位方法(Fault Localization based on Redundant coverage information Reduction,FLRR).首先,使用特征选择技术对语句覆盖信息和测试用例执行结果组成的语句覆盖信息矩阵进行约简,得到语句覆盖信息矩阵子集;然后,使用SFL计算语句覆盖信息矩阵子集中语句的可疑度值,并根据可疑度值对语句进行降序排列,以定位缺陷语句.本文使用六种常用的特征选择技术对语句覆盖信息矩阵进行特征选择和约简,以得到语句覆盖信息矩阵子集,并使用四种典型的SFL技术对语句覆盖信息矩阵子集中的语句进行缺陷定位.为评估FLRR的缺陷定位性能,本文使用E_(inspect)@n和MRR(Mean Reciprocal Rank)评价指标在基于Defects4J的数据集上与四种典型的SFL技术进行了对比实验.实验结果表明,FLRR能够有效提升SFL的缺陷定位性能.对于E_(inspect)@n指标,当n=1时,FLRR相比DStar、Ochiai、Barinel和OP2分别多定位到23条、26条、14条和13条缺陷语句,分别增加了69.70%、76.47%、45.16%和38.24%;对于MRR指标,FLRR相比DStar、Ochiai、Barinel和OP2分别提升了20.08%、24.94%、17.45%和19.15%.

关键词：缺陷定位特征选择软件调试可疑度语句覆盖信息测试用例

基于异构平台的稀疏矩阵向量乘自适应计算优化

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：李博黄建强黄东强王晓英青海大学计算机技术与应用系

稀疏矩阵向量乘(SpMV)是一种重要的数值线性代数运算，现有的稀疏矩阵向量乘优化存在预处理及通信时间考虑不全面、存储结构不具有普适性等问题。为了解决这些问题，提出异构平台下稀疏矩阵向量乘的自适应优化方案，通过利用皮尔逊相关... 详细信息

稀疏矩阵向量乘(SpMV)是一种重要的数值线性代数运算，现有的稀疏矩阵向量乘优化存在预处理及通信时间考虑不全面、存储结构不具有普适性等问题。为了解决这些问题，提出异构平台下稀疏矩阵向量乘的自适应优化方案，通过利用皮尔逊相关系数确定相关度高的特征参数，并分别使用基于梯度提升决策树(GBDT)的极端梯度提升(XGBoost)和轻量级梯度提升(LightGBM)两种算法进行预测模型的训练以确定某一稀疏矩阵更优的存储格式。利用网格搜索确定模型训练时更优的模型超参数，使两种算法对选择更适合的存储结构的准确率都达到了85%以上。其次，对于预测存储结构为混合(HYB)格式的稀疏矩阵，在GPU上计算其中的等长列(ELL)存储格式部分，在CPU上计算坐标(COO)存储格式部分，建立基于CPU+GPU的并行混合计算模式；同时为小数据量的稀疏矩阵选择硬件平台，提高运算速度。实验结果表明，自适应计算优化相较于cuSPARSE库中的压缩稀疏行(CSR)存储格式计算的平均加速比可以达到1.4，相较于按照混合和等长列存储格式计算的平均加速比则可以达到2.1和2.6。

关键词：稀疏矩阵向量乘自适应优化皮尔逊相关系数极端梯度提升轻量级梯度提升机器学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

混合动作空间下的多设备边缘计算卸载方法

计算机工程与应用 2024年第10期60卷 301-310页

作者：张冀齐国梁朵春红龚雯雯华北电力大学(保定)计算机系河北保定071000 河北省能源电力知识计算重点实验室河北保定071000

为降低多设备多边缘服务器场景中设备层级的总成本,并解决现有深度强化学习(deep reinforcement learning,DRL)只支持单一动作空间的算法局限性,提出基于混合决策的多智能体深度确定性策略梯度方法(hybrid-based multi-agent deep deter... 详细信息

为降低多设备多边缘服务器场景中设备层级的总成本,并解决现有深度强化学习(deep reinforcement learning,DRL)只支持单一动作空间的算法局限性,提出基于混合决策的多智能体深度确定性策略梯度方法(hybrid-based multi-agent deep determination policy gradient,H-MADDPG)。首先考虑物联网设备/服务器计算能力随负载的动态变化、时变的无线传输信道增益、能量收集的未知性、任务量不确定性多种复杂的环境条件,建立MEC系统模型;其次以一段连续时隙内综合时延、能耗的总成本最小作为优化目标建立问题模型;最后将问题以马尔科夫决策过程(Markov decision procession,MDP)的形式交付给H-MADDPG,在价值网络的辅助下训练并行的两个策略网络,为设备输出离散的服务器选择及连续的任务卸载率。实验结果表明,H-MADDPG方法具有良好的收敛性和稳定性,从计算任务是否密集、延迟是否敏感等不同角度进行观察,H-MADDPG系统整体回报优于Local、OffLoad和DDPG,在计算密集型的任务需求下也能保持更大的系统吞吐量。

关键词：物联网(IoT) 边缘计算卸载多智能体深度确定性策略梯度(MADDPG) 混合动作空间

基于GPU对角稀疏矩阵向量乘法的动态划分算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：涂进兴李志雄黄建强青海大学计算机技术与应用系

在图形处理器(GPU)上实现对角稀疏矩阵向量乘法（SpMV）可以充分利用GPU的并行计算能力，加速矩阵向量乘法。相关主流算法存在零元填充数据多、计算效率低的问题。针对上述问题，提出一种对角稀疏矩阵向量乘法的动态划分算法DIA-Dynamic... 详细信息

在图形处理器(GPU)上实现对角稀疏矩阵向量乘法（SpMV）可以充分利用GPU的并行计算能力，加速矩阵向量乘法。相关主流算法存在零元填充数据多、计算效率低的问题。针对上述问题，提出一种对角稀疏矩阵向量乘法的动态划分算法DIA-Dynamic(Diagonal-Dynamic)，首先，设计一种全新的动态划分策略，根据矩阵的不同特征进行分块，在保证GPU高效计算效率的同时极大减少零元填充，去除冗余计算量；其次，提出一种对角稀疏矩阵存储格式BDIA(Block Diagonal)，用于存储分块数据，并调整数据布局，提高GPU上的访存性能；最后，基于GPU的底层进行条件分支优化，减少分支判断，并使用动态共享内存解决向量的不规则访问问题。DIA-Dynamic与前沿TileSpMV算法相比，平均加速比达到了1.88倍；与前沿BRCSD (Diagonal Compressed Storage based on Row-Blocks)-II算法相比，平均零元填充减少了43%，平均加速比达到了1.70倍。实验结果表明，DIA-Dynamic能够有效提高GPU上对角稀疏矩阵向量乘法的计算效率，缩短计算时间，提升程序性能。

关键词：图形处理器对角稀疏矩阵稀疏矩阵向量乘法动态划分共享内存