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

基于路径签名的时间序列领域自适应方法

软件学报 2025年第2期36卷 570-589页

作者：蔡瑞初颜嘉文陈道鑫李梓健郝志峰广东工业大学计算机学院广东广州510006 汕头大学工学院广东汕头515063

近年来深度学习因其在各个场景下的优异性能而受到越来越多研究者的重视,但是这些方法通常依赖独立同分布假设.领域自适应则是为了缓解分布偏移带来的影响而提出的问题,它利用带标签的源域数据和不带标签的目标域数据能够训练得到在目... 详细信息

近年来深度学习因其在各个场景下的优异性能而受到越来越多研究者的重视,但是这些方法通常依赖独立同分布假设.领域自适应则是为了缓解分布偏移带来的影响而提出的问题,它利用带标签的源域数据和不带标签的目标域数据能够训练得到在目标域数据上性能较好的模型.现有的领域自适应方法大多针对静态数据,而时间序列数据的方法需要捕捉变量之间的依赖关系.现有的方法虽然采用针对时间序列数据的特征提取器,例如递归神经网络,以学习变量间的依赖关系,但是往往将冗余的信息也一同提取.这些冗余信息容易和语义信息耦合,进而影响模型的预测性能.基于上述问题,提出一种基于路径签名的时间序列领域自适应方法(path-signaturebased time-series domain adaptation,PSDA).该方法一方面利用路径签名变换来捕捉变量间的稀疏依赖关系,排除冗余相关关系的同时保留语义相关关系,从而有利于提取时序数据中具有判别力的特征;另一方面通过约束源域和目标域之间的依赖关系一致性来保留领域之间不变的依赖关系,排除领域变化的依赖关系,从而有利于提取时序数据中具有泛化性的特征.基于以上方法,进一步提出一个距离度量标准和泛化性边界理论,并且在多个时间序列领域自适应标准数据集上获得了最好的实验效果.

关键词：迁移学习时间序列领域自适应路径签名

在线全文

学校读者我要写书评

暂无评论

基于大模型的具身智能系统综述

自动化学报 2025年第1期51卷 1-19页

作者：王文晟谭宁黄凯张雨浓郑伟诗孙富春中山大学计算机学院清华大学计算机科学与技术系

得益于近期具有世界知识的大规模预训练模型的迅速发展,基于大模型的具身智能在各类任务中取得了良好的效果,展现出强大的泛化能力与在各领域内广阔的应用前景.鉴于此,对基于大模型的具身智能的工作进行了综述,首先,介绍大模型在具身智... 详细信息

得益于近期具有世界知识的大规模预训练模型的迅速发展,基于大模型的具身智能在各类任务中取得了良好的效果,展现出强大的泛化能力与在各领域内广阔的应用前景.鉴于此,对基于大模型的具身智能的工作进行了综述,首先,介绍大模型在具身智能系统中起到的感知与理解作用;其次,对大模型在具身智能中参与的需求级、任务级、规划级和动作级的控制进行了较为全面的总结;然后,对不同具身智能系统架构进行介绍,并总结了目前具身智能模型的数据来源,包括模拟器、模仿学习以及视频学习;最后,对基于大语言模型(Large language model, LLM)的具身智能系统面临的挑战与发展方向进行讨论与总结.

关键词：大语言模型大型视觉模型基础模型具身智能机器人

可变形卷积网络的解释性研究及其在蝴蝶物种识别模型中的应用

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

计算机应用 2025年第1期45卷 261-274页

作者：王璐刘东刘卫光中原工学院计算机学院郑州450007 中原工学院软件学院郑州450007

近年来,可变形卷积网络(DCN)广泛运用于图像识别和分类等领域,然而对该模型的可解释性研究较为有限,它的适用性缺乏充分理论支持。针对上述问题,提出DCN的解释性研究及其在蝴蝶物种识别模型中的应用。首先,引入可变形卷积对VGG16、ResNe... 详细信息

近年来,可变形卷积网络(DCN)广泛运用于图像识别和分类等领域,然而对该模型的可解释性研究较为有限,它的适用性缺乏充分理论支持。针对上述问题,提出DCN的解释性研究及其在蝴蝶物种识别模型中的应用。首先,引入可变形卷积对VGG16、ResNet50和DenseNet121(Dense Convolutional Network121)分类模型进行改进;其次,采用反卷积和类激活映射(CAM)等可视化手段来对比可变形卷积和标准卷积在特征提取能力上的差异,且通过消融实验结果表明可变形卷积在神经网络的较低层且不连续使用时效果更佳;再次,提出显著性移除(SR)并对CAM的性能和激活特征重要性进行统一评价,同时通过设置不同的移除阈值等多个角度,提高评价的客观性;最后,基于评价结果更高的FullGrad(Full Gradient-weighted)解释模型识别的判断依据。实验结果显示,在Archive_80数据集上,所提出的D_v2-DenseNet121的准确率达到97.03%,相较于DenseNet121分类模型提高了2.82个百分点。可见,可变形卷积的引入赋予了神经网络模型不变性特征提取能力,并提高了分类模型的准确率。

关键词：可变形卷积网络可解释性蝴蝶物种识别类激活映射显著性移除

一种求解l0约束问题的改进牛顿硬阈值追踪算法

在线全文

学校读者我要写书评

暂无评论

运筹学学报(中英文) 2025年

作者：黎耀成金环胡子健程万友东莞理工学院计算机科学与技术系

稀疏模型在高维统计学习和信号处理领域都受到了广泛的关注,有大量的数值算法提出,并在理论和实践中取得了显著的成功。近年来的研究表明,当结合牛顿型方法的技术时,其数值性能可以得到显著的提升。本文提出一种求解l0约束优化问题的牛... 详细信息

稀疏模型在高维统计学习和信号处理领域都受到了广泛的关注,有大量的数值算法提出,并在理论和实践中取得了显著的成功。近年来的研究表明,当结合牛顿型方法的技术时,其数值性能可以得到显著的提升。本文提出一种求解l0约束优化问题的牛顿追踪算法。在限制强光滑的条件下,我们证明使用线性搜索的算法是全局收敛的。在限制强光滑和限制强凸的条件下,证明算法是局部二次收敛的。通过测试压缩感知和逻辑回归问题,数值实验证明所提出的算法是有效的。

关键词：稀疏优化牛顿硬阈值算法二次收敛速度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

优势多粒度业务流程粒服务构建方法

计算机集成制造系统 2025年

作者：孙少填谭伟区妙华郑嘉滨东莞理工学院计算机科学与技术学院

面对用户日益多样化的需求，传统的细粒度服务及其组合服务已经不能满足市场的需求，而对多粒度服务的构建却少有研究。为此，从复杂任务制造流程粒服务化角度出发，提出一种包含细粒度和粗粒度服务的多粒度业务流程粒服务模型。进而，... 详细信息

面对用户日益多样化的需求，传统的细粒度服务及其组合服务已经不能满足市场的需求，而对多粒度服务的构建却少有研究。为此，从复杂任务制造流程粒服务化角度出发，提出一种包含细粒度和粗粒度服务的多粒度业务流程粒服务模型。进而，从细粒度服务评价、流程控制关系、部门关系、用户需求四个方面考虑，提出一种优势多粒度业务流程粒服务构建方法，包括细粒度服务评价与择优、初始粒服务片段构建、基于业务部门和用户需求的优势流程粒服务构建三个过程。在粒服务调度实验中，该方法构建的优势粒服务调用次数占比大于80%，而传统方法构建的粒服务占比则不到20%；在多粒度服务组合中，物流距离较大时，选择粗粒度服务占比高的组合方案，能获得更好的适应值，且物流距离越大，粗粒服务的利用率越高。

关键词：云制造业务流程多粒度服务服务评价字符串模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向有向图的特征提取与表征学习研究

计算机工程与应用 2025年第3期61卷 234-241页

作者：谭郁松张钰森蹇松雷国防科技大学计算机学院长沙410073

图数据是一种用于描述不同实体之间关联关系的重要数据形式。有向图作为一种特殊形式,不仅能描述实体关联,还能明确关系的方向,提供了更精细和详实的描述。因此,有向图的特征提取和表征学习对于深入理解复杂系统具有至关重要的意义。然... 详细信息

图数据是一种用于描述不同实体之间关联关系的重要数据形式。有向图作为一种特殊形式,不仅能描述实体关联,还能明确关系的方向,提供了更精细和详实的描述。因此,有向图的特征提取和表征学习对于深入理解复杂系统具有至关重要的意义。然而,现有方法在有效提取有向图的方向信息方面仍然存在挑战,主要依赖于节点的局部信息进行特征提取,难以充分利用有向边蕴含的方向信息。为解决这一问题,提出了一种名为变分有向图自编码器(variational directed graph autoencoder,VDGAE)的无监督表示学习方法。VDGAE通过关联矩阵来建模节点与边之间的关联关系,通过计算节点与边之间的亲和力,来重构输入有向图,从而实现无监督表征学习。基于此,VDGAE能够同时为输入有向图学习节点与边的表征,充分捕获有向图的结构信息和方向信息并嵌入至节点与边的表征向量中,使得有向图能够被更准确地表征。实验结果表明,相较于11个基准方法,VDGAE在5个数据集上节点分类任务均优于基准方法,提升了11.96%的预测精度,充分验证了其有效性。

关键词：有向图表征学习关联矩阵图神经网络变分自编码器

在线全文

学校读者我要写书评

暂无评论

融合子图选择和邻域过滤的信贷欺诈审核方法

计算机科学与探索 2025年第2期19卷 465-475页

作者：唐小勇王浩东长沙理工大学计算机与通信工程学院长沙410114

信贷欺诈审核是金融欺诈检测领域的研究热点与难点,尤其是大规模金融信贷交易场景下的欺诈检测问题。然而,信贷欺诈审核过程中的欺诈者类节点数量分布极不平衡和欺诈者节点伪装自身问题一直是其所面临的重要挑战。基于此,面向大规模互... 详细信息

信贷欺诈审核是金融欺诈检测领域的研究热点与难点,尤其是大规模金融信贷交易场景下的欺诈检测问题。然而,信贷欺诈审核过程中的欺诈者类节点数量分布极不平衡和欺诈者节点伪装自身问题一直是其所面临的重要挑战。基于此,面向大规模互联网金融信贷动态图提出融合重构子图选择和强化邻域过滤的图神经网络(RSRF-GNN)模型,以提高信贷欺诈审核的有效性。该方法从数据角度定义欺诈者数量分布不平衡和欺诈伪装问题。依据节点类别和出入度信息设计重构平衡子图选择模块以解决欺诈者数量分布不平衡问题。针对欺诈伪装问题,设计动态过滤邻域节点嵌入的邻域过滤模块。设计了边聚合模块聚合中心节点的邻域边嵌入,进一步提高中心节点邻域嵌入信息表达效果。为验证RSRF-GNN模型的有效性,在真实数据集DGraph-Fin上进行实验,结果表明RSRF-GNN模型在有效性方面比现有模型有较大提升。RSRF-GNN模型在AUC上提高了5~8个百分点,AP分数表现提高了18~29个百分点,模型性能优势显著。

关键词：信贷欺诈审核大规模动态图分布不平衡欺诈伪装图神经网络

在线全文

学校读者我要写书评

暂无评论

面向工程图纸理解的大语言模型提示生成方法

计算机应用 2025年

作者：孙晨伟侯俊利刘祥根吕建成四川大学计算机学院西南电子设备研究所

近年来，大语言模型（LLM）在自然语言处理、计算机视觉等领域都展示出卓越的语言理解和对话能力。然而，它们会在专业领域中产生与正确答案不相符的推理结果。这种情况为大模型在精确和准确的决策任务的应用带来了重大挑战。为了解决... 详细信息

近年来，大语言模型（LLM）在自然语言处理、计算机视觉等领域都展示出卓越的语言理解和对话能力。然而，它们会在专业领域中产生与正确答案不相符的推理结果。这种情况为大模型在精确和准确的决策任务的应用带来了重大挑战。为了解决这个问题，提出一种规则指导的后提示词生成方法（PP-LLM）。所提方法假设通过生成后提示词可以将原问题转化为2个更容易解决的子问题，进而达到引入专家知识、降低任务学习难度的目的。具体地，使用知识指导的特定规则将监督数据集的输出部分转化为后提示词和目的输出的组合。PP-LLM不改变模型的训练和推理过程，并且不增加计算量。实验结果显示，PP-LLM显著提高了推理结果的准确性，缩小了模型预测与实际答案之间的差距，与不使用所提方法的结果相比，提升了7%～10%。这项工作促进了大模型在专业应用的可靠性，并为大模型生成技术提供了新的思路。

关键词：工程图纸大语言模型数据增强多模态提示词

面向同构非对称多核的OpenOCD调试功能优化研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与科学 2025年第1期47卷 45-55页

作者：唐竹陈宝海王敬宇朱琪国防科技大学计算机学院湖南长沙410073 江南计算技术研究所江苏无锡214083

多核架构是提升处理器性能的重要手段,其在网络处理领域的应用也日渐广泛,因此,需要配套高效的多核调试工具才能提升多核网络处理器的开发效率。由于处理网络任务的多核之间并不存在很强的关联性,业务核更多使用运行到结束(RTC)而非流水... 详细信息

多核架构是提升处理器性能的重要手段,其在网络处理领域的应用也日渐广泛,因此,需要配套高效的多核调试工具才能提升多核网络处理器的开发效率。由于处理网络任务的多核之间并不存在很强的关联性,业务核更多使用运行到结束(RTC)而非流水线(Pipeline)的处理模式,多个业务核之间并不需要复杂的缓存一致性逻辑,因此采用同构的非对称多处理AMP架构,可有效降低芯片复杂度和研发成本。目前,非对称多核调试需要同时启动多个GDB,不仅调试不便,同时还会导致较大的资源开销。针对同构非对称多核场景下OpenOCD多端口调试方案进行优化,以单个GDB端口实现针对多个非对称核的调试功能,同时支持对称多处理核簇与非对称多核的混合场景。最后,基于RISC-V软硬件平台搭建了非对称多核调试环境,对线程操作、单步执行、单步跳过、继续运行、查看堆栈和断点设置等GDB调试命令进行测试,验证了单端口OpenOCD进行非对称多核调试的可行性和有效性。

关键词：非对称多处理多核调试 OpenOCD 单端口

维普期刊数据库博看期刊