检索结果-南通市图书馆

RR-SC:边缘设备中基于随机计算神经网络的运行时可重配置框架

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4期61卷 840-855页

作者：宋玉红沙行勉诸葛晴凤许瑞王寒华东师范大学计算机科学与技术学院上海200062

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如... 详细信息

随着人工智能民主化的发展,深度神经网络已经被广泛地应用于移动嵌入式设备上,例如智能手机和自动驾驶领域等.随机计算作为一种新兴的、有前途的技术在执行机器学习任务时使用简单的逻辑门而不是复杂的二进制算术电路.它具有在资源(如能源、计算单元和存储单元等)受限的边缘设备上执行深度神经网络低能耗、低开销的优势.然而,之前的关于随机计算的工作都仅仅设计一组模型配置并在固定的硬件配置上实现,忽略了实际应用场景中硬件资源(如电池电量)的动态改变,这导致了低硬件效率和短电池使用时间.为了节省电池供电的边缘设备的能源,动态电压和频率调节技术被广泛用于硬件重配置以延长电池的使用时间.针对基于随机计算的深度神经网络,创新性地提出了一个运行时可重配置框架,即RR-SC,这个框架首次尝试将硬件和软件的重配置相结合以满足任务的时间约束并最大限度节省能源.RR-SC利用强化学习技术可以一次性生成多组模型配置,同时满足不同硬件配置(即不同的电压/频率等级)下的准确率要求.RR-SC得到的解具有最好的准确率和硬件效率权衡.同时,多个模型配置运行时在同一个主干网络上进行切换,从而实现轻量级的软件重配置.实验结果表明,RRSC可以在110 ms内进行模型配置的轻量级切换,以保证在不同硬件级别上所需的实时约束.同时,它最高可以实现7.6倍的模型推理次数提升,仅造成1%的准确率损失.

关键词：边缘设备随机计算运行时重配置动态硬件环境轻量级软件重配置强化学习

基于UML-NuSMV的并发系统建模与验证

在线全文

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2024年第2期52卷 90-95页

作者：马占有郭昊李召恺李健祥北方民族大学计算机科学与工程学院宁夏银川750030

为解决直接建立系统NuSMV(符号模型检测器)模型的困难,提出一种从UML(统一建模语言)模型转换到NuSMV模型的方法,实现了UML与NuSMV结合的形式化验证.首先,使用UML中的视图对系统进行描述,建立系统的UML模型;然后,设计转换规则并给出转换... 详细信息

为解决直接建立系统NuSMV(符号模型检测器)模型的困难,提出一种从UML(统一建模语言)模型转换到NuSMV模型的方法,实现了UML与NuSMV结合的形式化验证.首先,使用UML中的视图对系统进行描述,建立系统的UML模型;然后,设计转换规则并给出转换算法,实现从UML模型到NuSMV模型的自动转换;最后,使用计算树逻辑对系统的属性进行描述,并通过NuSMV完成对系统的形式化验证.以一个双按键并发电梯系统为例,说明了基于UML-NuSMV的并发系统建模与验证过程.

关键词：模型检测统一建模语言模型转换并发系统符号模型检测器

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陕西西安710119

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... 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

在线全文

学校读者我要写书评

暂无评论

基于深度学习的EEG数据分析技术综述

浙江大学学报（工学版） 2024年第5期58卷 879-890页

作者：钟博王鹏飞王乙乔王晓玲华东师范大学计算机科学与技术学院上海200062

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解... 详细信息

对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程.对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解决方案,包括各阶段所存在的难点与问题.全方位总结出不同算法的主要贡献和局限性,讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.

关键词：头皮脑电(EEG) 闭环流程深度学习预处理特征提取模型泛化

在线全文

学校读者我要写书评

暂无评论

基于多尺度特征信息融合的时间序列异常检测

西安电子科技大学学报 2024年第3期51卷 203-214页

作者：衡红军喻龙威中国民航大学计算机科学与技术学院天津300300

目前大多数的时间序列都缺少相应的异常标签,且现有基于重构的异常检测算法不能很好地捕获到多维数据间复杂的潜在相关性和时间依赖性,为了构建特征丰富的时间序列,提出一种多尺度特征信息融合的异常检测模型。该模型首先通过卷积神经... 详细信息

目前大多数的时间序列都缺少相应的异常标签,且现有基于重构的异常检测算法不能很好地捕获到多维数据间复杂的潜在相关性和时间依赖性,为了构建特征丰富的时间序列,提出一种多尺度特征信息融合的异常检测模型。该模型首先通过卷积神经网络对滑动窗口内的不同序列进行特征卷积来获取不同尺度下的局部上下文信息。然后,利用Transformer中的位置编码对卷积后的时间序列窗口进行位置嵌入,增强滑动窗口中每一个时间序列和邻近序列之间的位置联系,并引入时间注意力获取数据在时间维度上的自相关性,并进一步通过多头自注意力自适应地为窗口内不同时间序列分配不同的权重。最后,对反卷积过程中上采样得到的窗口数据与不同尺度下得到的局部特征和时间上下文信息进行逐步融合,从而准确重构原始时间序列,并将重构误差作为最终的异常得分进行异常判定。实验结果表明,所构建模型在SWaT和SMD数据集上与基线模型相比F1分数均有所提升。在数据维度高且均衡性较差的WADI数据集上与GDN模型相比F1分数降低了1.66%。

关键词：异常检测多尺度信息融合卷积神经网络 Transformer 多维时间序列自编码器

SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型

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

电子学报 2024年第3期52卷 824-837页

作者：谢娟英张凯云陕西师范大学计算机科学学院陕西西安710119

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks... 详细信息

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sensitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network).

关键词：小目标分割非小细胞肺癌非对称编码器-解码器结构细化轴向取反注意力 CT图像深度学习卷积

自适应聚类的图像块分级DCT混合数模无线传输方法

在线全文

学校读者我要写书评

暂无评论

通信学报 2024年第1期45卷 152-166页

作者：唐述杨鹏谢显中周广义李佳庆赵瑜重庆邮电大学计算机科学与技术学院重庆400065

提出了一种新颖的混合数模无线传输方法来实现高质量的图像传输。首先,从原始图像中减去先下采样后上采样的图像来得到残差层图像。其次,提出了一种自适应聚类的块分级离散余弦变换算法来有效去除残差层图像像素之间的相关性。最后,提... 详细信息

提出了一种新颖的混合数模无线传输方法来实现高质量的图像传输。首先,从原始图像中减去先下采样后上采样的图像来得到残差层图像。其次,提出了一种自适应聚类的块分级离散余弦变换算法来有效去除残差层图像像素之间的相关性。最后,提出了一种基于图像块等级的不等功率分配策略来进一步提升接收端的图像质量。大量的实验结果表明,所提方法在定性评估和定量度量两方面都明显优于现有较成功的混合数模图像无线传输方法。

关键词：混合数模传输图像无线传输伪模拟传输方法离散余弦变换不等功率分配

基于区块链和可信执行环境的细粒度访问控制方案研究与应用——以物联网为例

在线全文

学校读者我要写书评

暂无评论

系统工程理论与实践 2024年第7期44卷 2394-2410页

作者：蒋伟进李恩罗田甜周文颖杨莹湖南工商大学计算机学院长沙410205 湖南信息学院计算机科学与工程学院长沙410151 湘江实验室长沙410205 武汉理工大学计算机与人工智能学院武汉430070

新型物联网技术的普及使得物联网资源的访问和共享需求不断扩大,而现有的物联网访问控制技术显现出的访问策略粗粒度、弱可审计性、缺乏访问过程控制以及过度特权等问题,使物联网设备面临着极大的安全隐患和隐私威胁.基于此,提出了一种... 详细信息

新型物联网技术的普及使得物联网资源的访问和共享需求不断扩大,而现有的物联网访问控制技术显现出的访问策略粗粒度、弱可审计性、缺乏访问过程控制以及过度特权等问题,使物联网设备面临着极大的安全隐患和隐私威胁.基于此,提出了一种以区块链技术为基础的基于加密货币的访问控制模型(cryptocurrency-based access control, CcBAC),可为物联网提供细粒度、有效的可审计性和访问过程控制,并借助可信执行环境来提供更强大的安全性.介绍了访问控制模型的技术原理、特点、研究现状,详细阐述了CcBAC模型框架,并对其进行了形式化定义;同时,对模型中的函数进行了具体的描述,给出了本模型在一般应用场景中的访问控制流程;最后通过理论分析和实验评估验证了本模型的实用性和性能,证实本模型不仅能使资源所有者完全控制对其资源的访问,同时还兼顾访问控制的细粒度和可审计性.

关键词：区块链访问控制物联网加密货币可信执行环境

在线全文

学校读者我要写书评

暂无评论

基于特征融合的轻量级新残差人脸识别方法

电子学报 2024年第3期52卷 937-944页

作者：惠康华闫建青高思华贺怀清中国民航大学计算机科学与技术学院天津300300

针对现有轻量级模型在嵌入式设备的人脸识别应用中存在识别精度难以提升的问题,提出一种融合人脸对齐关键特征点信息的轻量级新残差网络模型(Lightweight New Residual Network,LNRN).LNRN利用深度残差网络结构能够解决网络退化且避免... 详细信息

针对现有轻量级模型在嵌入式设备的人脸识别应用中存在识别精度难以提升的问题,提出一种融合人脸对齐关键特征点信息的轻量级新残差网络模型(Lightweight New Residual Network,LNRN).LNRN利用深度残差网络结构能够解决网络退化且避免干扰因素影响的优势,结合人脸对齐环节产生的关键特征点信息,对深度残差网络结构进行简化和合理设计,实现对关键特征信息和全局信息的提取.为避免特征提取过程中丢失重要特征信息,该模型在新残差网络中加入结合空间和通道的注意力机制进行辅助.在公开的四个标准人脸数据集上的仿真实验表明,该模型识别速度在接近主流轻量级人脸识别方法的同时,平均识别精度比MobiFace提高了0.6%.

关键词：轻量级新残差网络模型人脸识别关键特征信息注意力机制