计算机英语
文章平均质量分 80
daisyxyr
一个不会自我欣赏的人,是难以快乐的。
展开
-
面向无人驾驶时空同步约束制导的安全强化学习Spatio-Clock Synchronous Constraint Guided Safe Reinforcement Learning for Aut
面向无人驾驶时空同步约束制导的安全强化学习Spatio-Clock Synchronous Constraint Guided Safe Reinforcement Learning for Autonomous Driving摘要:无人驾驶系统综合了软件和硬件复杂的交互过程,在系统设计阶段,形式化方法可以保证系统满足逻辑规约和安全需求;在系统运行阶段,深度强化学习被广泛应用于无人驾驶系统决策中.然而,在面对没有经验的场景和复杂决策任务时,基于黑盒的深度强化学习系统并不能保证系统的安全性和复杂任务奖励函数原创 2022-07-10 19:37:27 · 207 阅读 · 0 评论 -
一种新的无监督前景目标检测方法 A New Unsupervised Foreground Object Detection Method
14.一种新的无监督前景目标检测方法A New Unsupervised Foreground Object Detection Method摘要:针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根据最小化特征距离进行无监督特征聚类.将同一个聚类内的图像两两匹配,将特征匹配的重现程度作为特征权重,最后根据更原创 2022-06-28 09:36:27 · 251 阅读 · 1 评论 -
一种新的无监督前景目标检测方法 A New Unsupervised Foreground Object Detection Method
14.一种新的无监督前景目标检测方法A New Unsupervised Foreground Object Detection Method摘要:针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根据最小化特征距离进行无监督特征聚类.将同一个聚类内的图像两两匹配,将特征匹配的重现程度作为特征权重,最后根据原创 2022-05-08 23:56:16 · 960 阅读 · 0 评论 -
深度神经网络压缩与加速综述 Deep Neural Network Compression and Acceleration: A Review
13.深度神经网络压缩与加速综述Deep Neural Network Compression and Acceleration: A Review摘要:深度神经网络在人工智能的应用中,包括计算机视觉、语音识别、自然语言处理方面,取得了巨大成功.但这些深度神经网络需要巨大的计算开销和内存存储,阻碍了在资源有限环境下的使用,如移动或嵌入式设备端.为解决此问题,在近年来产生大量关于深度神经网络压缩与加速的研究工作.对现有代表性的深度神经网络压缩与加速方法进行回顾与总结,这些方法包括了参数剪枝、参数共享、低秩原创 2022-05-02 20:11:06 · 342 阅读 · 0 评论 -
边云协同计算中基于预测的资源部署与任务调度优化 Resource Deployment with Prediction and Task Scheduling Optimization in Edge
12.边云协同计算中基于预测的资源部署与任务调度优化Resource Deployment with Prediction and Task Scheduling Optimization in Edge Cloud Collaborative Computing摘要:数据集中处理的云计算模式提供交互迅速、绿色高效的多样化应用服务面临新挑战.将云计算能力扩展到边缘设备,提出了边云协同计算框架;设计了基于任务预测的资源部署算法,在云服务中心通过二维时间序列对任务进行预测,结合分类聚合、延迟阈值判定等优化边原创 2022-05-01 23:14:22 · 482 阅读 · 0 评论 -
基于深度强化学习的网约车动态路径规划 Dynamic Ride-Hailing Route Planning Based on Deep Reinforcement Learning
11.基于深度强化学习的网约车动态路径规划Dynamic Ride-Hailing Route Planning Based on Deep Reinforcement Learning摘要:随着移动互联网的快速发展,许多利用手机App打车的网约车平台也应运而生.这些网约车平台大大减少了网约车的空驶时间和乘客等待时间,从而提高了交通效率.作为平台核心模块,网约车路径规划问题致力于调度空闲的网约车以服务潜在的乘客,从而提升平台的运营效率,近年来受到广泛关注.现有研究主要采用基于值函数的深度强化学习算法(如原创 2022-04-29 16:47:38 · 1167 阅读 · 0 评论 -
概率生成模型变分推理方法综述 Survey of Variational Inferences in Probabilistic Generative Models
10.概率生成模型变分推理方法综述Survey of Variational Inferences in Probabilistic Generative Models摘要:概率生成模型是知识表示的重要方法,在该模型上计算似然函数的概率推理问题一般是难解的.变分推理是重要的确定性近似推理方法,具有较快的收敛速度、坚实的理论基础.尤其随着大数据时代的到来,概率生成模型变分推理方法受到工业界和学术界的极大关注.综述了多种概率生成模型变分推理框架及最新进展,具体包括:首先综述了概率生成模型变分推理一般框架及基原创 2022-04-28 18:24:38 · 156 阅读 · 0 评论 -
低CPU开销的低延迟存储引擎 A Low-Latency Storage Engine with Low CPU Overhead
9.低CPU开销的低延迟存储引擎A Low-Latency Storage Engine with Low CPU Overhead摘要:近些年来,固态存储的硬件处理速率得到了极大改善.一块超低延迟的固态存储盘能在10 μs内处理4 KB大小的数据.加速I/O收割过程以构建低延迟的存储引擎是存储系统研究中的一个重要研究课题.传统存储系统通过硬件中断机制收割I/O,却引入了额外的上下文切换开销,延长了整体I/O处理时间.现有工作使用轮询机制以消除上下文切换,却要付出高昂的CPU开销.提出了一种低CPU开销原创 2022-04-27 18:06:58 · 277 阅读 · 0 评论 -
基于深度学习的知识追踪研究进展 Research Advances in the Knowledge Tracing Based on Deep Learning
8.基于深度学习的知识追踪研究进展Research Advances in the Knowledge Tracing Based on Deep Learning摘要:知识追踪是教育数据挖掘领域的一个重要研究方向,其目标是通过建立学生知识状态随时间变化的模型,来判断学生对知识的掌握程度并从学生的学习轨迹中挖掘出潜在的学习规律,从而提供个性化的指导,达到人工智能辅助教育的目的.深度学习因其强大的特征提取能力,已被证明能显著提升知识追踪模型的性能而越来越受到各方重视.以最基本的深度知识追踪模型为起点,全面原创 2022-04-26 18:35:35 · 1709 阅读 · 0 评论 -
基于信息增强传输的时空图神经网络交通流预测 Spatial-Temporal Graph Neural Network for Traffic Flow Prediction Based on Inf
7.基于信息增强传输的时空图神经网络交通流预测Spatial-Temporal Graph Neural Network for Traffic Flow Prediction Based on Information Enhanced Transmission摘要:交通问题不仅影响人们的出行,同时也会带来环境污染以及安全等问题,准确的交通流预测是构建智能交通系统、预防和缓解交通问题的关键.目前的预测方法大多没有考虑到交通流动态的时空相关性、周期性以及线性与非线性等特点.在充分考虑上述因素的基础上,提出原创 2022-04-25 16:26:05 · 701 阅读 · 0 评论 -
面向自然语言处理的对抗攻防与鲁棒性分析综述 Survey of Adversarial Attack, Defense and Robustness Analysis for Natural Lang
6.面向自然语言处理的对抗攻防与鲁棒性分析综述Survey of Adversarial Attack, Defense and Robustness Analysis for Natural Language Processing摘要:随着人工智能技术的飞速发展,深度神经网络在计算机视觉、信号分析和自然语言处理等领域中都得到了广泛应用.自然语言处理通过语法分析、语义分析、篇章理解等功能帮助机器处理、理解及运用人类语言.但是,已有研究表明深度神经网络容易受到对抗文本的攻击,通过产生不可察觉的扰动添加到正原创 2022-04-24 23:51:14 · 1771 阅读 · 0 评论 -
基于联邦学习的多源异构数据融合算法 Multi-Source Heterogeneous Data Fusion Based on Federated Learning
5.基于联邦学习的多源异构数据融合算法Multi-Source Heterogeneous Data Fusion Based on Federated Learning摘要:随着科技的迅猛发展,具有计算和存储能力的边缘设备数量不断增加,产生的数据流量更是呈指数式增长,这使得以云计算为核心的集中式处理模式难以高效处理边缘设备产生的数据.另外,由于边缘网络设备的多样性以及数据表示手段的不断丰富,多模态数据广泛存在.为充分利用边缘设备上的异构数据,解决边缘计算中由于数据隐私引起的“数据通信壁垒”问题,提出了原创 2022-04-22 22:44:33 · 2657 阅读 · 0 评论 -
基于区块链的数据透明化:问题与挑战 Blockchain-Based Data Transparency: Issues and Challenges
4.基于区块链的数据透明化:问题与挑战Blockchain-Based Data Transparency: Issues and Challenges摘要:物联网、穿戴设备和移动通信等技术的高速发展促使数据源源不断地产生并汇聚至多方数据收集者,由此带来更严峻的隐私泄露问题, 然而传统的差分隐私、加密和匿名等隐私保护技术还不足以应对.更进一步,数据的自主汇聚导致数据垄断问题,严重影响了大数据价值实现.此外,大数据决策过程中,数据非真实产生、被篡改和质量管理过程中的单点失败等问题导致数据决策不可信.如何使原创 2022-04-20 17:37:27 · 7324 阅读 · 0 评论 -
机器学习的隐私保护研究综述 Survey on Privacy-Preserving Machine Learning
3.机器学习的隐私保护研究综述Survey on Privacy-Preserving Machine Learning摘要:大规模数据收集大幅提升了机器学习算法的性能,实现了经济效益和社会效益的共赢,但也令个人隐私保护面临更大的风险与挑战.机器学习的训练模式主要分为集中学习和联邦学习2类,前者在模型训练前需统一收集各方数据,尽管易于部署,却存在极大数据隐私与安全隐患;后者实现了将各方数据保留在本地的同时进行模型训练,但该方式目前正处于研究的起步阶段,无论在技术还是部署中仍面临诸多问题与挑战.现有的隐私原创 2022-04-19 16:25:24 · 1035 阅读 · 0 评论 -
一种基于差分隐私保护的协同过滤推荐方法 A Collaborative Filtering Recommendation Method Based on Differential Privacy
2、一种基于差分隐私保护的协同过滤推荐方法A Collaborative Filtering Recommendation Method Based on Differential Privacy摘要:由于推荐系统需要利用大量用户数据进行协同过滤,会给用户的个人隐私带来相当大的风险,如何保护隐私数据成为推荐系统当前面临的重大挑战.差分隐私作为一种新出现的隐私保护框架,能够防止攻击者拥有任意背景知识下的攻击并提供有力的保护.针对推荐系统中的隐私保护问题,提出一种满足差分隐私保护的协同过滤推荐算法.首先,构原创 2022-04-17 10:43:08 · 1651 阅读 · 0 评论 -
图神经网络综述 Survey on Graph Neural Network
图神经网络综述Survey on Graph Neural Network摘要:近几年来,将深度学习应用到处理和图结构数据相关的任务中越来越受到人们的关注.图神经网络的出现使其在上述任务中取得了重大突破,比如在社交网络、自然语言处理、计算机视觉甚至生命科学等领域得到了非常广泛的应用.图神经网络可以把实际问题看作图中节点之间的连接和消息传播问题,对节点之间的依赖关系进行建模,从而能够很好地处理图结构数据.鉴于此,系统综述了图神经网络模型以及应用.首先从谱域、空间域和池化3方面对图卷积神经网络进行了阐述.原创 2022-04-16 14:50:37 · 1081 阅读 · 0 评论