首页期刊导航|计算机系统应用
期刊信息/Journal information
计算机系统应用
计算机系统应用

苏振泽

月刊

1003-3254

csa@iscas.ac.cn

010-62661041

100080

北京中关村南四街4号

计算机系统应用/Journal Computer Systems & ApplicationsCSCD北大核心CSTPCD
查看更多>>专业技术性刊物。推广计算机系统在各行各业的应用技术成果和运行管理经验。
正式出版
收录年代

    基于改进奖励机制的深度强化学习目标检测

    陈盈君武月刘力铭
    106-114页
    查看更多>>摘要：为提高深度强化学习目标检测模型的检测精度和检测速度,对传统模型进行改进.针对特征提取不充分的问题,使用融入通道注意力机制的VGG16 特征提取模块作为强化学习的状态输入,来更全面地捕获图像中的关键信息;针对仅使用交并比作为奖励出现的评价不精准问题,使用额外考虑了真实框与预测框中心点距离以及长宽比的改进奖励机制,使奖励更加合理;为加速训练过程的收敛并增强智能体对当前状态和动作评价的客观性,使用Dueling DQN算法进行训练.在PASCAL VOC2007 和PASCAL VOC2012 数据集上进行实验,实验结果表明,该检测模型仅需 4-10 个候选框即可检测到目标.与Caicedo-RL相比,准确率提高 9.8%,最终预测框和真实框的平均交并比提高5.6%.

    目标检测深度强化学习VGG16注意力机制奖励机制DuelingDQN

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于单通道脑电信号的轻量级睡眠分析系统

    李勉鑫潘烨黄申邱镘霏...
    115-123页
    查看更多>>摘要：在传统睡眠分期模型中,由于计算资源要求高,难以部署到有限计算能力的设备上.本文开发了一个基于单通道脑电信号的轻量级睡眠分析系统,该系统部署了GhostNet优化的GhostSleepNet神经网络模型,实现了睡眠分期和睡眠质量评估的功能,用户只需要使用脑环并连接至本系统即可在家庭环境下实现准确度高的睡眠分期.其中,卷积神经网络(convolutional neural network,CNN)负责提取高阶特征,GhostNet旨在保持CNN提取特征的准确性的同时,减少模型参数以提高模型的计算效率,门控循环单元(gated recurrent unit,GRU)则专注于捕捉睡眠数据的长期依赖关系与周期性变化.本文对Sleep-EDF数据集的五分类任务进行验证,GhostSleepNet的睡眠分期准确率达到 84.17%,比传统睡眠分期模型低 3%-5%,但FLOPs仅为 5 041 111 040,计算复杂度下降 20%-45%,有助于移动设备睡眠分期功能的发展.

    脑电信号轻量级卷积神经网络门控循环单元睡眠分期

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于CEEMDAN-SBiGRU-OMHA的短期电力负荷预测

    包广斌刘晨张波沈治名...
    124-132页
    查看更多>>摘要：为了提高短期电力负荷预测的精准度,充分挖掘电力负荷数据的复杂相关性,提出了一种优化多头注意力机制的CEEMDAN-SBiGRU组合预测模型,改进了特征提取和特征融合两个模块.首先,采用自适应噪声完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将电力负荷数据分解成多个内在模态函数(IMF)和一个残差信号(RES);同时引入降噪自编码器DAE挖掘数据中受气象因素、工作日类型和温度变化的潜在特征.其次,将提取到的复杂特征输入至堆叠双向门控循环单元(stacked bidirectional gated recurrent unit,SBiGRU)模块中继续学习,以获取隐藏状态.最后,将获取的隐藏状态输入至加入残差机制和层归一化优化的多头注意力(optimized multi-head attention,OMHA)机制模块,可以准确地给重要特征分配更高的权重,解决噪声干扰问题.实验结果表明,CEEMDAN-SBiGRU-OMHA组合模型具有更高的精确性.

    短期电力负荷预测自适应噪声完全集成经验模态分解(CEEMDAN)堆叠双向门控循环单元(SBiGRU)降噪自编码器优化的多头注意力(OMHA)

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    VSM指导下MSDNet轻量型融合网络建模与仿真

    邹韵王振
    133-139页
    查看更多>>摘要：轻量级的图像融合算法对于人眼观察和机器识别有着重要的意义.通过对视觉显著性在红外与可见光图像融合过程中的重要性研究,在SDNet融合网络的基础上,优化并设计了一种视觉显著图(visual saliency map,VSM)指导下的MSDNet轻量型融合网络.首先,通过对SDNet的结构以及通道数进行了缩减以加快训练及推理速度,并利用结构参数化与反参数化技术增强轻量化模型的学习能力;然后,针对模型的训练,使用了基于显著值图VSM指导的损失函数,实现模型的自监督训练;最后,在训练结束时,将图像重建分支删除,根据卷积参数融合得到最终的轻量化模型.实验表明,该轻量化网络能够在保证图像融合质量的基础上,极大地提高了融合的速率,使其在移动端的移植成为可能.

    图像融合红外图像可见光图像轻量型网络显著损失函数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    考虑因果约束的异常对象反事实解释

    童启辉周鹏张燕平
    140-151页
    查看更多>>摘要：现有的异常检测方法大多关注算法的效率和精确度等,而忽视了异常对象的可解释性.反事实解释方法是当前可解释机器学习的研究热点之一,旨在通过对研究对象的特征进行扰动,进而生成反事实示例以解释模型的决策结果.在实际应用中,特征之间可能存在某种因果关系.然而,现有基于反事实的可解释方法大多关注如何生成更多样的反事实示例,却忽视了特征之间的因果关系,导致可能产生不合理的反事实解释.为此,提出了一种考虑因果约束的异常对象反事实解释算法IARC.该方法在生成反事实解释时,通过将特征间的因果性纳入目标函数来衡量该次扰动是否可行,并通过改进后的遗传算法进行求解,从而生成合理的反事实解释.此外,提出了一种新的度量指标,用于衡量所生成反事实解释的矛盾程度.同多个先进反事实解释方法在多个真实数据集上进行了对比实验和详细的案例可解释分析.实验结果表明,所提出的方法能够为异常对象生成具有强合理性的反事实解释.

    模型可解释性异常检测反事实解释遗传算法因果关系

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    数据流下部分线性模型的在线估计

    卢果林
    152-162页
    查看更多>>摘要：部分线性模型作为一种重要的半参数回归模型,因其在复杂数据结构分析中表现出的灵活适应性,广泛应用于各领域.然而,在大数据背景下,该模型的研究和应用面临着多重挑战,其中最为关键的难点在于计算速度和数据存储.本文针对以数据块形式连续观测的数据流场景,提出一种在线估计的计算方法,用于估计部分线性模型中线性部分的参数和非线性部分的未知函数.该方法仅需利用当前数据块和之前计算过的汇总统计量即可实现实时估算.数值模拟从两个角度进行验证有效性:分别改变数据流的单位数据块大小和总样本规模,以比较在线估计方法和传统估计方法的偏差、标准误差以及均方误差.实验表明,与传统方法相比,本文的方法具有快速计算和无需重新访问历史数据的优势,同时在均方误差方面接近传统方法.最后,基于中国综合社会调查(CGSS)数据,本文应用在线估计方法分析我国劳动年龄人口生活质量的影响因素,得出周工作时间在 30-60 h范围内的全职工作对提升生活质量具有积极作用的结论,为相关政策制定提供了一定参考价值.

    在线估计部分线性模型核回归大数据数据压缩

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于神经机器翻译的模型反混淆方法

    朱浪刘彬彬李嘉璇郑启龙...
    163-173页
    查看更多>>摘要：模型混淆是指将神经网络等价地转换为另一种形式,是一种高效且低成本的神经网络保护技术.为了发现模型混淆的缺陷,研究人员提出了模型反混淆技术,以期望改进模型混淆方法.然而,现有的模型反混淆技术研究较少,并且适用场景和反混淆效果有限.因此,本文提出一种基于神经机器翻译(neural machine translation,NMT)技术的模型反混淆方法.该方法将模型的反混淆任务建模成一个seq2seq的任务,首先对混淆模型进行更详细的序列表示,然后对权重参数中的混淆信息进行识别并处理,最后再使用基于NMT的模型进行反混淆翻译.实验结果表明,该方法弥补了已有方法的不足,能够有效地捕捉模型的混淆特征并对模型的架构进行恢复,可以作为一种模型反混淆的通用方案.

    神经网络模型混淆神经网络模型反混淆神经机器翻译Transformer

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    文本与关键点协同控制的人脸图像生成

    刘宇同王一丁
    174-182页
    查看更多>>摘要：人脸图像生成对生成人脸的真实度和可控性有较高要求.本文提出了一种由文本和脸部关键点协同控制的人脸图像生成算法.其中文本主要是在语义层面对生成人脸进行约束;脸部关键点使模型根据给定的脸部位置信息,控制生成人脸的脸型、表情和细节等属性.本文算法在现有的扩散模型基础上加以改进,并额外引入了文本处理模块(CM)、关键点控制网络(KCN)和自编码网络(ACN).其中,扩散模型是一种基于扩散理论的噪声推理算法;CM基于注意力机制设计,可以对文本信息进行编码和存储;KCN接收的是关键点的位置信息,使生成人脸的可控性得以增强;ACN缓解了扩散模型的生成压力,减少生成样本所需的时间.此外,为了适配人脸图像这一生成任务,我们构建一个包含 30000 张人脸图像的数据集.本文算法实现了:给定一段先决条件文本和一张人脸关键点图,模型可以提取出文本中的特征信息和关键点的位置信息,生成高真实度和可控性强的目标人脸图像.通过与目前主流方法进行对比,本文算法的FID指标提高了约5%-23%,IS指标提高了约3%-14%,证明了算法的先进性和优越性.

    人脸生成扩散模型生成式人工智能文本编码自动编码器

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于上下文多摇臂赌博机的交通信号控制算法

    邵俊杰肖明军
    183-189页
    查看更多>>摘要：近年来,由于交通拥堵问题日益严重,引起了学术界对交通信号灯控制算法研究的广泛关注.现有研究表明,基于深度强化学习(DRL)的方法在模拟环境中表现良好,但在实际应用中存在着数据和计算资源需求大、难以实现路口之间协同等问题.为解决这一问题,本文提出了一种基于上下文多摇臂赌博机的新型交通信号控制算法.与传统方法相比,本文所提算法通过从路网中提取主干道的方式,实现了路口之间的高效协同,并利用上下文多摇臂赌博机模型实现了交通信号的快速、有效控制.最后,通过在真实数据集以及合成数据集上进行充分的实验验证,证明了本文算法相较于过去算法的优越性.

    智能交通强化学习上下文多臂赌博机多智能体系统交通信号控制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    嵌入和梯度双向压缩的高效纵向联邦学习

    张宇航嵩天
    190-197页
    查看更多>>摘要：纵向联邦学习在不泄露数据隐私的前提下,通过联合多方本地数据特征,共同训练目标模型,提高数据利用价值,受到业界公司和机构的广泛关注.在训练过程中,客户端上传的中间嵌入及服务器返回的梯度信息需要巨大的通信量,通信成本成为限制其实际应用的关键瓶颈.如何通过有效的算法设计减少通信量、提高通信效率成为当前研究的热点之一.本文针对纵向联邦学习通信效率问题,提出基于嵌入和梯度双向压缩的高效压缩算法,对客户端上传的嵌入表示,采用改进的稀疏化方法并结合缓存重用机制,对服务器分发的梯度信息,采用离散量化与哈夫曼编码结合的机制.实验结果表明,本文算法能够在准确率与无压缩场景保持相当的前提下,降低约 85%的通信量,提高通信效率,减少整体训练时间.

    纵向联邦学习通信效率嵌入压缩梯度压缩稀疏化量化

      原文链接:
    • NETL
    • NSTL
    • 万方数据