期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
资源偏好敏感的大数据应用云配置推荐方法
1
作者
梁哲恒
吴悦文
+4 位作者
李永健
张小陆
沈桂泉
苏林刚
刘均乐
《计算机科学》
北大核心
2025年第S1期738-746,共9页
大数据和流式数据计算已被广泛用于支撑智能电网中异常监测与预警等场景。云计算是大数据和流式数据应用的主流运行支撑环境,选择合适的云资源优化其性能面临巨大挑战。当前基于全量配置搜索的方法以所有候选云配置作为搜索空间,存在搜...
大数据和流式数据计算已被广泛用于支撑智能电网中异常监测与预警等场景。云计算是大数据和流式数据应用的主流运行支撑环境,选择合适的云资源优化其性能面临巨大挑战。当前基于全量配置搜索的方法以所有候选云配置作为搜索空间,存在搜索空间过大而容易陷入局部最优解的问题。针对该问题,提出了资源偏好敏感的大数据应用云配置推荐方法,采用资源偏好敏感的随机森林模型作为贝叶斯优化方法的概率模型,以权衡配置选项空间较大时搜索的准确性和开销。实验结果表明,所提方法相比于全量配置搜索方法CherryPick,在搜索结果的准确性提升23%的同时,可减少25%~44%的搜索次数;相比于数据驱动的方法RP-CH,搜索结果的准确性相差10%,但平均搜索次数可有效减少78%。
展开更多
关键词
大数据应用
云配置推荐
资源偏好
主成分分析
贝叶斯优化
在线阅读
下载PDF
职称材料
基于多任务注意力网络的非接触式睡眠监测
被引量：
1
2
作者
李思恒
金蓓弘
+5 位作者
张扶桑
王志
马俊麒
苏畅
任晓勇
刘海琴
《计算机研究与发展》
EI
CSCD
北大核心
2024年第11期3739-3753,共15页
睡眠几乎占据了一个人每天三分之一的时间,它与人体的健康状况紧密相关.由于睡眠过程中各睡眠阶段的持续时间和转换情况直接影响人的睡眠质量,因此识别睡眠阶段是睡眠监测最基本和最重要的任务.然而,睡眠中出现的睡眠障碍会导致睡眠结...
睡眠几乎占据了一个人每天三分之一的时间,它与人体的健康状况紧密相关.由于睡眠过程中各睡眠阶段的持续时间和转换情况直接影响人的睡眠质量,因此识别睡眠阶段是睡眠监测最基本和最重要的任务.然而,睡眠中出现的睡眠障碍会导致睡眠结构变得复杂,这增加了睡眠阶段分类的难度.已有的非接触式睡眠阶段分类工作大多对睡眠结构的复杂性认识不足,忽视了睡眠阶段和睡眠障碍之间的联系.因此,这些工作难以在睡眠障碍患者上取得较好的性能.提出一种非接触式睡眠监测系统,利用超宽带(ultra-wideband,UWB)信号来识别人体睡眠阶段的变化情况.该系统包含了一个序列预测模型,使用一个基于注意力机制的序列编码器挖掘不同睡眠阶段之间的时序转换关系,并通过一个对比学习模块提高编码器的泛化性.值得一提的是,该序列预测模型采用了一个基于多任务学习的两阶段训练框架,并在模型的微调阶段通过多专家学习模块将睡眠障碍信息融入模型中,从而降低了睡眠障碍对睡眠阶段预测造成的干扰.在110名受试者(包括健康个体和不同程度睡眠障碍患者)中进行实验评估,实验结果表明所提出的模型的性能优于基线方法.
展开更多
关键词
非接触式感知
超宽带
深度神经网络
多任务学习
睡眠分期
睡眠障碍
在线阅读
下载PDF
职称材料
题名
资源偏好敏感的大数据应用云配置推荐方法
1
作者
梁哲恒
吴悦文
李永健
张小陆
沈桂泉
苏林刚
刘均乐
机构
广东电网有限责任公司信息中心
南方电网网络空间安全联合
实验室
中山供电局
中国科学院
软件
研究所
基础
软件与
系统
重点
实验室
(
中国科学院
)
百度在线网络技术(北京)有限公司
出处
《计算机科学》
北大核心
2025年第S1期738-746,共9页
基金
广东电网有限责任公司大规模智能电网设备的流式数据处理技术研究项目(037800KC23090006)
国家自然科学基金项目(62302489)。
文摘
大数据和流式数据计算已被广泛用于支撑智能电网中异常监测与预警等场景。云计算是大数据和流式数据应用的主流运行支撑环境,选择合适的云资源优化其性能面临巨大挑战。当前基于全量配置搜索的方法以所有候选云配置作为搜索空间,存在搜索空间过大而容易陷入局部最优解的问题。针对该问题,提出了资源偏好敏感的大数据应用云配置推荐方法,采用资源偏好敏感的随机森林模型作为贝叶斯优化方法的概率模型,以权衡配置选项空间较大时搜索的准确性和开销。实验结果表明,所提方法相比于全量配置搜索方法CherryPick,在搜索结果的准确性提升23%的同时,可减少25%~44%的搜索次数;相比于数据驱动的方法RP-CH,搜索结果的准确性相差10%,但平均搜索次数可有效减少78%。
关键词
大数据应用
云配置推荐
资源偏好
主成分分析
贝叶斯优化
Keywords
Big data applicaiton
Cloud configuration recommendation
Resource preference
PCA
Bayesian optimization
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于多任务注意力网络的非接触式睡眠监测
被引量：
1
2
作者
李思恒
金蓓弘
张扶桑
王志
马俊麒
苏畅
任晓勇
刘海琴
机构
中国科学院
软件
研究所
软件
工程技术中心
基础
软件与
系统
重点
实验室
(
中国科学院
)、计算机
科学
国家
重点
实验室
(
中国科学院
软件
研究所)
中国科学院
大学
西安交通大学第二附属医院
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第11期3739-3753,共15页
基金
国家自然科学基金项目(62072450,62172394)
中国科学院软件研究所基础研究项目(ISCAS-JCMS-202305)。
文摘
睡眠几乎占据了一个人每天三分之一的时间,它与人体的健康状况紧密相关.由于睡眠过程中各睡眠阶段的持续时间和转换情况直接影响人的睡眠质量,因此识别睡眠阶段是睡眠监测最基本和最重要的任务.然而,睡眠中出现的睡眠障碍会导致睡眠结构变得复杂,这增加了睡眠阶段分类的难度.已有的非接触式睡眠阶段分类工作大多对睡眠结构的复杂性认识不足,忽视了睡眠阶段和睡眠障碍之间的联系.因此,这些工作难以在睡眠障碍患者上取得较好的性能.提出一种非接触式睡眠监测系统,利用超宽带(ultra-wideband,UWB)信号来识别人体睡眠阶段的变化情况.该系统包含了一个序列预测模型,使用一个基于注意力机制的序列编码器挖掘不同睡眠阶段之间的时序转换关系,并通过一个对比学习模块提高编码器的泛化性.值得一提的是,该序列预测模型采用了一个基于多任务学习的两阶段训练框架,并在模型的微调阶段通过多专家学习模块将睡眠障碍信息融入模型中,从而降低了睡眠障碍对睡眠阶段预测造成的干扰.在110名受试者(包括健康个体和不同程度睡眠障碍患者)中进行实验评估,实验结果表明所提出的模型的性能优于基线方法.
关键词
非接触式感知
超宽带
深度神经网络
多任务学习
睡眠分期
睡眠障碍
Keywords
contactless sensing
ultra-wideband(UWB)
deep neural networks
multi-task learning
sleep stage classification
sleep disorder
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
资源偏好敏感的大数据应用云配置推荐方法
梁哲恒
吴悦文
李永健
张小陆
沈桂泉
苏林刚
刘均乐
《计算机科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于多任务注意力网络的非接触式睡眠监测
李思恒
金蓓弘
张扶桑
王志
马俊麒
苏畅
任晓勇
刘海琴
《计算机研究与发展》
EI
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
