期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
CapsuleAI:一种基于胶囊网络的数字资源自动标引算法
1
作者 赵卫东 赵文宇 +2 位作者 张睿 陈思玲 耿甲 《小型微型计算机系统》 北大核心 2025年第7期1537-1543,共7页
传统自动标引方法存在准确率低和高度依赖于人工审核的问题,忽略了深度学习文本表征技术在文本分类和关键词提取中的潜力.本文针对数字资源自动标引在大量数据处理和准确性的挑战,提出了一种基于胶囊网络的端到端模型.首先,使用预训练... 传统自动标引方法存在准确率低和高度依赖于人工审核的问题,忽略了深度学习文本表征技术在文本分类和关键词提取中的潜力.本文针对数字资源自动标引在大量数据处理和准确性的挑战,提出了一种基于胶囊网络的端到端模型.首先,使用预训练语言模型BERT对文本进行内容编码和词向量构建;然后,通过融入主题胶囊和注意力胶囊,提升了关键词识别和文本分类的性能;最后,实现了一个能在单一框架下同时执行这两种任务的端到端网络结构.在真实数字资源数据集上的实验结果表明,本文提出的模型在准确率、召回率和F1分数等关键指标上超越现有多种方法,有效应对了大规模数字资源的自动标引任务. 展开更多
关键词 数字资源 自动标引 深度学习 胶囊网络 文本分类
在线阅读 下载PDF
多向堆叠记忆网络在证件图像篡改检测中的应用
2
作者 赵卫东 黄见 +1 位作者 张睿 吴乾奕 《小型微型计算机系统》 北大核心 2025年第2期346-352,共7页
随着金融线上业务的迅猛发展,篡改图像信息的问题在风控环节频繁出现.然而,现有的篡改检测模型在处理证件图片的准确性和应对环境干扰方面亟需加强.为解决这一问题,本文提出了一种二阶段篡改检测模型:在第1阶段中,通过将简单堆叠长短期... 随着金融线上业务的迅猛发展,篡改图像信息的问题在风控环节频繁出现.然而,现有的篡改检测模型在处理证件图片的准确性和应对环境干扰方面亟需加强.为解决这一问题,本文提出了一种二阶段篡改检测模型:在第1阶段中,通过将简单堆叠长短期记忆网络改进为多方向堆叠记忆网络,弥补了篡改特征对比方向单一的问题,并且兼顾了图像的位置信息,从而提高篡改鉴别准确率.第2阶段是在初步确定篡改区域后,基于篡改区域外围多层邻域的纹理特征,以注意力机制为核心推测中心区域纹理特征值,再与原中心区域纹理特征值对比筛选假阳性区域.实验表明,本文的改进方法是有效的. 展开更多
关键词 篡改检测 证件图像 多向堆叠记忆网络 多邻域纹理特征
在线阅读 下载PDF
时频空间Transformer网络在主机负载预测中的应用
3
作者 赵卫东 潘智涛 +1 位作者 张睿 吴乾奕 《小型微型计算机系统》 北大核心 2025年第6期1281-1288,共8页
随着大型电子业务系统和科研计算任务日益复杂,预测主机集群未来的指标数据变化趋势具有很强的现实意义.然而,主机时序数据的时空依赖问题很大程度上阻碍了主机集群资源的高效利用.为此,本文提出了TFSformer模型,该模型利用全局时空注... 随着大型电子业务系统和科研计算任务日益复杂,预测主机集群未来的指标数据变化趋势具有很强的现实意义.然而,主机时序数据的时空依赖问题很大程度上阻碍了主机集群资源的高效利用.为此,本文提出了TFSformer模型,该模型利用全局时空注意力和窗口卷积注意力解决了时空依赖问题.在时序数据预处理阶段,本文通过引入Wavelet-TCN-Embedding,实现了对主机负载特征序列的小波分解,将短期和全局时序依赖的特征有效地提取出来,从而提高了预测的准确性.其次,模型通过引入全局时空注意力和窗口卷积注意力,可以挖掘不同负载指标之间的空间依赖关系并且实现了对不同时间尺度下的时间依赖关系的关注,以此解决主机时间序列的时空依赖问题.同时,在主机系统上的实验证明了TFSformer在短期序列预测方面具备出色的性能,模型有效地提高了集群资源利用率并且降低了运维成本. 展开更多
关键词 时间序列预测 TFSformer Wavelet-TCN-Embedding 全局时空注意力 窗口卷积注意力
在线阅读 下载PDF
分布式图计算框架混合计算模式的研究 被引量:1
4
作者 丁鑫 陈榕 陈海波 《小型微型计算机系统》 CSCD 北大核心 2015年第4期665-670,共6页
分析了分布式图计算框架的同步和异步计算模式在调度开销和收敛速度上存在的优点与不足.同步计算模式调度开销小,但是收敛较慢;而异步计算模式收敛较快,但调度开销大.基于上述发现,提出一种混合计算模式,能够在分布式环境下有效地结合... 分析了分布式图计算框架的同步和异步计算模式在调度开销和收敛速度上存在的优点与不足.同步计算模式调度开销小,但是收敛较慢;而异步计算模式收敛较快,但调度开销大.基于上述发现,提出一种混合计算模式,能够在分布式环境下有效地结合同步与异步计算模式的优点克服各自不足,以获得最优性能.混合计算模式采用"同步控制流"以降低分布式环境下的调度开销,同时采用"异步数据流"使计算过程使用较新的数据以加快收敛速度.基于多个典型图算法和真实大规模图的评测显示,混合计算模式的性能是原有同步计算模式的1.2倍到2.4倍,计算量平均减少30%;相对于异步计算模式通过减少调度开销,整体性能可以提升至其2.3倍到4.6倍. 展开更多
关键词 分布式 图计算 同步计算模式 异步计算模式 数据竞争
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部