基于行为演化的学习模式识别及效果预测方法

在线学习为众多学习者提供了开放灵活的学习机会,却存在着学习者学习积极性不高、学习成绩不理想的问题。已有的在线学习效果预测工作着重从静态角度探究学习行为对成绩的影响,忽略了学习行为随时间的演化规律,缺少对行为背后学习模式和学习动机的深入探讨,而这两者正是影响学习效果的重要因素。为此,提出一种基于学习行为演化的学习模式识别及效果预测方法来建模学习行为与动机对学习效果的影响。首先,依据学习者的付出-收获量化学习效率,按时间构建学习效率动态演化序列;然后,使用高斯混合模型聚类真实学习数据并结合实际学习场景,识别4种典型学习模式;在此基础上,设计学习模式及动机预测模型,结合双向长短期记忆网络,构建学习效果预测模型。利用8门真实课程学习的公开数据,对每一种学习模式学习者的付出、收获演变规律进行细致分析。大量对比实验结果表明所提方法在多个性能指标上提升了6.9%~29.2%。本研究有助于在线学习者、教学者和平台准确理解学习者的学习状态,从而提升在线学习效果。

大规模图神经网络研究综述

图神经网络凭借其处理非欧氏空间数据及其复杂特征方面的优越性受到了大量的关注,并且被广泛应用于推荐系统、知识图谱、交通道路分析等场景中.面对大规模数据,图结构的不规则性、节点特征的复杂性以及训练样本之间的依赖性对图神经网络模型的计算效率、内存管理以及分布式系统中的通信开销造成了巨大的压力.为应对和缓解以上问题,研究者从应用场景、算法模型、编程框架和硬件结构等多个层面对其进行了优化.本文主要回顾和总结了算法模型及编程框架方面的优化,为读者了解面向大规模数据的图神经网络采样算法以及框架优化相关工作提供帮助,为未来算法-框架协同优化奠定基础.具体来说,本文首先简要介绍图神经网络模型中的消息传递机制,分类介绍常见的图神经网络模型,并分析其在大规模数据训练中面临的困难和挑战;然后对面向大规模数据的图神经网络算法模型进行分类总结和分析,包括基于节点、边和子图的采样算法;接着介绍图神经网络编程框架加速的相关进展,主要包括主流框架的介绍以及优化技术的分类总结和分析;最后对未来面向大规模数据的图神经网络研究进行展望.

联邦学习的隐私保护与安全防御研究综述

联邦学习作为人工智能领域的新兴技术,它兼顾处理“数据孤岛”和隐私保护问题,将分散的数据方联合起来训练全局模型同时保持每一方的数据留在本地.联邦学习在很大程度上给需要将数据融合处理的数据敏感型应用带来了希望,但它仍然存在一些潜在的隐私泄露隐患和数据安全问题.为了进一步探究基于联邦学习的隐私保护和安全防御技术研究现状,本文对联邦学习的隐私和安全问题在现有最前沿的研究成果上进行了更清晰的分类,并对威胁隐私和安全的手段进行了威胁强度的划分.本文首先介绍了涉及联邦学习隐私和安全问题的威胁根源,并从多个方面罗列了其在联邦学习中的破坏手段及威胁性.其次,本文总结了关于联邦学习隐私和安全问题所面临的挑战.对于隐私保护而言,本文同时分析了包括单个恶意参与方或中央服务器的攻击和多方恶意合谋泄露隐私的场景,并探讨了相应的最先进保护技术.对于安全问题而言,本文着重分析了影响全局模型性能的多种恶意攻击手段,并系统性地阐述了先进的安全防御方案,以帮助规避构建安全的大规模分布式联邦学习计算环境中潜在的风险.同时与其他联邦学习相关综述论文相比,本文还介绍了联邦学习的多方恶意合谋问题,对比分析了现有的联邦安全聚合算法及安全开源框架,致力于为研究人员提供该领域更清晰的视野.最后,本文讨论了联邦学习技术面临的挑战和未来研究方向,以期望进一步推进联邦学习在人工智能场景下的安全应用.

机器人操作系统ROS安全性研究综述

机器人日益走进人们的日常生活,也受到了国内外越来越多的关注.机器人系统的一个重要特性是安全性,增强机器人系统的安全性可以保护机器人免受恶意攻击者的入侵.机器人操作系统的安全性是机器人系统安全性的重要组成部分.虽然近年来研究人员针对机器人操作系统的安全性做了许多研究工作,但遗憾的是,安全性目前还没有得到足够的重视.为了引起人们对机器人系统安全性更多的关注,同时帮助人们快速了解当前主流机器人操作系统ROS(robot operating system)的安全性解决方案,对ROS的安全性进行系统的调研和总结.一方面,深入分析ROS的安全特性,总结ROS中已知的安全问题.另一方面,对近年来ROS安全性相关的研究进行分类分析和概括总结,并从机密性、完整性和可用性这3个方面,对众多ROS的安全性解决方案进行比较.最后,对ROS安全性研究的前景进行展望.

基于异构系统的多级并行稀疏张量向量乘算法

张量在许多实际应用中被用来表示大规模、多源、高维、多模态的数据.稀疏张量分解作为挖掘数据中隐藏信息的有效方法之一,已被广泛应用于机器学习、文本分析、生物医疗等研究领域中.稀疏张量向量乘(Sparse Tensor-VectorMultiplication,SpTV)是张量分解中最基础、耗时最多的运算之一.为加速大数据和人工智能相关应用的运行效率,本文提出了基于CPU-GPU异构结构的多级并行SpTV加速算法.首先,为了将SpTV运算映射到混合、多级并行的分布式CPU-GPU异构多/众核构架,本文设计了一种多维并行SpTV划分方法,采用面向节点级并行的N-1维张量划分和面向GPU线程级并行的矩阵划分,充分利用计算节点间和节点内的多级并行计算能力.其次,设计了一种基于稀疏张量纤维的压缩存储格式,压缩稀疏张量的内存占用,优化SpTV运算的计算和访存模式.最后,提出了基于多流并行的异构高效SpTV算法,进一步设计了稀疏张量的细粒度划分方法、多流并行运行机制和基于张量块排序的多流并行优化技术,实现了SpTV运算中通信开销和计算开销的相互重叠与隐藏.实验结果表明,与相关工作aeSpTV相比,所提出的SpTV算法在所有测试数据集上最高能够获得3.28倍的加速比.

基于浏览器扩展的RPA系统跨域DOM拾取与自动化方案

机器人流程自动化(Robotic Process Automation,RPA)是当今的研究热点之一,对网页元素的拾取和自动化是RPA的重要功能之一。RPA通过使用浏览器扩展向网页中注入脚本程序以处理网页,使用网页元素定位路径定位到目标节点进行自动化操作,在源网页中存在跨域frame时,由于同源策略的限制,注入源网页的脚本无法获取到目标节点的DOM对象,导致无法生成网页元素定位路径,从而无法自动化。文中提出了一种基于浏览器扩展的RPA系统设计方案,该方案能够对跨域DOM进行拾取和自动化。该方案在处理包含第三方跨域frame的网页时,将其看作与源网页frame地位相等的frame进行处理,网页元素定位路径设计为包含frame的url和网页元素Xpath的形式,以实现跨域网页元素拾取和自动化的功能。实验结果表明,该方案能够有效地对包含跨域资源的网页进行拾取和自动化操作,且同时支持chrome,firefox等支持浏览器扩展的浏览器。

基于分治的背包问题DNA计算机算法

如何减少DNA计算机在求解大型难解问题中以问题输入纯指数增长的DNA链数,已成为DNA计算机研究的重要内容.将分治策略应用于背包问题的DNA分子计算中,提出一种求解背包问题的新的DNA计算机算法.算法由n位并行减法器、n位数据搜索器和其他4个子算法组成.算法的DNA链数可达到亚指数的O(2q/2),其中q为背包问题的维数.与最近文献结论进行的对比分析表明:算法将求解背包问题所需的DNA链数从O(2q)减少至O(2q/2),最大链长度减少为原来的1/2,因此,理论上新算法在试管级水平上能将可破解的背包公钥的维数从60提高到120.

基于自组装模型的最大团问题DNA计算算法

DNA计算在解决NP完全问题时,有着传统图灵机无法比拟的优势.但是随着DNA计算研究的不断深入,传统DNA计算模型显现出杂交错误率和生化操作复杂性过高的缺点.如何提高DNA计算结果的准确性在DNA计算研究中日显重要.针对NP完全的最大团问题,引入DNA自组装模型,提出了一种求解最大团问题的DNA计算算法.算法通过减少实验的操作步骤数,以降低生化解的错误率,给出了DNA分子的编码方案及结果检测的实验方法.算法设计的tiles种类为Θ(n+|E|),生化操作复杂性为Θ(1),其中n为图的顶点数,|E|为边数.与求解最大团问题的其他DNA算法的对比分析表明,本算法不仅明显提高了生化解的准确性,且算法的生化实验复杂度低,具有良好的实验操作性.

背包问题的一种自适应算法

背包问题是经典的NP hard组合优化问题之一 ,由于其难解性 ,该问题在信息密码学和数论研究中具有极重要的应用 基于求解背包问题著名的二表算法和动态二表算法 ,利用归并原理和 4个非平衡的子表 ,提出一种求解该问题的自适应算法 ,算法可根据计算资源和问题实例规模的大小 ,允许使用O (2 n/ 2 -ε)的存储空间 (1≤ε≤n/ 4 ) ,在O(ε(2 n/ 2 ) )的时间内求解背包问题 对算法性能的理论分析和数值实验结果表明 ,自适应算法可显著扩大背包实例的求解规模 。

基于CUDA的Kirchhoff叠前时间偏移算法设计与实现

Kirchhoff叠前时间偏移是地震数据处理中最耗时的常用模块之一。为加快计算和显示速度,针对CU-DA平台多处理器流水线特性,对传统Kirchhoff叠前时间偏移算法在CUDA平台上进行了重新设计,包括基于CUDA的Kirchhoff叠前时间偏移算法、基于CUDA的纵波波动方程算法和GPU与CPU间的通信算法三个子算法。所有算法在NVIDIAGeForce8800 GT系统上编译实现,通过对比相同数据在Intel Core2Due CPU2.0 GHz的地震偏移,综合分析和实验结果表明,基于CUDA的Kirchhoff叠前时间偏移算法的计算速度最高可得到较传统CPU算法6倍的加速比,从而为快速处理地震偏移提供良好的支持。

一种求解Ramsey数的DNA计算机算法

Ramsey理论是组合数学中一个庞大而又丰富的领域,在集合论、逻辑学、分析以及代数学上具有极重要的应用.Ramsey数的求解是非常困难的,迄今为止只求出9个Ramsey数的准确值.探讨了DNA生物分子超级计算在求解这一困难数学问题的可能性.将Adleman-Lipton模型生物操作与粘贴模型解空间相结合的DNA计算模型进行扩展,在许进等人提出来的位序列编码方法的基础上,提出一种用于求解Ramsey数的DNA计算模型与算法.从下界开始,直到上界,每次产生问题的解空间,然后根据Ramsey数的定义,删除满足特定条件的解,最后检测最终的试管以确定当前值是否为所要求的Ramsey数,最终得到具体的Ramsey数值.算法性能理论分析和模拟实验结果表明了本算法在求解Ramsey数的理论可能性.

一种改进的最大团问题DNA计算机算法(英文)

随着DNA计算的不断发展,如何克服穷举算法带来的指数爆炸问题已成为DNA计算领域的重要研究目标之一.将图灵机中的剪枝算法设计技术应用于最大团问题的DNA计算中,提出一种最大团问题的新DNA计算机算法.算法由顶点度数搜索器、团生成器、稀疏图与稠密图并行搜索器以及最大团搜索器组成.与已有文献同类算法的对比分析表明:文中算法在保持多项式操作时间的条件下,将求解n个顶点的最大团问题所需DNA分子链数从现有文献的O(2n)减少至O(3^(1/2)~n),同时文中算法还具有高效的空间利用率及容错能力的优点.

子集和问题的O（1．414^n）链数DNA计算机算法

随着DNA计算机研究的不断深入,如何克服DNA生物计算中穷举法的极限已成为DNA计算研究的重要内容之一.为设计可扩展的子集和问题DNA计算机算法,文中将Aldeman-Lipton模型的操作与粘贴模型的解空间结合,引入荧光标记和凝胶电泳技术,通过设计DNA并行搜索器,提出一种求解子集和问题的DNA计算机模型和算法.与已有文献结论的对比分析表明:文中算法在保持多项式生物操作复杂性的条件下,将穷举算法中的DNA分子链数从O(2n)减少至O(1.414n),其中n为子集和问题的维数.因此,文中算法理论上在试管级生化反应条件下能将可破解子集和公钥的维数从60提高到120.

精确覆盖问题的O(1．414^n)链数DNA计算机算法

DNA计算机的可扩展性问题是近年来生物计算领域的重要研究重点之一.根据精确覆盖问题DNA计算求解过程中的并行计算需求,将Aldeman-Lipton模型的操作与粘贴模型的解空间结合,引入荧光标记和凝胶电泳技术,提出了一种求解精确覆盖问题的DNA计算模型和基于分治方法的DNA计算机算法.算法由初始解空间生成算法Init()、冗余解删除算法IllegalRemove()和并行搜索器ParallelSeacher()共3个子算法组成.与同类算法的性能比较分析表明:本算法在保持多项式生物操作复杂性的条件下,将求解n维精确覆盖问题的DNA链数从O(2n)减少至O(1.414n),从而将DNA计算机在试管内可求解的精确覆盖问题集合的基数从60提高到120,改进了相关文献的研究结果.

背包问题无存储冲突的并行三表算法

背包问题属于经典的NP难问题,在信息密码学和数论等研究中具有极重要的应用.将求解背包问题著名的二表算法的设计思想应用于三表搜索中,利用分治策略和无存储冲突的最优归并算法,提出一种基于EREW-SI MD共享存储模型的并行三表算法.算法使用O(2n/4)个处理机单元和O(23n/8)的共享存储空间,在O(23n/8)时间内求解n维背包问题.将提出的算法与已有文献结论进行的对比分析表明:文中算法明显改进了现有文献的研究结果,是一种可在小于O(2n/2)的硬件资源上,以小于O(2n/2)的计算时间求解背包问题的无存储冲突并行算法.

图3-着色问题的O(2^n)链数DNA计算机算法

随着DNA计算的不断发展,如何克服穷举算法带来的指数爆炸问题已成为DNA计算领域的重要研究目标之一.为减少图3-着色问题DNA计算机算法中的DNA链数,本文将Adleman-Lipton模型生物操作与粘贴模型解空间相结合的DNA计算模型进行扩展,通过设计顶点着色器、稀疏图/稠密图搜索器,提出一种用于求解图3-着色问题的DNA计算模型与算法.将本算法与同类算法对比分析表明:本算法在保持多项式操作时间的条件下,将求解n个顶点的图3-着色问题所需DNA分子链数从O(3n)减少至O(2n),改进了3-着色问题同类文献的研究结果.

基于MPI+OpenMP混合模型的并行地震数据处理支撑库的研究

计算机集群技术已经引起了石油地球物理界的广泛关注,如何将现有地震数据处理模块快速、高效地移植到集群上已成为地震数据处理需要解决的重大课题。本文将现有的基于消息传递(MPI)的并行地震处理模型与共享存储(OpenMP)模型相结合,实现了一个适合于SMP集群的并行地震数据支撑库,将涉及到消息传递的并行地震数据操作以直观的API的形式提供给开发人员。本文利用支撑库提供的API开发了一些测试模块。实验证明,支撑库可支持现有地震数据处理和显示模块的多种并行计算模型,并且能够获得较高的并行加速比和计算效率。

子集和问题的改进算法

1.导言 子集和问题可描述如下:给定n个正整数W=(w1,w2,…,wm)和正整数M,要求寻找这样一个子集I {1,2,…,n},使得∑wi=M,i∈I.子集和问题属于NP完全问题[2],直接的枚举搜索可能遍历问题的所有2n个解空间,即直接搜索最坏情况下的时间复杂性为O(2n).

提高软件成本估计精度的方法

提出了一种估计软件成本的新方法,该方法允许使用一个替代变量去代替变量事先无法知道的软件规模的准确值,并在替代变量已知的情况下,给出了软件成本的估计和置信区间.实践表明,该方法的成本估计值比传统的标准回归分析方法和COCOMO方法更为精确.

整数规划的新算法

整数规划是 NP困难的经典问题之一 ,将传统的二分搜索方法推广应用到整数规划的解空间中 ,提出一种求解整数规划的新算法 .当问题变量数固定时 ,算法的时间复杂性为 O(L log L ) ,其中 L 为问题实例的输入规模 .理论分析和实验结果表明 :新算法不仅初步解决了目前求解系数呈指数增长的整数规划问题时存在的实质性困难 ,可直接用于此类大规模问题的求解 .同时由于其特别适合并行处理的算法结构 。