基于命名及解析行为特征的异常域名检测方法

设计了DNS解析统计向量和检测特征向量,提出了一种基于命名及解析行为特征的异常域名检测方法,通过应用真实DNS解析数据的实验验证了该方法的有效性和可行性。实验表明,该方法较现有方法能够发现更多的异常域名,且具有较低的误报率。该方法是对现有方法检测能力的补充和提高,为僵尸网络等安全事件的检测与控制提供有效的信息支持和技术手段。

自主式交通系统架构自适应演进方法

基于本体技术和语义逻辑表达方法,以知识图谱的形式建立了自主式交通系统标准化知识库。进一步提出基于演进分析的架构自适应转换方案,通过推断系统在代际间的演进过程,实现具体架构随代际演进的自动转变。最后,以开源自主式交通系统知识图谱为例,评估了提出方法的可行性。相比对照方案,本文方法对高效分析系统演进以及实现架构合理自组织具有较大优势,能满足交通系统向自主化发展的需求。

机器人吸尘器环境建模与路径规划研究综述

介绍了人工智能在机器人吸尘器的环境建模和路径规划的主要方法。详细解析每种算法的特点。并结合实例,根据吸尘器用传感器不确定性的特点,提出了基于信息理论的路径规划方法,给出了研究结果。旨在帮助自主吸尘器研究人员学习环境建模和路径规划的主要算法。

加拿大养老体制及养老服务技术概述

加拿大如今有超过1万名百岁老人,是2001年的三倍,到本世纪中叶应该能达到4万人左右。现在,加拿大65岁及以上的人口多于14岁及以下的人口,而且这种趋势在未来几年还会扩大。本文调研了加拿大人口老龄化问题、养老住所、监管法规、投资长期护理的社会经济效益,收集整理了养老服务协会,以及用于养老的新技术、现有养老机构的主要问题等信息。希望为我国老龄化社会及智能养老解决方案提供借鉴。

面向个体出行推荐的联邦异质性模型和算法

为实现兼顾偏好异质性与数据隐私化的个体出行推荐,基于模型参数化聚合与分布式训练的联邦学习计算范式,提出了一种联邦混合罗吉特(FMXL)模型,可解构标准MXL模型,以实现本地个体偏好与全局群体差异参数估算的分离;为了消除模型对原始数据的依赖,提出了标准与聚合2种联邦吉布斯抽样算法,通过本地与全局参数的交互,实现模型的层次化联合估计;为了验证所提模型与算法,基于Swiss Metro公开数据集,分别搭建了离线与在线2种出行推荐场景。分析结果表明:针对离线场景,2种联邦吉布斯抽样算法拟合的FMXL模型与标准多项式罗吉特模型相比,其对数似然值分别增大了157.8和153.2,预测率分别提升了12.3%和12.1%;与基于集中式吉布斯抽样算法拟合的MXL模型相比,其计算时间分别缩短了64.2%和76.9%,通信时间均缩短了86.2%;针对在线场景,FMXL模型的对数似然值和预测率均呈上升趋势,且整个估计过程的计算和通信时间均低于标准MXL模型。可见,以数据隐私化处理为前提,MXL模型的联邦化训练既能保证出行推荐的精准性,也能充分调动用户端闲置算力,有效提升出行推荐的时效性,体现了所提模型和算法的高适应和可拓展能力,同时基于联邦异质性模型的个体出行推荐还能有效推进交通系统的智能化进程。