期刊文献+
共找到314篇文章
< 1 2 16 >
每页显示 20 50 100
基于改进DNN网络的电装产线质量预测方法
1
作者 许政 阮西玥 《航空计算技术》 2024年第4期125-129,134,共6页
随着航空机载电装模块功能多元化、尺寸精细化、器件复杂化程度的不断提升,对SMT产线电装质量提出了新的挑战,目前SMT产线生产过程普遍存在产品质检数据关联性较差,产品质量分析滞后及预测性差等问题,而传统的统计分析方法无法有效提取... 随着航空机载电装模块功能多元化、尺寸精细化、器件复杂化程度的不断提升,对SMT产线电装质量提出了新的挑战,目前SMT产线生产过程普遍存在产品质检数据关联性较差,产品质量分析滞后及预测性差等问题,而传统的统计分析方法无法有效提取海量无序数据中的知识和规律,提出一种基于深度学习的电装质量预测方法。首先,构建质量评价方法,确定电装质量的影响因素;其次,利用主成分分析法(Principal Components Analysis,PCA)对质量数据进行预处理,剔除非相关特征;然后,引入DNN网络,构建电装质量预测模型,利用BFO-PSO优化算法搜寻网络的最优隐含层层数及节点数;最后,通过航空电装产线实际制造数据进行仿真测试,验证了所提出方法的有效性和科学性。 展开更多
关键词 SMT产线 电装质量预测 BFO-PSO优化算法 dnn网络 智能制造
下载PDF
基于改进GRU-DNN的收货风险预警模型构建及仿真
2
作者 陈清兵 章光东 +1 位作者 徐康 肖志敏 《微型电脑应用》 2024年第5期132-135,共4页
针对现有收货风险预警方法准确率低的问题,结合Gate Recurrent Unit(GRU)和Deep Neural Networks(DNN),提出一种基于改进GRU-DNN模型的收货风险分析方法。通过采用模糊综合分析法(FSA)筛选出收货风险主要评价指标,并将指标输入通过对抗... 针对现有收货风险预警方法准确率低的问题,结合Gate Recurrent Unit(GRU)和Deep Neural Networks(DNN),提出一种基于改进GRU-DNN模型的收货风险分析方法。通过采用模糊综合分析法(FSA)筛选出收货风险主要评价指标,并将指标输入通过对抗性训练与预测相似性改进的GRU-DNN网络中进行分类识别,实现了收货风险分析。仿真结果表明,所提的改进GRU-DNN风险预警方法可实现收货风险预警,且在准确率、精确率、召回率、F 1各项指标上表现良好,均达到86%以上的有效率,相较于传统基于DNN、Convolutional Neural Network(CNN)和Multivariable Linear Regression Model(MLR)等模型的风险预警方法,具有明显的优势和良好的预测性能和鲁棒性。 展开更多
关键词 风险评价 模糊聚类 GRU模型 dnn网络
下载PDF
基于多DNN的5G双域专网模式的研究与应用
3
作者 饶亮 《长江信息通信》 2024年第5期172-174,共3页
随着5G ToB网络的不断演进,基于ULCL(上行分流器)的双域专网越来越被市场特别是高校类客户所接受,其最大的亮点是数据不出园区,用户不用更换终端和手机卡便可以同时使用公网和内网,兼顾了内网数据保密性和使用公网的便捷性,但是目前大... 随着5G ToB网络的不断演进,基于ULCL(上行分流器)的双域专网越来越被市场特别是高校类客户所接受,其最大的亮点是数据不出园区,用户不用更换终端和手机卡便可以同时使用公网和内网,兼顾了内网数据保密性和使用公网的便捷性,但是目前大部分的基于ULCL双域专网方案是基于单DNN的模式,漫游场景下时延较高,时延敏感型体验较差;核心网业务数据配置复杂。对此,文章介绍了一种基于多DNN的双域专网模式,进一步提升用户的感知,并通过实际案例验证了方案的可行性。 展开更多
关键词 dnn ULCL 双域专网
下载PDF
基于DNN整机建模的滚珠丝杠进给系统关键结合部动态特性参数辨识
4
作者 朱迪 张玮 +1 位作者 黄之文 朱坚民 《振动与冲击》 EI CSCD 北大核心 2023年第3期243-254,279,共13页
针对滚珠丝杠进给系统关键结合部动态特性参数的辨识精度不高等问题。提出利用可表征结合部动态特性参数与整机固有频率之间映射关系的深度神经网络(deep neural network, DNN)建立进给系统整机的等效动力学模型;结合进给系统固有频率的... 针对滚珠丝杠进给系统关键结合部动态特性参数的辨识精度不高等问题。提出利用可表征结合部动态特性参数与整机固有频率之间映射关系的深度神经网络(deep neural network, DNN)建立进给系统整机的等效动力学模型;结合进给系统固有频率的DNN预测值与实验模态分析值,采用粒子群优化(particle swarm optimization, PSO)算法对进给系统关键结合部的不同方向的刚度、阻尼参数同时辨识。以自行设计制造的进给系统实验台为实例进行整机建模、实验、参数辨识等分析;最终的辨识结果达到很高精度,说明该方法是可行、有效的。 展开更多
关键词 滚珠丝杠进给系统 关键结合部 动态特性参数 深度神经网络(dnn) 整机建模
下载PDF
基于无监督DNN和Sub-6GHz的毫米波功率控制算法
5
作者 孙长印 毛亚宁 +1 位作者 江帆 王军选 《西安邮电大学学报》 2023年第2期29-38,共10页
针对毫米波(millimeter Wave,mmW)系统中有监督深度神经网络(Deep Neural Networks,DNN)功率控制算法的性能受限及mmW信道信息测量质量不佳的问题,提出一种基于无监督DNN(Unsupervised DNN,UDNN)和Sub-6GHz频段的mmW功率控制算法。将最... 针对毫米波(millimeter Wave,mmW)系统中有监督深度神经网络(Deep Neural Networks,DNN)功率控制算法的性能受限及mmW信道信息测量质量不佳的问题,提出一种基于无监督DNN(Unsupervised DNN,UDNN)和Sub-6GHz频段的mmW功率控制算法。将最大化系统和速率设置为UDNN的损失函数,改进有监督学习的性能上限并利用集成学习进一步提升算法性能,最终实现输入Sub-6GHz频段信道信息即可得到mmW频段最优功率分配。为了验证所提算法的可行性,将所提算法与加权最小均方误差算法、最大功率控制算法、随机功率控制算法和二进制穷举搜索算法的系统和速率进行对比。验证结果表明,所提算法的和速率性能分别是其他4种算法的1.121倍、2.322倍、1.843倍和1.022倍,且采用Sub-6GHz预测mmW功率控制可全程逼近使用mmW信道预测功率控制的性能。 展开更多
关键词 毫米波通信 无监督dnn 深度神经网络 功率分配 系统和速率 集成学习
下载PDF
Hyperparameter Tuning for Deep Neural Networks Based Optimization Algorithm 被引量:3
6
作者 D.Vidyabharathi V.Mohanraj 《Intelligent Automation & Soft Computing》 SCIE 2023年第6期2559-2573,共15页
For training the present Neural Network(NN)models,the standard technique is to utilize decaying Learning Rates(LR).While the majority of these techniques commence with a large LR,they will decay multiple times over ti... For training the present Neural Network(NN)models,the standard technique is to utilize decaying Learning Rates(LR).While the majority of these techniques commence with a large LR,they will decay multiple times over time.Decaying has been proved to enhance generalization as well as optimization.Other parameters,such as the network’s size,the number of hidden layers,drop-outs to avoid overfitting,batch size,and so on,are solely based on heuristics.This work has proposed Adaptive Teaching Learning Based(ATLB)Heuristic to identify the optimal hyperparameters for diverse networks.Here we consider three architec-tures Recurrent Neural Networks(RNN),Long Short Term Memory(LSTM),Bidirectional Long Short Term Memory(BiLSTM)of Deep Neural Networks for classification.The evaluation of the proposed ATLB is done through the various learning rate schedulers Cyclical Learning Rate(CLR),Hyperbolic Tangent Decay(HTD),and Toggle between Hyperbolic Tangent Decay and Triangular mode with Restarts(T-HTR)techniques.Experimental results have shown the performance improvement on the 20Newsgroup,Reuters Newswire and IMDB dataset. 展开更多
关键词 Deep learning deep neural network(dnn) learning rates(LR) recurrent neural network(RNN) cyclical learning rate(CLR) hyperbolic tangent decay(HTD) toggle between hyperbolic tangent decay and triangular mode with restarts(T-HTR) teaching learning based optimization(TLBO)
下载PDF
基于DNN-HMM的蒙古语声学模型结构实验研究 被引量:1
7
作者 李晋益 马志强 +2 位作者 刘志强 朱方圆 王洪彬 《中文信息学报》 CSCD 北大核心 2023年第8期52-65,共14页
DNN-HMM作为语音识别中的一种混合建模技术,由深度神经网络和隐马尔可夫模型组成。在使用蒙古语语料库构建DNN-HMM声学模型的过程中,为了研究DNN-HMM结构对蒙古语声学建模的影响以及蒙古语语料库规模与DNN-HMM声学模型结构的关系,通过设... DNN-HMM作为语音识别中的一种混合建模技术,由深度神经网络和隐马尔可夫模型组成。在使用蒙古语语料库构建DNN-HMM声学模型的过程中,为了研究DNN-HMM结构对蒙古语声学建模的影响以及蒙古语语料库规模与DNN-HMM声学模型结构的关系,通过设计DNN-HMM声学模型中DNN的结构,该文提出Rectangle DNN-HMM、Trapezoid DNN-HMM、Polygon DNN-HMM和Hourglass DNN-HMM四种结构的DNNHMM声学模型,并以Kaldi实验平台为基础进行实验,选取音素作为建模单元,使用三种规模的蒙古语语料库分别构建四种结构的DNN-HMM声学模型。深度结构和宽度结构实验结果表明,深度为6层的Polygon DNNHMM结构适合蒙古语声学模型建模;随着语料库规模的增大,通过适当增加声学模型的宽度,可以使声学模型的每一层都能学习到更丰富的语音特征,提高语音识别的准确率。 展开更多
关键词 dnn-HMM 声学模型 深度神经网络 蒙古语声学模型
下载PDF
基于POD-DNN代理模型的闸墩锚索有效预应力反演 被引量:1
8
作者 崔岗 周广得 +1 位作者 凌骐 张翰 《水力发电》 CAS 2023年第9期53-56,111,共5页
为掌握锚索的有效预应力,确保混凝土预应力闸墩的安全可靠,建立了结合PSO算法的POD-DNN高效反演方法。使用LHS方法在设计空间中采样,并通过有限元计算相应的响应获得数据样本集;利用本征正交分解对数据集进行降维,建立POD-DNN代理模型;... 为掌握锚索的有效预应力,确保混凝土预应力闸墩的安全可靠,建立了结合PSO算法的POD-DNN高效反演方法。使用LHS方法在设计空间中采样,并通过有限元计算相应的响应获得数据样本集;利用本征正交分解对数据集进行降维,建立POD-DNN代理模型;结合PSO算法,对混凝土预应力闸墩锚索有效预应力进行了反演。结果表明,该方法能够准确快速地反演锚索的有效预应力,适用于大体积混凝土水工建筑物的反演问题。 展开更多
关键词 预应力锚索 有效预应力 反演分析 深度神经网络 粒子群算法 本征正交分解 拉丁超立方抽样 代理模型
下载PDF
Detecting and Mitigating DDOS Attacks in SDNs Using Deep Neural Network
9
作者 Gul Nawaz Muhammad Junaid +5 位作者 Adnan Akhunzada Abdullah Gani Shamyla Nawazish Asim Yaqub Adeel Ahmed Huma Ajab 《Computers, Materials & Continua》 SCIE EI 2023年第11期2157-2178,共22页
Distributed denial of service(DDoS)attack is the most common attack that obstructs a network and makes it unavailable for a legitimate user.We proposed a deep neural network(DNN)model for the detection of DDoS attacks... Distributed denial of service(DDoS)attack is the most common attack that obstructs a network and makes it unavailable for a legitimate user.We proposed a deep neural network(DNN)model for the detection of DDoS attacks in the Software-Defined Networking(SDN)paradigm.SDN centralizes the control plane and separates it from the data plane.It simplifies a network and eliminates vendor specification of a device.Because of this open nature and centralized control,SDN can easily become a victim of DDoS attacks.We proposed a supervised Developed Deep Neural Network(DDNN)model that can classify the DDoS attack traffic and legitimate traffic.Our Developed Deep Neural Network(DDNN)model takes a large number of feature values as compared to previously proposed Machine Learning(ML)models.The proposed DNN model scans the data to find the correlated features and delivers high-quality results.The model enhances the security of SDN and has better accuracy as compared to previously proposed models.We choose the latest state-of-the-art dataset which consists of many novel attacks and overcomes all the shortcomings and limitations of the existing datasets.Our model results in a high accuracy rate of 99.76%with a low false-positive rate and 0.065%low loss rate.The accuracy increases to 99.80%as we increase the number of epochs to 100 rounds.Our proposed model classifies anomalous and normal traffic more accurately as compared to the previously proposed models.It can handle a huge amount of structured and unstructured data and can easily solve complex problems. 展开更多
关键词 Distributed denial of service(DDoS)attacks software-defined networking(SDN) classification deep neural network(dnn)
下载PDF
A Hybrid DNN-RBFNN Model for Intrusion Detection System
10
作者 Wafula Maurice Oboya Anthony Waititu Gichuhi Anthony Wanjoya 《Journal of Data Analysis and Information Processing》 2023年第4期371-387,共17页
Intrusion Detection Systems (IDS) are pivotal in safeguarding computer networks from malicious activities. This study presents a novel approach by proposing a Hybrid Dense Neural Network-Radial Basis Function Neural N... Intrusion Detection Systems (IDS) are pivotal in safeguarding computer networks from malicious activities. This study presents a novel approach by proposing a Hybrid Dense Neural Network-Radial Basis Function Neural Network (DNN-RBFNN) architecture to enhance the accuracy and efficiency of IDS. The hybrid model synergizes the strengths of both dense learning and radial basis function networks, aiming to address the limitations of traditional IDS techniques in classifying packets that could result in Remote-to-local (R2L), Denial of Service (Dos), and User-to-root (U2R) intrusions. 展开更多
关键词 Dense Neural network (dnn) Radial Basis Function Neural network (RBFNN) Intrusion Detection System (IDS) Denial of Service (DoS) Remote to Local (R2L) User-to-Root (U2R)
下载PDF
OclDNN:一种可应用于TensorFlow的通用DNN库
11
作者 陈锐 孙羽菲 +4 位作者 郭强 隋轶丞 周振辉 石昌青 张玉志 《计算机工程》 CAS CSCD 北大核心 2023年第4期138-148,共11页
深度学习模型的构建、训练以及推理离不开TensorFlow等机器学习框架中深度学习算子的支撑,对于卷积、池化等深度学习中被高频调用或计算量较大的算子,机器学习框架一般通过调用深度神经网络(DNN)库来提升计算效能。现有DNN库主要由英伟... 深度学习模型的构建、训练以及推理离不开TensorFlow等机器学习框架中深度学习算子的支撑,对于卷积、池化等深度学习中被高频调用或计算量较大的算子,机器学习框架一般通过调用深度神经网络(DNN)库来提升计算效能。现有DNN库主要由英伟达、AMD等少数国外厂商开发并根据自有硬件设备特点进行优化,但其封闭性导致其他厂商生产的通用加速器难以在深度学习领域发挥作用。为解决现有DNN库无法支持国产加速器的问题,使得深度学习模型能够调用国产加速器进行运算,研究跨平台的通用DNN库,通过对开源MIOpen的结构特点和调用方式进行分析,提出修改和重构该库的方法,并实现一种基于OpenCL的DNN(OclDNN)库。考虑到TensorFlow较高的流行度及其对DNN库调用的特殊性与复杂性,研究通用DNN库在TensorFlow中的集成方法,通过StreamExecutor中的OpenCL平台实现对OclDNN的调用。实验结果表明,OclDNN在英伟达、华为等不同厂商的计算设备上运算结果正确可靠,在相同实验环境下,深度学习算子使用OclDNN时的加速性能比传统CPU并行算法提升了5~60倍。 展开更多
关键词 深度神经网络库 深度学习 开放计算语言 硬件加速器 TensorFlow框架
下载PDF
基于机器学习的语音增强技术 被引量:1
12
作者 杨涛 《电声技术》 2024年第3期39-41,共3页
主要研究基于机器学习的语音增强技术,以提升语音信号的质量。首先,介绍基于机器学习的语音增强系统框架。其次,详细探讨谱减法与深度神经网络(Deep Neural Network,DNN)相结合的语音增强方法的数学原理。最后,采用NOISEX-92数据集测试... 主要研究基于机器学习的语音增强技术,以提升语音信号的质量。首先,介绍基于机器学习的语音增强系统框架。其次,详细探讨谱减法与深度神经网络(Deep Neural Network,DNN)相结合的语音增强方法的数学原理。最后,采用NOISEX-92数据集测试与评估提出的方法。实验结果表明,基于谱减法与DNN的语音增强方法在提升信噪比和语音清晰度方面取得显著的效果,能够有效提升语音通信质量。 展开更多
关键词 谱减法 深度神经网络(dnn) 语音增强 去噪
下载PDF
图像对抗样本检测综述 被引量:1
13
作者 周涛 甘燃 +2 位作者 徐东伟 王竟亦 宣琦 《软件学报》 EI CSCD 北大核心 2024年第1期185-219,共35页
深度神经网络是人工智能领域的一项重要技术,它被广泛应用于各种图像分类任务.但是,现有的研究表明深度神经网络存在安全漏洞,容易受到对抗样本的攻击,而目前并没有研究针对图像对抗样本检测进行体系化分析.为了提高深度神经网络的安全... 深度神经网络是人工智能领域的一项重要技术,它被广泛应用于各种图像分类任务.但是,现有的研究表明深度神经网络存在安全漏洞,容易受到对抗样本的攻击,而目前并没有研究针对图像对抗样本检测进行体系化分析.为了提高深度神经网络的安全性,针对现有的研究工作,全面地介绍图像分类领域的对抗样本检测方法.首先根据检测器的构建方式将检测方法分为有监督检测与无监督检测,然后根据其检测原理进行子类划分.最后总结对抗样本检测领域存在的问题,在泛化性和轻量化等方面提出建议与展望,旨在为人工智能安全研究提供帮助. 展开更多
关键词 深度神经网络 对抗样本检测 人工智能安全 图像分类
下载PDF
基于RF-RFE算法的地铁车站洪涝灾害预测研究 被引量:1
14
作者 白莲 刘平 《铁道标准设计》 北大核心 2024年第3期192-197,207,共7页
地铁车站形式以地下段为主,进入雨期时受到洪涝灾害的威胁,易发生雨水倒灌现象,严重影响居民出行和地铁安全运营。为进一步提高地铁车站洪涝灾害预测的效果,提出基于RF-RFE和DNN神经网络的地铁车站洪涝灾害预测方法。首先,通过收集并分... 地铁车站形式以地下段为主,进入雨期时受到洪涝灾害的威胁,易发生雨水倒灌现象,严重影响居民出行和地铁安全运营。为进一步提高地铁车站洪涝灾害预测的效果,提出基于RF-RFE和DNN神经网络的地铁车站洪涝灾害预测方法。首先,通过收集并分析已发生地铁车站洪涝灾害的案例,采用文献综述结合专家访谈的方法,构建地铁车站洪涝灾害初始变量集;然后,利用随机森林—递归特征消除(RF-RFE)算法,计算初始变量重要性并完成变量分类正确率排序,从初始变量集中筛选出重要变量;最后,建立DNN神经网络预测模型,并以筛选出的重要变量作为输入样本,训练DNN神经网络,完成对地铁车站洪涝灾害的预测。研究结果表明:(1)变量选择可提高预测模型精度,与初始变量集的DNN神经网络预测模型相比,数据筛选后的DNN神经网络预测模型准确率提高了4.36%;(2)RF-RFE和DNN神经网络算法结合具有良好的效果,预测模型准确率为88.1%,F1分数为0.9。 展开更多
关键词 地铁车站 随机森林(RF)算法 递归特征消除(RFE) 洪涝灾害 神经网络
下载PDF
基于可攻击空间假设的陷阱式集成对抗防御网络
15
作者 孙家泽 温苏雷 +1 位作者 郑炜 陈翔 《软件学报》 EI CSCD 北大核心 2024年第4期1861-1884,共24页
如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供... 如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供的信息,无法兼顾防御的效力与效率.因此基于流形学习,从特征空间的角度提出可攻击空间对抗样本成因假设,并据此提出一种陷阱式集成对抗防御网络Trap-Net. Trap-Net在原始模型的基础上向训练数据添加陷阱类数据,使用陷阱式平滑损失函数建立目标数据类别与陷阱数据类别间的诱导关系以生成陷阱式网络.针对原始分类精度损失问题,利用集成学习的方式集成多个陷阱式网络以在不损失原始分类精度的同时,扩大陷阱类标签于特征空间所定义的靶标可攻击空间.最终, Trap-Net通过探测输入数据是否命中靶标可攻击空间以判断数据是否为对抗样本.基于MNIST、K-MNIST、F-MNIST、CIFAR-10和CIFAR-100数据集的实验表明, Trap-Net可在不损失干净样本分类精确度的同时具有很强的对抗样本防御泛化性,且实验结果验证可攻击空间对抗成因假设.在低扰动的白盒攻击场景中, Trap-Net对对抗样本的探测率高达85%以上.在高扰动的白盒攻击和黑盒攻击场景中, Trap-Net对对抗样本的探测率几乎高达100%.与其他探测式对抗防御方法相比, Trap-Net对白盒和黑盒对抗攻击皆有很强的防御效力.为对抗环境下深度神经网络提供一种高效的鲁棒性优化方法. 展开更多
关键词 深度神经网络 对抗样本 集成学习 对抗防御 鲁棒性优化
下载PDF
基于DNN的声学模型自适应实验 被引量:5
16
作者 张宇 计哲 +3 位作者 万辛 张震 葛凤培 颜永红 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2015年第9期765-770,共6页
声学模型自适应算法研究目的是缓解由测试数据和训练数据不匹配而引起的识别性能下降问题.基于深度神经网络(DNN)模型框架的自适应技术中,重训练是最直接的方法,但极容易出现过拟合现象,尤其是自适应数据稀疏的情况下.文章针对领域相关... 声学模型自适应算法研究目的是缓解由测试数据和训练数据不匹配而引起的识别性能下降问题.基于深度神经网络(DNN)模型框架的自适应技术中,重训练是最直接的方法,但极容易出现过拟合现象,尤其是自适应数据稀疏的情况下.文章针对领域相关的自动语音识别任务,对典型的两种声学模型自适应算法进行了尝试,实验了基于线性变换网络的自适应方法和基于相对熵正则化准则的自适应方法,并对两种算法进行了详尽的系统性能比较.结果表明,在不同的自适应数据量下,相对熵正则化自适应方法均能表现出较好的性能. 展开更多
关键词 声学模型自适应 语音识别 深度神经网络
下载PDF
基于掩码语言模型的中文BERT攻击方法
17
作者 张云婷 叶麟 +2 位作者 唐浩林 张宏莉 李尚 《软件学报》 EI CSCD 北大核心 2024年第7期3392-3409,共18页
对抗文本是一种能够使深度学习分类器作出错误判断的恶意样本,敌手通过向原始文本中加入人类难以察觉的微小扰动制作出能欺骗目标模型的对抗文本.研究对抗文本生成方法,能对深度神经网络的鲁棒性进行评价,并助力于模型后续的鲁棒性提升... 对抗文本是一种能够使深度学习分类器作出错误判断的恶意样本,敌手通过向原始文本中加入人类难以察觉的微小扰动制作出能欺骗目标模型的对抗文本.研究对抗文本生成方法,能对深度神经网络的鲁棒性进行评价,并助力于模型后续的鲁棒性提升工作.当前针对中文文本设计的对抗文本生成方法中,很少有方法将鲁棒性较强的中文BERT模型作为目标模型进行攻击.面向中文文本分类任务,提出一种针对中文BERT的攻击方法Chinese BERT Tricker.该方法使用一种汉字级词语重要性打分方法——重要汉字定位法;同时基于掩码语言模型设计一种包含两类策略的适用于中文的词语级扰动方法实现对重要词语的替换.实验表明,针对文本分类任务,所提方法在两个真实数据集上均能使中文BERT模型的分类准确率大幅下降至40%以下,且其多种攻击性能明显强于其他基线方法. 展开更多
关键词 深度神经网络 对抗样本 文本对抗攻击 中文BERT 掩码语言模型
下载PDF
IATG:基于解释分析的自动驾驶软件测试方法
18
作者 谢瑞麟 崔展齐 +1 位作者 陈翔 郑丽伟 《软件学报》 EI CSCD 北大核心 2024年第6期2753-2774,共22页
以深度神经网络(deep neural network,DNN)为基础构建的自动驾驶软件已成为最常见的自动驾驶软件解决方案.与传统软件一样,DNN也会产生不正确输出或意想不到的行为,基于DNN的自动驾驶软件已经导致多起严重事故,严重威胁生命和财产安全.... 以深度神经网络(deep neural network,DNN)为基础构建的自动驾驶软件已成为最常见的自动驾驶软件解决方案.与传统软件一样,DNN也会产生不正确输出或意想不到的行为,基于DNN的自动驾驶软件已经导致多起严重事故,严重威胁生命和财产安全.如何有效测试基于DNN的自动驾驶软件已成为亟需解决的问题.由于DNN的行为难以预测和被人类理解,传统的软件测试方法难以适用.现有的自动驾驶软件测试方法通常对原始图片加入像素级的扰动或对图片整体进行修改来生成测试数据,所生成的测试数据通常与现实世界差异较大,所进行扰动的方式也难以被人类理解.为解决上述问题,提出测试数据生成方法IATG(interpretability-analysis-based test data generation),使用DNN的解释方法获取自动驾驶软件所做出决策的视觉解释,选择原始图像中对决策产生重要影响的物体,通过将其替换为语义相同的其他物体来生成测试数据,使生成的测试数据更加接近真实图像,其过程也更易于理解.转向角预测模型是自动驾驶软件决策模块重要组成部分,以此类模型为例进行实验,结果表明解释方法的引入有效增强IATG对转向角预测模型的误导能力.此外,在误导角度相同时IATG所生成测试数据比DeepTest更加接近真实图像;与semSensFuzz相比,IATG具有更高误导能力,且IATG中基于解释分析的重要物体选择技术可有效提高semSensFuzz的误导能力. 展开更多
关键词 深度神经网络 自动驾驶软件 解释方法 软件测试
下载PDF
深度神经网络修复策略综述
19
作者 梁震 刘万伟 +3 位作者 吴陶然 薛白 王戟 杨文婧 《软件学报》 EI CSCD 北大核心 2024年第3期1231-1256,共26页
随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错... 随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错误行为的定性或者定量结论,但这种事后分析并不能防止错误行为的发生,如何修复表现出错误行为的预训练神经网络模型依然是极具挑战性的问题.为此,深度神经网络修复这一领域应运而生,旨在消除有缺陷的神经网络产生的错误预测,使得神经网络满足特定的规约性质.目前为止,典型的神经网络修复范式有3种:重训练、无错误定位的微调和包含错误定位的微调.介绍深度神经网络的发展和神经网络修复的必要性;厘清相近概念;明确神经网络修复的挑战;详尽地调研目前已有的神经网络修复策略,并对内在联系与区别进行分析和比较;调研整理神经网络修复策略常用的评价指标和基准测试;展望未来神经网络修复领域研究中需要重点关注的可行方向. 展开更多
关键词 深度神经网络修复 错误行为 重训练 微调 错误定位
下载PDF
基于改进特征筛选的随机森林算法对锂渣混凝土强度的预测研究
20
作者 魏令港 黄靓 曾令宏 《材料导报》 EI CAS CSCD 北大核心 2024年第9期156-161,共6页
本工作提出了特征变量筛选结合特征变量相关性的方法,对构建的锂渣混凝土28 d抗压强度数据库进行优化,分别建立了随机森林模型和深度神经网络模型用于测试数据库,并以相关系数(R)、均方根误差(RMSE)和平均相对误差(MAE)三个指标对模型... 本工作提出了特征变量筛选结合特征变量相关性的方法,对构建的锂渣混凝土28 d抗压强度数据库进行优化,分别建立了随机森林模型和深度神经网络模型用于测试数据库,并以相关系数(R)、均方根误差(RMSE)和平均相对误差(MAE)三个指标对模型的预测结果进行对比分析。结果表明,预测锂渣混凝土的28 d抗压强度时,采取改进的特征变量筛选方法能够有效提高模型的预测效果,此外,特征变量筛选的前后随机森林(RF)模型的预测效果明显优于深度神经网络(DNN)模型。 展开更多
关键词 随机森林(RF) 深度神经网络(dnn) 特征变量筛选 锂渣混凝土 抗压强度
下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部