一、开放式蒸馏过程模拟平台设计与实现(论文文献综述)
宋诗楠[1](2021)在《不完全观测边缘计算系统中计算卸载问题研究》文中提出作为云计算的延伸,边缘计算通过高速网络与用户设备连接,将计算资源放置在距离用户较近的网络边缘。高速通信网络和位置优势为边缘计算节约了通信成本、提高了服务质量。用户将本地任务卸载至边缘服务器,可以获得更加快速、稳定的计算服务。然而,与云计算中心的服务器集群相比,边缘服务器通常分布在不同区域,服务器之间的松散结构使集中式和分布式的系统管理方法都存在局限:单一边缘服务器难以实时获取全局的系统信息,对系统环境的观测是不完全的。此外,用户的隐私性、服务器安全性和通信代价也加剧了边缘计算中的不完全观测特征。不完全观测导致边缘计算系统对任务属性和用户行为估计错误或滞后,常规的系统优化方法和基于深度强化学习的智能卸载算法都面临挑战。本文分别从用户和边缘服务器的不完全观测角度研究了边缘计算的任务卸载过程和系统资源优化。在单一边缘服务器的卸载场景中,使用深度强化学习方法实现了对复杂未知环境信息的探索。在多个边缘服务器的卸载策略的学习过程中,提出了一种去中心化的学习框架,用于提高卸载策略的学习效率并降低服务器间的通信成本。本文的主要贡献包括:(1)针对边缘计算中的不完全观测性,给出了原型系统和对应的半在线卸载算法的设计。在系统设计中,任意的边缘服务器或是用户设备都不能获得系统的全部信息,只能独立的根据自身对环境的观测完成卸载决策。通过使用流水线模型分析边缘计算系统资源变化对任务信息年龄(Ao I)的影响,给出了针对用户间的不完全观测问题的卸载算法实例。系统分析和仿真实验表明,用户通过服务器获得对系统环境的间接观测,如:用户对卸载任务价值的预测和对服务器的资源空闲的利用,是提高计算卸载效率的关键。(2)针对用户和服务器之间的不完全观测问题,研究了基于用户行为价值预测的计算卸载。使用马尔科夫决策过程对用户任务的特征和用户行为进行描述,提出了在边缘服务器端进行观测和系统资源优化的半在线卸载模型(so Co M)。依靠对用户行为的预测,so Co M可以自适应的完成卸载算法的训练,合理分配计算资源并提高系统效率。随着用户数量的增加,用户行为的多样性和不完全观测性会导致数据空间爆炸,影响了深度强化学习的学习效率。通过对流行的深度强化学习方法进行研究和分析,选择Dueling DQN作为模型的核心方法。实验结果表明,结合Dueling DQN的so Co M模型能够有效的预测用户行为特征,得到的卸载算法可以提高系统资源利用率并保证服务器间的负载均衡。(3)针对多个服务器之间的不完全观测问题,研究了限时感知任务的卸载和多服务器系统优化。限时感知类任务需要在有限的时间内完成,在不完全观测的边缘计算系统中,任务是否按时完成的二元判断带来巨大的观测噪声,系统吞吐量和资源利用之间的互斥性也阻碍了深度强化学习对有效策略的探索。研究使用部分可观测的马尔科夫决策过程代替传统的马尔科夫模型,并借鉴了策略蒸馏的概念,提出了一种快速的去中心化强化蒸馏模型——Fast-DRD。Fast-DRD在较低的计算复杂度下完成对环境噪声和错误探索的过滤,降低了深度强化学习算法在噪声环境中的过拟合现象,并且不依赖于先验知识就可以完成自我学习。同时,在多个边缘服务器构成的系统中,Fast-DRD使用改进的流言协议以自组织的模式进行去中心化学习,使得卸载模型的部署更加灵活。与传统的策略蒸馏过程相比,Fast-DRD有效节约了卸载模型学习过程中的通信和计算代价,学习得到的卸载模型能够保证任务卸载成功率同时避免带宽和计算资源瓶颈。
谢佳楠[2](2021)在《基于知识图谱的社交网络语义研究》文中进行了进一步梳理随着互联网技术的发展,社交网络已成为人们获取知识和交流信息的重要来源。然而面对网络数据的爆发式增长,人们难以有效地检索和利用信息,严重影响了用户体验。推荐作为社交网络中的一种语义分析技术,能够帮助用户过滤无效数据并推荐其感兴趣的信息,极大地提升了用户效率。但是,传统推荐技术中存在数据稀疏、马太效应等问题,知识图谱的应用可以为其建立字符串描述到结构化语义描述的映射,通过引入更多的语义信息为用户提供精准的推荐。因此,基于知识图谱的社交网络语义推荐研究具有重要的研究价值。本文主要通过构建社交网络知识图谱,有效利用知识的语义关联信息开展基于知识图谱的推荐系统研究。主要工作如下:首先,针对BERT模型中存在的结构复杂、计算效率低以及难以广泛应用的问题,本文提出一种基于知识蒸馏的BERT模型用于社交网络实体抽取。该方法分析了 BERT现有解决思路中存在的问题,同时结合新浪微博具体场景,将多层的BERT模型中的知识蒸馏到较少层的轻量模型中对模型进行轻量化。在GLUE基准集的实验证明,该模型在保留95%以上精度的同时,能够大大压缩结构,计算效率提升5倍左右。其次,本文基于改进BERT模型抽取的实体,通过引入相似度、香农熵、相对距离三个指标来挖掘实体关系语义信息,进而构建社交网络知识图谱,为推荐系统提供高质量的语义辅助信息。最后,针对传统推荐系统随着时间的推移,倾向于推荐与用户历史记录类似的项目,进而出现闭环现象和马太效应的问题,本文提出一种基于新颖度的微博社交网络推荐方法。该方法通过引入新颖度概念,加入用户活跃度、从众性、创新者指数等指标,同时借助知识图谱的辅助语义信息来挖掘用户的潜在兴趣。实验表明,本文方案能够在新颖度和准确度之间取得平衡,推荐的冷门项目增加了 10个百分点,有效避免了推荐系统中的马太效应。综上,本文通过构建知识图谱并利用其语义信息挖掘用户兴趣,有效解决了推荐系统中的马太效应,通过微博数据集验证了方案的有效性,对社交网络的语义研究具有一定的理论意义和应用价值。
盖志勇[3](2021)在《基于知识注入和对话历史提取的对话系统研究与系统实现》文中指出随着深度学习的不断发展和语言模型研究的不断成熟,对话系统提供了一种比视窗界面操作更符合普通人习惯的新型人机交互方式,但在现有对话系统中,仍然存在多轮对话中无法联系上下文、无法处理专有名词后面的复杂信息,只能进行日常闲聊无法进行更有价值和意义的聊天。为了使得对话系统能够联系对话历史上下文以及理解专有名词的背景信息。本文主要研究内容如下:(1)提出了一种模型压缩方法,采用预训练参数初始化任务和模块对齐任务,将预训练语言模型Bert压缩得到蒸馏式语言模型DistilBert,并对后者在不同任务上进行精调训练。模型压缩降低了模型的参数数量,加快了模型对各项任务的计算速度,达到了提升模型训练效率、缩短系统响应时间的目的。(2)改进了语义相似度计算方式。使用词旋转距离算法辅助蒸馏式语言模型DistilBert,联合计算当前输入和历史对话中的语义相似度,并根据语义相似度进行历史对话提取任务,使得对话系统可以在多轮对话中联系上下文信息,从而保持对话系统回复的连贯性,达到了提升对话回复质量的目的。(3)设计了一种基于知识注入的对话系统结构。通过知识注入,从知识图谱中提取对话内容的实体信息,补全了对话中的背景知识,取得了提升对话内容丰富度的效果。通过编码器-解码器结构解决了知识注入和生成式对话任务形式不匹配的问题。编码端使用蒸馏式语言模型DistilBert,处理知识注入任务,提取知识信息然后对输入数据进行编码运算。解码端使用生成式预训练模型GPT2,接收编码端输出向量然后进行回复生成任务,最后通过反向语言模型进行回复排序。(4)设计并实现了基于知识注入和对话历史提取的对话系统,进行了系统设计、功能实现,描述了数据处理、对话历史提取和知识注入实现方式。最后进行了系统运行测试,表明应用能够根据知识图谱数据识别对话中出现的实体信息,并从对话历史中提取相似语句,与用户实现流畅自然的对话。
熊少杰[4](2021)在《开放系统中量子导引和量子相干性的研究》文中认为量子相干性是量子物理区别于经典物理的本征属性,作为重要的量子资源,在众多物理领域有广泛的应用。尤其是在量子信息领域,量子相干性的保持与转化往往决定了量子操作能否进行。通常系统与环境不可避免的相互作用所引起的退相干严重阻碍了量子信息处理的实现。因此,研究开放系统的量子相干性对于实际的量子信息过程具有重要的科学意义。在开放系统研究中,微扰近似、波恩近似、马尔可夫近似及旋转波近似是处理系统与环境相互作用常用的近似方法,然而这些方法都有相应的适用条件,存在固有的局限性。比如,在强耦合条件下,上述近似方法往往不能准确地描述系统的动力学行为。因此考虑如何突破近似方法的局限,在理论与实验模拟上更为精确的描述系统的演化,是非常有意义的研究课题;进而在开放系统中研究量子关联和量子相干性的问题,这是本文的主要出发点。在量子相干资源论框架下,人们希望从有限的资源中尽可能提取出更多、更纯的量子相干资源。因此本文的另一个出发点在于如何通过实验设备,实现量子相干的提纯(蒸馏)过程。本论文的主要研究内容如下:1.基于线性光学系统实现单比特经过非旋波近似通道演化的实验模拟。给出了非旋波近似通道下单比特的退相干动力学映射过程,理论上利用级联方程方法对该过程进行数值计算,实验上基于线性光学系统实现了该动力学过程的模拟。理论与实验的数值符合很好,验证了该退相干通道演化实验模拟的切实有效。基于该实验通道,测量了量子时间导引在旋波近似通道与非旋波近似通道下的不同动力学行为;此外通过实验探究了两种通道下的量子非马尔可夫效应。2.退相干通道下的辅助量子相干蒸馏。讨论两体系统中退相干通道对于经过局域非相干操作与经典通讯提取相干资源的影响。利用级联方程方法计算了两比特系统经过局域旋波近似通道与非旋波近似的演化,再通过优化辅助系统的测量得到目标子系统所能提取的最大相干资源,分析了最优可提取相干资源与量子非相干相对熵在两种退相干通道下的不同演化过程。3.单份量子相干蒸馏的实现。基于线性光学系统,提出了单份量子相干蒸馏中初态到最优目标态的非相干转化方案,实验上实现了单份量子相干蒸馏过程,验证了单份可蒸馏相干与误差容错率以及给定初态叠加系数之间的关系。此外,提出基于超导QED系统实现单份量子相干蒸馏的理论方案,并在考虑各个超导器件的退相干效应后分析了该方案的可行性。与光学系统不同,超导QED系统有着更大的潜力实现高维复杂的相干蒸馏操作。
李泳志[5](2021)在《活性位点修饰的金属-有机框架的制备和吸附分离性质研究》文中进行了进一步梳理多组分混合物的分离与提纯是现代化工关注的重要方向,设计与合成具有孔道结构和功能基团的多孔材料为开发新型高效低耗能的物理分离技术提供了契机。金属-有机框架(MOFs)具有结构可调节、孔环境可设计性等优点,在小分子气体分离方面展现出良好的发展趋势和应用前景。另外,挥发性有机物(VOCs)的污染治理具有重大的社会需求和实际意义。MOFs材料由于较大的比表面积和孔隙率在吸附处理VOCs方面具有独特的优势。在MOFs的组装过程中,金属节点的选择和有机配体的种类、对称性、尺寸、官能团对MOFs的最终结构形成及其可能的应用具有决定性的作用。在构筑MOFs常用的配体中,氮-氧供体配体通常兼具羧酸类配体和氮唑类配体双重优势,而生物质配体具有生物相容性、环境友好等特性。基于上述研究思路,本文分别选用吡啶、三氮唑、四氮唑取代的具有高对称性的苯羧酸配体和生物质配体与过渡/稀土金属离子构筑了4例具有丰富孔化学环境且结构新颖的MOFs材料,并对其晶体结构、气体/蒸汽分子吸附分离等性质进行了研究。本文的主要研究内容主要包括以下五章:第一章,对MOFs的基本概念、组成成分及其在小分子气体、挥发性有机蒸气的吸附与分离领域的研究现状进行了概述,并提出本论文的选题思路和研究进展。第二章,采用混合配体策略,利用2,5-噻吩二羧酸(H2TDC)和生物质配体别嘌醇(ALP)与六水合醋酸锌构筑了一例具有yfy拓扑结构的多孔MOF,[Me2NH2][Zn3(ALP)(TDC)2.5]·3.5DMF·2H2O(1)。配合物1最明显的特征是形成了三种类型的笼,笼的表面被配体的芳环、ALP中未配位羰基O原子、噻吩S原子和羧基O原子共同修饰。因此该配合物表现出较高的乙炔和二氧化碳捕获能力(乙炔和二氧化碳的捕获量分别为96.6和74.5 cm3 g-1)以及C2H2/CH4(33.7)和C2H2/CO2(3.0)选择性。动态穿透实验验证了1对于等摩尔的乙炔/二氧化碳和乙炔/甲烷二元混合物具有较好的分离性能。第三章,设计了一种双吡啶取代的间苯二甲酸配体,4,6-二(吡啶-4-基)间苯二甲酸(H2dpip),并用其与六水合硫酸镍在溶剂热条件下构筑了一例具有开放式管状通道的多孔MOF,[Ni(dpip)]·2.5DMF·H2O(2)。该MOF具有4,4连接的sqc拓扑结构,并包含了两种不同孔尺寸和孔环境的一维开放通道。其中较小的通道被朝向孔道内壁的羧酸O原子修饰,导致对乙炔、乙烯和二氧化碳具有良好的吸附能力。在298 K下,使用理想溶液吸附理论计算了配合物2对C2H2/CH4、C2H2/CO2和CO2/CH4的分离选择性,选择性数值分别为16.6、2、6.2和7.5动态穿透实验进一步了验证了配合物2的分离能力。同时,2对于醇类(C1-C4醇)和芳香类(苯、环己烷和甲苯)VOCs也具有较好的选择性吸附性能。第四章,为了进一步提高所制备的MOF材料气体分离的能力,基于第三章的研究结果,选用了三氮唑取代的间苯二甲酸配体,4,6-二(三唑-1-基)间苯二甲酸,并用其与六水合硝酸钴在溶剂热条件下制备了一例具有fsc拓扑结构的MOF[Co(btzip)(H2btzip)]·2DMF·2H2O(3)。该Co(II)-MOF孔道被具有路易斯酸性的羧酸基团和路易斯碱性的未配位氮原子所修饰,可以作为C2烃类和CO2吸附作用位点。单组分吸附等温线表明,相比于活性位点较少的配合物2,配合物3具有更高的CO2和C2烃吸附量以及C2Hn/CH4(C2H2/CH4:24.4、C2H6/CH4:16.3和C2H4/CH4:24.8)和C2H2/CO2(2.5)选择性。动态穿透实验结果进一步验证3对于C2Hn/CH4和C2H2/CO2混合气优异的分离能力。此外,3对于醇类分子(甲醇、乙醇和2-丙醇)表现出良好的吸附分离能力(吸附容量分别为88.0、64.7和36.6 cm3 g-1,甲醇/1-丙醇、甲醇/2-丙醇、2-丙醇/1-丙醇的选择性分别为8.1、2.5和10.4)。第五章,选用F-官能化的羧酸-四氮唑配体,2-氟-4-(1H-5-四唑基-)苯甲酸(F-H2tzba),采用溶剂热法与六水合硝酸镝制备了一例含有Dy6(μ3-OH)8(COO)6(N4C)6六核簇结构的笼状MOF,{[(CH3)2NH2]2[Dy6(μ3-OH)8(FTZB)6(H2O)6]·(solvent)}n(4)。该MOF中存在的自由氟原子和未配位的四氮唑氮原子不仅表现出高的乙炔、乙烯和芳香类VOCs吸附能力(吸附容量分别为140.4、114.3和109.5 cm3 g-1),而且还显示了优异的C2H2/CH4、C2H4/CH4、C2H2/C2H4、苯/甲苯和苯/环己烷吸附选择性(选择性分别为15.7、14.9、1.1、7.8和2.8)。动态穿透实验进一步证实了使用4从C2H2和C2H4混合物中除去C2H2以及从CH4纯化C2H2和C2H4的可行性。
李娉[6](2021)在《高COD啶虫脒废水处理工艺研究》文中认为本论文以兰州新区某化工企业产生的啶虫脒废水为研究对象,根据其具有盐分含量高、有机物浓度高、可生化性低等特点,遵循低成本高效率的处理原则,选用减压蒸馏、Fe/C微电解、芬顿氧化等工艺,分别对高COD啶虫脒废水进行预处理,并探究各工艺的最佳实验条件。通过对比不同顺序组合工艺的污染物去除效果和废水处理成本,确定出啶虫脒废水的预处理方案。借助GPS-X污水处理工艺仿真模拟软件,对预处理后的出水,进行生物处理工艺的比选、仿真模拟和参数优化,为该化工企业废水处理和同类废水处理提供参考。本论文的主要内容如下:(1)减压蒸馏单因素实验表明,不调整原废水酸碱度,蒸馏温度为50℃时,能够去除37.04%的CODCr。蒸馏过程去除了大部分啶虫脒等大分子难降解的有机污染物,并且降低了废水中的氨氮、总氮和含盐量。利用蒸馏后收集的冷凝液进行后续预处理时,能够获得更好的污染物去除效果,还能在一定程度上降低废水处理的药剂成本。(2)铁碳微电解单因素实验和响应面优化实验表明,Fe/C质量比为0.96,Fe/C投加量为210.01 g/L,进水pH为3,反应时间为90 min时,能够去除44.64%的CODCr。(3)芬顿氧化工艺单因素实验和响应面优化实验表明,H2O2投加量为1.28Qth(243.38 m L/L),进水pH为4,n(H2O2):n(Fe2+)为8.90,反应时间为95 min时,能够去除61.93%的CODCr。(4)通过对比不同组合工艺的CODCr去除效果和运行成本,本研究确定采用先减压蒸馏,后进行铁碳微电解+芬顿氧化组合工艺作为啶虫脒废水的预处理工艺。组合工艺单因素、响应面优化实验表明,在过氧化氢投加量为0.77Qth(80.93 m L/L),投加次数为3,进水pH为4,反应时间为98 min时,能够去除80.52%的CODCr,B/C值可提高至0.425。组合工艺对啶虫脒废水的CODCr去除效果和可生化提高效果优于单独处理工艺,且能够节省一部分药剂成本。(5)运用GPS-X模拟软件进行建模和比选,最终选择水解酸化池+生物膜-活性污泥复合池(IFAS)+沉淀池为废水生物处理方案。通过单因素模拟确定了该工艺的最佳运行参数:水解酸化池的停留时间为1 d,IFAS池DO浓度为3 mg/L,污泥回流比为60%,沉淀池排泥量为3 kg/d。经过工艺参数优化后的出水水质既远低于园区污水处理厂低浓度废水纳管标准,又能够节约废水处理费用,工艺参数优化效果较好。
黄继爽[7](2021)在《基于深度神经网络模型压缩的引水隧洞表面缺陷检测》文中研究表明引水隧洞作为水利水电工程关键构筑物,具备水力发电、农业灌溉、生活用水调度等作用。由于施工技术难度大、围岩地质复杂及管路水压不均等因素,导致隧洞表面容易产生裂缝、露筋和渗漏等高危缺陷,若不能及时且准确地检测出隧洞表面缺陷,可能导致引水隧洞停止运行,甚至发生人身安全事故等严重后果。目前的引水隧洞表面缺陷检测方法以人工检测为主,该方法存在人身安全隐患大、缺陷检测周期长、检测结果过于主观和缺陷特征利用率低等诸多问题,亟需兼顾高准确率和低延时的表面缺陷自主检测技术。因此,本文基于深度神经网络模型压缩技术对引水隧洞表面缺陷自主检测技术展开研究。(1)针对引水隧洞环境存在水质浑浊、光线昏暗和附着淤积等问题,通过设计深度曲线估计网络对隧洞机器人采集到的缺陷图像进行优化,能够有效改善低照度环境下的图像质量。同时,结合缺陷特征机理构建包含裂缝、麻面、脱落、露筋、钙化和渗漏六类缺陷的引水隧洞表面缺陷数据集。(2)针对现有常见深度神经网络大部分不能有效提取引水隧洞表面缺陷图像特征的问题,构建加入注意力机制的动态卷积模块取代传统静态卷积,得到的动态特征能够根据单个样本的不同缺陷特征对模型参数进行动态调整。(3)针对深度神经网络参数量大和模型推理耗时长的问题,设计基于动态特征蒸馏的模型压缩方法。在知识蒸馏框架中融合鉴别器结构,构造一种动态特征蒸馏损失,将动态特征知识从深层的教师网络转移到浅层的学生网络,大幅减少模型推理时间的同时实现六类缺陷的高精度检测。最后,在构建的引水隧洞表面缺陷数据集上,将本文方法和原有残差网络进行对比实验,该方法可达到96.15%的检测准确率,模型参数量和推理时间分别降低到原来的1/2和1/6。同时,集成开发引水隧洞表面缺陷检测系统对四川某引水隧洞数据进行应用测试。实验结果表明,将缺陷图像的动态特征模型压缩信息融合到深度神经检测网络中能够有效提高引水隧洞表面缺陷检测的效率,对引水隧洞的长期安全运维和水利工程的智能化管理均有工程意义。
金航[8](2021)在《基于对抗样本技术的图像验证码安全性提升方法》文中研究说明验证码的作用是区分人与机器,在互联网时代早期图像验证码具有非常好的效果。近年来,软件技术飞速发展,特别是深度学习方面的技术突破和硬件突破将AI技术引入了全新的时代。AI技术在图像识别和处理的优秀表现,给图像验证码的核心功能带来了严重挑战。相较于传统基于OCR技术的文字识别破解验证码,基于深度学习技术的破解系统破解的准确率更高、效果更好。于是各式新颖的验证码系统层出不穷,但这些新兴验证码操作逻辑不够简便、流程复杂,虽然在阻拦机器方面进步巨大,但是对用户不友好,以至于用户在其上的通过率也不高。因此提升图像验证码的安全性具有重要的现实意义。对抗样本技术在提高模型鲁棒性、可靠性方面具有重要意义。它的主要表现是使模型做出错误的分类,与我们提高图像验证码安全性的需求一致。因此,本文提出一种基于对抗样本技术的图像验证码安全性提升方法,通过在验证码中加入噪声扰动,达到欺骗模型的目的,使得深度学习模型识别图像验证码的功能失效。本文的主要工作有:(1)提出一种GAN图像对抗样本生成方法,提高构造对抗样本的效率以及攻击成功率。该方法构造一个双生成器的GAN网络,在有目标攻击下,其输入为数据集的原始类别和有目标攻击下的类别;在无目标攻击下,只需输入数据的原始类别即可。系统输出为满足该输入要求的对抗样本,能够有效扩充对抗样本集的规模,可以对目标模型进行半白盒攻击和黑盒攻击。(2)黑盒攻击场景下,提出一种基于模型蒸馏的黑盒攻击方法。通过对目标模型的学习和蒸馏,得到目标模型的本地复制,然后使用传统与白盒攻击相同的方式对蒸馏模型进行攻击。由于蒸馏模型在某些层面的关键权值向量能够与原始模型重合,因此,相较于传统基于查询的方式所构造的对抗样本,能够显着提高黑盒攻击方式下的攻击成功率。(3)将对抗样本技术应用于图像验证码领域,提升图像验证码在应对深度学习系统破解下的安全性。搭建基于深度学习模型的图像验证码破解系统,通过对抗样本技术向验证码添加扰动,可以使得系统的识别成功率显着降低,通过实验证明,基于对抗样本技术的验证码安全性提升方法能够显着提升验证码的可靠性。(4)搭建基于对抗样本技术的验证码WEB接口平台。对本文提出的图像验证码安全性提升方法进行部署,开发出一个能够以WEB接口方式提供安全性较高的图像验证码系统,并可视化展示。
赵亚培[9](2020)在《面向边缘计算平台的神经网络压缩方法研究》文中认为随着互联网和人工智能技术的快速发展,边(边缘端)云混合智能计算越来越成为技术的主流,为此需要在边缘端和云端都部署神经网络。在AI场景下,协同云端和边缘端共同工作,可将云端计算能力延伸到靠近终端设备的边缘节点。在云端进行大数据量的训练,生成AI模型,然后将AI模型打包部署到边缘节点运行(推理),同时将边缘节点的数据回传到云端,可进一步训练,形成闭环。然而,边缘端受计算能力、电池寿命、带宽成本等限制,复杂的神经网络很难直接部署。为此需要在算法层面,采用模型压缩、轻量化设计等技术,极大的压缩计算量和参数规模,从而将AI模型部署到边缘计算平台。边缘计算平台是一个融合了网络、计算、存储和应用的开放式平台,少了频繁的数据流量、距离和延迟,可以实时或更快的进行数据处理和分析。本文主要研究面向边缘计算平台的模型压缩技术。主要研究内容如下:针对图像分类任务,我们首先选择轻量级的分类网络,然后优化网络模型。接着,我们对优化后的模型进行模型剪枝,知识蒸馏,量化等一系列模型压缩操作,对比不同的模型压缩方式对模型的影响。最后,将单一的模型压缩方法进行组合,通过多次压缩最大程度上降低模型的复杂度。针对图像分割任务,我们首先采用FPN提升分割算法精度,然后对优化后的模型进行了混合压缩。混合压缩主要参照OFA神经网络搜索方法,将结构化搜索与知识蒸馏相结合,同时训练大量的子网络。推理是通过只选择全部网络中的一部分来执行的,可以灵活地支持不同的深度、宽度,而无需重新训练。为了验证混合模型压缩算法的效果,本文将压缩后的神经网络模型转化为ONNX格式,通过ONNX Runtime实现硬件推理加速,部署到Jetson NANO、Jetson TX2等边缘计算平台上。实验结果表明我们提出的混合模型压缩方法具有较好的模型压缩效果。通过硬件推理加速,也更进一步提升了模型的推断速度,具有较高的实时性。由此可见,我们的方法在多任务上的泛化能力较强,适用范围更广。
教育部[10](2020)在《教育部关于印发普通高中课程方案和语文等学科课程标准(2017年版2020年修订)的通知》文中研究指明教材[2020]3号各省、自治区、直辖市教育厅(教委),新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准(2017年版)进行了修订。普通高中课程方案以及思想政治、语文、
二、开放式蒸馏过程模拟平台设计与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、开放式蒸馏过程模拟平台设计与实现(论文提纲范文)
(1)不完全观测边缘计算系统中计算卸载问题研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 研究的主要挑战 |
1.2.1 异构系统中的资源分配 |
1.2.2 复杂数据空间探索 |
1.2.3 智能模型的聚合 |
1.3 本文的研究内容 |
1.3.1 不完全观测边缘计算系统优化 |
1.3.2 边缘计算中用户行为价值预测 |
1.3.3 去中心化的多服务器计算卸载过程 |
1.4 论文的组织与安排 |
第2章 研究现状与关键问题 |
2.1 边缘计算的基本概念 |
2.1.1 边缘计算的应用场景 |
2.1.2 边缘计算的研究热点 |
2.1.3 计算卸载的相关技术 |
2.2 深度强化学习在计算卸载中的应用 |
2.2.1 深度强化学习对系统性能的优化 |
2.2.2 深度强化学习对服务质量的提高 |
2.3 深度强化学习与边缘计算融合的挑战 |
2.4 本章小结 |
第3章 不完全观测边缘计算系统 |
3.1 引言 |
3.2 系统定义 |
3.2.1 计算模型 |
3.2.2 通信模型 |
3.2.3 能耗模型 |
3.3 影响卸载效率的因素分析 |
3.3.1 问题定义 |
3.3.2 任务完工时间分析 |
3.3.3 处理器空闲损失分析 |
3.3.4 任务卸载成本分析 |
3.4 用户设备之间的不完全观测问题 |
3.4.1 半在线卸载模型 |
3.4.2 边缘服务器端卸载算法 |
3.4.3 本地用户端卸载算法 |
3.5 实验验证 |
3.5.1 系统设计 |
3.5.2 实验结果 |
3.6 本章小结 |
第4章 未知用户的不完全观测性研究 |
4.1 引言 |
4.2 未知用户行为预测问题分析 |
4.2.1 复杂动作空间的探索 |
4.2.2 深度强化学习算法分析 |
4.3 基于深度强化学习的半在线卸载过程 |
4.3.1 优化目标 |
4.3.2 马尔科夫决策模型 |
4.3.3 系统动作转换与延迟奖励 |
4.3.4 用户与服务器的双向选择过程 |
4.4 实验验证 |
4.4.1 实验设计 |
4.4.2 实验参数分析 |
4.4.3 用户成本效益分析 |
4.4.4 服务器负载与收益 |
4.4.5 用户行为预测 |
4.4.6 多服务器间负载均衡 |
4.5 本章小结 |
第5章 未知服务器的不完全观测性研究 |
5.1 引言 |
5.2 限时感知类任务卸载的问题分析 |
5.2.1 系统模型 |
5.2.2 任务状态转换与生命周期 |
5.2.3 服务器资源平衡 |
5.2.4 限时感知问题的优化函数 |
5.3 快速去中心化强化蒸馏 |
5.3.1 去中心化的部分可观测马尔科夫决策过程 |
5.3.2 轨迹观测历史蒸馏 |
5.3.3 信任值蒸馏 |
5.3.4 流言组蒸馏 |
5.4 实验验证 |
5.4.1 实验设计 |
5.4.2 对中心化学习过程的提升 |
5.4.3 训练速度优化 |
5.4.4 蒸馏间隔的影响分析 |
5.4.5 用户合作性的影响分析 |
5.4.6 流言组大小的影响分析 |
5.4.7 平衡吞吐量与卸载成功率 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 研究工作总结 |
6.2 未来工作展望 |
参考文献 |
作者简介及攻读博士学位期间取得的研究成果 |
致谢 |
(2)基于知识图谱的社交网络语义研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 知识图谱 |
1.2.2 命名实体识别 |
1.2.3 关系挖掘 |
1.2.4 基于知识图谱的推荐系统 |
1.3 论文主要工作 |
1.4 论文章节安排 |
第二章 相关理论及背景知识 |
2.1 知识图谱构建技术 |
2.2 BERT模型 |
2.2.1 BERT模型原理 |
2.2.2 BERT模型轻量化 |
2.3 推荐系统 |
2.3.1 推荐系统分类 |
2.3.2 推荐系统中的马太效应 |
2.4 本章小结 |
第三章 基于微博社交网络的知识图谱构建 |
3.1 基于BERT蒸馏的微博实体抽取 |
3.1.1 问题定义 |
3.1.2 Transformer层蒸馏 |
3.1.3 Embedding层蒸馏 |
3.1.4 Prediction层蒸馏 |
3.1.5 预训练与微调 |
3.2 基于关系挖掘的语义关联分析 |
3.2.1 语义相似度 |
3.2.2 相对距离 |
3.2.3 香农熵 |
3.3 社交网络知识图谱构建 |
3.4 社交团体划分 |
3.5 本章小结 |
第四章 基于新颖度的微博社交网络语义推荐研究 |
4.1 针对非活跃用户的传统推荐 |
4.1.1 相似度计算与邻域识别 |
4.1.2 预测和推荐 |
4.2 针对活跃用户的新颖推荐 |
4.2.1 关键参数设计 |
4.2.2 方案设计 |
4.3 本章小结 |
第五章 实验仿真及结果分析 |
5.1 实验环境及总体思路 |
5.1.1 数据集 |
5.1.2 实验思路 |
5.2 BERT蒸馏实验及结果分析 |
5.2.1 参数设置 |
5.2.2 对比模型 |
5.2.3 BERT蒸馏实验分析 |
5.2.4 微博实体抽取及知识图谱构建 |
5.3 推荐实验及结果分析 |
5.3.1 指标设置 |
5.3.2 参数调优 |
5.3.3 不同推荐方案的对比及分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
参考文献 |
致谢 |
(3)基于知识注入和对话历史提取的对话系统研究与系统实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 开放式对话系统模型研究现状 |
1.2.2 结合知识图谱的对话系统研究现状 |
1.3 本文的主要工作 |
1.4 论文组织 |
第二章 自然语言处理相关研究 |
2.1 循环神经网络RNN |
2.1.1 传统RNN |
2.1.2 长短期记忆网络LSTM |
2.1.3 门控循环单元GRU |
2.2 端到端模型 |
2.2.1 编码器解码器结构 |
2.2.2 注意力机制 |
2.3 变换器模型Transformer |
2.3.1 模型结构 |
2.3.2 注意力计算 |
2.3.3 位置向量 |
2.3.4 解码算法 |
2.4 本章小结 |
第三章 模型压缩与语义相似度算法研究 |
3.1 模型压缩研究 |
3.1.1 后继模型初始化 |
3.1.2 后继模型模块对齐任务 |
3.2 语义相似度算法 |
3.2.1 通过Transformer网络计算语义相似度 |
3.2.2 通过WRD算法由词向量直接计算语义相似度 |
3.2.3 语义相似度 |
3.3 实验设置 |
3.3.1 实验数据集 |
3.3.2 评价指标 |
3.3.3 参数设置 |
3.4 实验分析 |
3.4.1 结合模型压缩的语义相似度实验 |
3.4.2 模型压缩实验 |
3.4.3 运行时间对比实验 |
3.5 本章小结 |
第四章 基于知识注入的对话系统研究 |
4.1 基于知识注入的对话系统编码端实现 |
4.1.1 知识层 |
4.1.2 嵌入层 |
4.1.3 可见层 |
4.1.4 掩码层 |
4.2 对话系统解码端结构研究 |
4.2.1 编码端解码端结构对比 |
4.2.2 对话系统结构研究 |
4.3 回复排序模型实现 |
4.3.1 互信息目标函数 |
4.3.2 反向语言模型 |
4.4 实验设置 |
4.4.1 实验数据集 |
4.4.2 评价指标 |
4.4.3 参数设置 |
4.5 实验结果及分析 |
4.5.1 开放域知识注入实验 |
4.5.2 特定域知识注入实验 |
4.5.3 对话系统结构对比实验 |
4.5.4 消融实验 |
4.6 本章小结 |
第五章 系统设计与实现 |
5.1 需求分析 |
5.1.1 需求概述 |
5.1.2 功能需求 |
5.1.3 软硬件及外部系统接口需求 |
5.2 系统概要设计 |
5.3 数据库设计 |
5.4 系统详细设计 |
5.4.1 客户端模块设计 |
5.4.2 服务端模块设计 |
5.4.3 神经网络模块设计 |
5.5 系统实现 |
5.5.1 客户端的实现 |
5.5.2 服务端的实现 |
5.6 系统测试 |
5.6.1 测试目标 |
5.6.2 功能测试 |
5.6.3 性能测试 |
5.7 本章小结 |
第六章 总结和展望 |
6.1 总结 |
6.2 未来展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(4)开放系统中量子导引和量子相干性的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
第二章 量子关联 |
2.1 量子信息学中的基础知识 |
2.1.1 密度矩阵 |
2.1.2 量子操作 |
2.1.3 量子测量 |
2.1.4 保真度 |
2.2 EPR佯谬 |
2.3 量子非定域,量子纠缠与EPR导引 |
2.3.1 非定域 |
2.3.2 量子纠缠 |
2.3.3 EPR导引 |
2.4 EPR导引的判定与度量 |
2.4.1 不确定关系导出的判据 |
2.4.2 基于集合 (Assemblage) 的描述 |
2.5 EPR导引的度量:EPR导引权重(EPR steering weight) |
2.6 量子时间导引 (Temporal steering) |
2.7 小结 |
第三章 时间导引在开放系统中的演化 |
3.1 引言 |
3.2 约化动力学 |
3.3 单比特的退相干通道 |
3.3.1 退相位通道 |
3.3.2 振幅衰减通道(旋波近似通道) |
3.3.3 非旋波近似通道 |
3.4 主方程 |
3.5 级联方程方法 |
3.6 基于线性光学平台模拟退相干通道 |
3.6.1 退相位与退振幅通道的光学模拟 |
3.6.2 非旋波近似条件下退相干通道的光学模拟 |
3.7 非旋波近似通道下时间导引的演化 |
3.8 非旋波近似通道对系统非马尔可夫性的影响 |
3.9 小结 |
第四章 量子相干性的提取 |
4.1 引言 |
4.2 非相干操作与非相干态 |
4.3 相干性的度量:相对相干熵与l1范数度量 |
4.4 相干蒸馏与消耗 |
4.5 单份 (one-shot)相干的蒸馏与消耗 |
4.6 两体系统中的相干提取 |
4.6.1 LQICC下的相干提取 |
4.6.2 Steering操作下的相干提取 |
4.7 退相干通道对辅助相干蒸馏的影响 |
4.8 非相干操作下纯态之间转换的光学实验 |
4.9 光学实验中单份相干蒸馏的实现 |
4.10 小结 |
第五章 超导QED系统中单份量子相干性蒸馏的实现 |
5.1 引言 |
5.2 超导比特 |
5.2.1 超导约瑟夫森结 |
5.2.2 相位比特 |
5.2.3 电荷比特 |
5.2.4 磁通比特 |
5.2.5 超导腔 |
5.2.6 超导比特通之间的间接耦合与直接耦合 |
5.3 QED系统中SIO下纯态转化的实现 |
5.4 QED系统中实现单份量子相干性蒸馏 |
5.5 数值计算分析 |
5.6 小结 |
第六章 总结与展望 |
参考文献 |
攻读博士学位期间发表的论文 |
作者简介 |
致谢 |
(5)活性位点修饰的金属-有机框架的制备和吸附分离性质研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 MOFs材料的合成设计策略 |
1.2.1 金属节点 |
1.2.2 有机配体 |
1.3 MOFs材料在小分子气体吸附分离领域的研究现状 |
1.3.1 MOFs在C_2H_2捕获的研究进展 |
1.3.2 MOFs在C_2H_2/CO_2分离的研究 |
1.3.3 MOFs在C_2轻烃分离的研究进展 |
1.3.4 MOFs材料在其他烃类分离的进展 |
1.4 MOFs材料在挥发性有机物(VOCs)吸附分离的研究现状 |
1.4.1 MOFs材料在醇类吸附性能的研究进展 |
1.4.2 MOFs材料在芳香类有机蒸汽吸附分离的研究 |
1.5 本论文的选题思路及研究进展 |
参考文献 |
第二章 别嘌醇生物分子构筑的MOF及其乙炔储存和分离性质 |
2.1 引言 |
2.2 实验部分 |
2.2.1 配合物[Me_2NH_2][Zn_3(ALP)(TDC)_(2.5)]·3.5DMF·2H_2O(1)的合成 |
2.3 结果与讨论 |
2.3.1 配合物[Me_2NH_2][Zn_3(ALP)(TDC)_(2.5)]·3.5DMF·2H_2O(1)的结构描述 |
2.3.2 PXRD和 TGA分析 |
2.3.3 气体吸附 |
2.3.4 气体分离 |
2.3.5 分子模拟 |
2.3.6 穿透实验 |
2.4 本章小结 |
参考文献 |
第三章 新型双孔道MOF的合成及其气体分离和蒸汽吸附性质 |
3.1 引言 |
3.2 实验部分 |
3.2.1 配合物[Ni(dpip)]·2.5DMF·H_2O(2)的合成 |
3.3 结果与讨论 |
3.3.1 配合物[Ni(dpip)]·2.5DMF·H_2O(2)的晶体结构描述 |
3.3.2 PXRD和TGA分析 |
3.3.3 气体吸附 |
3.3.4 气体分离 |
3.3.5 分子模拟 |
3.3.6 蒸汽吸附 |
3.4 本章小结 |
参考文献 |
第四章 路易斯酸碱位点修饰的MOF及其C_2H_n烃和VOCs的吸附与分离性质 |
4.1 引言 |
4.2 实验部分 |
4.2.1 配合物[Co(btzip)(H_2btzip)]·2DMF·2H_2O(3)的合成 |
4.3 结果与讨论 |
4.3.1 配合物[Co(btzip)(H_2btzip)]·2DMF·2H_2O(3)的结构描述 |
4.3.2 PXRD和 TGA分析 |
4.3.3 气体吸附 |
4.3.4 气体分离 |
4.3.5 分子模拟 |
4.3.6 苯和甲苯的吸附 |
4.3.7 醇的吸附 |
4.4 本章小结 |
参考文献 |
第五章 基于Dy-六核簇的fcu-MOF及其分离C_2H_2/C_2H_4和选择性吸附苯性质 |
5.1 引言 |
5.2 实验部分 |
5.2.1 配合物{[(CH_3)_2NH_2]_2[Dy_6(μ_3-OH)_8(F-tzba)_6(H_2O)_6] (4)的合成 |
5.3 结果与讨论 |
5.3.1 配合物4 的晶体结构描述 |
5.3.2 热和化学稳定性 |
5.3.3 气体吸附和穿透实验 |
5.3.4 分子模拟 |
5.3.5 蒸汽吸附 |
5.5 本章小结 |
参考文献 |
结论与创新点 |
附录 |
攻读博士学位期间的科研成果 |
致谢 |
作者简介 |
(6)高COD啶虫脒废水处理工艺研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 高COD化工废水水质特征及处理现状 |
1.3 蒸馏技术概述 |
1.3.1 蒸馏技术的主要方法 |
1.3.2 减压蒸馏技术的应用 |
1.3.3 减压蒸馏工艺的影响因素 |
1.4 铁碳微电解技术概述 |
1.4.1 铁碳微电解工艺反应机理 |
1.4.2 铁碳微电解工艺的应用 |
1.4.3 铁碳微电解工艺影响因素 |
1.5 Fenton氧化工艺概述 |
1.5.1 Fenton氧化工艺机理 |
1.5.2 Fenton氧化工艺的应用 |
1.5.3 Fenton氧化工艺影响因素 |
1.5.4 铁碳微电解和Fenton氧化组合工艺机理及应用 |
1.6 污水生物处理软件的概述 |
1.6.1 污水生物处理模型的发展及应用 |
1.6.2 污水厂模拟软件的介绍 |
1.6.3 污水厂模拟软件的应用 |
1.7 研究内容、创新点与技术路线 |
1.7.1 研究内容 |
1.7.2 研究创新点 |
1.7.3 研究技术路线 |
第二章 啶虫脒废水处理路线设计 |
2.1 啶虫脒废水 |
2.1.1 废水水量及水质 |
2.1.2 排放标准 |
2.2 废水处理工艺的选择 |
2.2.1 废水预处理工艺 |
2.2.2 废水生物处理工艺 |
2.3 废水预处理实验材料与方法 |
2.3.1 实验材料与仪器 |
2.3.2 实验装置 |
2.3.3 实验方案 |
2.3.4 分析测定方法 |
2.4 废水生物处理仿真模拟方法 |
第三章 废水预处理单独实验研究与结果讨论 |
3.1 减压蒸馏实验 |
3.1.1 单因素实验 |
3.1.2 处理能力分析 |
3.2 铁碳微电解实验 |
3.2.1 单因素实验 |
3.2.2 响应面优化实验 |
3.2.3 效果分析实验 |
3.3 芬顿氧化实验 |
3.3.1 单因素实验 |
3.3.2 响应面优化实验 |
3.4 本章小结 |
第四章 废水预处理组合实验研究与结果讨论 |
4.1 组合工艺顺序的确定 |
4.2 单因素实验 |
4.3 响应面优化实验 |
4.4 组合工艺与单独工艺处理能力对比 |
4.5 本章小结 |
第五章 废水生物处理工艺的仿真模拟与结果讨论 |
5.1 进水水质分析 |
5.2 废水生物处理工艺的确定 |
5.3 废水生物处理工艺参数的确定 |
5.3.1 水解酸化池停留时间对出水水质的影响 |
5.3.2 IFAS池溶解氧(DO)对出水水质的影响 |
5.3.3 污泥回流比对出水水质的影响 |
5.3.4 沉淀池排泥量对出水水质的影响 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(7)基于深度神经网络模型压缩的引水隧洞表面缺陷检测(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 人工缺陷检测技术研究现状 |
1.2.2 深度学习缺陷检测技术研究现状 |
1.2.3 模型压缩技术研究现状 |
1.3 研究内容与章节安排 |
1.3.1 研究内容 |
1.3.2 课题关键点 |
1.3.3 章节安排 |
1.4 本章小结 |
2 引水隧洞缺陷机理分析与检测基础研究 |
2.1 引水隧洞缺陷特征及形成机理 |
2.2 人工神经网络 |
2.2.1 神经元 |
2.2.2 多层感知器 |
2.2.3 反向传播算法 |
2.3 卷积神经网络 |
2.3.1 卷积神经网络基本结构 |
2.3.2 交叉熵损失函数 |
2.3.3 自适应矩估计优化器 |
2.4 知识蒸馏算法 |
2.5 本章小结 |
3 引水隧洞缺陷检测模型研究与设计 |
3.1 基于残差网络和注意力机制的引水隧洞图像分类 |
3.1.1 浅层残差网络结构 |
3.1.2 深层残差网络结构 |
3.1.3 融合注意力机制的残差网络结构 |
3.2 引水隧洞知识蒸馏结构搭建 |
3.2.1 基于输出迁移的知识蒸馏网络 |
3.2.2 基于中间特征值的知识蒸馏网络 |
3.2.3 基于自我学习的知识蒸馏网络 |
3.3 引水隧洞缺陷检测模型设计 |
3.3.1 深度曲线估计模块 |
3.3.2 动态卷积模块 |
3.3.3 动态特征蒸馏损失 |
3.4 本章小结 |
4 实验验证与结果分析 |
4.1 数据集及预处理 |
4.2 实验运行环境 |
4.3 引水隧洞缺陷图像检测实验 |
4.3.1 主要评价指标 |
4.3.2 训练过程及评价 |
4.3.3 不同实验参数影响 |
4.4 分类结果及对比分析 |
4.5 本章小结 |
5 引水隧洞表面缺陷检测系统功能设计及应用开发 |
5.1 引水隧洞表面缺陷检测系统平台搭建 |
5.1.1 硬件平台 |
5.1.2 软件平台 |
5.2 引水隧洞表面缺陷检测系统功能设计 |
5.3 引水隧洞表面缺陷检测系统应用测试 |
5.4 本章小结 |
总结与展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
(8)基于对抗样本技术的图像验证码安全性提升方法(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 对抗样本技术的发展历程 |
1.2.2 基于模型蒸馏的对抗样本黑盒生成方法 |
1.2.3 对抗样本技术在图形验证码上的应用 |
1.2.4 存在的问题 |
1.3 本文主要工作 |
1.4 论文的组织结构 |
1.5 本章小结 |
第2章 相关理论知识 |
2.1 验证码的发展历史 |
2.2 生成对抗网络 |
2.2.1 生成对抗网络基本概念 |
2.2.2 生成对抗网络的发展 |
2.2.3 生成对抗网络在对抗样本领域的应用 |
2.3 神经网络的对抗样本 |
2.3.1 深度学习模型的攻击类型 |
2.3.2 对抗样本相关研究 |
2.4 模型蒸馏 |
2.5 本章小结 |
第3章 基于模型蒸馏技术的黑盒攻击方法 |
3.1 神经网络模型的黑盒攻击 |
3.2 模型蒸馏构造本地模型 |
3.3 实验与分析 |
3.3.1 实验设置 |
3.3.2 实验结果与分析 |
3.4 本章小结 |
第4章 基于生成对抗网络的对抗样本生成方法 |
4.1 生成对抗网络在图像领域的优势及应用 |
4.2 样本多样性提升方法 |
4.3 图像噪声生成方法 |
4.4 实验与分析 |
4.4.1 实验设置 |
4.4.2 对抗样本构造过程及攻击性分析 |
4.4.3 对抗样本的多样性分析 |
4.5 本章小结 |
第5章 基于对抗样本技术的验证码安全性提升 |
5.1 模型融合的验证码识别系统 |
5.1.1 验证码数据集制作 |
5.1.2 验证码识别系统搭建 |
5.2 对抗样本技术在验证码生成场景下的应用 |
5.3 实验与分析 |
5.3.1 实验设置 |
5.3.2 验证码识别系统效果评估 |
5.3.3 基于对抗样本技术的验证码效果评估 |
5.4 本章小结 |
第6章 原型工具设计与实现 |
6.1 开发工具介绍 |
6.2 系统总体设计 |
6.2.1 功能概述 |
6.2.2 系统运行流程 |
6.3 系统设计与展示 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 相关工作总结 |
7.2 未来研究展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(9)面向边缘计算平台的神经网络压缩方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文的研究内容 |
1.4 论文结构安排 |
第二章 面向边缘计算平台的神经网络压缩方法 |
2.1 模型压缩的基本概念 |
2.2 模型压缩的基本方法 |
2.2.1 稀疏化训练和模型剪枝 |
2.2.2 蒸馏 |
2.2.3 量化 |
2.2.4 其他 |
2.3 模型压缩分析 |
2.4 本章小结 |
第三章 面向图像分类任务的模型压缩研究 |
3.1 常用图像分类网络 |
3.2 模型优化 |
3.3 基于轻量级分类网络的剪枝 |
3.4 基于轻量级分类网络的蒸馏 |
3.5 基于轻量级分类网络的量化 |
3.6 实验结果与分析 |
3.6.1 实验环境 |
3.6.2 实验评价指标 |
3.6.3 实验分析 |
3.7 本章小结 |
第四章 面向多平台的混合模型压缩 |
4.1 混合模型压缩 |
4.2 硬件部署流程 |
4.3 基于分类的混合模型压缩 |
4.4 基于分割的混合模型压缩 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
发表论文和参加科研情况 |
致谢 |
四、开放式蒸馏过程模拟平台设计与实现(论文参考文献)
- [1]不完全观测边缘计算系统中计算卸载问题研究[D]. 宋诗楠. 吉林大学, 2021(01)
- [2]基于知识图谱的社交网络语义研究[D]. 谢佳楠. 北京邮电大学, 2021(01)
- [3]基于知识注入和对话历史提取的对话系统研究与系统实现[D]. 盖志勇. 北京邮电大学, 2021(01)
- [4]开放系统中量子导引和量子相干性的研究[D]. 熊少杰. 华东师范大学, 2021(12)
- [5]活性位点修饰的金属-有机框架的制备和吸附分离性质研究[D]. 李泳志. 西北大学, 2021(12)
- [6]高COD啶虫脒废水处理工艺研究[D]. 李娉. 兰州大学, 2021(09)
- [7]基于深度神经网络模型压缩的引水隧洞表面缺陷检测[D]. 黄继爽. 西南科技大学, 2021(08)
- [8]基于对抗样本技术的图像验证码安全性提升方法[D]. 金航. 西安邮电大学, 2021(02)
- [9]面向边缘计算平台的神经网络压缩方法研究[D]. 赵亚培. 天津工业大学, 2020(01)
- [10]教育部关于印发普通高中课程方案和语文等学科课程标准(2017年版2020年修订)的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)