增量构造式随机循环神经网络

下载全文  

针对循环神经网络(recurrent neural network, RNN)的结构不易确定、参数学习过程复杂等问题, 提出一种增量构造式随机循环神经网络(incremental-construction random RNN, IRRNN), 实现了RNN结构的增量构造与参数的… …   相似文献

李文艺  代伟  南静  刘从虎 《软件学报》2025,36(9):4073-4093

RISC-V架构下的懒惰影子页表模型

下载全文  

内存虚拟化作为虚拟化技术的核心组成部分,直接影响虚拟机的整体性能.目前,主流的内存虚拟化方法在两维地址翻译开销与页表同步开销之间面临权衡.传统的影子页表模型通过一套由软件维护的页表,实现了与原生(Native)环境相当的地址翻译性能.然而,由于影子页表的同步依赖于基于写保护的机制… …   相似文献

李传东  衣然  罗英伟  汪小林  王振林 《软件学报》2025,36(9):3970-3984

云边联邦学习系统下抗投毒攻击的防御方法

下载全文  

随着海量数据的涌现和智能应用需求的日益增长, 保障数据安全成为提高数据质量、实现数据价值的重要举措. 其中, 云边端架构是高效处理和优化数据的新兴技术, 联邦学习(FL)作为一个高效的去中心化的机器学习范式, 能够为数据提供隐私保护, 近年来引起了学术界及工业界的广泛关注. 然而… …   相似文献

赵亚茹  张建标  曹益皓  黄浩翔 《软件学报》2025,36(9):4252-4272

基于相关性提示的知识图谱问答

下载全文  

大语言模型(large language model, LLM)随着不断发展, 在开放领域取得了出色的表现. 然而, 由于缺乏专业知识, LLM在垂直领域问答任务上效果较差. 这一问题引发了研究者的广泛关注. 现有研究通过“检索-问答”的方式, 将领域知识注入大语言模型, 以增强… …   相似文献

马杰  孙望淳  王平辉  张若非  李帅鹏  苏洲 《软件学报》2025,36(9):4057-4072

Solidity到MSVL转换的等价性研究

下载全文  

智能合约是运行在以太坊区块链上的脚本, 能够处理复杂的业务逻辑. 大多数的智能合约采用Solidity语言开发. 近年来智能合约的安全问题日益突出, 为此提出了一种采用时序逻辑程序设计语言(MSVL)与命题投影时序逻辑(PPTL)的智能合约形式化验证方法, 开发了SOL2M转换器… …   相似文献

王小兵  常家俊  李春奕  杨潇钰  赵亮 《软件学报》2025,36(9):4006-4036

RISC-V内存一致性模型的同地址顺序一致性定理证明

下载全文  

内存一致性模型定义了并行程序在多核系统中的访存序约束, 是软硬件共同遵守的架构规范. 同地址顺序一致性是内存一致性模型的经典公理之一, 它规定了多核系统中对于相同地址的所有访存操作遵循顺序一致性, 被广泛应用于X86/TSO, Power, ARM等经典架构的内存一致性模型中, … …   相似文献

徐学政  杨德亨  王璐  王涛  黄安文  李琼 《软件学报》2025,36(9):3919-3936

面向RISC-V向量扩展的高性能算法库优化方法

下载全文  

高性能算法库可以通过向量化的方式高效地利用单指令多数据(SIMD)硬件的能力,从而提升其在CPU上的执行性能.其中,向量化的实现需要使用目标 SIMD 硬件的特定编程方法,而不同SIMD扩展的编程模型和编程方法均存在较大差异.为了避免优化算法在不同平台上的重复实现,提高算法库的可… …   相似文献

韩柳彤  张洪滨  邢明杰  武延军  赵琛 《软件学报》2025,36(9):3985-4005

基于神经网络的分布式追踪数据压缩和查询方法

下载全文  

分布式追踪数据作为一种重要的可观测性数据, 对性能分析、故障诊断、系统理解等运维任务起着至关重要的作用. 由于系统规模和复杂性的快速增加, 追踪数据的规模愈发庞大, 对存储提出了更高的要求. 为了降低追踪数据的存储成本, 数据压缩成为一种至关重要的方式. 现有的压缩方法无法充分利… …   相似文献

王尚  张晨曦  彭鑫 《软件学报》2025,36(9):4287-4312

基于多模态融合的软件缺陷协同分派方法

下载全文  

软件缺陷(bug)分派是将bug报告与适合解决该bug的开发人员进行匹配的过程, 能够使bug得到及时修复. 目前的bug分派研究大多集中于bug报告的文本分类, 但根据帕累托法则, 用以分类的bug报告存在数据分布不均衡现象, 容易对非活跃开发者产生较差的分派效果; 此外, 现… …   相似文献

谢生龙  李青山  歹杰  崔笛 《软件学报》2025,36(9):4037-4056

基于掩码信息熵迁移的场景文本检测知识蒸馏

下载全文  

自然场景文本检测的主流方法大多使用复杂且层数较多的网络来提升检测精度, 需要较大的计算量和存储空间, 难以部署到计算资源有限的嵌入式设备上. 知识蒸馏可通过引入与教师网络相关的软目标信息, 辅助训练轻量级的学生网络, 实现模型压缩. 然而, 现有的知识蒸馏方法主要为图像分类任务而设计, 提取教师网络输出的软化概率分布作为知识, 其携带的信息量与类别数目高度相关, 当应用于文本检测的二分类任务时会存在信息量不足的问题. 为此, 针对场景文本检测问题, 定义一种新的信息熵知识, 并以此为基础提出基于掩码信息熵迁移的知识蒸馏方法(mask entropy transfer, MaskET). MaskET在传统蒸馏方法的基础上引入信息熵知识, 以增加迁移到学生网络的信息量; 同时, 为了消除图像中背景信息的干扰, MaskET通过添加掩码的方法, 仅提取文本区域的信息熵知识. 在ICDAR 2013、ICDAR 2015、TD500、TD-TR、Total-Text和CASIA-10K这6个公开标准数据集上的实验表明, MaskET方法优于基线模型和其他知识蒸馏方法. 例如, MaskET在CASIA-10K 数据集上将基于MobileNetV3的DBNet的F1得分从65.3%提高到67.2%.… …   相似文献

陈建炜  沈英龙  杨帆  赖永炫 《软件学报》2025,36(9):4188-4207