摘要: 编码计算将编码理论融于分布式计算中,利用灵活多样的编码方式降低数据洗牌造成的高通信负载,缓解掉队节点导致的计算延迟,有效提升分布式计算系统的整体性能,并通过纠错机制和数据掩藏等技术为分布式计算系统提供安全保障.鉴于其在通信、存储和计算复杂度等方面的优势,受到学术界的广泛关注,成为分布式计算领域的热门方向.对此,首先介绍编码计算的研究背景,明确编码计算的内涵与定义;随后对现有编码计算方案进行评述,从核心挑战入手,分别对面向通信瓶颈,计算延迟和安全隐私的编码计算方案展开介绍、总结和对比分析;最后指出未来可能的研究方向和技术挑战,为相关领域的研究提供有价值的参考.

https://crad.ict.ac.cn/CN/10.7544/issn1000-1239.2021.20210496

成为VIP会员查看完整内容
0
14

相关内容

近年来,由于互联网的高速发展和大数据时代的来临,人工智能随之大热,而推动人工智能迅猛发展的正是深度学习的崛起。大数据时代需要迫切解决的问题是如何将极为复杂繁多的数据进行有效的分析使用,进而充分挖掘利用数据的价值并造福人类。深度学习作为一种实现机器学习的技术,正是解决这一问题的重要法宝,它在处理数据过程中发挥着重要作用并且改变了传统的机器学习方法,已被广泛应用于语音识别、图像识别和自然语言处理等研究领域。如何有效加速深度学习的计算能力一直是科研研究的重点。FPGA凭借其强大的并行计算能力和低功耗等优势成为GPU在加速深度学习领域的有力竞争者。从深度学习的几种典型模型出发,在FPGA加速技术现有特点的基础上从针对神经网络模型的加速器、针对具体问题的加速器、针对优化策略的加速器和针对硬件模板的加速器四方面概括总结了FPGA加速深度学习的研究现状,然后对比了不同加速技术和模型的性能,最后对未来可能发展的方向进行了展望。

成为VIP会员查看完整内容
0
14

传统神经网络具有过度依赖硬件资源和对应用设备性能要求较高的缺点,因此无法部署于算力有限的边缘设备和移动终端上,人工智能技术的应用发展在一定程度上受到了限制。然而,随着科技时代的到来,受用户需求影响的人工智能迫切需要在便携式设备上能成功进行如计算机视觉应用等方面的操作。为此,本文以近几年流行的轻量化神经网络中的卷积部分为研究对象,详细比对了各类轻量化模型中卷积构成方式的不同,并针对卷积设计的主要思路和特点进行了较为详细的阐述。首先,通过引入轻量化神经网络的概念,介绍了轻量化神经网络的发展现状和网络中卷积方面所面临的问题;然后,将卷积分为卷积结构轻量化、卷积模块轻量化和卷积运算轻量化三个方面进行介绍,具体通过对各类轻量化神经网络模型中卷积设计的研究,来展示不同卷积的轻量化效果并对其中优化方法的优缺点进行阐述;最后,对文中所有轻量化模型卷积设计的主要思路和使用方式进行了总结分析,并对其未来的可能性发展进行了展望。

http://fcst.ceaj.org/CN/abstract/abstract2903.shtml

成为VIP会员查看完整内容
0
29

摘要: 随着深度神经网络和智能移动设备的快速发展,网络结构轻量化设计逐渐成为前沿且热门的研究方向,而轻量化的本质是在保持深度神经网络精度的前提下优化存储空间和提升运行速度。阐述深度学习的轻量化网络结构设计方法,对比与分析人工设计的轻量化方法、基于神经网络结构搜索的轻量化方法和基于自动模型压缩的轻量化方法的创新点与优劣势,总结与归纳上述3种主流轻量化方法中性能优异的网络结构并分析各自的优势和局限性。在此基础上,指出轻量化网络结构设计所面临的挑战,同时对其应用方向及未来发展趋势进行展望。

http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0060931

成为VIP会员查看完整内容
0
21

摘要: 大数据时代背景下,各行各业希望能基于用户行为数据来训练推荐模型,为用户提供精准推荐,所用数据的共性特点为总量庞大、携带敏感信息、易于获取。推荐系统在带来精准推荐和市场盈利的同时也正在实时分享着用户的隐私数据,差分隐私保护技术作为一门隐私保护技术, 能够巧妙地解决推荐应用中存在的隐私泄露问题,其优势在于不需要考虑攻击方所具备的任何相关的背景知识、严格地对隐私保护进行了定义、提供了量化评估方法来保证数据集(在不同参数条件下)所提供的隐私保护水平具有可比较性。首先简述了差分隐私的概念和主流推荐算法的近期研究成果, 其次重点分析了差分隐私与推荐算法相结合的应用情况,涉及的推荐算法有矩阵分解、深度学习推荐、协同过滤等,并对基于差分隐私保护的推荐算法的准确性进行了对比实验; 然后讨论了与每种推荐算法结合的使用场景以及目前仍存在的问题,最后对基于差分隐私的推荐算法的未来发展方向提出了有效建议。

http://www.jsjkx.com/CN/10.11896/jsjkx.201100083

成为VIP会员查看完整内容
0
7

大数据伴随着物联网、云计算和人工智能等技术的发展成为目前的研究热点,并在许多领域得到了应用。蓬勃发展的航空领域具备天然的大数据土壤,受到人们越来越高的重视。近年来,学者们开始研究面向航空的大数据技术;航空公司也着手利用航空大数据为其提供服务,并将之提升至发展战略的高度。已有研究和实践表明,航空大数据不仅有利于降低航空公司的运营成本,而且可以提升客户的体验品质。首先从数据和系统性两个角度给出了航空大数据的定义,并对相应的组织结构进行了比较系统的论述;然后从采集、存储管理、预处理、分析和虚拟仿真与可视化五个方面详细阐述了航空大数据中的关键技术,并对其中一些主要的模型和算法进行了比较分析;其次从多个方面描述了航空大数据的典型应用场景;最后深入地分析了航空大数据中存在的问题及未来的研究方向,以期对相关研究应用提供有益的参考。

http://fcst.ceaj.org/CN/abstract/abstract2716.shtml

成为VIP会员查看完整内容
0
21

自然语言生成(NLG)技术利用人工智能和语言学的方法来自动地生成可理解的自然语言文本。NLG降低了人类和计算机之间沟通的难度,被广泛应用于机器新闻写作、聊天机器人等领域,已经成为人工智能的研究热点之一。首先,列举了当前主流的NLG的方法和模型,并详细对比了这些方法和模型的优缺点;然后,分别针对文本到文本、数据到文本和图像到文本等三种NLG技术,总结并分析了应用领域、存在的问题和当前的研究进展;进而,阐述了上述生成技术的常用评价方法及其适用范围;最后,给出了当前NLG技术的发展趋势和研究难点。

http://www.joca.cn/CN/abstract/abstract24496.shtml

成为VIP会员查看完整内容
0
39

摘要: 当前,以网络数据为代表的跨媒体数据呈现爆炸式增长的趋势,呈现出了跨模态、跨数据源的复杂关联及动态演化特性,跨媒体分析与推理技术针对多模态信息理解、交互、内容管理等需求,通过构建跨模态、跨平台的语义贯通与统一表征机制,进一步实现分析和推理以及对复杂认知目标的不断逼近,建立语义层级的逻辑推理机制,最终实现跨媒体类人智能推理。文中对跨媒体分析推理技术的研究背景和发展历史进行概述,归纳总结视觉-语言关联等任务的关键技术,并对研究应用进行举例。基于已有结论,分析目前跨媒体分析领域所面临的关键问题,最后探讨未来的发展趋势。

http://www.jsjkx.com/CN/10.11896/jsjkx.210200086

成为VIP会员查看完整内容
0
38

信息论的经典结果表明,信源信道分离编码是渐进最优的。但现代通信系统对时延、带宽等愈发敏 感,分离设计对解码具有无限计算能力这一假设难以成立。带宽有限时,相对于信源信道联合编码,分离编 码已被证明是次优的。传统的联合信源信道编码需要复杂的编码方案,相较之下,数据驱动的深度学习技术 则带来了新的设计思路。适时地对相关研究成果进行总结,有助于进一步明确深度学习方法解决信源信道联 合编码问题的方式,为研究新的研究方向提供依据。首先介绍了基于深度学习的信源压缩方案和端对端收发 信机模型,随后分析不同信源类型下的两种联合编码设计思路,最后探讨了基于深度学习的信源信道联合编 码的潜在问题和未来的工作方向。

成为VIP会员查看完整内容
0
25

近年来,随着深度学习的飞速发展,深度神经网络受到了越来越多的关注,在许多应用领域取得了显著效果。通常,在较高的计算量下,深度神经网络的学习能力随着网络层深度的增加而不断提高,因此深度神经网络在大型数据集上的表现非常卓越。然而,由于其计算量大、存储成本高、模型复杂等特性,使得深度学习无法有效地应用于轻量级移动便携设备。因此,压缩、优化深度学习模型成为目前研究的热点,当前主要的模型压缩方法有模型裁剪、轻量级网络设计、知识蒸馏、量化、体系结构搜索等。通过对以上方法的性能、优缺点和最新研究成果进行分析总结,对未来研究方向进行了展望。

成为VIP会员查看完整内容
0
69

摘要: 随着人工智能和大数据等计算机应用对算力需求的迅猛增长以及应用场景的多样化, 异构混合并行计算成为了研究的重点。文中介绍了当前主要的异构计算机体系结构, 包括CPU/协处理器、CPU/众核处理器、CPU/ASCI和CPU/FPGA等;简述了异构混合并行编程模型随着各类异构混合结构的发展而做出的改变, 异构混合并行编程模型可以是对现有的一种语言进行改造和重新实现, 或者是现有异构编程语言的扩展, 或者是使用指导性语句异构编程, 或者是容器模式协同编程。分析表明, 异构混合并行计算架构会进一步加强对AI的支持, 同时也会增强软件的通用性。文中还回顾了异构混合并行计算中的关键技术, 包括异构处理器之间的并行任务划分、任务映射、数据通信、数据访问, 以及异构协同的并行同步和异构资源的流水线并行等。根据这些关键技术, 文中指出了异构混合并行计算面临的挑战, 如编程困难、移植困难、数据通信开销大、数据访问复杂、并行控制复杂以及资源负载不均衡等。最后分析了异构混合并行计算面临的挑战, 指出目前关键的核心技术需要从通用与AI专用异构计算的融合、异构架构的无缝移植、统一编程模型、存算一体化、智能化任务划分和分配等方面进行突破。

http://www.jsjkx.com/CN/10.11896/jsjkx.200600045

成为VIP会员查看完整内容
0
18
小贴士
相关VIP内容
专知会员服务
14+阅读 · 2021年11月13日
专知会员服务
29+阅读 · 2021年10月24日
专知会员服务
21+阅读 · 2021年10月4日
专知会员服务
7+阅读 · 2021年9月14日
专知会员服务
21+阅读 · 2021年7月2日
专知会员服务
39+阅读 · 2021年5月29日
专知会员服务
38+阅读 · 2021年3月11日
专知会员服务
25+阅读 · 2021年1月9日
专知会员服务
69+阅读 · 2020年8月22日
专知会员服务
18+阅读 · 2020年8月14日
相关资讯
智能合约的形式化验证方法研究综述
专知
9+阅读 · 2021年5月8日
多元时间序列因果关系分析研究综述
专知
3+阅读 · 2021年2月4日
多模态视觉语言表征学习研究综述
专知
12+阅读 · 2020年12月3日
综述 | 异质信息网络分析与应用综述
专知
14+阅读 · 2020年8月8日
深度学习可解释性研究进展
专知
10+阅读 · 2020年6月26日
情感计算综述
人工智能学家
25+阅读 · 2019年4月6日
区块链隐私保护研究综述——祝烈煌详解
计算机研究与发展
13+阅读 · 2018年11月28日
在线流特征选择综述
FCS
3+阅读 · 2018年5月25日
综述:网络功能虚拟化(NFV)技术
计算机研究与发展
4+阅读 · 2018年4月22日
综述——隐私保护集合交集计算技术研究
计算机研究与发展
15+阅读 · 2017年10月24日
相关论文
Vittorio Orbinato
0+阅读 · 2021年12月21日
Torsten Enßlin
0+阅读 · 2021年12月19日
Naveed Akhtar,Ajmal Mian,Navid Kardan,Mubarak Shah
17+阅读 · 2021年9月2日
Tianyang Lin,Yuxin Wang,Xiangyang Liu,Xipeng Qiu
54+阅读 · 2021年6月8日
Lingjuan Lyu,Han Yu,Xingjun Ma,Lichao Sun,Jun Zhao,Qiang Yang,Philip S. Yu
20+阅读 · 2020年12月7日
Yiming Li,Baoyuan Wu,Yong Jiang,Zhifeng Li,Shu-Tao Xia
12+阅读 · 2020年10月26日
Marina Danilevsky,Kun Qian,Ranit Aharonov,Yannis Katsis,Ban Kawas,Prithviraj Sen
21+阅读 · 2020年10月1日
A Survey on the Evolution of Stream Processing Systems
Marios Fragkoulis,Paris Carbone,Vasiliki Kalavri,Asterios Katsifodimos
9+阅读 · 2020年8月3日
Kamran Kowsari,Kiana Jafari Meimandi,Mojtaba Heidarysafa,Sanjana Mendu,Laura E. Barnes,Donald E. Brown
3+阅读 · 2019年4月25日
HyperGCN: Hypergraph Convolutional Networks for Semi-Supervised Classification
Naganand Yadati,Madhav Nimishakavi,Prateek Yadav,Anand Louis,Partha Talukdar
11+阅读 · 2018年9月7日
Top