亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

大數據時代,數據已成為驅動社會發展的重要的資產.但是數據在其全生命周期均面臨不同種類、不同層次的安全威脅,極大降低了用戶進行數據共享的意愿.區塊鏈具有去中心化、去信任化和防篡改的安全特性,為降低信息系統單點化的風險提供了重要的解決思路,能夠應用于數據安全領域.該文從數據安全的核心特性入手,介紹區塊鏈在增強數據機密性、數據完整性和數據可用性三個方向的最新研究成果,對各研究方向存在的缺陷進行分析,進而對未來發展方向進行了展望.該文認為,區塊鏈技術的合理應用能夠增強分布式環境下的數據安全,有著廣闊的前景.

//www.cnki.com.cn/Article/CJFDTOTAL-JSJX202101001.htm

深度學習是當前機器學習和人工智能興起的核心。隨著深度學習在自動駕駛、門禁安檢、人臉支付等嚴苛的安全領域中廣泛應用，深度學習模型的安全問題逐漸成為新的研究熱點。深度模型的攻擊根據攻擊階段可分為中毒攻擊和對抗攻擊，其區別在于前者的攻擊發生在訓練階段，后者的攻擊發生在測試階段。本文首次綜述了深度學習中的中毒攻擊方法，回顧深度學習中的中毒攻擊，分析了此類攻擊存在的可能性，并研究了現有的針對這些攻擊的防御措施。最后，對未來中毒攻擊的研究發展方向進行了探討。

//jcs.iie.ac.cn/xxaqxb/ch/reader/view_abstract.aspx?file_no=20200403&flag=1

我們生活在一個由大量不同模態內容構建而成的多媒體世界中，不同模態信息之間具有高度的相關性和互補性，多模態表征學習的主要目的就是挖掘出不同模態之間的共性和特性，產生出可以表示多模態信息的隱含向量.該文章主要介紹了目前應用較廣的視覺語言表征的相應研究工作，包括傳統的基于相似性模型的研究方法和目前主流的基于語言模型的預訓練的方法.目前比較好的思路和解決方案是將視覺特征語義化然后與文本特征通過一個強大的特征抽取器產生出表征，其中Transformer[1]作為主要的特征抽取器被應用表征學習的各類任務中.文章分別從研究背景、不同研究方法的劃分、測評方法、未來發展趨勢等幾個不同角度進行闡述.

//www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6125&flag=1

人工智能技術因其強大的學習和泛化能力已經被廣泛應用到各種真實場景中.然而,現有人工智能技術還面臨著三大挑戰.第一,現有AI技術使用門檻高,依賴于AI從業者選擇合適模型、設計合理參數、編寫程序,因此很難被廣泛應用到非計算機領域;第二,現有AI算法訓練效率低,造成了大量計算資源浪費,甚至延誤決策時機;第三、現有AI技術強依賴高質量數據,如果數據質量較低,可能造成計算結果的錯誤.數據庫技術可以有效解決這三個難題,因此目前面向AI的數據管理得到了廣泛關注.本文首先給出AI中數據管理的整體框架,然后詳細綜述基于聲明式語言模型的AI系統、面向AI優化的計算引擎、執行引擎和面向AI的數據治理引擎四個方面.最后展望未來的研究方向和挑戰.

//www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6121&flag=1

近年來，隨著web2.0的普及，使用圖挖掘技術進行異常檢測受到人們越來越多的關注.圖異常檢測在欺詐檢測、入侵檢測、虛假投票、僵尸粉絲分析等領域發揮著重要作用.本文在廣泛調研國內外大量文獻以及最新科研成果的基礎上，按照數據表示形式將面向圖的異常檢測劃分成靜態圖上的異常檢測與動態圖上的異常檢測兩大類，進一步按照異常類型將靜態圖上的異常分為孤立個體異常和群組異常檢測兩種類別，動態圖上的異常分為孤立個體異常、群體異常以及事件異常三種類型.對每一類異常檢測方法當前的研究進展加以介紹，對每種異常檢測算法的基本思想、優缺點進行分析、對比，總結面向圖的異常檢測的關鍵技術、常用框架、應用領域、常用數據集以及性能評估方法，并對未來可能的發展趨勢進行展望.

//www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6100&flag=1

隨著大數據時代的到來，海量數據不斷涌現，從中尋找有用信息，抽取對應知識的需求變得越來越強烈。針對該需求，知識圖譜技術應運而生，并在實現知識互聯的過程中日益發揮重要作用。信息抽取作為構建知識圖譜的基礎技術，實現了從大規模數據中獲取結構化的命名實體及其屬性或關聯信息。同時，由于具有多樣化的實現方法，擴充了信息抽取技術的應用領域和場景，也提升了對信息抽取技術研究的價值和必要性的認可度。本文首先以知識圖譜的構建框架為背景。探討信息抽取研究的意義；然后從MUC、ACE和ICDM三個國際測評會議的角度回顧信息抽取的發展歷史；接著，基于面向限定域和開放域兩個方面，介紹信息抽取的關鍵技術，包括實體抽取技術、關系抽取技術和屬性抽取技術。

//pdf.hanspub.org//HJDM20200400000_53197772.pdf

以研究科學創新與演化規律為目的的科學學近年來迎來了進一步的發展, 科技大數據領域知識圖譜在其中發揮了重大的作用. 本文將從科技大數據知識圖譜構建及應用研究角度, 對科學學研究過程中發揮重大推動作用的科技領域知識圖譜技術進行系統、深入的綜述, 闡述科技大數據知識圖譜構建過程中涉及的科技實體抽取、科技實體消歧、科技關系抽取、科技關系推斷等問題, 對科技實體推薦、科技社區發現、科技實體評價、學科交叉以及學科演化等科技大數據知識圖譜分析挖掘方法進行系統梳理, 并給出科技大數據知識圖譜未來的研究及應用方向.

//engine.scichina.com/publisher/scp/journal/SSI/50/7/10.1360/SSI-2019-0271?slug=abstract

隨著大數據對全球生產、流通、分配、消費等國計民生領域產生重要影響, 事理作為認知智能 重要概念, 不僅幫助人們發現大數據所蘊含的國計民生的線索與發展規律, 而且幫助人們更好認知人 機物三元世界未來發展趨勢. 考慮到人機物事理動態演化是工業大數據有別于其他行業大數據處理 的本質區別, 本文從人機物事理動態演化特性智能認知著手, 結合傳統知識圖譜在互聯網領域取得的 成功經驗, 提出了面向大數據領域的事理認知圖譜構建與推斷分析. 首先論述了事理認知圖譜對推動 認知智能研究發展的貢獻, 剖析了它與知識圖譜異同之處, 深度理解人類社會發展變化規律的重要價 值. 其次闡述了事理抽取與泛化、多模態聯合網絡化合成表示、進化認知和推斷分析等關鍵技術研究 最新進展以及面臨的挑戰. 最后, 結合我們課題組在事理認知圖譜的研究進展情況, 歸納總結了事理 認知圖譜在預防網絡電話詐騙和安全生產管控等領域最新應用效果. 本文結尾總結和展望事理認知圖 譜的未來研究方向和發展前景.

//scis.scichina.com/cn/2020/SSI-2019-0273.pdf

知識圖譜是人工智能的重要基石，因其包含豐富的圖結構和屬性信息而受到廣泛關注.知識圖譜可以精確語義描述 現實世界中的各種實體及其聯系，其中頂點表示實體，邊表示實體間的聯系.知識圖譜劃分是大規模知識圖譜分布式處理的 首要工作，對知識圖譜分布式存儲、查詢、推理和挖掘起基礎支撐作用.隨著知識圖譜數據規模及分布式處理需求的不斷增 長，如何對其進行劃分已成為目前知識圖譜研究熱點問題.從知識圖譜和圖劃分的定義出發，系統性地介紹當前知識圖譜數 據劃分的各類算法，包括基本、多級、流式、分布式和其他類型圖劃分算法.首先，介紹 4 種基本圖劃分算法：譜劃分算法、 幾何劃分算法、分支定界算法、KL 及其衍生算法，這類算法通常用于小規模圖數據或作為其他劃分算法的一部分；然后， 介紹多級圖劃分算法，這類算法對圖粗糙化后進行劃分再投射回原始圖，根據粗糙化過程分為基于匹配的算法和基于聚合的 算法；其次，描述 3 種流式圖劃分算法，這類算法將頂點或邊加載為序列后進行劃分，包括哈希算法、貪心算法、Fennel 算法，以及這 3 種算法的衍生算法；再次，介紹以 KaPPa、JA-BE-JA 和輕量級重劃分為代表的分布式圖劃分算法及它們的 衍生算法；同時，在其他類型圖劃分算法中，介紹近年來新興的 2 種圖劃分算法：標簽傳播算法和基于查詢負載的算法。通 過在合成與真實知識圖譜數據集上的豐富實驗，比較了 5 類知識圖譜代表性劃分算法在劃分效果、查詢處理與圖數據挖掘方 面的性能差異，分析實驗結果并推廣到推理層面，獲得了基于實驗的知識圖譜劃分算法性能評價結論。最后，在對已有方法 分析和比較的基礎上，總結目前知識圖譜數據劃分面臨的主要挑戰，提出相應的研究問題，并展望未來的研究方向.