检索结果

Select

1. 深度学习的可解释性研究综述

李凌敏, 侯梦然, 陈琨, 刘军民

《计算机应用》唯一官方网站 2022, 42 (12): 3639-3650. DOI: 10.11772/j.issn.1001-9081.2021091649

摘要（853）

HTML （63）

PDF （4239KB）（580）

近年来，深度学习在很多领域得到广泛应用；然而，由于深度神经网络模型的高度非线性操作，导致其可解释性较差，并常常被称为“黑箱”模型，无法应用于一些对性能要求较高的关键领域；因此，对深度学习的可解释性开展研究是很有必要的。首先，简单介绍了深度学习；然后，围绕深度学习的可解释性，从隐层可视化、类激活映射（CAM）、敏感性分析、频率原理、鲁棒性扰动测试、信息论、可解释模块和优化方法这8个方面对现有研究工作进行分析；同时，展示了深度学习在网络安全、推荐系统、医疗和社交网络领域的应用；最后，讨论了深度学习可解释性研究存在的问题及未来的发展方向。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. TACLeBench中内核程序循环级推测并行性分析

孟慧玲, 王耀彬, 李凌, 杨洋, 王欣夷, 刘志勤

计算机应用 2021, 41 (9): 2652-2657. DOI: 10.11772/j.issn.1001-9081.2020111792

摘要（258）

PDF （1190KB）（219）

线程级推测（TLS）技术可挖掘程序并行执行潜能，提高多核资源利用率，但目前TACLeBench的内核基准仍未在TLS并行化中得到有效分析。针对该问题设计了循环级推测执行的剖析方案和剖析工具。选取7个代表性的TACLeBench内核基准程序，首先对程序进行初始化分析，选取程序热点片段插入循环标识；其次对这些片段进行交叉编译，记录程序推测线程与内存地址相关数据，剖析其循环级最大潜在并行性；最后综合探讨程序运行时的特征（线程粒度、可并行化覆盖率、依赖特征）以及源码对加速比的影响。实验结果表明：1）该类程序适合采用TLS加速，与串行执行结果相比，循环结构的推测执行下的大部分程序的加速比在2以上，其中最高加速比达到20.79；2）利用TLS加速TACLeBench内核程序时，多数应用可有效利用4核到16核的计算资源。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于SparkR的水文传感器数据的异常检测方法

刘子豪, 李凌, 叶枫

计算机应用 2019, 39 (2): 436-440. DOI: 10.11772/j.issn.1001-9081.2018081782

摘要（387）

PDF （891KB）（221）

为了高效地从海量的水文传感器数据中检测出异常值，提出一种基于SparkR的水文时间序列异常检测方法。首先，对数据进行清洗后，采用滑动窗口配合自回归积分滑动平均模型（ARIMA）在SparkR平台上进行预测；然后，对预测的结果计算置信区间，将在区间范围以外的判定为异常值；最后，基于检测结果，利用 K均值算法对原数据进行聚类，同时计算其状态转移概率，对检测出的异常值进行质量评估。以在滁河获取的水文传感器数据为实验数据，分别在运行时间和异常值检测效果这两个方面进行了实验。结果显示:利用SparkR对百万级数据进行计算时，利用双节点计算的时间要长于单节点；但是对千万级数据进行计算时，双节点比单节点计算时间上更少，最多减少了16.21%，且评估过后的灵敏度由之前的5.24%提高到了92.98%。实验结果表明，在SparkR下，根据水文数据的特点并结合预测检验和聚类校验的方法对千万级水文时间序列进行检测时，能有效提高传统方法的计算效率，并且在灵敏度方面相比传统方法也有显著提升。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于IP多媒体子系统的IPTV业务控制服务器集群负载均衡机制

林镜华于东李鸿彬李凌南

计算机应用 2010, 30 (9): 2488-2493.

摘要（1516）

PDF （1042KB）（945）

基于IP多媒体子系统(IMS)的IPTV引入集中式SIP会话管理机制，除对业务控制功能(SCF)服务器提出更高的响应性能要求，而且由于SIP的事务和对话双重完整性，对传统负载均衡技术也带来诸多限制。针对SCF的性能瓶颈，结合IMS的业务触发过程和IPTV业务的会话统计特性，探讨了集群间区分业务和集群内对后台服务器负载感知的多级负载均衡机制，并提出基于SIP事务优先级的轻量级动态权值随机调度算法。最后在IPTV原型系统中验证了该负载均衡机制的技术可行性，并给出具体实验方案。