课程文献中心 更多>>

关键词： 区块链   共识算法   学习自动机   收敛策略  

摘要： 区块链作为一个可以记录加密的分布式账本而受欢迎，通过共识算法在不受信任的节点网络中确保账本的交易一致性。投票类共识协议的广播过程需要进行大量网络转发，通信开销巨大，严重影响链上性能。随着节点数量增加，性能急剧下降，大规模节点的可扩展性受到严重制约。针对以上问题，将共识过程作为一个优化问题，提出一种使用学习自动机进行投票决策的拜占庭容错共识算法。将学习自动机嵌入区块链节点代替节点完成共识投票相关操作，降低节点恶意操作对系统的影响。共识决策由主节点与其相邻学习节点共同完成，主节点依据准则函数和整体投票结果对学习节点投票做出反馈，学习节点依据反馈调整投票策略，主节点准则函数收敛则达成共识。提出加速共识收敛的策略，调整学习自动机规则减少故障节点的影响，提出一种奖惩机制提高诚实节点参与共识过程的积极性，减少共识时延。实验结果表明在大规模节点场景下提出的共识算法相比现有算法复杂度更低，在面对拜占庭节点时也表现出更好的容错性，在保持快速交易的同时减少了故障节点的影响，保证了大规模节点网络的可扩展性和容错性。

摘要： OpenAI公司最新推出一款名为"语音引擎"的人工智能工具,它能仅凭一段15秒的人声样本,精准模仿该人的声音. "语音引擎"可用于教育,将视频内容翻译成多种语言,生成更自然、更富有情感的声音.这项技术的一大特色是,在翻译过程中能够保留演讲者原有的口音特征,为翻译增添更多真实感和个性化色彩.

关键词： 对话状态跟踪   零样本学习   领域迁移   前缀微调   参数高效迁移学习  

摘要： 零样本对话状态跟踪需要在缺乏标注数据的情况下将已有模型迁移至新领域。现有方法在执行领域迁移时常常难以捕捉对话文本中的上下文联系，导致模型在面对未知领域时泛化能力不足。针对上述问题，提出一种基于语义前缀微调的零样本对话状态跟踪领域迁移模型。首先，利用槽位描述生成初始前缀，确保与对话文本的紧密语义联系；其次，融合前缀位置与领域信息，生成能够整合模型内部知识和领域信息的前缀；再次，根据对话内容的复杂性动态调整前缀长度，增强模型对上下文内容的敏感性；最后，通过全局式前缀插入增强模型对对话历史的全局记忆能力。相较于Prompter模型，所提模型在MultiWOZ2.1(Multi-domain Wizard-of-Oz 2.1)数据集的Hotel、Attraction、Restaurant、Taxi和Train领域上，联合目标准确率分别提高了0.90、0.11、5.50、0.90和7.50个百分点，在SGD(Schema-Guided Dialogue)数据集的Messaging、Payment和Trains领域上，联合目标准确率分别提高了0.65、14.51和0.65个百分点，零样本场景下对话状态跟踪任务的上下文理解能力和泛化迁移性能得到了有效提升。

关键词： 乡镇(街道)社工站   PMC指数模型   政策评价   政策量化  

摘要： 乡镇(街道)社工站建设是实现国家治理体系和治理能力现代化的基础功能,是打通为民服务“最后一米”的重要途径。政策文本量化研究能够为我国乡镇(街道)社工站政策的制定与完善提供决策依据及路径优化建议,对推动社工站建设具有重大意义。本研究基于PMC指数模型,结合文本挖掘(ROSTCM6)与内容分析方法,选取2个中央级、8个省级乡镇(街道)社工站政策进行量化分析,研究发现:(1)我国乡镇(街道)社工站政策整体质量较高,10项政策样本中,5项为优秀等级,5项为可接受等级,无不良和完美级政策;(2)在政策主体性和政策时效性方面需要进一步优化,政策整体科学性和有效性较高但仍有提升空间。通过对政策本身和不同维度变量进行分析,提出以下建议:扩大政策参与主体,建立多方联动机制;注重短期成效和长远规划相结合;完善顶层设计,增加一线社会工作者在社工站政策制定中的参与度;补充高效力级别政策和配套支持政策。

关键词： 时序数据   深度学习   对抗样本   数据增强   半白盒攻击  

摘要： 深度神经网络极易受到对抗攻击，进而引起时序数据分类任务中的安全问题。基于梯度的攻击方法可以快速地生成对抗样本，但需要不断访问模型内部信息；基于生成的攻击方法在模型训练完成之后无需访问模型内部信息，但存在隐蔽性和迁移性较差等问题。针对以上问题，基于生成式攻击方法(AdvGAN)提出一种基于局部增强的时序数据半白盒对抗样本生成方法。使用提出的局部增强策略将其他类别数据的信息注入到原样本中，利用增强后的数据执行半白盒攻击。攻击模型不仅可以利用原样本信息，还能利用其他类别样本分布信息，进而提升模型攻击能力和迁移能力。在UCR数据集上的实验结果表明，所提方法平均0.027s即可生成一个对抗样本；在攻击成功率上，所提方法分别在18、25和13个数据集上优于FGSM、AdvGAN和GATN方法；在均方误差(MSE)上，所提方法生成对抗样本的MSE分别在20、27个数据集上明显小于AdvGAN和GATN；在迁移性上，所提方法在18个数据集上迁移成功率优于AdvGAN，在11个数据集上优于FGSM，在9个数据集上的迁移攻击成功率均达到25%以上。所提方法在保证对抗样本生成速度的同时，提高了对抗样本的隐蔽性并保持有竞争力的攻击效果。

关键词： 污泥水热炭   稻壳热解炭   滨海盐渍土   孔雀草  

摘要： 改良滨海盐渍土对于园林绿化用地的拓展与生态景观的营造至关重要，是提升城市生态环境质量、丰富绿化多样性的必要举措。对比分析2种生物炭在滨海盐渍土中的施用效果，评估其对土壤理化性质的改善及植物生长的影响。利用地被植物孔雀草(Tagete patula L.)进行室内盆栽试验，在滨海盐渍土中分别添加0.5%、1%、5%(质量比)的污泥水热炭和稻壳热解炭。对比研究两种生物炭不同比例施用对土壤理化性质的影响，并考察孔雀草的生长情况和生理生化指标的变化。结果显示，与稻壳热解炭相比，污泥水热炭在降低土壤pH、提高土壤氮、磷及有机碳质量分数方面表现出更优效果，但过度添加会增加土壤全盐量，以1%的添加比例改良效果最佳，能够在不增加盐渍土全盐量的同时显著降低pH，有效提升土壤有机质、全磷、全氮质量分数。此外，冗余分析表明，污泥水热炭通过降低离子胁迫和改善土壤营养状况来提升孔雀草的根系生长和活力水平，增强其抗盐胁迫能力，进而促进生物量积累。污泥水热炭在滨海盐渍土园林绿化用地中的应用从养分和植物生长的角度来看是可行的，但其长期应用的安全性还需要进一步的研究和评估。该研究将为滨海盐渍土园林绿化用地改良提供科学依据。