深度学习模型中的公平性研究

近几年深度神经网络正被广泛应用于现实决策系统,决策系统中的不公平现象会加剧社会不平等,造成社会危害.因此研究者们开始对深度学习系统的公平性展开大量研究,但大部分研究都从群体公平的角度切入,且这些缓解群体偏见的方法无法保证群体内部的公平.针对以上问题,本文定义了两种个体公平率计算方法,分别为基于输出标签的个体公平率（IFR_b）,即相似样本对在模型预测中标签相同的概率和基于输出分布的个体公平率（IFR_p）,即相似样本对的预测分布差异在阈值范围内的概率,后者是更严格的个体公平.更进一步,本文提出一种提高模型个体公平性的算法IIFR,该算法通过余弦相似度计算样本之间的差异程度,利用相似临界值筛选出满足条件的相似训练样本对,最后在训练过程中将相似训练样本对的输出差异作为个体公平损失项添加到目标函数中,惩罚模型输出差异过大的相似训练样本对,以达到提高模型个体公平性的目的.实验结果表明,IIFR算法在个体公平的提升上优于最先进的个体公平提升方法.此外IIFR算法能够在提高模型个体公平性的同时,较好地维持模型的群体公平性.     

Web服务降级替换的一致性问题及量化研究

在开放的网络环境下,软件系统的可信性受到了更大的挑战,软件系统的降级替换是提高其可信性的方法之一。基于进程代数研究了Web服务的降级替换问题。在原有进程代数的基础上,添加了超时处理算子和延时处理算子,给出了Web服务降级替换一致性条件,从而保证了合成Web服务中降级替换的正确性。进一步地,从量化角度对Web服务的降级替换进行了研究。     

人工智能系统可信性度量评估研究综述

近年来, 人工智能技术突飞猛进, 人工智能系统已经渗透到人们生活中, 成为人们生活中不可或缺的一部分. 然而, 人工智能系统需要数据训练模型, 数据扰动会对其结果造成影响. 并且随着人工智能系统业务多样化, 规模复杂化, 人工智能系统的可信性愈发受到人们的关注. 首先, 在梳理不同组织和学者提出的人工智能系统可信属性基础上, 提出人工智能系统的9个可信属性; 接着, 从数据可信性、模型可信性和结果可信性分别介绍现有的人工智能系统数据、模型、结果可信性度量方法, 设计人工智能系统可信证据收集方法. 其次, 总结当前人工智能系统的可信度量评估理论与方法. 然后, 结合基于属性的软件可信评估方法与区块链技术, 建立一个人工智能系统可信度量评估框架, 包括可信属性分解及可信证据获取方法、联邦式可信度量模型与以及基于区块链的人工智能系统可信度量评估架构. 最后, 讨论人工智能系统可信度量技术面临的机遇和挑战.     

[α1，α2]1-概率拟Hoare逻辑及其可靠性证明

基于C.A.R.Hoare提出的Hoare逻辑,给出了[α₁,α₂]1-概率拟Hoare逻辑,并证明了其可靠性。     

一种变频采样传感器的频率控制算法

在物联网时代,传感器在环境监测等领域得到了越来越广泛的应用,然而其监测性能的进一步提升受到了传感器自身能量、通信及硬件资源的制约.相对固定频率采样的传感器,变频采样的传感器在监测性能上更有优势.针对传感器的应用场景提出了一种策略模型,在此基础上设计了一种应用于节点异常监测状态的频率控制(DisTros)算法,并用MATLAB/Simulink工具进行了仿真分析.DisTros算法的两种子算法可分别应用于监测对象的快速变化及慢速变化两种应用场景.最后的仿真结果表明,该算法在快速变化场景下保证了监测的实时性,在慢速变化场景下保证了监测的密集度.     

基于模糊逻辑的几类Kripke结构之间的关系

根据初始状态、状态之间的转换关系和命题赋值函数是否为分明的,模糊Kripke结构可分为8类。提出将模糊计算树逻辑作为判断模糊Kripke结构之间是否是等价的依据;详细讨论了8种模糊Kripke结构之间的关系。这些结论为设计应用中模型的合理选取提供了理论依据,也为解决模糊计算树逻辑的模型检测问题提供了一种新的方法。     

基于知网的虚拟人情感建模研究

虚拟人及其和谐交互技术是当前信息科学和生命科学研究的热点。情感信息处理是人工智能和认知科学研究一直关注的问题。本文将研究基于知网的虚拟人情感模型,该模型由冷静、愤怒、快乐、悲伤、放松和恐惧六个维度组成六维空间。通过实例模拟表明,此模型可以很好地对人类的情感进行仿真。     

一类论域函数的全性与极大性

该文研究L－论域上稳定函数的全性与极大性,由于全函数在计算机科学与技术中是不多见的,因此作者从降低函数全性的要求出发,转而要求函数是关于一类元素是全的,即将这类元素仍然映射成该类元素,另一方面,论域中元素间的序关系反映了元素包含信息多少的关系,因此包含尽可能多信息的元素,即极大元素是重要的一类元素,该文引入了极大类全函数,即将极大元映射成极大元的函数,重点研究极大类稳定全函数,同时关注稳定映射关于稳定序的极大性,即极大稳定函数,结果表明在一类的L－论域上,极大类稳定全函数与极大稳定函数是一致的。     

软硬件协同设计中的软硬件划分方法综述

近年来,随着信息领域的物联网、工业互联网、机器人等研究热点发展,嵌入式系统技术再次得到科技工作者和工程师的广泛关注和重视,同时嵌入式系统产品的集成度和性能要求越来越高.软硬件协同设计是开发嵌入式系统产品的重要方法之一,而软硬件划分是软硬件协同设计中的关键技术.本文对现有软硬件划分方法从不同层面进行梳理和分类,重点介绍几种常用的软硬件划分方法,并结合实例进行了详细阐述,最后对这几种方法进行综合比较,供嵌入式系统开发科技工作者和工程师参考.