【摘 要】
：
随着智能设备的普及,群智感知逐渐成为一种普适感知新范式。群智感知基于众包理念,其充分利用大量拥有智能设备、具备感知能力的个体,实现海量异构数据的采集,解决大规模数据需求问题。与传统的传感器网络相比,群智感知系统不需要大量部署专门的传感器设备即可获取海量感知数据,大大降低了数据获取的成本。目前,群智感知已经被广泛的应用在对现实物理世界的感知中（如交通信息采集、空气质量监测、城市WiFi勘测等）。尽管
论文部分内容阅读
随着智能设备的普及,群智感知逐渐成为一种普适感知新范式。群智感知基于众包理念,其充分利用大量拥有智能设备、具备感知能力的个体,实现海量异构数据的采集,解决大规模数据需求问题。与传统的传感器网络相比,群智感知系统不需要大量部署专门的传感器设备即可获取海量感知数据,大大降低了数据获取的成本。目前,群智感知已经被广泛的应用在对现实物理世界的感知中（如交通信息采集、空气质量监测、城市WiFi勘测等）。尽管群智感知已广泛应用在现实世界中,但是其仍面临着如何在有限预算下从海量工人中选择高感知能力工人的问题。在群智感知系统中,由于工人的异质性（对同一任务,不同工人有着不同的处理成本和感知能力）以及持有智能设备工人数量的庞大,造成对海量工人的异构感知能力进行精确评测是非常困难的。尽管可以应用组合多臂老虎机框架来解决工人的不确定性问题,但是群智感知系统中有限的预算限制了对工人的探索和利用。此外,由于工人的智能设备往往有着有限的感知资源,导致工人执行感知任务的次数也是有限的,这也使解决工人的不确定性问题更加困难。针对上述问题,本文提出了“基于上下文信息未知工人选择算法（Context-Aware unknown Worker Selectionalgorithm,CAWS）”,通过利用工人的上下文信息与其感知能力之间的关系,来实现对未知工人的探索和利用。具体来讲,本文基于一个可精细调节的粒度,将上下文信息空间划分为一组规格相同的子空间——超立方体。假设在同一超立方体的工人具有相似的感知能力,然后通过基于上置信界的组合多臂老虎框架对同一个超立方体中的工人同时进行探索和利用,从而大大减少了对未知工人进行评估的成本。为了验证本文提出算法的有效性,本文给出了遗憾函数的定义,并证明了算法的遗憾上界为O（B（M/α+M）lnB）。最后,本文通过在合成数据集和真实数据集上的实验,验证了本文提出算法的有效性和优越性。
其他文献
随着人工智能技术的蓬勃兴起,现阶段的工业生产过程正朝着更加自动化、智能化的方向发展,这一方面提高了工业生产产品的质量、改善了原有的粗犷生产状态,另一方面显著提高了工业的实际生产效率与生产水平。在工业零部件生产作业中,产品质检与产品瑕疵检测一直是一个至关重要的环节。一些基于传统数字图像处理的方法往往需要研究者根据不同瑕疵类别设计相应特征,但此方法缺乏通用性,且成本较高。因此,为改善工业质检流程并提高
对虾养殖作为沿海地区的重要支柱产业,为水产养殖业带来巨大的经济效益。但自上世纪90年代以来,白斑综合征病毒（White spot syndrome virus,WSSV）病频发,对对虾养殖业造成了重大损失。虽然针对该病毒做了大量的研究工作,但到目前为止对WSSV感染的致病机理了解的还很少。除了通过改进养殖模式控制病害传播外,对WSSV也没有有效的防控措施。腺苷酸活化蛋白激酶（Adenosine 5
随着我国经济建设的高速发展、工业科技产业的进一步提升与扩大以及城镇化进程的持续深入,对民生、商业和军事领域的用电能源需求与日俱增,而国家电网工程也取得了突飞猛进的发展。防震锤作为电力系统中的重要组件,在输电线路中起到保护导线、保障输电稳定的关键作用。但由于长期暴露于室外,经常遭受风吹雨打、植物侵蚀等影响,易导致出现锈蚀现象,对输电线路的可靠性和安全性造成巨大影响。因此,防震锤的锈蚀检测是电力系统巡
测地线是指限制在曲面上的最短路径,蕴含了曲面的所有内蕴属性,是形状分析的基础。测地线的计算是计算机图形学、计算几何、计算机视觉、路径规划等多个领域共同关注的研究课题。考虑到连续曲面上一般不存在测地方程的闭式解,大多数已有方法在三角网格曲面上寻求以折线作为表示的离散测地线。从目前的研究进展来看,已有研究工作尚不能满足数据多样性和算法普适性两大需求。一方面,三维模型的表达有多种形式,包括点云,网格曲面
近年来,随着智能手机和可穿戴设备的发展,使用智能设备中传感器数据的行为识别受到了越来越多的关注,并已经应用在医疗保健、智能城市等多个领域。现有方法通常基于深度学习技术,避免了手工特征设计。然而,在广泛应用于现实场景之前仍有几个问题急需解决。首先是隐私保护问题。用户的传感器数据携带隐私信息,传统的集中式训练方式很可能导致用户的隐私数据泄露。第二是标签稀缺问题。传感器产生数据的频率通常很高,人工为这些
在逻辑上相互关联的命题上聚合个体判断的任务称为判断聚合。判断聚合过程的操作首先由List和Dietrich等人开始研究,Endriss等人是第一次从计算角度研究判断聚合过程。Baumeister等人扩展了他们关于操纵的结果,并在判断聚合中引入了贿赂和控制的概念,再次聚焦算法和复杂性理论性质。关于控制操作,外部操纵人员可以试图通过增加或删除法官个人判断集的方式来影响选举结果;对于操纵操作,外部人员可
主题模型及其相关方法,通常被用于学习语料库中一系列隐含的主题,以及预测隶属于每个主题的每个文档中每个单词的概率。因此,主题模型是用于学习文本的隐含表示的最主流的方法之一。而基于贝叶斯理论的概率主题模型则是其中最经典的代表。概率主题模型有很连贯的理论证明以及很强的可解释性,适用于长文本。但是现有的大部分概率主题模型都有一个关键性的弱点,就是需要大量的文档数据,进而依赖大量的统计数据来生成可靠的主题。
舞蹈是一种蕴含丰富人文内涵、美学价值的艺术形式,舞者的生理条件和乐感越出众、对编舞的理解越准确,其呈现出的舞蹈通常越专业。随着三维建模技术的发展,以动作捕捉设备为主要工具的舞蹈数字化技术,在数字电影和动画制作领域发挥着重要作用。然而,舞蹈的专业性对舞者的形体动作具有严苛要求,使得动捕过程中的重复采集现象频繁出现,导致专业舞蹈序列的获取成本十分高昂。因此,如何利用智能处理方法提升数字舞蹈序列的专业性
现场可编程门阵列（Field Programmable Gate Array,FPGA）被广泛应用于航空航天、高性能计算、5G通信等领域,具有开发周期短、易升级维护、现场可编程等独特优势,但其硬件安全问题也逐渐显现。硬件木马（Hardware Trojan,HT）攻击近年来已成为FPGA的一大安全威胁,国内外许多机构和学者将机器学习算法与FPGA安全检测相结合,收到了较好的效果。但是,这些研究大多
图被广泛应用于各种领域的关系建模,比如社会学、生物信息学、基础设施、万维网等。现实生活中的图通常是全局稀疏,但局部紧密,也就是平均度数往往相当小。因此,如何在一个大规模的图网络中挖掘出这些紧密子图是一个非常热门的研究课题,它可以帮助人们找到图中的关键节点或者群体。目前的研究中已经给出了很多的紧密子图模型,比如k-core、k-truss、clique等,但这些都只是考虑图的拓扑结构。而真实的网络图