公共文化服务平台

陈廷伟: 作品数：44 被引量：112H指数：5; 供职机构：辽宁大学更多>>; 发文基金：国家自然科学基金国家科技重大专项霍英东基金更多>>; 相关领域：自动化与计算机技术文化科学建筑科学矿业工程更多>>

合作作者

面向资源架构的移动应用系统设计与实现: 2018年; 与传统网络应用系统相比,移动互联网规模的分布式网络应用系统显得较为复杂,传统的单一网络软件架构难以满足其需求。结合面向资源架构(ROA),提出一般性移动网络应用系统的架构与资源设计方案。即:将REST约束与Web Service技术规范,融入到系统架构模型、分层架构、资源定义、资源标识以及资源统一接口等,并以"翻转课堂"移动教学辅助系统作为实例分析具体实现过程。; 陈廷伟管泽华王传琦王智鹏丁蕊王烨; 关键词：ROA REST WEB SERVICE 资源设计

基于概率预测的改进虚拟机内存预拷贝方法被引量：2: 2015年; 预拷贝技术实现了虚拟机的透明移动,但在迭代过程中一些内存页会被反复拷贝,使用概率预测方法可以减少传输的内存页数量,但预测所需的时间仍会延长总迁移时间。针对此问题,提出快速预测预拷贝方法,对内存页状态改变的概率进行测算,并推迟状态频繁变化页的传输,达到优化虚拟机实时迁移的目的。应用于Xen虚拟机的实验结果表明,该方法可减少传输的内存页,缩短总迁移时间。; 陈廷伟姜雅楠; 关键词：虚拟机

一种基于随机选举验证区块链的差分隐私化联邦学习方法: 一种基于随机选举验证区块链的差分隐私化联邦学习方法。设计方法如下：首先利用了区块链的去中心化，构建了一个基于身份认证区块链的联邦学习系统,其次引用了一种随机选择机制来确定验证领导节点，确保了验证节点出块的公平性，并通过验...; 陈廷伟张嘉诚王俊陆宋宝燕纪婉婷

面向交通信号优化改进快速非支配排序遗传算法研究被引量：5: 2018年; 针对快速非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略会使大量冗余的高排序级别个体同时作为精英保留到下一代,极易发生早熟收敛现象问题,提出了改进的快速非支配排序遗传算法(I-NSGA-Ⅱ),并将其应用于交通信号多目标优化问题。I-NSGA-Ⅱ采用了冗余个体标记方法,之后的精英保留策略会通过该标记来判断去除冗余个体并将其并入临时层级,最后在生成的新种群规模不足时,会从临时层级中取出相应规模的冗余个体,对其进行变异操作后并入新种群。实验表明,I-NSGA-Ⅱ在保证停车率和排队长度基本不变的情况下,减少了车辆及行人延误,证明所提出的算法可提高交通路口综合交通效益。; 陈廷伟高研; 关键词：早熟收敛信号控制多目标优化

一种基于自监督的三阶段故事阅读理解训练方法: 一种基于自监督的三阶段故事阅读理解训练方法，包括以下步骤：1)使用语言模型在开放域语料库上进行预训练；2)采用语言模型LM或者掩码语言模型MLM的自我监督学习目标继续在无监督、同领域的ROCStories日常故事语料上进...; 陈廷伟侯昊辰刘欣月胡玥; 文献传递

胶胎-可缩性金属支架机理研究: 2001年; 介绍了胶胎可缩性金属支架的结构 ,阐述了胶胎的作用 ,对胶胎可缩性金属支架的承载能力和支护过程进行了分析 ,指出了其存在的问题。该项技术具有推广价值 ,应用前景广阔。; 张士林冯夏庭陈廷伟赵炳祁陈炳端; 关键词：高应力软岩巷道承载能力

面向主从区块链的多级索引构建方法: 2024年; 主从区块链是一种面向领域的、采用高效密码学原理进行大数据可信化通信及存储的新型信息处理技术.随着领域数据规模的指数级增长,现有主从区块链系统存在的查询效率低、溯源时间长等问题愈发严重.针对这些问题,提出一种面向主从区块链的多级索引构建方法(multi-level index construction method for master-slave blockchain,MSMLI).首先,MSMLI引入权重矩阵,基于主链结构将整个主从区块链进行分片,并对各个分片进行权重赋值;其次,针对每个分片内的主区块链,提出基于跳跃一致性哈希的主链索引构建方法(master chain index construction method based on jump consistent Hash,JHMI),输入节点关键值和索引槽位数量,输出主链索引;最后,引入布隆过滤器,改进基于列的选择函数,对各个主区块对应的从属区块链构建2级复合索引.在3种约束条件和2类数据集上的实验结果表明,MSMLI对比现有方法,平均能够缩减9.28%的索引构建时间,提升12.07%的查询效率,同时降低24.4%的内存开销.; 王俊陆张桂月杜立宽李素陈廷伟; 关键词：区块链索引

一种基于Kirkman女生问题解决方案的图像置乱方法: 一种基于Kirkman女生问题解决方案的图像置乱方法，属于数字图像处理领域。本发明分图像正置乱和图像逆置乱两部分。图像正置乱部分：将原始图像转换成二进制序列，再将二进制序列转换成一维的；将一维二进制序列进行分组，15个为...; 范铁生张忠清陈廷伟王涛; 文献传递

一种基于强化学习的多样性对话数据增强方法: 一种基于强化学习的多样性对话数据增强方法，包括以下步骤：1)给定输入的对话历史，收集相同对话历史下不同语义或者不同表达的回复的集合，这两个集合被用于生成对话回复的语义和表达隐含空间，从这两个隐含空间分别采样，结合对话历史...; 陈廷伟侯昊辰魏家富胡玥

基于贝叶斯规则的具有层次注意力的知识补全: 2023年; 知识图谱作为大数据时代的人工智能,被广泛应用于诸多领域,然而知识图谱普遍存在不完备性及稀疏性等问题。知识补全作为知识获取的子任务,旨在通过知识库中已知三元组来预测缺失的链接。然而现有方法普遍忽略了实体类型信息联合邻域信息对提高知识补全准确性的辅助作用,同时还存在特征信息被紧密编码到目标函数,导致集成操作高度依赖训练过程等问题。为此,提出了一种基于贝叶斯规则的具有层次注意力的知识补全方法。首先将实体类型和邻域信息视为层次结构,按关系进行分组,并独立计算组内各类信息的注意力权重。然后将实体类型和邻域信息编码为先验概率,将实例信息编码为似然概率,且按照贝叶斯规则将二者进行组合。实验结果表明,所提方法在FB15k数据集上的MRR(Mean Reciprocal Rank)指标比ConvE提高14.4%,比TKRL提高10.7%;在FB15k-237数据集上的MRR指标比TACT提高了2.1%。在FB15k,FB15k-237和YAGO26K-906数据集上,其Hits@1达到了77.5%,73.8%和95.1%,证明了引入具有层次结构的类型信息和邻域信息能够为实体嵌入更丰富、准确的描述信息,进而提升知识补全的精度。; 单晓欢赵雪陈廷伟; 关键词：贝叶斯规则