潘嵘
- 作品数：64 被引量：137H指数：5
- 供职机构：中山大学更多>>
- 发文基金：国家自然科学基金教育部“新世纪优秀人才支持计划”国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术文化科学理学电子电信更多>>
- 基于VMware虚拟网络的IPSec实验教学被引量：16
- 2010年
- 在大学网络安全实验课程的教学中,由于受到硬件条件的限制,很难完成较为复杂的涉及多主机、多网段的网络安全实验。该论文研究了如何应用基于VMware的虚拟化技术来构建复杂虚拟网络,以进行IP-Sec安全协议的实验教学。通过在中山大学2007级信息安全专业的学生中进行实际教学实验,学生的教学反馈良好。
- 吴迪何坚潘嵘刘聪
- 关键词：VMWARE虚拟机IPSEC网络安全
- 一种基于多智能体强化学习的合作型智能体的学习方法
- 本发明涉及一种基于多智能体强化学习的合作型智能体的学习方法，步骤一：重置多个目标环境；步骤二：初始化策略网络π<Sub>θ</Sub>的模型参数θ<Sub>π</Sub>和全局信息预测网络f<Sub>θ</Sub>的模型...
- 陈伟威潘嵘
- 文献传递
- 基于强化学习和胶囊网络的文本分类模型及方法
- 本发明涉及自然语言处理、文本分类的技术领域，更具体地，涉及基于强化学习和胶囊网络的文本分类模型及方法。本发明以强化学习Actor‑Critic，胶囊网络CapsNet为基本的框架，胶囊网络提取文本信息的特征，强化学习判别...
- 林东定潘嵘
- 文献传递
- 时间序列分类问题的算法比较被引量：45
- 2007年
- 时间序列分类是时间序列数据分析中的重要任务之一.不同于时间序列分析中常用的算法与问题,时间序列分类是要把整个时间序列当作输入,其目的是要赋予这个序列某个离散标记.它比一般分类问题困难,主要在于要分类的时间序列数据不等长,这使得一般的分类算法不能直接应用.即使是等长的时间序列,由于不同序列在相同位置的数值一般不可直接比较,一般的分类算法依然还是不适合直接应用.为了解决这些难点,通常有两种方法:第一,定义合适的距离度量(这里,最常用的距离度量是DTW距离),使得在此度量意义下相近的序列有相同的分类标签,这类方法属于领域无关的方法;第二,首先对时间序列建模(利用序列中前后数据的依赖关系建立模型),再用模型参数组成等长向量来表示每条序列,最后用一般的分类算法进行训练和分类,这类方法属于领域相关的方法.长期以来,研究者往往只倾向于使用其中一种算法,而这两类算法的比较却比较缺乏.文中深入分析了这两类方法,并且分别在不同的合成数据集和实际数据集上比较了两类方法.作者观测到了两类算法在不同因素影响下的性能表现,从而为今后发展新的算法提供了有力依据.
- 杨一鸣潘嵘潘嘉林杨强李磊
- 关键词：时间序列马尔可夫模型统计学习
- 基于Linear Transformer的非侵入式负荷分解方法
- 本发明针对现有技术的局限性，提出了一种基于Linear Transformer的非侵入式负荷分解方法。首次提出并使用了Linear Transformer模型进行非侵入负荷分解，在总体精度不变的情况下大大减少了训练时间；...
- 林梓铠潘嵘
- 文献传递
- 一种基于语句关系的词向量训练方法
- 本发明涉及一种基于语句关系的词向量训练方法，在预训练第一阶段的预训练中，加入中文句子的句子间关系对模型进行训练，以及将自注意力算法中矩阵K、Q、V矩阵的计算使用神经网络的非线性的计算方式。本方法能结合中文的语言特点更好地...
- 谢梓莹潘嵘
- 一种基于差分隐私技术的协同过滤算法
- 本发明提供一种基于差分隐私技术的协同过滤算法，本发明算法针对优化算法ALS的目标函数进行加扰，并给出此时满足差分隐私的ALS目标函数加扰算法的参数求解的数学推导过程，大大降低加入推荐系统中的噪声量，保证推荐系统满足差分隐...
- 李启良鲜征征潘嵘
- 一类具有分布时滞的捕食者-食饵系统的周期解被引量：2
- 2008年
- 通过运用Gains和Mawhins的重合度理论,得到了该模型的正周期解全局存在性的充分条件,改进推广了有关文献的已有结果。
- 潘嵘冯春华
- 关键词：捕食-食饵系统分布时滞重合度周期解
- 一种基于深度多任务学习的文本分类方法
- 本发明提供一种基于深度多任务学习的文本分类方法，该发明利用其它任务训练得到的循环神经网络，结合卷积神经网络的学习能力，得到额外的文档表示，相当于引入了大量外部信息，扩展了文档的语义表示，有效地解决了训练数据不足的问题。本...
- 张梓滨潘嵘
- 文献传递
- 一种基于无监督特征点检测的商品对齐方法
- 本发明涉及人工智能的技术领域，更具体地，涉及一种基于无监督特征点检测的商品对齐方法。一种基于无监督特征点检测的商品对齐方法，其中，包括以下步骤：S1.特征点检测训练数据准备；S2.检测框模型训练；S3.特征点检测；S4....
- 康乐潘嵘
- 文献传递
