计算机科学与探索杂志

计算机科学与探索杂志2021年第11期

• 人脸合成技术综述

  费建伟，夏志华，余佩鹏，戴昀书

  人脸合成由于其应用与技术价值，是机器视觉领域的热点之一，而近年来深度学习的突破性进展使该领域吸引了更多关注。将该领域的研究分为四个子类：人脸身份合成、人脸动作合成、人脸属性合成与人脸生成，并系统地总结了这些子类的发展历程、现状，以及现有技术存在的问题。首先针对人脸身份合成，从图形学、数字图像处理与深度学习三个角度总结了各自的合成流程，对关键技术原理进行了详细的解释与分析。其次将人脸动作合成进一步分为利用标签驱动的表情编辑与利用真实人脸驱动的人脸重演，并指出了各自领域中存在的缺陷与难题。然后介绍了基于生成模型，尤其是生成对抗网络在人脸属性合成方面的发展，最终对人脸生成的各类工作进行了简单的阐述。此外，介绍了人脸合成技术的实际应用与当前面临的相关问题，并展望了该领域未来可能的研究方向。

• 知识图谱嵌入技术研究进展

  舒世泰，李松，郝晓红，张丽平

  知识图谱嵌入（KGE）是知识图谱领域一个新的研究热点，旨在利用词向量的平移不变性将知识图谱中实体和关系嵌入到低维向量空间，进而完成知识表示。以解决实际问题的类型为划分依据，首先，阐述了四类主要的知识图谱嵌入方法，包括基于深度学习的方法、基于图形特征的方法、基于翻译模型的方法以及基于其他模型的方法，对每种模型的算法思想进行详细阐述，总结了每种模型的优缺点；其次，从常用数据集、评价指标、算法、实验四方面对知识图谱嵌入算法实验进行分析与归纳，对嵌入方法做了横纵向对比；最后，从解决实际问题的角度出发，给出了知识图谱嵌入技术未来的发展方向。通过研究，发现在基于深度学习的方法中，LCPE模型的效果最好；在基于图形特征的方法中，TCE模型的效果最好；在基于翻译模型的方法中，NTransGH模型的效果最好。今后的研究可以在LCPE、TCE、NTransGH的基础上进行拓展，不断提高链接预测和三元组分类的实验效果。

• 深度学习在视网膜血管分割上的研究进展

  李兰兰，张孝辉，牛得草，胡益煌，赵铁松，王大彪

  视网膜血管分割得到的视网膜特征可以用于辅助糖尿病视网膜病变等眼病的诊断。近年来基于深度学习的血管自动分割算法以自动提取图像特征、精度高、速度快的这些优点吸引了大量研究。对近年基于深度学习的视网膜血管分割研究进行回顾，包括常见的眼底图像数据库、常用的数据增强、图像预处理、图像切片的操作。从网络架构的角度将近期的深度学习血管分割算法归类为级联结构神经网络、多路径神经网络、多尺度神经网络，并对网络进行介绍、对比、性能分析、复杂度分析、缺点分析。同时对于神经网络现实部署的研究也进行了介绍。结果表明，现有眼底图像数据库的数据量还较少，数据增强和图像预处理较多使用方法分别为水平竖直翻转和图像灰度化。从现有研究达到的性能上看，级联结构和多路径的神经网络较为适合视网膜血管的分割；从现有的复杂度来看，部分模型的推断时间可以达到毫秒级，计算消耗可以达到兆以下；从现有算法的缺点看，某个算法只能解决部分现有挑战。在移动设备硬件资源限制的情况下，轻量级的神经网络是一个值得探索的方向。

• 社交网络中意见领袖挖掘方法综述

  郭奕，徐亮，熊雪军

  意见领袖是指在消息传播过程中，对大众具有较大的引导力和影响力，直接或间接地影响大众观点的倾向与形成的那些人。社交网络中的意见领袖挖掘在商业营销、政策宣传、舆情监控、社会公共问题等领域有着非常重要的应用价值。首先阐述了意见领袖的起源、定义和分类。随后较为全面地总结了当前的意见领袖挖掘方法，将其归结为四类：基于用户评分规则的方法、基于社交网络图的方法、基于影响传播模型的方法、多维度融合的方法。分别阐述了上述方法的基本思想及其关键技术，分析了各种方法的优缺点。此外，对已有的评价指标进行分析总结，给出了推荐使用的评价指标。最后，探讨了三个未来的研究方向：使用图神经网络的聚类挖掘方法以提高挖掘效率和效果，设计动态模型以满足对时间更加敏感的应用场景，划分意见领袖等级以满足不同层次需求。

• FPGA加速深度学习综述

  刘腾达，朱君文，张一闻

  近年来，由于互联网的高速发展和大数据时代的来临，人工智能随之大热，而推动人工智能迅猛发展的正是深度学习的崛起。大数据时代需要迫切解决的问题是如何将极为复杂繁多的数据进行有效的分析使用，进而充分挖掘利用数据的价值并造福人类。深度学习作为一种实现机器学习的技术，正是解决这一问题的重要法宝，它在处理数据过程中发挥着重要作用并且改变了传统的机器学习方法，已被广泛应用于语音识别、图像识别和自然语言处理等研究领域。如何有效加速深度学习的计算能力一直是科研研究的重点。FPGA凭借其强大的并行计算能力和低功耗等优势成为GPU在加速深度学习领域的有力竞争者。从深度学习的几种典型模型出发，在FPGA加速技术现有特点的基础上从针对神经网络模型的加速器、针对具体问题的加速器、针对优化策略的加速器和针对硬件模板的加速器四方面概括总结了FPGA加速深度学习的研究现状，然后对比了不同加速技术和模型的性能，最后对未来可能发展的方向进行了展望。

• 概率计算神经网络硬件架构

  陈宇昊，宋印杰，祝亚楠，高云飞，李洪革

  概率计算（逻辑）是一种将二进制转换为概率编码的数字脉冲码流的逻辑计算，以计算精度与时延为代价，具有低功耗、高能效的计算优势。阐释了概率计算的基本概念，设计了单通道与多通道的概率计算电路，有效提高了概率计算的速度与精度。基于所提出概率计算电路，设计了概率脉冲神经元，从而实现了神经网络的可重构计算架构——北航筹算。该设计采用KINTEX-7（FPGA）实现，相较于传统二进制阵列乘法器构成的乘加器计算单元，概率计算的逻辑资源开销（LUT）降低80%。在SCNN网络计算实验中，测试运行了LeNet与AlexNet，时钟频率350 MHz条件下，均值能效可达0.536 TSOPS/W，PE利用率可达90%以上。

• 以双字线双阈值4T SRAM为基础的存内计算设计

  蔺智挺，钮建超，吴秀龙，彭春雨

  为了应对冯·诺依曼计算架构的存储墙，存内计算（CIM）架构将逻辑嵌入到存储器中,在读取数据的同时完成运算，使存储单元具备计算能力并且减少了处理器和存储器之间的数据传输。为实现大容量、低成本存储器设计，提出了一种以双字线双阈值4T SRAM为基础的存储系统，不仅可实现数据的存储与读取，而且还可实现BCAM运算和与、或非、异或等逻辑运算。逻辑运算时，经译码电路任选两行存储数据，位线均预放电至低电平，位线电压通过位线端灵敏放大器与参考电压比较后输出运算结果。BCAM运算时，外部输入数据经译码电路译码后实现对存储单元左右传输管的开、断控制，位线端灵敏放大器经或非门输出匹配结果。在65 nm CMOS工艺下对所提电路进行搭建并仿真。4T存储单元相较于6T存储单元的存储面积减少了25%，双字线4T存储结构相较于单字线4T存储结构在超大规模集成电路（VLSI）应用中读功耗可节省47%左右。BCAM运算时数据匹配最大功耗为909.72 FJ，N列的阵列运算速度在字线电压为600 mV时可达16 161.6×N MB/Hz。

• PEST：由PYNQ集群实现的高能效NEST类脑仿真器

  李佩琦，郁龚健，华夏，刘家航，柴志雷

  高性能且低功耗地进行大规模类脑仿真是类脑计算所需解决的最具挑战的问题之一。目前类脑计算的实现方式主要分为硬件实现和软件实现两种。通过硬件实现的专用类脑计算芯片与系统可以提供更佳的能效指标，但代价高、适应性差；基于软件方式的仿真（如NEST）拥有完整的应用生态，可用性好但存在计算速度慢的问题。如果将两种实现方式相结合，通过软硬件协同设计，可以在保证良好应用生态的同时获得更高的计算能效，提出了一种基于FPGA异构平台PYNQ集群的NEST类脑仿真器的高能效实现（PEST）。通过构建大规模PYNQ集群，设计软硬件数据交互接口实现基于NEST仿真器的规模可伸缩类脑计算系统，针对IAF神经元进行FPGA硬件电路设计，利用MPI分布式计算等方式提升了NEST计算效率。实验结果表明：针对不同的计算模型，在PYNQ集群最佳适配情况下，PEST上神经元更新部分的性能相比AMD 3600X提升超过4.6倍，相比Xeon 2620提升超过7.5倍；PEST的更新能效比相比3600X提升超过5.3倍，相比Xeon 2620提升超过7.9倍。

• 基于相关性的多维时序数据异常溯源方法

  王沐贤，丁小欧，王宏志，李建中

  提出一种基于统计学相关性分析的多维时序异常数据检测分析方法，以对检测中表现为异常的数据进行溯源：对反映系统故障的数据和传感器质量问题的数据进行分类，进而识别出真正的系统故障，避免误检。首先根据相关关系构建时序相关图，再进一步归纳为时序相关环模型，通过在时序相关图上搜索并确定时序相关环的过程，提取时序相关环中的特征，得到时间序列相关性集合。进而利用时间序列相关性集合进行时序数据异常来源检测，根据检测结果评估时序传感器数据对应的系统故障的几率。在真实的工业设备传感器序列数据集上进行大量实验，实验结果验证了该方法在高维时序数据的异常检测任务上的有效性。通过对比实验，验证了该方法从稳定性和效率上优于基于统计和基于机器学习模型的基准算法，时间序列的维度越高，该方法较基准算法的提升越明显。该方法通过对多维时序数据相关性知识的挖掘，既节约了计算成本，又实现了对多维异常数据来源的精准识别。

• 基于位置的稀疏群体查询

  李娜，朱怀杰，刘威，印鉴

  在基于位置的社交网络中，找到一个特殊的群体/社区是非常重要的。现在的研究都集中于寻找群体之间关系紧密的密集子图。相对于紧密的群体/子图，对于稀疏群的研究少之又少。虽然现有工作开始研究稀疏群体查询问题，但是还没有研究基于位置的稀疏群体查询问题，而基于位置的服务在现实生活中有很多需求。因此，研究基于位置的稀疏群查询的问题变得有研究价值。基于位置的稀疏群体查询是为了找到一群用户，不仅用户之间满足一定的稀疏性（即用户之间的社交距离大于[k]），且最小化用户到查询位置的距离和。针对这个问题，首先提出基于c-邻居的基本处理算法（简称baseline），其主要利用存储的c-邻居信息以及距离剪枝来帮助快速获得查询结果。但是baseline算法的空间消耗太大，且在稀疏阈值参数[k>c]时查询效率不高。为了解决这些问题，进一步提出基于c-邻居和反向c-邻居的查询优化算法（简称ICN），不仅利用存储的c-邻居且利用反向c-邻居信息来处理参数[k>c]的情况，从而快速获得查询结果。实验结果和理论表明，提出的两种查询处理方法是有效的和正确的。

• 拓扑与资源感知的虚拟网络功能迁移方法

  阳勇，孟相如，康巧燕，韩晓阳

  针对网络功能虚拟化环境中网络出现负载失衡的问题，提出一种拓扑与资源感知的虚拟网络功能迁移方法（TRA-VNFM）。首先，根据底层网络的计算、存储和转发资源占用情况，设置两级动态阈值对物理节点的过载程度进行分类，同时制定相应的迁移判定条件并计算出待迁移目的节点集。其中高过载节点优先实施迁移且有更低的迁移成功条件。其次，针对过载节点上部署的虚拟网络功能，利用资源感知算法对其迁移权重进行设定，占用过载资源越多的虚拟网络功能迁移权重越大，结合迁移权重和资源需求选择出待迁移虚拟网络功能。最后，采用极值交互的拓扑感知算法综合考虑各类资源占用情况、处理时延以及拓扑属性，对待迁移目的节点集中的节点进行评价，将评价最高的节点作为迁移目的节点。仿真实验表明，与以往虚拟网络功能迁移方法相比，该方法不仅降低了迁移时间，还在服务功能链的平均时延、网络的收益开销比与负载均衡程度方面有较好的性能。

• 探索拓扑编码中的图格与传统格的联系

  张明军，杨思华，姚兵

  已知不存在解决某些格困难问题的多项式量子算法，无色图格和着色图格是受格理论启发而产生的多学科交叉的产物。拓扑编码中的一个无色图格或着色图格是建立在图的运算和一组顶点不交的连通图或连通着色图构成的图格基上。基于口令认证或数字文件加密，介绍数字串拓扑认证问题，用拓扑编码给出一种非对称加密系统。拓扑编码可以形成一个公钥对应多个私钥，多个公钥对应多个私钥的非对称加密系统；拓扑编码中的拓扑认证需要两个不同领域的数学知识，而且可以产生指数级别的算法。基于图的边连接运算、顶点重合运算等运算，研究了具有优美全着色的着色图格基存在性，建立了边连接图格和F-图格等无穷图格，并证明这些图格对优美全着色具有封闭性。定义了特殊着色图的拓扑向量，建立了图格与非负整数传统格之间的一个联系，为抗量子计算提供可行的技术；说明没有多项式算法解决数字串分解问题，又因为图同构问题是NP-困难，从而拓扑编码建立的图格具有抗超大计算机和量子计算机的计算功能。

• 任务感知双原型网络的人物交互少样本识别

  安平，冀中，刘西瑶

  人物交互（HOI）识别是计算机视觉领域的重要研究热点。随着深度学习在图像分类任务中的巨大成功，人物交互识别任务也取得重大进展，但样本不平衡和组合爆炸问题仍是制约当前人物交互识别任务性能的关键挑战。由此，将人物交互识别任务与少样本学习相结合，将人物交互识别任务定义为一个少样本任务，并提出了任务感知双原型网络（TDP-Net）来解决少样本人物交互任务。具体地，首先使用图方法为每个任务生成语义感知的任务表示作为任务的先验信息，并使用语义图注意力模块（SGA-Module）生成注意力权重，对特征图中不同区域进行不同重要程度的关注，以适应不同任务条件下的映射关系，实现在新任务中自动推理。此外，还设计了一个双路原型模块（DP-Module）以分别产生交互类别的动作类原型和物体类原型，并分别对动词和名词进行分类。通过分别为动作和物体建立类原型，有效地分离了动作和物体间复杂的视觉关系。同时由于人物交互类别之间具有相似性，可通过重新组合动作和物体类别将知识迁移到新的交互类别中。实验结果表明，该模型在人物交互少样本任务上的平均准确率比基线方法在两个实验设置上分别提高了3.2个百分点和15.7个百分点，验证了TDP-Net在少样本人物交互任务中的有效性。

• 融合多视角和多标签学习的RNA结合蛋白识别

  杨海涛，邓赵红，王士同

  RNA结合蛋白（RBP）是一类伴随RNA调控代谢过程与RNA结合的蛋白质的总称。一种RBP可能存在多种靶标RNA，其表达缺陷会造成多种疾病。现有的方法大都是针对某种特定的RBP设计二分类模型，预测一条RNA是否可以与之结合。但这些方法没有考虑到不同RBP之间的结合相似性和关联性。对此，iDeepM利用多标签深度学习法进行了改进。此方法使用多标签技术和长短时记忆网络（LSTM），学习到不同RBP之间的结合相似性，预测一条给定的RNA与多种RBP的结合情况，但是该方法未能对RNA序列进行充分的特征学习和多标签学习，预测精度较低。延续iDeepM多标签的研究方法，提出新方法RRMVL，首次使用RNA序列视角、氨基酸序列视角、RNA序列语义视角和多间隙二肽成分视角组成多视角数据来处理多标签RBP识别问题。为了利用多视角数据的不同学习优势，融合四种视角提取到的深度特征，使用逻辑回归原理对它们进行多标签特征学习，将学习后的加权特征向量输入至链式多标签分类器中训练，使之达到最优多标签链式学习的效果。实验研究表明，融合多视角和多标签学习的RNA结合蛋白识别模型预测精度较之前使用单视角方法有了明显的提升。

• 结合协同机制与动态调控策略的双蚁群算法

  孟静雯，游晓明，刘升

  针对蚁群算法在求解旅行商问题（TSP）时出现的收敛速度慢和多样性较差的问题，提出结合协同机制与动态调控策略的双蚁群算法。首先，将蚁群根据适应度值动态地划分为导向蚁和合作蚁，从而构成异构双蚁群。其次，异构双蚁群采用协同机制平衡算法多样性和收敛速度：导向蚁在路径构建时引入传播因子，增大蚂蚁选择新路径的概率，扩大搜索范围，提高算法多样性；合作蚁受导向蚁中最优路径的引导，当路径相似度达到阈值时，启动合作算子，加快算法收敛速度。最后，引入动态调控策略，在全局信息素更新时引入自适应调控算子，对全局最优路径的信息素进行正向激励或反向惩戒，加快收敛速度的同时避免算法陷入局部最优。求解TSP测试集的实验结果表明，该算法不仅提高了解的质量，保证了算法多样性，而且加快了算法收敛速度，尤其在大规模城市问题中效果更为明显。

• 融合短文本层级注意力和时间信息的推荐方法

  邢长征，郭亚兰，张全贵，赵宏宝

  信息过载造成的数据稀疏性问题制约着基于评分数据的矩阵分解模型的推荐性能，融合评论文本的推荐模型能够有效缓解评分数据稀疏性。当前的推荐系统利用评论文本为用户和项目建模时，大多仅将用户对项目的评论作为数据来源，而忽视了时间信息对用户和项目属性的影响。针对此问题，提出了一种融合短文本层级注意力和时间信息的推荐方法（RHATR），该方法能够充分地挖掘评论文本潜在的语义信息，并为用户偏好和项目特征的动态变化进行建模。通过对单条评论文本应用单词级注意力，挖掘单条评论文本中情感词和关键词等有效信息，学习用户和项目表示；对含有时间因素的用户评论集和项目评论集分别应用评论级注意力，提取有效的评论，进一步学习用户偏好和项目特征动态表示。将从评论文本中学到的用户和项目表示以及基于ID的项目和用户嵌入作为最终特征，来捕获各用户和项目的潜在因素。实验结果表明，提出的方法相对于当前基线方法在Amazon和Yelp数据集上的均方根误差（RMSE）取得了较好的效果。

• 融合JPS和改进A*算法的移动机器人路径规划

  张庆，刘旭，彭力，朱凤增

  针对传统A*算法在场景较大的栅格地图路径规划时，很多冗余节点的遍历导致寻路算法内存消耗大、计算速度慢等问题，提出了一种对A*算法的改进策略。首先，改进启发函数的具体计算方式，利用切比雪夫距离替代欧氏距离使启发式函数精确地等于实际最佳路径，减少A*节点的拓展数量；其次，使用跳点搜索（JPS）策略筛选出跳点添加到OpenList和ClosedList代替A*算法中大量不必要的邻节点，通过跳点实现较长距离的跳跃，从而减少内存占用以及对节点的评估，直到生成最终路径。为了验证A*算法改进后的效果，在五种尺寸的二维栅格地图中进行仿真测试，结果表明，改进后的A*算法减少了大量寻路过程评估的节点，提高了寻路速度，并且随着地图尺寸的增加，改进后的A*算法能将寻路速度提高一个数量级以上。最后，将改进后的算法应用在移动机器人路径规划器上进行实验，在同一规划任务下，JPS策略下改进的A*算法较传统A*算法，路径搜索耗费时间减少了92.2%，拓展的节点减少了97.37%，能够满足大场景下移动机器人快速路径规划的要求。