孪生支持向量机(twin support vector machine,TSVM)能有效地处理交叉或异或等类型的数据.然而,当处理集值数据时,TSVM通常利用集值对象的均值、中值等统计信息.不同于TSVM,提出能直接处理集值数据的孪生支持函数机(twin support functi...孪生支持向量机(twin support vector machine,TSVM)能有效地处理交叉或异或等类型的数据.然而,当处理集值数据时,TSVM通常利用集值对象的均值、中值等统计信息.不同于TSVM,提出能直接处理集值数据的孪生支持函数机(twin support function machine,TSFM).依据集值对象定义的支持函数,TSFM在巴拿赫空间取得非平行的超平面.为了抑制集值数据中的离群点,TSFM采用了弹球损失函数并引入了集值对象的权重.考虑到TSFM是无穷维空间的优化问题,测度采用狄拉克测度的线性组合的形式,这构建有限维空间的优化模型.为了有效地求解优化模型,利用采样策略将模型转化成二次规划(quadratic programming,QP)问题并推导出二次规划问题的对偶形式,这为判断哪些采样点是支持向量提供了理论基础.为了分类集值数据,定义集值对象到巴拿赫空间的超平面的距离并由此得出判别规则.也考虑支持函数的核化以便取得数据的非线性特征,这使得提出的模型可用于不定核函数.实验结果表明,TSFM能获取交叉类型的集值数据的内在结构,并且在离群点或集值对象包含少量高维事例的情况下取得了良好的分类性能.展开更多
动态二进制翻译在跨平台移植和兼容性方面具有重要应用,但现有方法面临翻译效率和资源开销的挑战.本文提出一种基于机器学习的动态二进制指令集翻译方法.该方法的创新点在于将机器学习二进制分析、神经机器翻译技术融合为动态二进制翻...动态二进制翻译在跨平台移植和兼容性方面具有重要应用,但现有方法面临翻译效率和资源开销的挑战.本文提出一种基于机器学习的动态二进制指令集翻译方法.该方法的创新点在于将机器学习二进制分析、神经机器翻译技术融合为动态二进制翻译系统,构建了一个高效精准的指令集翻译框架.方法包括:利用预训练模型捕获指令级语义信息、训练Transformer架构的神经翻译模型来实现指令映射,最终通过形式化验证,将机器学习方法生成映射与动态二进制翻译系统进行集成.SPEC CPU 2006基准测试结果表明,该方法在翻译规则覆盖率和运行效率方面优于现有方法,为动态二进制翻译系统优化提供了新思路.展开更多
文摘孪生支持向量机(twin support vector machine,TSVM)能有效地处理交叉或异或等类型的数据.然而,当处理集值数据时,TSVM通常利用集值对象的均值、中值等统计信息.不同于TSVM,提出能直接处理集值数据的孪生支持函数机(twin support function machine,TSFM).依据集值对象定义的支持函数,TSFM在巴拿赫空间取得非平行的超平面.为了抑制集值数据中的离群点,TSFM采用了弹球损失函数并引入了集值对象的权重.考虑到TSFM是无穷维空间的优化问题,测度采用狄拉克测度的线性组合的形式,这构建有限维空间的优化模型.为了有效地求解优化模型,利用采样策略将模型转化成二次规划(quadratic programming,QP)问题并推导出二次规划问题的对偶形式,这为判断哪些采样点是支持向量提供了理论基础.为了分类集值数据,定义集值对象到巴拿赫空间的超平面的距离并由此得出判别规则.也考虑支持函数的核化以便取得数据的非线性特征,这使得提出的模型可用于不定核函数.实验结果表明,TSFM能获取交叉类型的集值数据的内在结构,并且在离群点或集值对象包含少量高维事例的情况下取得了良好的分类性能.
文摘动态二进制翻译在跨平台移植和兼容性方面具有重要应用,但现有方法面临翻译效率和资源开销的挑战.本文提出一种基于机器学习的动态二进制指令集翻译方法.该方法的创新点在于将机器学习二进制分析、神经机器翻译技术融合为动态二进制翻译系统,构建了一个高效精准的指令集翻译框架.方法包括:利用预训练模型捕获指令级语义信息、训练Transformer架构的神经翻译模型来实现指令映射,最终通过形式化验证,将机器学习方法生成映射与动态二进制翻译系统进行集成.SPEC CPU 2006基准测试结果表明,该方法在翻译规则覆盖率和运行效率方面优于现有方法,为动态二进制翻译系统优化提供了新思路.
