面向深度学习应用的可视化编程系统的研究与实现

发布时间：2021-05-06 11:45

　　近年来,随着机器学习技术的不断发展与进步,尤其是深度学习算法在图像和大数据处理领域的成功应用,如何高效的开发和应用机器学习技术成为热点问题。目前深度学习算法的开发方式主要基于文本编程语言实现建模。存在学习门槛高、开发效率低的缺点,且难以直观理解算法逻辑。需要一种工具或平台能够降低深度学习建模的学习门槛,以简单易懂的方式展现模型的内在结构。本文设计并实现了一种面向深度学习建模的可视化编程系统。与文本编程方式相比,可视化编程使用图形表示算法和数据的处理流程,无需复杂的代码工程,能让没有编程基础的人也能快速理解模型的工作原理,并轻松掌握算法的构建与数据处理方法。本文在介绍并总结国内外可视化编程的研究现状以及机器学习可视化开发的基础上,分析构建深度学习模型的流程与特点。针对使用可视化编程方法进行深度学习建模和应用,进行了以下三个方面的工作:（1）设计了一种基于数据流的可视化编程语言。采用数据流计算图模型表示算法的计算过程。根据深度学习建模实际需要,设计了该可视化编程语言的图元定义、形式化描述以及功能规约。（2）设计并改进了可视化编程语言的代码生成算法。改进依赖扫描和分层拓扑排序算法,提出一种基... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状及分析
        1.2.1 可视化编程研究现状
        1.2.2 深度学习建模研究现状
        1.2.3 研究现状分析
    1.3 主要研究内容
    1.4 章节安排
    1.5 本章小结
第二章 可视化编程的理论与算法
    2.1 可视化语言模型
        2.1.1 基于控制流的可视化语言
        2.1.2 基于数据流的可视化语言
        2.1.3 数据流可视化语言的特点
    2.2 可视化编程系统
        2.2.1 系统结构
        2.2.2 运行模式
    2.3 可视化编程语言的形式化描述方法
        2.3.1 图文法
        2.3.2 面向可视化编程语言的属性图文法
        2.3.3 属性图重写
    2.4 可视化编程语言的分析算法
        2.4.1 有向无环图的拓扑排序
        2.4.2 DFS拓扑排序
        2.4.3 分层拓扑排序
        2.4.4 有向无环图的依赖扫描
    2.5 本章小结
第三章 可视化编程语言与代码生成算法改进
    3.1 算法建模与声明式编程
        3.1.1 声明式编程
        3.1.2 数据流计算图
    3.2 计算图的可视化编程模型
        3.2.1 图元定义
        3.2.2 形式化描述
    3.3 改进的计算图代码生成算法
        3.3.1 基于重写规则生成代码
        3.3.2 基于边的依赖扫描及排序算法
    3.4 实验分析
        3.4.1 时间复杂度分析
        3.4.2 算法对比分析
    3.5 本章小结
第四章 可视化编程系统设计
    4.1 可视化编程需求分析
    4.2 系统架构分析
        4.2.1 C/S结构与B/S结构
        4.2.2 SPA结构
    4.3 可视化界面设计模式
        4.3.1 MVC模式
        4.3.2 MVVM模式
    4.4 系统架构模型设计
    4.5 计算图渲染与编辑功能设计
        4.5.1 视图渲染设计
        4.5.2 节点拖放与连线设计
    4.6 撤销重做功能设计
        4.6.1 持久化数据结构
    4.7 服务器功能设计
        4.7.1 通信协议设计
        4.7.2 服务器工作流程
    4.8 本章小结
第五章 系统操作实例
    5.1 可视化编程界面
        5.1.1 节点列表面板
        5.1.2 可视化编程面板
        5.1.3 节点属性面板
        5.1.4 计算图控制面板
    5.2 可视化编程建模实例
        5.2.1 实验设计
        5.2.2 实验步骤
        5.2.3 实验分析
    5.3 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]分布式机器学习平台与算法综述[J]. 舒娜,刘波,林伟伟,李鹏飞.  计算机科学. 2019(03)
[2]基于深度学习的代码分析研究综述[J]. 张峰逸,彭鑫,陈驰,赵文耘.  计算机应用与软件. 2018(06)
[3]主流代码生成方法的分析与比较[J]. 张艳伟,陈正鸣,吕嘉,张霞.  计算机与现代化. 2015(11)
[4]面向STEM教育的创客教育模式研究[J]. 王旭卿.  中国电化教育. 2015(08)
[5]大数据系统综述[J]. 李学龙,龚海刚.  中国科学:信息科学. 2015(01)
[6]大数据时代下数据分析理念的辨析[J]. 朱建平,章贵军,刘晓葳.  统计研究. 2014(02)
[7]COStream:一种面向数据流的编程语言和编译器实现[J]. 张维维,魏海涛,于俊清,李鹤,黎昊,杨秋吉.  计算机学报. 2013(10)
[8]关于数据流程图画法原则的研究[J]. 冯爽.  河北科技大学学报. 2012(04)
[9]MapReduce:新型的分布式并行计算编程模型[J]. 李成华,张新访,金海,向文.  计算机工程与科学. 2011(03)
[10]一种基于边的上下文相关图文法形式化框架[J]. 曾晓勤,韩秀清,邹阳.  软件学报. 2008(08)

硕士论文
[1]基于图形化编程的编译方法研究及其应用[D]. 秦亮.华南理工大学 2018
[2]基于数据挖掘方法的股票预测系统[D]. 郝知远.南京理工大学 2017
[3]运用Scratch软件培养中学生计算思维的研究[D]. 赵兰兰.上海师范大学 2013
[4]数据可视化技术在物联网监控系统中的研究与应用[D]. 李卉.北京邮电大学 2013



本文编号：3171864