检索结果-南通市图书馆

支持IPv4/IPv6双栈的5G通信网络可靠性组网部署研究

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2025年第1期48卷 102-106页

作者：黄琳黄劼蒋平湖北师范大学计算机与信息工程学院湖北黄石435002 腾讯科技(深圳)有限公司广州深圳518000 湖北理工学院计算机学院湖北黄石435003

5G网络要求更多的基站部署以支持更高的数据传输速率和连接密度。为实现网络数据的并行高速传输,确保网络应用业务的实时性和稳定性,文中提出一种支持IPv4/IPv6双栈的5G通信网络可靠性组网部署方法。结合IPv4和IPv6双栈,构建双栈转换机... 详细信息

5G网络要求更多的基站部署以支持更高的数据传输速率和连接密度。为实现网络数据的并行高速传输,确保网络应用业务的实时性和稳定性,文中提出一种支持IPv4/IPv6双栈的5G通信网络可靠性组网部署方法。结合IPv4和IPv6双栈,构建双栈转换机制结合有限双协议栈模型,在模型下构建5G通信网络结构,并通过高架立体交叉网优化IPv4/IPv6双栈的5G通信网络组网结构,提升IPv4/IPv6双栈5G通信网络的通信速度。采用冗余路径算法,实现5G网络IPv4/IPv6双栈通信中的服务功能链编排,解决IPv4/IPv6双栈通信中的冗余问题。实验结果表明,该方法能够构建一种更稳定、更高效的5G通信网络组网结构,提高了网络频谱效率,优化了网络环境。

关键词： 5G通信网络 IPv4/IPv6双栈可靠性组网部署服务功能链冗余路径算法有限双协议栈模型

维普期刊数据库博看期刊

面向工业动态取送货问题的分解多目标进化算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2025年第1期52卷 331-344页

作者：蔡俊创朱庆灵林秋镇李坚强明仲深圳大学计算机与软件学院广东深圳518060

由于工业动态取送货问题具有垛口、时间窗、容量、后进先出装载等多种约束,现有的车辆路径算法大多只优化一个加权目标函数,在求解过程中难以保持解的多样性,所以容易陷入局部最优区域而停止收敛。针对上述问题,提出了一种融合高效局部... 详细信息

由于工业动态取送货问题具有垛口、时间窗、容量、后进先出装载等多种约束,现有的车辆路径算法大多只优化一个加权目标函数,在求解过程中难以保持解的多样性,所以容易陷入局部最优区域而停止收敛。针对上述问题,提出了一种融合高效局部搜索策略的分解多目标进化算法。首先,该算法将工业动态取送货问题建模成多目标优化问题,进一步将其分解为多个子问题并同时进行求解。然后,利用交叉操作增强解的多样性,再使用局部搜索加快收敛速度。因此,该算法在求解该多目标优化问题时能够更好地平衡解的多样性和收敛性。最后,从种群中选择一个最好的解来完成当前时段的取送货任务。基于64个华为公司实际测试问题的仿真结果表明,该算法在求解工业动态取送货问题上的性能表现最优;同时,在20个京东物流大规模配送问题上的实验也验证了该算法良好的泛化性。

关键词：动态取送货问题分解方法多目标进化算法局部搜索组合优化

结合元学习和安全区域探索的进化强化学习方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2025年第1期61卷 361-367页

作者：李晓益胡滨秦进彭安浪贵州大学计算机科学与技术学院公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025 贵州兆信数码技术有限公司贵阳550025

最近提出的进化强化学习(evolutionary reinforcement learning,ERL)框架表明了利用进化算法提高强化学习的探索能力对性能提升的好处。然而,现有的基于ERL的方法并没有完全解决进化算法中突变的可伸缩性问题且由于进化算法本身的限制使... 详细信息

最近提出的进化强化学习(evolutionary reinforcement learning,ERL)框架表明了利用进化算法提高强化学习的探索能力对性能提升的好处。然而,现有的基于ERL的方法并没有完全解决进化算法中突变的可伸缩性问题且由于进化算法本身的限制使得ERL解决问题的速度较为缓慢。为了使算法每一步的探索都被限制在安全区域中且能在较短的时间内收敛,运用元学习的思想,预训练一个初始的种群,这个种群只需要经过几次进化就能得到任务中不错的效果。将预训练过后的种群用于处理任务,在此过程中,利用敏感度调整种群突变的范围,限制种群在安全区域内进行突变,确保种群的突变不会带来无法预料的后果。该方法在来自OpenAI gym中的五种机器人运动中进行了评估。最终在所有测试的环境中,该方法在以ERL、CEM-RL以及两种最先进的RL算法、PPO和TD3为基线的比较中,取得了具有竞争性的效果。

关键词：进化强化学习元学习预训练安全区域突变算子

在线全文

学校读者我要写书评

暂无评论

基于程序语义与度量的代码缺陷检测

中北大学学报(自然科学版) 2025年

作者：卢跃嵇友晴周礼亮吕青张迎周南京邮电大学计算机学院中国电子科技集团公司第十研究所

软件中存在的代码缺陷严重影响了软件用户使用的体验感和安全性，传统的代码缺陷检测方法存在准确率较低的问题，而结合深度学习的现有方法的检测粒度较粗，检测效果也不够理想。为此，本文提出了一种基于程序语义与度量的代码缺陷检测... 详细信息

软件中存在的代码缺陷严重影响了软件用户使用的体验感和安全性，传统的代码缺陷检测方法存在准确率较低的问题，而结合深度学习的现有方法的检测粒度较粗，检测效果也不够理想。为此，本文提出了一种基于程序语义与度量的代码缺陷检测方法。该方法采用基于LLVM IR的代码缺陷的兴趣点检测算法，使用轻量级符号化程序切片工具SymPas获取与缺陷兴趣点相关的程序切片。通过预训练模型将程序切片代码片段转化为向量表示，并融合指令级切片度量——认知复杂度度量，深入分析了切片语句之间的关系和特征。通过构建混合模型ResCNN-GRU进行训练，将提取的特征进行了有效融合和学习。实验结果表明，本文利用符号化程序切片技术细化了漏洞检测的粒度，在中间表示LLVM IR下融合的语义和度量信息能更好地表示缺陷代码语句间的关系和特征，构建的混合模型一定程度上解决了时间序列问题以及样本数量不均衡问题，相比其他先进方法，本文方法的准确率达到了94.1%。

关键词：预训练模型程序切片切片认知域残差网络卷积神经网络门控制神经网络

基于气象辐照数据和引力搜索算法优化VMD-BiLSTM的光伏发电功率预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电力 2025年

作者：马海洋成贵学王函韵赵晋斌上海电力大学计算机科学与技术学院国网湖州供电公司上海电力大学电气工程学院

为提高光伏发电功率预测精度，保证电力系统安全调度和稳定运行，提出一种基于变分模态分解(variational mode decomposition,VMD)和引力搜索算法(gravitational search algorithm,GSA)优化双向长短期记忆神经网络(bidirectional long s... 详细信息

为提高光伏发电功率预测精度，保证电力系统安全调度和稳定运行，提出一种基于变分模态分解(variational mode decomposition,VMD)和引力搜索算法(gravitational search algorithm,GSA)优化双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的组合预测方法。针对影响光伏发电功率的时序信号存在非线性和非平稳性特征的问题，选取倾斜辐照度、水平辐照度、温度、湿度等气象数据作为特征输入变量，利用VMD算法将其分解为若干个不同的模态并对每个分量分别进行建模；针对传统BILSTM模型存在参数选择不确定性和收敛速度较慢的问题，引入GSA算法对模型参数优化，缩短手动调制参数的时间，提高超参数设置的精度和效率。使用南方某园区实际光伏发电数据集对所提模型性能进行验证，结果表明，与传统神经网络预测模型和固定参数组合预测模型相比，该方法具有更高的预测准确性和稳定性。

关键词：光伏功率预测变分模态分解引力搜索算法双向长短期记忆神经网络辐照度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于概率克隆的量子程序断点调试

中国科学:物理学力学天文学 2025年

作者：姜楠程晓钰王健王子臣北京工业大学计算机学院北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室

量子计算机的发展引起了人们对量子编程的极大关注.然而目前还没有有效的对量子程序进行调试的方法.由于量子态的不可克隆性,以及对量子寄存器的观察会导致量子态塌缩,所以无法像经典环境那样调试量子程序.本文提出一种基于概率克隆的... 详细信息

量子计算机的发展引起了人们对量子编程的极大关注.然而目前还没有有效的对量子程序进行调试的方法.由于量子态的不可克隆性,以及对量子寄存器的观察会导致量子态塌缩,所以无法像经典环境那样调试量子程序.本文提出一种基于概率克隆的量子调试方案QDebug.通过在量子程序中概率性地克隆一个量子比特,然后测量其副本,得以在量子程序中设置断点,间接地查看量子程序中量子比特的状态,来判断量子程序运行是否正确.该方法不会因为测量操作影响量子程序的正常执行.本文还分析了QDebug在调试过程中的可行性,通过将QDebug应用于量子程序来证明其有效性.

关键词：量子程序调试概率克隆量子编程量子软件量子计算

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于主题多视图表示的零样本实体检索方法

广西师范大学学报(自然科学版) 2025年

作者：齐丹丹王长征郭少茹闫智超胡志伟苏雪峰马博翔李时钊李茹山西大学计算机与信息技术学院山西同方知网数字出版技术有限公司山西工程科技职业大学现代物流学院计算智能与中文信息处理教育部重点实验室(山西大学)

零样本实体检索旨在将实体提及链接到训练阶段未见过的实体，在多种自然语言处理任务中起着关键作用，然而现有的方法依然存在2个问题：1）仅使用实体描述的前k个句子来构建实体的多视图表示导致实体多视图语义的冗余与缺失，很难充分... 详细信息

零样本实体检索旨在将实体提及链接到训练阶段未见过的实体，在多种自然语言处理任务中起着关键作用，然而现有的方法依然存在2个问题：1）仅使用实体描述的前k个句子来构建实体的多视图表示导致实体多视图语义的冗余与缺失，很难充分学习提及与实体之间的匹配关系；2）仅以提及为中心构造正负例，对提及与实体之间的对比关系覆盖度较低，导致其匹配错误。针对以上两个问题，本文提出基于主题的多视图实体表示（Topic-MVER）方法，该方法基于主题为实体构建了多视图表示，并使用对比学习建模了提及与实体之间的三种关系，提升了提及和实体对表示的匹配性。最后，该方法在ZESHEL和MedMentions数据集上的Recall@1分别达到了48.13%和73.86%，较基线模型分别提升了2.73%和1.21%，验证了该文方法的有效性。

关键词：实体检索零样本长文本主题多视图对比学习

结合图神经网络和图对比学习的半监督多图分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2025年第1期61卷 368-374页

作者：路秋霖王慧颖朱峰冉李全鑫庞俊武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065 国网辽宁省电力有限公司信息通信分公司沈阳110065

多图(multi-graph,MG)是一种图袋表示模型,半监督多图分类旨在从有标记和未标记的多图中构建一个预测模型,通过高准确度预测未标记多图,在用户产品推荐、生物制药等领域有着广泛应用。现有基于机器学习的半监督多图分类主要存在两点不足... 详细信息

多图(multi-graph,MG)是一种图袋表示模型,半监督多图分类旨在从有标记和未标记的多图中构建一个预测模型,通过高准确度预测未标记多图,在用户产品推荐、生物制药等领域有着广泛应用。现有基于机器学习的半监督多图分类主要存在两点不足:(1)不能进行全自动的特征选择,过于依赖参数选择。(2)对未标记多图数据的价值未充分挖掘。因此,提出一种结合图神经网络和图对比学习的半监督多图分类方法(graph neural network combining with graph contrastive learning for semi-supervised multi-graph classification,GCSS)。一方面,分别设计从局部和全局提取特征信息的模块,并引入NN协同器(neural networks collaborator,NN collaborator)完成这两个模块的协作,自适应学习数据的特征表示进行训练;另一方面,采用图对比学习(graph contrastive learning,GCL)和半监督学习(semi-supervised learning,SSL)从两个不同学习视角来充分利用未标记多图数据,降低模型对标签等的依赖。在真实数据集上的大量实验结果验证了所提出方法的预测性能均优于基线方法。

关键词：半监督多图分类图对比学习图神经网络注意力机制

在线全文

学校读者我要写书评

暂无评论

机电设备远程监控系统研究

机床与液压 2004年第1期32卷 15-17,70页

作者：姜雪莲司徒忠王达志司徒振念广东工业大学广州五山510643 广州捷力计算机科技公司

本文通过剖析现有的对于设备的远程监控技术的优缺点 ,提出了基于DCOM技术和DirectX技术构建一种新型的 ,支持跨平台 ,多语言开发以及可远程仿真的远程监控系统。实验系统运行证明了这是一种可行的 ,先进的远程监控系统。

关键词：机电设备远程监控系统 COM DCOM DirectX UML