检索结果-南通市图书馆

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FPGA的单光子时间数字转换器设计

电子测量技术 2024年第5期47卷 16-21页

作者：何继爱辛家乐石麟泰兰州理工大学计算机与通信学院兰州730050

针对单光子计数器对高速飞行光子时间测量的高分辨率要求,传统的TDC在时间测量上存在误差较大的不足。本文设计了一种利用FPGA内部逻辑延迟单元Carry4级联构建延迟链的TDC。该方法首先使用子链平均的方式进行数据采样,避免数据“气泡”... 详细信息

针对单光子计数器对高速飞行光子时间测量的高分辨率要求,传统的TDC在时间测量上存在误差较大的不足。本文设计了一种利用FPGA内部逻辑延迟单元Carry4级联构建延迟链的TDC。该方法首先使用子链平均的方式进行数据采样,避免数据“气泡”。其次,结合码密度测试和bin-by-bin校准将各级延迟单元宽度校准至接近均匀宽度,提高系统的测量精度。最后,通过Vivado软件仿真并烧录至ZYNQ7000进行板级测试,实验结果表明,该TDC能够在3 ns的动态时间范围内实现时间分辨率10.91 ps,差分非线性(DNL)范围为[-0.75,1.01]LSB,积分非线性(INL)范围为[-1.74,2.19]LSB。

关键词： FPGA 时间数字转换 Carry4 码密度测试差分非线性积分非线性

在线全文

学校读者我要写书评

暂无评论

多标签零样本学习知识迁移集成分类方法

小型微型计算机系统 2024年

作者：王广晨王宵马忠臣詹永照江苏大学计算机科学与通信工程学院

在多标签零样本学习中，防止模型对可见类别过拟合，提升对不可见类的泛化识别能力是一个显著的挑战。受集成学习具有良好泛化性的启发，本文提出了一种知识迁移集成分类头方法。该方法将单次训练过程分为多个周期，使识别特定类别的共... 详细信息

在多标签零样本学习中，防止模型对可见类别过拟合，提升对不可见类的泛化识别能力是一个显著的挑战。受集成学习具有良好泛化性的启发，本文提出了一种知识迁移集成分类头方法。该方法将单次训练过程分为多个周期，使识别特定类别的共享知识从标准图像分类头的特征空间中解耦并分配至多个分类头中，而标准图像分类头的特征空间中识别可见类的基础知识得以保留，进而实现有效识别可见类别的同时，增强对不可见类别的泛化识别能力。该集成分类头可方便地移植到几乎所有的多标签零样本学习模型中，因而其与现有的多标签零样本学习模型的分类头正交，显示出高度的灵活性与鲁棒性。通过分析分类头对识别类别的置信度，揭示了对可见类过拟合的潜在原因，即现有多标签零样本学习方法的分类头受可见类的基础知识的影响，限制了共享知识的有效学习。本方法在两个大规模多标签零样本基准上进行了广泛性实验，证明了本方法的有效性。

关键词：多标签零样本学习知识迁移集成学习过拟合

遮挡情况下基于视觉误差补偿的可见光室内定位算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光通信技术 2024年

作者：纪湘云江苏大学计算机科学与通信工程学院

为了解决了因LED图像捕获不完整而导致的定位难题，本项研究提出像素坐标拟合还原算法，能够处理在不同遮挡条件下捕获的矩形灯具图像。实验结果对比了无遮挡条件和遮挡条件下经算法处理的数据，验证了所提出算法的有效性。实验结果表... 详细信息

为了解决了因LED图像捕获不完整而导致的定位难题，本项研究提出像素坐标拟合还原算法，能够处理在不同遮挡条件下捕获的矩形灯具图像。实验结果对比了无遮挡条件和遮挡条件下经算法处理的数据，验证了所提出算法的有效性。实验结果表明，对比于无遮挡条件下定位精度，存在1.09cm的定位误差。同时基于视觉提出误差补偿的室内定位算法，提出循环坐标优化算法补偿图像噪声对定位影响，使得定位误差降低60%，提出补偿高度差的双灯定位算法，使得平均定位误差降低65%。

关键词：可见光通信,室内定位算法遮挡视觉定位噪声误差双灯定位

一种基于部署价值的命名网内计算接入转发机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

南京邮电大学学报(自然科学版) 2024年

作者：饶威勇朱轶江苏大学计算机科学与通信工程学院

现有的命名网内计算调用过程，针对数据不在用户侧的计算场景下，默认采用数据优先调用规则向数据源转发，进而在回传路径上加载计算服务，而当回传路径计算资源有限时，网内节点会出现频繁置换计算服务而降低了计算资源利用率。针对这... 详细信息

现有的命名网内计算调用过程，针对数据不在用户侧的计算场景下，默认采用数据优先调用规则向数据源转发，进而在回传路径上加载计算服务，而当回传路径计算资源有限时，网内节点会出现频繁置换计算服务而降低了计算资源利用率。针对这一问题，提出一种基于部署价值的命名网内计算接入转发机制。该机制部署于接入路由器处，一方面通过命名架构下的兴趣包-数据包交互机制获取网内节点的资源信息；另一方面提出服务部署价值的概念，用以表征网内节点消耗CPU资源部署服务所能获得的流量处理能力，进而在接入路由器处动态决策实施数据优先转发或者计算优先转发。仿真结果表明，与单一的数据优先调用机制相比，所提出机制能够显著降低计算服务在网内节点的置换次数，在有效提升网内节点的资源利用率的同时，能够降低用户服务请求时延，提高用户的服务调用体验。

关键词：命名网内计算部署价值服务置换计算优先转发数据优先转发

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多域时空图神经网络的空气质量预测

计算机应用 2024年

作者：马汉达吴亚东江苏大学计算机科学与通信工程学院

在协同融合气象、空间和时间三大信息的时空混合模型中，时间变化建模通常在一维空间中完成，针对一维序列局限于滑动窗口和缺乏多尺度特征的灵活性的问题，提出了一种多域融合的时空层次图神经网络(MGT-HGNN)模型。首先，构建城市全局... 详细信息

在协同融合气象、空间和时间三大信息的时空混合模型中，时间变化建模通常在一维空间中完成，针对一维序列局限于滑动窗口和缺乏多尺度特征的灵活性的问题，提出了一种多域融合的时空层次图神经网络(MGT-HGNN)模型。首先，构建城市全局尺度和站点局部尺度的两级层次图，进行空间关系学习；其次，将一维空气质量序列转换为一组基于多个周期的二维张量，在二维空间上通过多尺度卷积进行周期解耦捕获频域特征，同时在一维空间中利用长短期记忆网络拟合时域特征；最后，为了避免聚合冗余信息，设计了一种门控机制融合模块，用于频域和时域特征的多域特征融合。模型在Urban-Air数据集和长三角城市群数据集上进行实验，相较于最优基准模型多视图多任务时空图卷积网络(M2)，平均绝对误差综合下降3.79%，均方根误差综合下降2.57%。实验结果表明，MGT-HGNN在频域上解耦了复杂时间模式，利用频域信息弥补了时域特征建模的局限性，结合时域信息更全面地预测空气质量变化。

关键词：空气质量预测多域特征融合时空特征周期解耦门控机制融合图神经网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

标准模型下基于格的变色龙签名方案

电子与信息学报 2024年第7期46卷 3002-3009页

作者：张彦华陈岩刘西蒙尹毅峰胡予濮郑州轻工业大学计算机科学与技术学院郑州450001 福州大学数学与计算机科学学院福州350108 西安电子科技大学通信工程学院西安710071

作为一种比较理想的指定验证者签名,变色龙签名(CS)通过在签名算法中嵌入变色龙哈希函数(CHF)对消息进行散列,更简便地解决了签名的2次传递问题。在获得不可传递性的同时,变色龙签名还要求满足不可伪造性、签名者可拒绝性以及不可抵赖... 详细信息

作为一种比较理想的指定验证者签名,变色龙签名(CS)通过在签名算法中嵌入变色龙哈希函数(CHF)对消息进行散列,更简便地解决了签名的2次传递问题。在获得不可传递性的同时,变色龙签名还要求满足不可伪造性、签名者可拒绝性以及不可抵赖性等特性。针对基于大整数分解或离散对数等传统数论难题的CS无法抵御量子计算机攻击,以及随机预言机模型下可证明安全的数字签名方案在实际具体实现中未必安全的问题,该文给出了标准模型下基于格的变色龙签名;进一步地,针对签名者可拒绝性的获得需要耗费其较大的本地存储的问题,给出了标准模型下基于格的无需本地存储的变色龙签名,新方案彻底消除了签名者对本地签名库的依赖,使得签名者能够在不存储原始消息与签名的条件下辅助仲裁者拒绝任意敌手伪造的变色龙签名。特别地,基于格上经典的小整数解问题和差错学习问题,两个方案在标准模型下是可证明安全的。

关键词：变色龙签名格不可传递性标准模型无需本地存储

基于强化学习的离散层级萤火虫算法检测蛋白质复合物

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第7期41卷 1977-1982页

作者：张其文郭欣欣兰州理工大学计算机与通信学院兰州730050

蛋白质复合物的检测有助于从分子水平上理解生命的活动过程。针对群智能算法检测蛋白质复合物时假阳/阴性率高、准确率低、种群多样性下降等问题,提出了基于强化学习的离散层级萤火虫算法检测蛋白质复合物(reinforcement learning-based... 详细信息

蛋白质复合物的检测有助于从分子水平上理解生命的活动过程。针对群智能算法检测蛋白质复合物时假阳/阴性率高、准确率低、种群多样性下降等问题,提出了基于强化学习的离散层级萤火虫算法检测蛋白质复合物(reinforcement learning-based discrete level firefly algorithm for detecting protein complexes,RLDLFA-DPC)。引入强化学习思想提出一种自适应层级划分策略,动态调整层级结构,能有效解决迭代后期种群多样性下降的问题。在层级学习策略中个体向两个优秀层级学习,避免算法陷入局部最优。为了提高蛋白质复合物检测的精度,结合个体环境信息提出自适应搜索半径的局部搜索策略。最后,在酵母蛋白质的4个数据集上,与8种经典的蛋白质复合物检测方法进行对比,验证了该方法的有效性。

关键词：蛋白质复合物萤火虫算法强化学习层级学习策略局部搜索策略

基于RoBERTa和位置特征的多注意力方面级情感分析

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2024年第23期24卷 9989-9997页

作者：王志东顾群兰州理工大学计算机与通信学院兰州730050

面向方面的情感分析是一种细粒度的情感分析,目的是识别句子中特定方面的情感极性。现有模型中存在句子和方面语义丢失以及语义提取不充分的问题,并且忽略句子中的上下文信息和方面术语的位置关系,导致情感极性识别准确率下降。因此,提... 详细信息

面向方面的情感分析是一种细粒度的情感分析,目的是识别句子中特定方面的情感极性。现有模型中存在句子和方面语义丢失以及语义提取不充分的问题,并且忽略句子中的上下文信息和方面术语的位置关系,导致情感极性识别准确率下降。因此,提出了基于RoBERTa和位置特征的多注意力方面级情感分析模型用于面向方面级别的情感分类。为验证模型的有效性,在SemEval2014餐厅14、SemEval2014笔记本电脑14、SemEval2015餐厅15、SemEval2016餐厅16数据集中进行了大量的实验,结果表明所提出模型的准确率和F 1高于比较的基准模型。

关键词：方面级情感分析 RoBERTa 位置特征多注意力

多策略改进的蜣螂搜索算法优化3DDV-Hop节点定位

在线全文

学校读者我要写书评

暂无评论

重庆邮电大学学报（自然科学版） 2024年第3期36卷 438-449页

作者：彭铎陈江旭张倩吴海涛王婵飞兰州理工大学计算机与通信学院兰州730050

为了提升传统3DDV-Hop算法的定位精度和稳定性,提出了MIDBO-3DDV-Hop算法。该算法利用多策略改进蜣螂搜索算法(multi strategy improvement dung beetle optimizer, MIDBO)来提高3DDV-Hop算法的定位精度。该算法通过通信半径分级方法细... 详细信息

为了提升传统3DDV-Hop算法的定位精度和稳定性,提出了MIDBO-3DDV-Hop算法。该算法利用多策略改进蜣螂搜索算法(multi strategy improvement dung beetle optimizer, MIDBO)来提高3DDV-Hop算法的定位精度。该算法通过通信半径分级方法细化跳数,使用加权平均跳距来修正节点之间的跳距误差。MIDBO算法引入立方混沌初始化和反向折射机制来初始化算法种群,采用变螺旋策略增强全局搜索能力。算法还融入Levy飞行策略和自适应权重因子,以避免陷入局部最优,并平衡算法的收敛性和搜索多样性。通过MIDBO算法对3DDV-Hop算法中未知节点位置进行优化。仿真结果显示,与传统的3DDV-Hop、IPSO-3DDV-Hop和IGA-3DDV-Hop算法相比,MIDBO-3DDV-Hop算法在定位精度、稳定性和收敛速度方面均达到最优水平。

关键词：蜣螂搜索算法 3DDV-Hop 变螺旋策略 Levy飞行策略平均跳距