检索结果-南通市图书馆

多节点探测器附着任务分层约束图模型及重规划算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

控制与决策 2025年第2期40卷 626-634页

作者：杨和星赵清杰王鑫付康北京理工大学计算机学院北京100081

针对多节点深空探测器附着小天体过程中的任务重规划问题研究规划约束模型和重规划算法.基于多节点协同工作机制和复杂时间约束形式,定义时间约束与系统图表示,构建描述探测器系统的分层约束图并提出多节点探测器附着任务分层验证及搜... 详细信息

针对多节点深空探测器附着小天体过程中的任务重规划问题研究规划约束模型和重规划算法.基于多节点协同工作机制和复杂时间约束形式,定义时间约束与系统图表示,构建描述探测器系统的分层约束图并提出多节点探测器附着任务分层验证及搜索重规划算法.算法结合二分思想和动态规划思想,具体包括分层时延满足验证机制和分层约束搜索算法两部分.通过对约束进行不同粒度的分级存储,建立突发约束的时延满足验证机制.对于整体时延无法满足全部约束的情况,基于约束点的分级匹配方法设计多粒度约束搜索算法.仿真实验表明,所提出算法能够快速生成时间约束损失代价最小的重规划结果,以满足深空探测场景下的实时自主决策需求.

关键词：多节点探测器分层约束图任务重规划小天体附着规划约束模型协同工作

基于证据增强和局部语义交互的多模态虚假新闻检测

在线全文

学校读者我要写书评

暂无评论

计算机学报 2025年第03期 556-571页

作者：钟将高晋鹏黄敬旺杨钰铭重庆大学计算机学院

多模态虚假新闻检测的目标是判断新闻中图像和文本内容的真实性。现有虚假新闻检测方法主要存在以下两种问题:(1)现有方法通常从整体语义角度融合图文特征,忽略了图文局部语义之间的联系,导致模型不能有效捕捉图文局部语义差异性;(2)新... 详细信息

多模态虚假新闻检测的目标是判断新闻中图像和文本内容的真实性。现有虚假新闻检测方法主要存在以下两种问题:(1)现有方法通常从整体语义角度融合图文特征,忽略了图文局部语义之间的联系,导致模型不能有效捕捉图文局部语义差异性;(2)新闻的真实性往往基于可靠的证据和事实,现有方法仅依赖新闻本身的图像和文本难以判断其真假。鉴于此,本研究提出了一种基于证据增强和局部语义交互的多模态虚假新闻检测模型。针对新闻缺乏事实依据的问题,该模型引入证据文本并设计了一种证据增强方法,该方法通过证据文本筛选网络,剔除证据文本中的冗余信息,并利用自注意力模块实现新闻文本的证据增强。同时,为了增强图像语义信息,该模型先从图像块中提取局部特征,再通过双向GRU图像语义增强网络,捕获图像序列特征的上下文关系,并利用自注意力模块将图像中嵌入的文字作为新闻背景信息融入图像特征。最后,针对局部语义信息交互问题,该模型使用交叉注意力模块,学习证据增强后的文本特征和语义增强后的图像特征之间的互补信息,增强细粒度的局部语义交互,实现多模态虚假新闻的精确检测。在Weibo数据集与MR2中英文数据集上的实验结果表明,本文提出的模型性能优于基线方法,在各数据集的准确率上分别提高了0.8%、2.4%、4.9%。此外,在IKCEST第五届“一带一路”国际大数据竞赛中,使用该模型指定的方案从全球3809个方案中取得第一的成绩,证实了该方案的有效性。

关键词：多模态虚假新闻检测证据增强局部语义交互证据文本筛选图像语义增强

基于BTMA的LoRa网络隐藏终端MAC协议研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2025年第03期52卷 318-325页

作者：汪浩蔡宇航陈国杰王璐武汉大学计算机学院深圳大学计算机与软件学院

低功耗广域网(Low Power Wide Area Network, LPWAN)技术的出现，能够在保证更远距离的通信传输的同时，最大限度地降低功耗，节约传输成本。LoRa(Long Range)技术作为其中的佼佼者，凭借其远距离、低功耗、大容量、强抗干扰、高接收灵... 详细信息

低功耗广域网(Low Power Wide Area Network, LPWAN)技术的出现，能够在保证更远距离的通信传输的同时，最大限度地降低功耗，节约传输成本。LoRa(Long Range)技术作为其中的佼佼者，凭借其远距离、低功耗、大容量、强抗干扰、高接收灵敏度的特点，备受工业界和学术界的青睐。针对目前工业中主流使用的基于ALOHA的LoRaWAN协议无法很好地解决海量终端设备接入LoRa网络后所带来的严重数据包冲突以及LoRa CAD(Channel Activity Detection)功能带来的隐藏终端问题，提出了一种基于BTMA(Busy Tone Multiple Access)的LoRa网络MAC协议——BT-MAC协议。该协议利用了LoRa高接收灵敏度的特性，网关利用“忙音”信标来通知各个节点网关的工作情况，减少了无效包的发送。同时，节点端通过记录有“忙音”信息和本地信息的逻辑信道矩阵，结合最优信道选择算法，选出最优逻辑信道进行发送，降低了端节点上行数据包之间的冲突，有效缓解了LoRa网络中的隐藏终端问题以及阻塞问题。此外，搭建了LoRa网络MAC协议测试平台，并测试了BT-MAC的有效性，完成了室内和室外环境大规模的并发实验和能耗检测实验。实验结果表明，BT-MAC协议的吞吐量是LMAC-2协议的1.6倍，是ALOHA协议的5.1倍；同时其包接收率达到LMAC-2协议的1.53倍，ALOHA协议的17.2倍；其包接收平均能耗约为LMAC-2协议的64.1%,为ALOHA协议的14.2%。

关键词： LoRa MAC协议 BTMA 隐藏终端 CAD

融合层注意力机制的多视角图对比学习推荐方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2025年第1期62卷 160-178页

作者：钱忠胜黄恒朱辉刘金平江西财经大学计算机与人工智能学院南昌330013

图对比学习因其可有效缓解数据稀疏问题被广泛应用在推荐系统中.然而,目前大多数基于图对比学习的推荐算法均采用单一视角进行学习,这极大地限制了模型的泛化能力,且图卷积网络本身存在的过度平滑问题也影响着模型的稳定性.基于此,提出... 详细信息

图对比学习因其可有效缓解数据稀疏问题被广泛应用在推荐系统中.然而,目前大多数基于图对比学习的推荐算法均采用单一视角进行学习,这极大地限制了模型的泛化能力,且图卷积网络本身存在的过度平滑问题也影响着模型的稳定性.基于此,提出一种融合层注意力机制的多视角图对比学习推荐方法.一方面,该方法提出2种不同视角下的3种对比学习,在视图级视角下,通过对原始图添加随机噪声构建扰动增强视图,利用奇异值分解(singular value decomposition)重组构建SVD增强视图,对这2个增强视图进行视图级对比学习;在节点视角下,利用节点间的语义信息分别进行候选节点和候选结构邻居对比学习,并将3种对比学习辅助任务和推荐任务进行多任务学习优化,以提高节点嵌入的质量,从而提升模型的泛化能力.另一方面,在图卷积网络学习用户和项目的节点嵌入时,采用层注意力机制的方式聚合最终的节点嵌入,提高模型的高阶连通性,以缓解过度平滑问题.在4个公开数据集LastFM,Gowalla,Ifashion,Yelp上与10个经典模型进行对比,结果表明该方法在Recall,Precision,NDCG这3个指标上分别平均提升3.12%,3.22%,4.06%,这说明所提方法是有效的.

关键词：层注意力机制对比学习图卷积网络多任务学习推荐系统

在线全文

学校读者我要写书评

暂无评论

变形效果可控的通用二维图形变形算法

计算机辅助设计与图形学学报 2025年

作者：曹仲豪徐鹏飞黄惠深圳大学计算机与软件学院

传统的二维图形变形算法将图形分为人造图形或有机图形进行变形，不同分类的图形需应用不同的变形效果，缺乏一个统一的变形框架. 为此，基于变形效果属性，提出一种可控的二维图形变形算法. 该算法基于多边形网格进行变形，在多... 详细信息

传统的二维图形变形算法将图形分为人造图形或有机图形进行变形，不同分类的图形需应用不同的变形效果，缺乏一个统一的变形框架. 为此，基于变形效果属性，提出一种可控的二维图形变形算法. 该算法基于多边形网格进行变形，在多边形网格的顶点处引入旋转矩阵，通过改变旋转矩阵的大小达到更改变形效果属性，从而变更图形的变形效果; 用户设置变形效果信息后，先分析并计算每个顶点的变形效果信息，后利用变形效果信息及几何信息求解出顶点坐标，实现变形效果可控的图形变形. 针对大量二维图形进行实验以及用户调研，结果表明，与现有方法相比，所提算法变形的图形效果更好，更符合用户的预期.

关键词：二维图形变形优化方法统一变形框架

“人工智能+”:通用目的技术更好赋能生产力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

人民论坛 2025年第2期 31-34页

作者：吴飞浙江大学计算机学院

近年来,以大模型为代表的人工智能技术发展迅猛,掀起一波席卷全球的人工智能发展热潮。人工智能作为一种具有普遍适用性、动态演进性和创新互补性的通用目的技术,能够广泛渗透到各个领域,对经济社会发展产生显著影响。“人工智能+”代... 详细信息

近年来,以大模型为代表的人工智能技术发展迅猛,掀起一波席卷全球的人工智能发展热潮。人工智能作为一种具有普遍适用性、动态演进性和创新互补性的通用目的技术,能够广泛渗透到各个领域,对经济社会发展产生显著影响。“人工智能+”代表了一种新的范式,即将人工智能技术与其他行业或领域有机结合,以创造更多价值。“人工智能+”并非简单的叠加,而是通过新技术的融合与创新,催生新的生产力,为经济社会各个领域注入新产业、新模式和新动能。因此,应积极用好相关政策手段,促进人工智能技术正向影响的发挥,针对其可能的负面影响建立各种应对机制。

关键词：人工智能新质生产力技术进步科技创新

MQLserve：基于量化的多任务大语言模型服务系统

在线全文

学校读者我要写书评

暂无评论

计算机学报 2025年

作者：符芳诚夏义扉崔斌北京大学计算机学院

随着大语言模型（LLMs）的不断发展，针对各种各样下游任务进行微调并部署的需求也与日俱增，以LoRA为代表的高效微调技术和以GPTQ、AWQ为代表的模型量化技术发挥着至关重要的作用。然而，尽管这些技术在单任务场景下已经有了众多成熟... 详细信息

随着大语言模型（LLMs）的不断发展，针对各种各样下游任务进行微调并部署的需求也与日俱增，以LoRA为代表的高效微调技术和以GPTQ、AWQ为代表的模型量化技术发挥着至关重要的作用。然而，尽管这些技术在单任务场景下已经有了众多成熟应用，但在多任务场景却鲜有研究。具体来说，由于主流的量化方法会导致基座大模型无法在任务之间共享，现有多任务服务系统难以结合量化进行部署，限制了其在资源受限场景下的可用性。此外，现有多任务服务系统缺乏灵活的动态任务实时添加能力和针对多任务场景的调度算法支持，往往导致其系统的低吞吐、高延迟、低响应时间和极差的灵活性。本文针对现有LLM服务系统在多任务场景下的不足，创新地提出了一个多LoRA任务服务系统MQLserve。一方面，本系统设计了一种灵活高效的动态多任务量化算法，支持多任务的模型联合量化，赋能多任务场景下量化模型的共享，显著降低了模型部署的显存需求；同时支持实时的动态任务添加，提升了线上服务的稳定性和灵活性。另一方面，本系统针对多任务场景，提出了一种新型的基于输出长度预测和聚类的调度算法，有效地解决了传统调度算法在多任务场景下存在的高昂显存开销和频繁显存切换等问题，提升了系统性能。实验结果表明，与现有多任务服务系统相比，MQLserve在不同负载场景下，吞吐提高了7.5%-58.1%，延迟降低了9.6%-43.3%，平均响应时间缩短了84.2%，平均SLO满足率提高了330%。

关键词：多LoRA任务服务系统 LoRA 量化多任务调度