检索结果-南通市图书馆

课程教育研究 2012年第20期 54-55页

作者：于长青西安工业大学北方信息工程学院实验中心

本文以西安工业大学北方信息工程学院为例,结合学院的培养计划,对学院《计算机拆装与网络基础》这门实验实训课程从课程内容建设、实验教师建设、试验设备建设、实验教材建设等方面展开分析和研究,并提出一些愿望和设想。

关键词：计算机拆装网络基础课程建设实验实训

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于渐进机器学习的中文问句匹配方法

工程科学学报 2025年第1期47卷 79-90页

作者：贺学剑陈安琪郭志强王致茹陈群河南林业职业学院洛阳471002 西北工业大学软件学院西安710072 西北工业大学计算机学院西安710072

问句匹配旨在判断不同问句的意图是否相近.近年来,随着大型预训练语言模型的发展,利用其挖掘问句对在语义层面隐含的匹配信息,取得了目前为止最好的性能.然而,由于基于独立同分布假设,在真实场景中,这些深度学习模型的性能仍然受制于训... 详细信息

问句匹配旨在判断不同问句的意图是否相近.近年来,随着大型预训练语言模型的发展,利用其挖掘问句对在语义层面隐含的匹配信息,取得了目前为止最好的性能.然而,由于基于独立同分布假设,在真实场景中,这些深度学习模型的性能仍然受制于训练数据的充足程度和目标数据与训练数据之间的分布漂移.本文提出一种基于渐进机器学习的中文问句匹配方法.该方法基于渐进机器学习框架,从不同角度提取问句特征,构建融合各类特征信息的因子图,然后通过迭代的因子推理实现从易到难的渐进学习.在特征建模中,设计并实现了两种类型特征的提取:(1)基于TF-IDF(Term frequency-inverse document frequency)的关键词特征;(2)基于DNN(Deep neural network)的深度语义特征.最后,通过通用的基准中文数据集LCQMC和BQ corpus验证了所提方法的有效性.实验表明,相比于单纯的深度学习模型,基于渐进机器学习的方法可以有效提升问句匹配的准确率,且其性能优势随着标签训练数据的减少而增大.

关键词：自然语言理解中文问句匹配渐进机器学习自然语言预训练模型因子图推理

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的复杂时空数据挖掘方法综述

软件学报 2025年

作者：邹慧琪史彬泽宋凌云韩笑琳尚学群西北工业大学计算机学院

随着传感技术的发展,不同领域产生了大量时空数据.时空图是其中一种主要的时空数据类型,具有复杂的结构、时空特征和时空关系.如何从复杂的时空图数据中挖掘关键模式,并应用于不同的下游任务成为复杂时空数据挖掘任务的主要问题.目前,... 详细信息

随着传感技术的发展,不同领域产生了大量时空数据.时空图是其中一种主要的时空数据类型,具有复杂的结构、时空特征和时空关系.如何从复杂的时空图数据中挖掘关键模式,并应用于不同的下游任务成为复杂时空数据挖掘任务的主要问题.目前,日渐成熟的时序图神经网络为该研究领域的发展提供了有力的工具.此外,新兴的时空大模型在现有时空图神经网络方法的基础上提供了新的研究视角.然而,现有的大多数综述对该领域方法的分类框架较为粗略,对复杂数据类型(如动态异质图和动态超图)缺乏全面和深入的介绍,并且没有对时空图大模型相关的最新研究进展进行详细总结.因此,基于图神经网络的复杂时空数据挖掘方法分成时空融合架构和时空大模型,旨在从传统和新兴两个角度进行介绍.将时空融合架构根据具体的复杂数据类型划分成动态图、动态异质图和动态超图.将时空大模型根据时间维度和空间维度划分成时间序列和图,并在基于图的大模型中列举时空图相关的最新研究.详细介绍不同关键算法的核心细节并对比不同方法的优缺点,列举基于图神经网络的复杂时空数据挖掘的应用领域和常用数据集,并对未来可能的研究方向进行展望.

关键词：复杂时空数据挖掘图神经网络时空大模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于信息表征增强的空间弱小目标检测方法

计算机学报 2025年

作者：范铭楷薛丹娜闫庆森朱宇孙瑾秋张艳宁西北工业大学计算机学院西北工业大学航天学院

基于深度学习的目标检测技术近年来取得了显著进展，已被广泛应用于多个领域。然而，目前尚缺乏专门针对空间目标设计的深度学习检测方法。与自然图像目标检测相比，空间目标检测面临着独特的挑战：首先，由于拍摄距离极远，空间目标在... 详细信息

基于深度学习的目标检测技术近年来取得了显著进展，已被广泛应用于多个领域。然而，目前尚缺乏专门针对空间目标设计的深度学习检测方法。与自然图像目标检测相比，空间目标检测面临着独特的挑战：首先，由于拍摄距离极远，空间目标在图像中通常仅呈现为包含少量像素的弱小光斑，缺乏清晰的形状和颜色特征；另外，复杂的空间环境以及设备因素会导致图像中存在各种噪声，例如杂散光引起的明亮背景、相机因素导致的热像素噪声；最后，视场中密集的恒星会导致在空间图像中容易出现部分光斑相互粘连的情况。上述难点无疑增加了空间目标检测的难度。本文提出了一种基于信息表征增强的无锚框空间弱小目标检测方法，该方法通过设计端到端卷积神经网络模型，能够实现同时对空间弱小目标检测和质心定位。针对目标弱小、背景噪声干扰的问题，我们首先设计了跨空间-通道注意力模块和压缩-激励的多尺度特征融合模块，提升模型对含噪图像中弱小目标的有效信息关注度，从而提高噪声背景下目标的检测能力；在此基础上，为了进一步解决光斑粘连的问题，我们引入了基于密度图的损失函数，通过使模型更加直接地学习图像中目标的整体空间分布与数量信息，以此使模型掌握粘连光斑中目标的数量，从而更准确分辨粘连光斑中各个独立目标。此外，本文仿真了包含点状、条状目标和多种噪声背景的空间图像，并对目标的质心位置、边界框和像素坐标进行了精细标注。为验证方法的有效性，我们在本文的仿真图像与公开的实拍序列图像数据集SpotGEO中进行了实验验证。在仿真图像数据测试中，本文方法的F1分数为95.34%，并实现了0.4478的亚像元级平均质心定位精度。同时，我们还对本文方法进行了不同噪声强度影响下质心定位精度测试以及不同硬件条件下处理效率测试，以更全面分析本文方法的能力。在公开的实拍序列图像数据集SpotGEO中，本文方法结合引入的序列后处理方法取得的F1分数为93.08%。实验结果证明了本文方法对空间弱小目标准确检测和精确定位方面的优越性能。

关键词：空间弱小目标检测质心定位注意力机制特征融合数量信息

基于多尺度双分支Transformer的图像去噪方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

云南大学学报(自然科学版) 2025年

作者：高煜宝文志诚段旭升马跑湖南工业大学计算机学院

针对现有图像去噪算法在特征处理阶段忽视对局部特征的充分利用、无法有效恢复边缘细节，甚至导致失真的问题，提出了一种基于多尺度双分支Transformer的图像去噪方法.首先，该方法设计了一种双分支的Transformer结构，有效融合浅层和... 详细信息

针对现有图像去噪算法在特征处理阶段忽视对局部特征的充分利用、无法有效恢复边缘细节，甚至导致失真的问题，提出了一种基于多尺度双分支Transformer的图像去噪方法.首先，该方法设计了一种双分支的Transformer结构，有效融合浅层和深层特征的多尺度信息，在恢复图像细节的同时保留整体的特征；其次，加入残差块组以缓解因网络加深可能导致梯度消失的问题；最后，应用极化自注意力机制，提高模型对多尺度特征的感知能力，并在参数量受控的情况下减少下采样过程中特征信息的丢失.实验结果表明，相较于现有主流图像去噪方法，该方法不仅能有效去除图像噪声，还能够恢复出更精细的纹理效果，在定性和定量分析中均表现出优异的去噪性能.

关键词：深度学习图像去噪残差学习 Transformer模型多尺度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向海洋气象预报的低时延智能物联网构建

电子学报 2025年

作者：李竟博马礼李阳傅颖勋马东超北京工业大学计算机学院北方工业大学信息学院

人工智能技术广泛应用于海洋气象预报，且越来越依靠物联网获取海洋环境中多种模态的海量感知数据.针对数据的获取数量和传输速度不足以支撑模型精准预报的问题，提出了面向海洋气象预报的低时延智能物联网构建方案.首先，设计了智能物... 详细信息

人工智能技术广泛应用于海洋气象预报，且越来越依靠物联网获取海洋环境中多种模态的海量感知数据.针对数据的获取数量和传输速度不足以支撑模型精准预报的问题，提出了面向海洋气象预报的低时延智能物联网构建方案.首先，设计了智能物联网海洋气象预报融合架构，该架构不仅充分适配了人工智能技术和物联网技术，更实现了对海洋气象数据的高效采集、处理与分析，为海洋气象预报提供了有效灵活的底层结构.其次，优化了异构海洋感知设备协同组网方法，通过优化多层耦合网络拓扑，实现了异构海洋感知设备的高效互联，保证了数据收集的全面性和准确性.最后，提出了海洋感知网络低时延路由算法，该算法通过智能路径选择和数据传输优化，减少了信息从感知设备到数据中心的传输延迟，确保预报数据的快速更新.经实验验证，该方案充分利用智能物联网的优势，解决了海洋气象预报中数据获取难和处理延迟长的问题，所提方案的时延均值降低37%，时延中值降低38%，为海洋气象实时和准确的预报提供有力支持.

关键词：人工智能物联网海洋气象预报组网优化路由策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

交通流优化膨胀控制遗传规划算法

计算机应用研究 2025年第1期42卷 171-176页

作者：胡晓敏段宇晖欧炜标黄佳玟林晓漫李敏广东工业大学计算机学院广州510006

针对遗传规划(GP)算法在大规模动态交通流分配中训练超启发式策略时,算法迭代次数的增加而个体平均大小不断膨胀的问题,提出应用不同GP控制膨胀方法来限制种群中大尺寸个体的遗传,让算法能够在训练过程中找到更小且性能更优的超启发式... 详细信息

针对遗传规划(GP)算法在大规模动态交通流分配中训练超启发式策略时,算法迭代次数的增加而个体平均大小不断膨胀的问题,提出应用不同GP控制膨胀方法来限制种群中大尺寸个体的遗传,让算法能够在训练过程中找到更小且性能更优的超启发式策略。考虑到超启发式策略在如网格式、环形放射式、自由式的不同结构路网上可能存在性能差异,会影响算法在训练过程中对个体的选择,采用不同结构的路网训练出超启发式策略以进行分析比较。训练后的超启发式策略在不同规模和车流量的大城市路网上进行模拟测试。结论是基于双锦标赛的膨胀控制方法对不同结构路网的效果最优,得到的GP算法对比现有调度方法能获得路网整体更短的平均旅行时间,更精简有效的超启发式策略,提高决策效率。

关键词：遗传规划动态交通流优化控制膨胀超启发式策略双锦标赛法

维普期刊数据库

Sn助剂与CNTs处理对负载型CoB催化剂制氢性能的作用（英文）

在线全文

学校读者我要写书评

暂无评论

燃料化学学报(中英文) 2025年

作者：士丽敏李研博雷强任嵘芝王宇晶西安工业大学材料与化工学院

本文合成了碳纳米管（CNTs）负载的CoB和CoBSn催化剂，将其用于NaBH4水解制氢，并研究和讨论了Sn助剂的作用以及CNTs处理对CoB催化剂的影响，发现Sn助剂的添加提高了催化剂的比表面积、促进了活性CoB相的形成，而CNTs载体的氧化处理导... 详细信息

本文合成了碳纳米管（CNTs）负载的CoB和CoBSn催化剂，将其用于NaBH4水解制氢，并研究和讨论了Sn助剂的作用以及CNTs处理对CoB催化剂的影响，发现Sn助剂的添加提高了催化剂的比表面积、促进了活性CoB相的形成，而CNTs载体的氧化处理导致活性组分的担载量增多、电子在活性位上富集，并增加了比表面积。基于Sn助剂的添加和CNTs载体氧化处理的共同作用，催化剂表现出显著提高的活性，产氢速率达到2640 mL/（min·g），同时该催化剂表现出较低的活化能为43.7 kJ/mol，并具有相对高的稳定性。

关键词： NaBH 水解 CoB基催化剂 Sn助剂碳纳米管氧化处理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

深度学习模型供应链的安全性研究综述

计算机研究与发展 2025年

作者：陈若曦陈晋音郑海斌阳雪燕纪守领陈铁明浙江工业大学信息工程学院浙江工业大学网络空间安全研究院浙江大学计算机科学与技术学院浙江工业大学计算机科学与技术学院

预训练模缓解了训练数据和算力受限的问题，也催生了模型开发和应用的新范式——深度学习模型供应链．在这一供应链中，预训练模型由原始发布者上传，并经二次开发者进行必要的迁移、压缩与部署，以适应不同的应用需求．然而，这一过程... 详细信息

预训练模缓解了训练数据和算力受限的问题，也催生了模型开发和应用的新范式——深度学习模型供应链．在这一供应链中，预训练模型由原始发布者上传，并经二次开发者进行必要的迁移、压缩与部署，以适应不同的应用需求．然而，这一过程引入了新的环节和多元要素，随之产生了数据泄露和计算安全等风险．尽管深度学习模型供应链已被广泛采纳，目前对于其安全性威胁的系统性研究仍然不足．针对这一研究空白，概括了深度学习模型供应链的概念及其基本框架，调研了相关的研究工作．依据模型生命周期的不同阶段，详细分析了设计、二次开发、部署和使用各环节的安全脆弱点，对可能遭遇的安全性攻击手段进行了系统的梳理、比较和总结，并探讨了相应的防护策略．为了帮助读者更好地使用预训练模型，对现有预训练模型仓库进行了比较．最后，基于目前深度学习模型供应链所面临的挑战，从安全性审查、实时检测和问题溯源等不同角度分析和讨论了未来可能的研究发展方向，为更安全可靠地开发和使用预训练模型提供了思路．涉及论文方法和相关代码归纳整理在https://***/Dipsy0830/DNN-supply-chain-survey，方便研究人员下载使用．

关键词：深度学习模型供应链预训练模型安全风险安全与隐私深度神经网络深度学习

基于时序聚合异构图的高价值专利识别方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

情报杂志 2025年

作者：邓娜喻卓群孙俊杰陈旭刘树栋孙湘怡湖北工业大学计算机学院中南财经政法大学信息工程学院湖北工业大学外国语学院

[研究目的]提出一种基于时序聚合异构图的高价值专利识别模型,旨在解决现有高价值专利识别方法在利用专利异构关联和时序特征方面不足的问题,以更精确地识别高价值专利。[研究方法]通过整合专利多模态信息并设计时序-引用影响力动态更... 详细信息

[研究目的]提出一种基于时序聚合异构图的高价值专利识别模型,旨在解决现有高价值专利识别方法在利用专利异构关联和时序特征方面不足的问题,以更精确地识别高价值专利。[研究方法]通过整合专利多模态信息并设计时序-引用影响力动态更新机制,生成反映专利价值变化的时序聚合异构图。构建融入双向注意力机制的异构图卷积网络模型,提高对专利异构特征的提取能力,实现对高价值专利的精确识别。[研究结果/结论]实验表明,本文方法在智能电网领域的专利数据集上准确率和F1值分别达到84.61%和84.59%,优于常规方法,验证了方法的有效性,为专利筛选和价值评估提供了新的视角和方法参考。

关键词：高价值专利识别异构图卷积网络双向注意力机制动态更新机制多维特征