检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于大模型的具身智能系统综述

自动化学报 2025年第1期51卷 1-19页

作者：王文晟谭宁黄凯张雨浓郑伟诗孙富春中山大学计算机学院清华大学计算机科学与技术系

得益于近期具有世界知识的大规模预训练模型的迅速发展,基于大模型的具身智能在各类任务中取得了良好的效果,展现出强大的泛化能力与在各领域内广阔的应用前景.鉴于此,对基于大模型的具身智能的工作进行了综述,首先,介绍大模型在具身智... 详细信息

得益于近期具有世界知识的大规模预训练模型的迅速发展,基于大模型的具身智能在各类任务中取得了良好的效果,展现出强大的泛化能力与在各领域内广阔的应用前景.鉴于此,对基于大模型的具身智能的工作进行了综述,首先,介绍大模型在具身智能系统中起到的感知与理解作用;其次,对大模型在具身智能中参与的需求级、任务级、规划级和动作级的控制进行了较为全面的总结;然后,对不同具身智能系统架构进行介绍,并总结了目前具身智能模型的数据来源,包括模拟器、模仿学习以及视频学习;最后,对基于大语言模型(Large language model, LLM)的具身智能系统面临的挑战与发展方向进行讨论与总结.

关键词：大语言模型大型视觉模型基础模型具身智能机器人

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

车计算:自动驾驶时代的新型计算范式

计算机研究与发展 2025年第1期62卷 2-21页

作者：鲁思迪何元恺施巍松威廉玛丽计算机科学系美国弗吉尼亚州威廉斯堡23185 特拉华大学计算机与信息科学系美国特拉华州纽瓦克19716

随着边缘计算、传感、人工智能和通信技术的迅猛发展,车辆正经历前所未有的深刻变革.提出了一种适用于自动驾驶时代的全新计算范式——车计算.在这一新型范式下,车辆的数据层与控制层被分离,车辆系统转向开放的计算平台,构建了支持多方... 详细信息

随着边缘计算、传感、人工智能和通信技术的迅猛发展,车辆正经历前所未有的深刻变革.提出了一种适用于自动驾驶时代的全新计算范式——车计算.在这一新型范式下,车辆的数据层与控制层被分离,车辆系统转向开放的计算平台,构建了支持多方协作的数据共享结构,从而打破了传统车辆系统的封闭局限,使车辆从单一的交通工具演变为支持丰富的高级应用和第三方服务的多功能移动计算平台.全面阐述了车计算范式的核心理念,深入分析了车辆软件与计算架构的革命性演进,提供了具有应用前景的车计算实例,并介绍了在该范式支持下具有颠覆潜力的新型商业模式.此外,深入探讨了车计算的五大核心功能:计算、通信、能源管理、传感和数据存储,以及相关的前沿技术.最后,总结了车计算领域的关键技术挑战和广阔的机遇,期望能够激发学术界和工业界对这一创新领域的深入研究与高度关注.

关键词：车计算自动驾驶计算通信能源管理移动感知数据存储软件自定义车辆

在线全文

学校读者我要写书评

暂无评论

基于本地边差分隐私的有向图聚类算法

计算机研究与发展 2025年第1期62卷 256-268页

作者：付楠倪巍伟姜泽鹏侯立贺张东月张如玉东南大学计算机科学与工程学院南京211102

基于本地差分隐私的图聚类工作成为近年来的一个研究热点.已有工作主要针对的是无向图,且大多利用位向量技术通过模块化聚合实现.由于噪声量与向量维度成线性关系,使得聚类质量和隐私性难以很好地兼顾.此外,针对无向图中边的有/无设计的... 详细信息

基于本地差分隐私的图聚类工作成为近年来的一个研究热点.已有工作主要针对的是无向图,且大多利用位向量技术通过模块化聚合实现.由于噪声量与向量维度成线性关系,使得聚类质量和隐私性难以很好地兼顾.此外,针对无向图中边的有/无设计的2元扰动机制在面对有向图时,因无法对边的方向性进行处理而无法适用.针对上述问题,提出一种基于本地边差分隐私(edge local differential privacy,Edge-LDP)的有向图聚类算法DGC-LDP(directed graph clustering under LDP).具体来说,为了降低噪音量同时适用于有向图,基于直接编码方式设计了一种适用于有向星型图的动态扰动机制,通过自适应添加噪声来平衡隐私性和统计效用.在此基础上,在终端和收集者之间构建迭代机制.收集者依据终端上传的噪声数据提取节点间的相似性信息,并设计基于轮廓系数测量模型的节点聚合算法,通过迭代机制不断地优化节点聚合形式形成高质量簇.理论分析和实验结果表明,所提算法在满足Edge-LDP的同时能够有效兼顾聚类精度.

关键词：隐私保护本地差分隐私图聚类随机响应相似度

在线全文

学校读者我要写书评

暂无评论

汉语失语症患者互动的会话分析研究

山东外语教学 2025年第1期46卷 19-30页

作者：马文杨信信山东大学外国语学院山东济南250100 谢菲尔德大学健康科学学院英国谢菲尔德S102TS

失语症是由大脑焗造病变(如中风、脑肿瘤、脑损伤)引起的获得性语言障碍。20世纪90年代,国外(尤其英语国家)开始从会话分析角度对失语症展开研究,其研究成果已被广泛应用到失语症的临床干预中。然而在中国,对汉语失语症患者的研究仍主... 详细信息

失语症是由大脑焗造病变(如中风、脑肿瘤、脑损伤)引起的获得性语言障碍。20世纪90年代,国外(尤其英语国家)开始从会话分析角度对失语症展开研究,其研究成果已被广泛应用到失语症的临床干预中。然而在中国,对汉语失语症患者的研究仍主要局限于神经科学、心理学等领域,虽有少量语言学研究,但鲜见对失语症人群沟通的会话分析研究。本文聚焦于互动中的会话修正现象,通过对30名失语症患者近1000分钟在日常与机构场景中的会话分析,深入探究失语症引发的修正如何影响汉语患者与家人及医务工作者交流中的会话序列结构及话轮构建。研究发现找词障碍通常触发失语症说话者自启修正,理解表达障碍更容易触发他启修正。自启修正导致会话话轮延长,他启修正则容易引起序列扩展。本研究旨在为临床话语研究拓展新角度,为探索如何增进失语症病人的社会关怀,提高失语症病人生活质量提供启示。

关键词：失语症会话分析会话修正话轮序列

在线全文

学校读者我要写书评

暂无评论

离线强化学习研究综述

计算机学报 2025年第1期48卷 156-187页

作者：乌兰刘全黄志刚张立华苏州大学计算机科学与技术学院江苏苏州215006

离线强化学习也称为批量强化学习,是深度强化学习领域的一项重要研究内容。它利用行为策略生成静态数据集,无需在线和环境交互,成功地将大规模数据集转变成强大的决策引擎。近年来,离线强化学习方法得到了广泛关注和深入研究,并在实际... 详细信息

离线强化学习也称为批量强化学习,是深度强化学习领域的一项重要研究内容。它利用行为策略生成静态数据集,无需在线和环境交互,成功地将大规模数据集转变成强大的决策引擎。近年来,离线强化学习方法得到了广泛关注和深入研究,并在实际应用中取得了瞩目的成绩。目前,该方法已经用于推荐系统、导航驾驶、自然语言处理、机器人控制以及医疗与能源等应用领域,并被看作是现实世界应用强化学习最具潜力的技术途径之一。该文首先介绍了离线强化学习的背景与理论基础。随后从求解思路出发,将离线强化学习方法分为无模型、基于模型和基于Transformer模型3大类,并对各类方法的研究现状与发展趋势进行分析。同时,对比了目前3个最流行的实验环境D4RL、RL Unplugged和NeoRL。进而介绍了离线强化学习技术在现实世界诸多领域的应用。最后,对离线强化学习进行总结与展望,以此推动更多该领域的研究工作。

关键词：人工智能强化学习深度强化学习离线强化学习批量强化学习

在线全文

学校读者我要写书评

暂无评论

多模态可信度感知的情感计算

软件学报 2025年第2期36卷 537-553页

作者：罗佳敏王晶晶周国栋苏州大学计算机科学与技术学院江苏苏州215006

多模态情感计算是情感计算领域一个基础且重要的研究任务,旨在利用多模态信号对用户生成的视频进行情感理解.尽管已有的多模态情感计算方法在基准数据集上取得了不错的性能,但这些方法无论是设计复杂的融合策略还是学习模态表示,普遍忽... 详细信息

多模态情感计算是情感计算领域一个基础且重要的研究任务,旨在利用多模态信号对用户生成的视频进行情感理解.尽管已有的多模态情感计算方法在基准数据集上取得了不错的性能,但这些方法无论是设计复杂的融合策略还是学习模态表示,普遍忽视了多模态情感计算任务中存在的模态可信度偏差问题.认为相较于文本,语音和视觉模态往往能更真实的表达情感,因而在情感计算任务中,语音和视觉是高可信度的,文本是低可信度的.然而,已有的针对不同模态特征抽取工具的学习能力不同,导致文本模态表示能力往往强于语音和视觉模态(例如:GPT3与ResNet),这进一步加重了模态可信度偏差问题,不利于高精度的情感判断.为缓解模态可信度偏差,提出一种模型无关的基于累积学习的多模态可信度感知的情感计算方法,通过为低可信度的文本模态设计单独的文本模态分支捕捉偏差,让模型在学习过程中从关注于低可信度文本模态的情感逐步关注到高可信度语音和视觉模态的情感,从而有效缓解低可信度文本模态导致的情感预测不准确.在多个基准数据集上进行实验,多组对比实验的结果表明,所提出的方法能够有效地突出高可信度语音和视觉模态的重要性,缓解低可信度文本模态的偏差;并且,该模型无关的方法显著提升了多模态情感计算方法的性能,这表明所提方法在多模态情感计算任务中的有效性和通用性.

关键词：多模态可信度感知多模态情感计算可信度偏差累积学习

在线全文

学校读者我要写书评

暂无评论

磁共振无线充电技术:进展与展望

计算机研究与发展 2025年第1期62卷 232-255页

作者：王馨语周王球周颢李向阳中国科学技术大学计算机科学与技术学院合肥230026

无线充电技术具有非接触、自动化以及易维护的供能特性,可以有效解决未来智能物联网(AIoT)在大规模应用时的能量供应难题.在现有无线充电技术中,磁共振无线充电技术在能量传输效用与空间自由度上有着更为均衡的技术优势,已成为当今无线... 详细信息

无线充电技术具有非接触、自动化以及易维护的供能特性,可以有效解决未来智能物联网(AIoT)在大规模应用时的能量供应难题.在现有无线充电技术中,磁共振无线充电技术在能量传输效用与空间自由度上有着更为均衡的技术优势,已成为当今无线充电领域的研究热点,拥有更为广阔的应用前景.为此,大致回顾了磁共振无线充电技术的发展历程并对其相关背景概念进行了简要概述.对近年的磁共振无线充电技术相关研究进行了系统梳理,并基于设计动机和技术实现从反馈通信、优化调度、感知应用、安全保障4个角度出发,详细总结了对应工作的基本原理、实施方法等核心内容,为后续的研究提供了有效参考.其中,根据传输方式将反馈通信方面工作分为两大类,根据系统结构将优化调度方面工作分为两大类,根据应用场景从三大类介绍感知应用方面工作,根据保障对象将安全保障方面工作分为三大类.最后在上述工作的基础上,讨论了磁共振无线充电技术现有工作的可改进之处,并对未来研究方向进行了展望.

关键词：磁共振无线充电反馈通信优化调度感知应用安全保障

基于深度学习的RGB-D图像显著性目标检测前沿进展

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02期 284-316页

作者：黄年昌杨阳张强韩军功西安电子科技大学高性能电子装备机电集成制造全国重点实验室西安电子科技大学机电工程学院谢菲尔德大学计算机科学系

显著性目标检测是计算机视觉领域的基础问题之一,旨在对图像中最吸引人注意的目标进行检测和分割。随着深度学习技术的发展,基于RGB(Red-Green-Blue)图像的显著性目标检测算法取得了巨大进步,在简单场景下已经取得较为满意的结果。然而... 详细信息

显著性目标检测是计算机视觉领域的基础问题之一,旨在对图像中最吸引人注意的目标进行检测和分割。随着深度学习技术的发展,基于RGB(Red-Green-Blue)图像的显著性目标检测算法取得了巨大进步,在简单场景下已经取得较为满意的结果。然而,局限于可见光相机的成像能力,RGB图像易受到光照条件的影响,且无法捕捉场景的三维空间信息。相应地,基于RGB图像的显著性目标检测算法通常难以在一些复杂场景下取得较好的检测效果。近年来,随着深度成像技术不断发展和硬件成本不断降低,深度相机得到了广泛应用。其捕获的场景空间信息,与可见光图像获取的场景细节信息相互补充,有助于提升复杂场景下显著性目标检测性能。因此,RGB-深度(RGB-Depth,RGB-D)图像显著性目标检测引起了学者广泛研究。本文对近期基于深度学习的RGB-D图像显著性目标检测算法进行了整理和分析。首先,分析了多模态RGB-D图像显著性目标检测所面临的关键问题,并以此对现有算法解决这些关键问题的主要思路和方法进行了总结和梳理。然后,介绍了用于RGB-D图像显著性目标检测算法研究的主流数据集和常用性能评价指标,并对各类主流模型进行了定量比较和定性分析。最后,本文进一步分析了RGB-D图像显著性目标检测领域有待解决的问题,同时对今后可能的研究趋势进行了展望。

关键词：显著性目标检测 RGB图像深度图像深度学习多模态图像处理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

空间-光谱联合解卷的全色锐化网络

光子学报 2025年第1期54卷 176-188页

作者：郑建炜夏弘毅徐宏辉浙江工业大学计算机科学与技术学院杭州310023

以深度解卷网络为核心的全色锐化方法虽兼具可解释理论框架和自学习能力,然而往往采用简单网络各自逼近空间、光谱退化矩阵,缺乏协作的先验学习策略。为此,提出空间-光谱联合解卷网络,在迭代优化的理论指导下分别通过多尺度级联策略和... 详细信息

以深度解卷网络为核心的全色锐化方法虽兼具可解释理论框架和自学习能力,然而往往采用简单网络各自逼近空间、光谱退化矩阵,缺乏协作的先验学习策略。为此,提出空间-光谱联合解卷网络,在迭代优化的理论指导下分别通过多尺度级联策略和点卷积操作实现自适应空间、光谱响应矩阵估计,并构建以注意力为基础的空间-光谱先验算子。在先验算子求解中,提出由多头光谱注意力和多头空间注意力组成的联合注意机制,分别在局部窗口中沿光谱和空间维度计算自注意力值,以捕获长程频谱依赖性,并建模全局空间交互作用。进一步构建了联合网络架构用于空间和光谱注意力间的精确信息融合。此外,设计了一种尺度感知协作模块,以捕获图像的多尺度局部特征。三个遥感数据集的实验结果证明了所提方案在数值和可视化结果层面均优于其他对比方法,其中在GF-2数据集上实现了0.798 dB的峰值信噪比增益。

关键词：遥感图像全色锐化深度学习网络解卷 Transformer 多尺度卷积特征交互

同方期刊数据库