检索结果-内蒙古大学图书馆

软件学报 2025年第3期36卷 939-940页

作者：杜小勇杨晓春祝园园中国人民大学信息学院东北大学示范性软件学院武汉大学计算机学院

随着信息技术的飞速发展以及智能终端的不断普及,全球数据量呈现爆发式增长,数据成为第5生产要素,这极大地扩展了数据库的应用领域和应用范围.数据库作为支撑数据处理的核心技术也在不断创新变革.云基础设施的蓬勃发展为数据库系统领域...

随着信息技术的飞速发展以及智能终端的不断普及,全球数据量呈现爆发式增长,数据成为第5生产要素,这极大地扩展了数据库的应用领域和应用范围.数据库作为支撑数据处理的核心技术也在不断创新变革.云基础设施的蓬勃发展为数据库系统领域带来了全新的发展机遇,越来越多本地部署的数据库系统已经向云端迁移.云原生数据库是为云架构而原生设计的数据库,充分利用云基础设施虚拟化、高可用、可弹性伸缩等特点,提供更灵活、强大的数据管理能力.专题聚焦云原生数据库系统核心技术,探讨云原生数据库如何面对用户不断变化的计算需求,构建新的体系结构支持弹性扩缩容;如何面向HTAP混合负载,选择合适的数据策略灵活支持TP和AP任务;如何面对复杂查询场景和任务,实现超异构硬件的调度优化以及智能查询优化;如何结合AI技术,使云原生数据库能与AI框架有机融合变得更加智能、高效;如何考虑全流程数据安全,采用多种技术或机制保障数据的安全隐私;如何结合全密态技术,实现软硬结合的全密态数据处理,实现数据处理安全等.专题重点关注云原生数据库系统研究中具有创新性和突破性的高水平研究成果,探讨相关基础理论、关键技术、系统架构等方面的实质性进展,探讨其在相关产业和领域的应用前景.

关键词：

来源：评论

学校读者我要写书评

暂无评论

Self-Guide:一种基于自我规划的大语言模型推理增强方法

引用

中文信息学报 2025年第04期39卷 55-66页

作者：刘艺彬刘正皓闫宇坤于是王硕杨麟儿陈慧敏谷峪于戈东北大学计算机科学与工程学院清华大学计算机科学与技术系北京语言大学信息科学学院清华大学新闻与传播学院

尽管大语言模型在自然语言处理任务中取得显著进展，但其在复杂问题推理等领域还面临着认知负荷问题，即大语言模型在推理过程中需要记忆并处理大量信息。因此，如何有效地减少大语言模型推理过程中的认知负荷，缓解推理过程中可能出现... 详细信息

尽管大语言模型在自然语言处理任务中取得显著进展，但其在复杂问题推理等领域还面临着认知负荷问题，即大语言模型在推理过程中需要记忆并处理大量信息。因此，如何有效地减少大语言模型推理过程中的认知负荷，缓解推理过程中可能出现的认知过载，是一个亟待解决的问题。对此该文提出了Self-Guide方法，用于增强语言模型的推理能力。该方法通过指引大语言模型生成常识知识和推理指导，让大语言模型基于自我规划来增强其推理能力，并通过与推理链结合的方式对模型的推理过程进行校准。与现有方法不同的是，该文在不对大语言模型进行微调或使用外部工具的情况下，显著提升了大语言模型的推理性能。实验结果表明，Self-Guide方法在四种常见推理任务上性能显著优于基线方法，同时相比传统的推理链模型，Self-Guide方法在推理能力较弱的模型上也具有良好的泛化性能。通过结合大语言模型的自我规划和推理能力，Self-Guide方法为提升语言模型的推理能力提供了一种新的有效途径。

关键词：大语言模型自我引导推理增强认知负荷

来源：评论

学校读者我要写书评

暂无评论

水稻冠层叶瘟病与缺氮的高光谱识别

引用

云南农业大学学报(自然科学版) 2025年第1期40卷 167-175页

作者：袁建清仇逊超高睿苏中滨哈尔滨金融学院计算机系黑龙江哈尔滨150030 东北农业大学电气与信息学院黑龙江哈尔滨150030

【目的】利用水稻大田近地冠层高光谱数据,实现在冠层尺度上对叶瘟病与缺氮水稻的早期识别。【方法】基于氮胁迫梯度试验和大田自然发病,采用室外高光谱成像系统采集缺氮水稻和自然发病水稻的大田近地冠层图像,提取并分析中度感病、轻... 详细信息

【目的】利用水稻大田近地冠层高光谱数据,实现在冠层尺度上对叶瘟病与缺氮水稻的早期识别。【方法】基于氮胁迫梯度试验和大田自然发病,采用室外高光谱成像系统采集缺氮水稻和自然发病水稻的大田近地冠层图像,提取并分析中度感病、轻度感病、缺氮和健康水稻冠层的反射率光谱特征。针对预处理后的高光谱数据,采用主成分分析(principal component analysis,PCA)、植被指数(vegetation index,VI)和竞争性自适应重加权法(competitive adaptive reweighted sampling,CARS)3种方法提取特征变量,并结合线性判别分析(linear discriminant analysis,LDA)与支持向量机(support vector machine,SVM)分类算法,构建水稻冠层叶瘟病与缺氮的早期识别模型。【结果】单独使用PCA降维方法提取特征构建的模型无显著的分类效果;基于VI的模型相比全谱模型在区分效果上有所提升,但提升幅度不大;采用CARS提取特征波长所构建的模型显示出最佳的区分效果。进一步对提取的CARS特征进行PCA降维后,获得5个主成分特征用于建模,其SVM和LDA模型的总体分类精度分别为95.51%和96.15%,Kappa系数分别为0.91和0.92,表现出较高的分类一致性。【结论】本研究通过选用较少的特征变量,成功实现了水稻冠层叶瘟病与缺氮的有效识别,为水稻病害与养分胁迫的遥感监测提供了新的思路和理论依据。研究成果可为大规模水稻病虫害监测与精准施药提供支持,在精准农业领域具有重要的应用价值。

关键词：高光谱成像水稻叶瘟病竞争性自适应重加权法(CARS) 支持向量机(SVM) 线性判别分析(LDA)

来源：评论

学校读者我要写书评

暂无评论

分布式多媒体系统的主要研究领域与发展现状

引用

计算机科学 1999年第7期26卷 1-7页

作者：王兴伟张应辉刘积仁东北大学信息学院计算机系沈阳110006

分布式多媒体系统集多媒体信息的综合性、计算机的交互性、通信的分布性、电视的真实性等于同一个系统,按全新方式在众多领域为用户提供新型分布式多媒体信息服务。由于分布式多媒体系统是多媒体信息处理技术、分布式处理技术、高速网... 详细信息

分布式多媒体系统集多媒体信息的综合性、计算机的交互性、通信的分布性、电视的真实性等于同一个系统,按全新方式在众多领域为用户提供新型分布式多媒体信息服务。由于分布式多媒体系统是多媒体信息处理技术、分布式处理技术、高速网络技术等相互融合的产物,因此涉及的研究领域非常广泛。本文作者试图在较为全面地总结国内外已有研究成果的基础之上,结合多年从事分布式多媒体系统开发与应用的理论研究与工程实践的实际经验,对分布式多媒体系统涉及的主要研究领域作一概要综述,以期对分布式多媒体系统及其应用在我国的研究与发展能起到一定的推动作用。

关键词：分布式多媒体多媒体系统信息处理 CPU

来源：评论

学校读者我要写书评

暂无评论

基于负载的任务运行时间预报模型

引用

计算机工程 2006年第7期32卷 123-125页

作者：袁静波丁顺利鞠九滨东北大学秦皇岛分校计算机系秦皇岛066004 吉林大学计算机学院长春130023

由于计算资源具有广域分布、异构、动态等特点,使得计算网格环境下资源管理和调度成为一个非常复杂且具有挑战性的问题。分布式系统的性能度量、分析及预报已变得日益重要,而精确预报任务的运行时间,对达到应用性能是至关重要的。该文... 详细信息

由于计算资源具有广域分布、异构、动态等特点,使得计算网格环境下资源管理和调度成为一个非常复杂且具有挑战性的问题。分布式系统的性能度量、分析及预报已变得日益重要,而精确预报任务的运行时间,对达到应用性能是至关重要的。该文描述了一个基于负载的任务运行时间预报系统模型,它是任务调度及资源分配算法的中心。

关键词：任务运行时间预报性能预报任务调度计算网格

来源：评论

学校读者我要写书评

暂无评论

一种多媒体组通信概念模型

引用

计算机科学 1999年第8期26卷 37-38,61页

作者：王兴伟张应辉刘积仁东北大学信息学院计算机系沈阳110006

很多分布式多媒体应用(如计算机会议、远程教学、远程会诊等)都属于组应用,需要组通信机制的支持。因此,组通信成为分布式多媒体系统中的一个重要的研究方向。多媒体组通信对网络技术、通信协议、操作系统等都提出了很多新的要求。尽管... 详细信息

很多分布式多媒体应用(如计算机会议、远程教学、远程会诊等)都属于组应用,需要组通信机制的支持。因此,组通信成为分布式多媒体系统中的一个重要的研究方向。多媒体组通信对网络技术、通信协议、操作系统等都提出了很多新的要求。尽管人们已经对如何支持传统的分布式组应用(如复制文件系统、分布式目录服务等)进行了深入的研究而且取得了很多有价值的成果,但是对如何支持分布式多媒体组应用的研究才刚刚起步。

关键词：多媒体通信概念模型 QoS管理计算机网络

来源：评论

学校读者我要写书评

暂无评论

众包数据库综述

引用

计算机学报 2020年第5期43卷 948-972页

作者：柴成亮李国良赵天宇骆昱宇于明鹤清华大学计算机系北京100084 东北大学软件学院沈阳110167

现如今,很多数据处理与分析的任务仅仅依靠机器算法难以达到理想的效果.因此,众包技术应运而生,其利用群体的智慧来解决对于计算机而言比较难的问题.其中,众包平台(例如Amazon Mechanical Turk)为众包技术的应用提供了有力的支撑.平台... 详细信息

现如今,很多数据处理与分析的任务仅仅依靠机器算法难以达到理想的效果.因此,众包技术应运而生,其利用群体的智慧来解决对于计算机而言比较难的问题.其中,众包平台(例如Amazon Mechanical Turk)为众包技术的应用提供了有力的支撑.平台上有成千上万的网络大众来为任务发布者解决问题.然而,对于任务发布者而言,其与众包平台交互是不方便的,因为平台会要求任务发布者设置很多参数甚至书写代码.所以研究者们借鉴传统数据库的思想,提出了众包数据库的概念,其封装了任务发布者、众包平台以及众包工人之间的复杂交互过程,为发布者提供友好的API.使发布者可以通过简单的类SQL语言与平台交互.在这篇综述中,我们首先介绍众包的概念;然后介绍设计众包数据库时需考虑的一些基本技术,例如真值推理、任务分配,代价优化等;接着我们介绍几种主流的众包数据库系统.此外,我们会介绍对于不同的数据库算子,包括选择、连接、排序等优化技术.最后我们会介绍该领域未来的研究方向与挑战.

关键词：数据库众包查询优化质量控制成本控制

来源：评论

学校读者我要写书评

暂无评论

英汉机译中一种基于无监督学习的词类消歧策略

引用

小型微型计算机系统 2000年第8期21卷 878-881页

作者：张跃谭咏梅姚天顺东北大学信息科学与工程学院计算机系沈阳110006

在本文 ,我们介绍英汉机译中使用无监督学习实现词类消歧的一种新方法 .该方法以独立于语料库的手工制作的约束规则为出发点 ,然后合并从训练语料库中以无监督方式所学习的约束规则 ,从而激发手工制作的约束规则 ,同时不以牺牲查全率为... 详细信息

在本文 ,我们介绍英汉机译中使用无监督学习实现词类消歧的一种新方法 .该方法以独立于语料库的手工制作的约束规则为出发点 ,然后合并从训练语料库中以无监督方式所学习的约束规则 ,从而激发手工制作的约束规则 ,同时不以牺牲查全率为代价而提高查准率 .实验表明 ,在英语分析过程中 ,通过组合这些手工制作以及所学习的信息源 ,可获得大约 98%的查全率 ,89%的查准率 ,以及平均 1.10个歧义分析 /单词 .

关键词：无监督学习词类消歧策略机器翻译英汉翻译

来源：评论

学校读者我要写书评

暂无评论

前言

引用

计算机研究与发展 2015年第4期52卷 777-778页

作者：罗军舟王兴伟尹浩东南大学计算机学院东北大学信息学院清华大学计算机系

近年来，随着互联网、移动网、物联网、社会网等网络技术的迅猛发展，“人‐机‐物”网络空间中网络规模不断膨胀、网络结构日益复杂、信息与数据也呈爆炸式增长。在此背景下，传统的技术手段在解决网络控制、资源管理、服务质量和异常... 详细信息

近年来，随着互联网、移动网、物联网、社会网等网络技术的迅猛发展，“人‐机‐物”网络空间中网络规模不断膨胀、网络结构日益复杂、信息与数据也呈爆炸式增长。在此背景下，传统的技术手段在解决网络控制、资源管理、服务质量和异常检测等网络问题时会存在一定的局限性。而日趋成熟的大数据理论及方法，为解决这些问题提供了新的机遇，也吸引了网络科学研究者们的注意，并衍生出大数据驱动的网络科学研究这一新兴的研究领域。

关键词：科学研究者网络技术网络规模网络空间网络结构网络控制资源管理网络问题

来源：评论

学校读者我要写书评

暂无评论

基于层次时间Petri网的工作流模型可达性分析方法

引用

计算机集成制造系统 2006年第4期12卷 487-493页

作者：唐达刘丹妮大连理工大学计算机科学与工程系辽宁大连116023 东北大学东软信息学院计算机系辽宁大连116023

为了有效管理工作流,需要对工作流模型进行合理性分析与验证。为此,提出了一种基于层次时间Petri网的工作流模型,给出了从时间Petri网工作流模型转化成基于层次时间Petri网工作流模型的规则及算法。证明了任何一个能够转化成基于层次时... 详细信息

为了有效管理工作流,需要对工作流模型进行合理性分析与验证。为此,提出了一种基于层次时间Petri网的工作流模型,给出了从时间Petri网工作流模型转化成基于层次时间Petri网工作流模型的规则及算法。证明了任何一个能够转化成基于层次时间Petri网的时间Petri网工作流模型在物理上都是可达的。在时间方面,提出了基于层次时间Petri网工作流模型的层次时间树算法,并给出了时间可达性的静态和动态分析与验证方法。通过实例验证了该方法在工作流模型的物理、时间静态和时间动态可达性分析中的有效性。

关键词：工作流时间Petri网层次时间Petri网层次时间树

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：