检索结果-内蒙古大学图书馆

高技术通讯 2022年第12期32卷 1226-1235页

作者：孙力立武成岗许佳丽张培华唐博文谢梦瑶计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学计算机科学与技术学院北京100190

脚本语言作为解释性语言,需要由脚本语言执行引擎动态解释执行。由于脚本语言的广泛应用,其执行引擎也在各种平台上得到广泛部署。因此,脚本语言执行引擎中的安全漏洞往往具有很高的安全影响。模糊测试作为一种有效的自动化漏洞挖掘方法... 详细信息

脚本语言作为解释性语言,需要由脚本语言执行引擎动态解释执行。由于脚本语言的广泛应用,其执行引擎也在各种平台上得到广泛部署。因此,脚本语言执行引擎中的安全漏洞往往具有很高的安全影响。模糊测试作为一种有效的自动化漏洞挖掘方法,在挖掘脚本语言执行引擎的软件缺陷和漏洞方面也有重要作用。本文对近年来国内外学者在该领域的研究进行了系统的总结,介绍了模糊测试和脚本语言执行引擎的基本概念,整理了现有的脚本语言执行引擎的模糊测试工作的评价指标,分类梳理了脚本语言执行引擎的模糊测试工作,阐述了该领域所关注的研究问题和解决方法。最后,根据现有工作的不足和研究趋势,提出具有潜力的下一步研究方向。

关键词：脚本语言执行引擎模糊测试漏洞挖掘软件缺陷检测

来源：评论

学校读者我要写书评

暂无评论

ChatGPT背后的多模态感知

引用

能源评论 2023年第3期 36-38页

作者：张琴琴(整理) 王瑞平不详中国科学院计算技术研究所智能信息处理重点实验室

人们通过看、触、吃等一系列“多模态联动”,来判断“这是一个苹果”,而AI对各种模态的研究已进展多时,今天,视觉与语言的跨模态生成不仅有趣,而且有用——AI大模型似乎越来越懂人类的“常识”。

关键词：多模态 AI 有趣

来源：评论

学校读者我要写书评

暂无评论

说话人生成研究现状与发展趋势

引用

计算机科学 2023年第8期50卷 68-78页

作者：宋昕洋阎志远孙沐毅戴琳琳李琦孙哲南中国科学院大学人工智能学院北京100049 中国科学院自动化研究所模式识别国家重点实验室智能感知与计算研究中心北京100190 中国铁道科学研究院集团有限公司电子计算技术研究所北京100081

说话人生成是视觉生成领域的热门研究方向,旨在根据输入的多模态信息生成逼真的说话人视频。说话人生成在影视传媒、游戏动漫和互联网相关产业中具有广阔的应用前景,同时也可以为唇读识别、伪造鉴别和数字人生成等任务的研究提供数据支... 详细信息

说话人生成是视觉生成领域的热门研究方向,旨在根据输入的多模态信息生成逼真的说话人视频。说话人生成在影视传媒、游戏动漫和互联网相关产业中具有广阔的应用前景,同时也可以为唇读识别、伪造鉴别和数字人生成等任务的研究提供数据支持。现阶段主流的说话人生成方法已经能够实现包含个性化属性、视听同步的说话人视频生成,但还未能达到虚拟现实、人机交互和元宇宙等新兴应用场景的要求。因此,研究说话人生成对于推动相关产业发展具有重要意义。对说话人生成的研究现状进行梳理与总结,首先阐述了说话人生成的研究背景和相关技术,然后根据方法分类介绍了近年来主流的说话人生成方法,整理了相关研究中常用的视听数据集和评价指标,最后总结现有方法存在的问题,分析了说话人生成未来潜在的研究方向。

关键词：人脸生成视频生成图像生成深度学习多模态学习人脸重建深度伪造计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于增强特征融合网络的行人重识别方法

引用

计算机辅助设计与图形学学报 2021年第2期33卷 232-240页

作者：刘玉杰周彩云李宗民李华中国石油大学(华东)计算机科学与技术学院青岛266580 中国科学院计算技术研究所智能信息处理重点实验室北京100190 中国科学院大学北京100049

针对行人重识别技术受遮挡、背景冗余、光照、姿态以及检测误差等问题的影响,鲁棒的行人特征表达对正确检索行人越来越重要.为了利用对齐特征和度量学习的优势,进一步分析局部空间语义特征.首先,在特征层面:一是在ResNet50框架中嵌入空... 详细信息

针对行人重识别技术受遮挡、背景冗余、光照、姿态以及检测误差等问题的影响,鲁棒的行人特征表达对正确检索行人越来越重要.为了利用对齐特征和度量学习的优势,进一步分析局部空间语义特征.首先,在特征层面:一是在ResNet50框架中嵌入空间变换结构,自适应对齐局部区域空间特征,解决因局部区域不对齐导致的空间语义不一致的问题;二是通过对齐的局部特征设计一种增强特征融合网络,充分利用语义信息间的关联性提取图像的细节特征.然后,在损失函数层面:提出一种排序矩阵方法选取区域样本对,设计了一种局部三元组损失计算方法,联合正则化分类损失共同训练网络,充分利用融合的增强特征,达到高效度量的效果.最后,文中方法结合现有的重排算法进一步提高了Rank-1与mAP检索精度,在行人重识别基准数据集Market-1501上的实验结果,证明了本文方法的有效性.

关键词：空间语义特征增强特征融合网络排序矩阵局部三元组损失

来源：评论

学校读者我要写书评

暂无评论

FAQ-CNN:面向量化卷积神经网络的嵌入式FPGA可扩展加速框架

引用

计算机研究与发展 2022年第7期59卷 1409-1427页

作者：谢坤鹏卢冶靳宗明刘义情龚成陈新伟李涛南开大学计算机学院天津300350 天津市网络与数据安全技术重点实验室(南开大学) 天津300350 计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京100190 福建省信息处理与智能控制重点实验室(闽江学院) 福州350108

卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而,CNN模型量化算法的加速器设计,通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此,提出一种面向量... 详细信息

卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而,CNN模型量化算法的加速器设计,通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此,提出一种面向量化CNN的嵌入式FPGA加速框架FAQ-CNN,从计算、通信和存储3方面进行联合优化,FAQ-CNN以软件工具的形式支持快速部署量化CNN模型.首先,设计面向量化算法的组件,将量化算法自身的运算操作和数值映射过程进行分离;综合运用算子融合、双缓冲和流水线等优化技术,提升CNN推理任务内部的并行执行效率.然后,提出分级编码与位宽无关编码规则和并行解码方法,支持低位宽数据的高效批量传输和并行计算.最后,建立资源配置优化模型并转为整数非线性规划问题,在求解时采用启发式剪枝策略缩小设计空间规模.实验结果表明,FAQ-CNN能够高效灵活地实现各类量化CNN加速器.在激活值和权值为16 b时,FAQ-CNN的加速器计算性能是Caffeine的1.4倍;在激活值和权值为8 b时,FAQ-CNN可获得高达1.23TOPS的优越性能.

关键词：卷积神经网络量化量化算法解耦并行编解码片上资源建模加速器设计

来源：评论

学校读者我要写书评

暂无评论

于危机中育先机于变局中开新局——努力抢占处理器芯片领域科技制高点

引用

科学新闻 2023年第4期 52-53页

作者：陈云霁中国科学院计算技术研究所中国科学院处理器芯片全国重点实验室

今年是习近平总书记对中国科学院提出“四个率先”目标要求的第10年。10年间，中国科学院积极推进科研院所改革、调整优化科研布局，陆续产出了一大批重大原创成果、战略性技术与产品以及示范转化工程。10年后的今天，面对世界百年未有...

今年是习近平总书记对中国科学院提出“四个率先”目标要求的第10年。10年间，中国科学院积极推进科研院所改革、调整优化科研布局，陆续产出了一大批重大原创成果、战略性技术与产品以及示范转化工程。10年后的今天，面对世界百年未有之大变局加速演进，我国发展正经历着新的重要战略机遇期。为了实现2050年建成世界科技创新强国的战略目标，每一位科技工作者都应拼搏奋斗。

关键词：

来源：评论

学校读者我要写书评

暂无评论

新高考志愿推荐算法研究

引用

中国教育信息化 2023年第4期29卷 112-120页

作者：王柏琦付立军周晓磊高思达张永宏中国科学院大学沈阳计算技术研究所辽宁沈阳110168 山东大学大数据技术与认知智能实验室山东济南250100 中国科学院沈阳计算技术研究所

新高考政策的推行和逐步落实,使志愿填报由以往院校为主体且志愿可服从调剂、变为“专业+院校”组合更突出专业的模式。目前实行新高考的省份可填志愿数为80个、96个或112个,而且志愿间不再存在服从调剂选项。针对新高考志愿填报要求,... 详细信息

新高考政策的推行和逐步落实,使志愿填报由以往院校为主体且志愿可服从调剂、变为“专业+院校”组合更突出专业的模式。目前实行新高考的省份可填志愿数为80个、96个或112个,而且志愿间不再存在服从调剂选项。针对新高考志愿填报要求,以考生分数能否被院校专业录取作为评价标准,结合专业类型、选科要求、院校属性、学费等多维数据,使用长短时记忆网络算法,可以预测出该分数在当年录取位次,再根据一定报考规则形成志愿填报方案。使用考生报考当年前3年的专业录取位次和当年录取位次作为输入,得到当年考生被各专业的录取概率,并基于该录取概率为考生进行志愿推荐。在河北省2021年新高考中,使用该算法进行志愿填报实践,结果表明:基于长短时记忆网络的新高考预测算法,为新高考考生志愿填报提供了有效支持,既帮助其进行专业选择,又能很好地发挥其考分的价值,做到科学填报。该研究可以为新高考考生个性化填报提供有益帮助,帮助实行新高考省份的学校对学生进行科学填报指导。

关键词：长短时记忆网络 LSTM 志愿推荐新高考推荐算法

来源：评论

学校读者我要写书评

暂无评论

面向中文电子病历的属性挖掘

引用

高技术通讯 2022年第6期32卷 597-606页

作者：费超群张书涵李阳阳智能信息处理重点实验室北京100190 中国科学院计算技术研究所北京100190 中国科学院大学北京100049 管理、决策与信息系统重点实验室北京100190 中国科学院数学与系统科学研究院北京100190

电子病历(EMR)的属性挖掘任务旨在从一组同一科室下的病历文本中抽取该科室医学检查项目。传统的频繁项或序列挖掘技术并不能直接用于该任务。本文提出一种新的不需要人工干预的属性挖掘框架,并借助无标注技术来处理这一难题,即将属性... 详细信息

电子病历(EMR)的属性挖掘任务旨在从一组同一科室下的病历文本中抽取该科室医学检查项目。传统的频繁项或序列挖掘技术并不能直接用于该任务。本文提出一种新的不需要人工干预的属性挖掘框架,并借助无标注技术来处理这一难题,即将属性挖掘问题形式化为半结构化的频繁子序列挖掘任务,并提出一种有效的算法从电子病历中挖掘候选的词模式。在中文电子病历上进行的各项综合实验,证明了本文提出的方法可以有效处理属性挖掘任务。

关键词：属性挖掘电子病历(EMR) 频繁子序列挖掘词模式频繁词模式

来源：评论

学校读者我要写书评

暂无评论

代码大语言模型赋能的知识图谱关键技术综述

引用

大数据 2025年第2期11卷 19-28页

作者：李紫宣白龙任韦澄苏淼刘文轩陈磊靳小龙中国科学院网络数据科学与技术重点实验室中国科学院计算技术研究所北京100080 中国科学院大学计算机科学与技术学院北京100080 中国工程院战略咨询中心北京100088

传统知识图谱技术在将用自然语言表达的人类知识转化为用形式化语言表达的知识图谱再加以利用的过程中仍面临诸多挑战。近年来,代码大语言模型具备了同时理解自然语言与形式化语言并将两者进行转化的能力,有望为新一代知识图谱技术的发... 详细信息

传统知识图谱技术在将用自然语言表达的人类知识转化为用形式化语言表达的知识图谱再加以利用的过程中仍面临诸多挑战。近年来,代码大语言模型具备了同时理解自然语言与形式化语言并将两者进行转化的能力,有望为新一代知识图谱技术的发展带来重要突破。因此,综述了代码大语言模型在知识图谱中的运用。首先,从知识图谱构建、推理以及问答3个方面,对代码大语言模型赋能的知识图谱关键技术进行了体系化梳理;其次,围绕上述3个方面,对现有相关技术进行了较为详细的介绍;最后,对代码大语言模型赋能的知识图谱关键技术进行了总结与展望。未来基于编程语言的知识表示有望在知识图谱上实现更加高效、自动且复杂的操作,实现知识编程。

关键词：知识图谱代码大语言模型大语言模型

来源：评论

学校读者我要写书评

暂无评论

密度泛函微扰理论中响应密度矩阵的迭代求解算法研究

引用

计算机科学 2023年第6期50卷 81-85页

作者：刘人僪徐直前商红慧张云泉大连海洋大学信息工程学院辽宁大连116023 中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190 中国科学院大学计算机与控制学院北京100190

针对密度泛函微扰理论中响应密度矩阵的计算问题,提出了一种全新的Sternheimer方程的并行求解方法,即通过共轭梯度算法和矩阵直接分解算法对Sternheimer方程进行求解,并且在第一性原理的分子模拟软件FHI-aims中实现了这两种算法。实验... 详细信息

针对密度泛函微扰理论中响应密度矩阵的计算问题,提出了一种全新的Sternheimer方程的并行求解方法,即通过共轭梯度算法和矩阵直接分解算法对Sternheimer方程进行求解,并且在第一性原理的分子模拟软件FHI-aims中实现了这两种算法。实验结果表明采用共轭梯度算法和矩阵直接分解算法的计算结果精度较高,相比传统方法的计算结果误差较小,且具有可扩展性,验证了新的Sternheimer方程中线性方程求解的正确性和有效性。

关键词：密度泛函线性方程迭代算法

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：