检索结果-内蒙古大学图书馆

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

来源：评论

学校读者我要写书评

暂无评论

基座模型技术背景下的具身智能体综述

引用

浙江大学学报(工学版) 2025年第2期59卷 213-226,268页

作者：李颂元朱祥维李玺中山大学电子与通信工程学院广东深圳518107 浙江大学计算机科学与技术学院浙江杭州310058

近年来,虽然自然语言处理、计算机视觉、多模态学习等领域的基座模型取得了突破性的进展,展现出了通用人工智能的潜力,但它们在因果推理和物理常识理解方面的表现远不及人类或动物.这是因为这些模型主要依赖于大量的数据和计算能力,缺... 详细信息

近年来,虽然自然语言处理、计算机视觉、多模态学习等领域的基座模型取得了突破性的进展,展现出了通用人工智能的潜力,但它们在因果推理和物理常识理解方面的表现远不及人类或动物.这是因为这些模型主要依赖于大量的数据和计算能力,缺乏与现实世界的直接互动和经验积累.许多研究者开始质疑,单纯通过增加模型规模是否足以克服这些根本性的问题.这促使学界重新审视智能的本质,认为智能不仅是计算能力的提升,更是源于与环境的互动.具身智能正逐渐受到人工智能领域的关注,因为它强调智能体通过与物理世界的直接互动,学习和适应环境,展现出更接近生物智能的特性.结合基座模型的技术背景,对具身人工智能进行全面的调研.讨论当前具身智能体背后的技术思想、测试基准及应用.对未来具身人工智能的趋势和挑战进行前瞻性的分析.

关键词：具身智能多模态学习基座模型强化学习

来源：评论

学校读者我要写书评

暂无评论

迈向泛在智能：端侧大语言模型现状与展望

引用

中国科学基金 2025年第2期 263-273页

作者：邓永恒章晋睿岳晟任炬清华大学计算机科学与技术系中山大学网络空间安全学院中关村实验室

近年来，大语言模型技术在多个领域取得了突破性进展，为实现泛在智能提供了坚实的基础。然而，泛在智能要求在各种场景中实现无缝的智能体验，这对大语言模型的部署和应用提出了新的挑战。云上部署大模型时，面临实时性、安全性和个性... 详细信息

近年来，大语言模型技术在多个领域取得了突破性进展，为实现泛在智能提供了坚实的基础。然而，泛在智能要求在各种场景中实现无缝的智能体验，这对大语言模型的部署和应用提出了新的挑战。云上部署大模型时，面临实时性、安全性和个性化需求难以兼顾的问题，限制了其在不同环境中的适用性。这些挑战促使研究者探索端侧部署大语言模型的前景，以期在更接近数据源的位置实现更高效的智能服务。然而，端侧的资源限制为大语言模型的部署、推理与应用带来了严峻的挑战。本文首先探讨了这些挑战，并系统梳理了端侧大模型部署与推理应用的关键技术进展，包括模型压缩、运行时优化和端边云协同等方面的前沿研究，并深入分析了相关技术在实际应用中的优势与局限性。最后，本文对大语言模型实现泛在智能的未来发展方向进行了展望，包括模型轻量化、新型计算架构支持、隐私保护技术创新以及端边大小模型协同优化等技术，力求推动大语言模型在端侧的高效落地与应用。

关键词：大语言模型泛在智能端侧部署模型优化边缘计算隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于带标签CBMeMBer滤波器的低慢小群目标跟踪改进方法

引用

信号处理 2025年第5期 906-923页

作者：钟展鸣宋强张月陈泽彬杨珺瑶中山大学电子与通信工程学院湖南科技大学计算机科学与工程学院

群目标跟踪是实现无人机集群反制的关键步骤，具有重要的研究意义。相比传统的多目标跟踪算法，随机有限集（Random Finite Set,RFS）滤波在处理多目标数据关联与进行状态估计方面展现出显著的优势。然而在低慢小群目标的场景中，现有的... 详细信息

群目标跟踪是实现无人机集群反制的关键步骤，具有重要的研究意义。相比传统的多目标跟踪算法，随机有限集（Random Finite Set,RFS）滤波在处理多目标数据关联与进行状态估计方面展现出显著的优势。然而在低慢小群目标的场景中，现有的RFS滤波方法普遍未考虑群特性对跟踪的影响，也未考虑群目标起始与航迹信息提取的问题。为此，本文结合了群建模、带标签势均衡多目标多伯努利（Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer）滤波器以及自适应新生目标强度技术，提出一种针对低慢小群目标的跟踪方法。具体而言，本文首先通过虚拟领导-跟随者模型和无向图邻接矩阵对群目标结构进行建模；随后提出了一种三层优先级标签分配策略，改进了传统的带标签CBMeMBer滤波器，解决了标签冲突导致的轨迹混叠问题，提高了跟踪精度和算法运行效率；同时，设计了基于群目标场景与两点起始法的自适应新生目标强度算法，实现了RFS框架下群目标的自适应新生目标初始化；最后，仿真实验和基于全息凝视雷达的实测数据实验表明，所提方法在目标状态估计和轨迹质量方面表现优异，跟踪性能优于包括传统的带标签CBMeMBer滤波器在内的对比算法，且能有效避免轨迹交叉和混叠现象，充分展示了其在低慢小群目标精细化跟踪中的潜力和实际应用价值。

关键词：低慢小目标随机有限集群目标跟踪带标签势均衡多目标多伯努利滤波器全息凝视雷达

来源：评论

学校读者我要写书评

暂无评论

基于(U,U+V)码构造的有效盲签名方案

引用

中国科学:信息科学 2025年第5期55卷 1108-1121页

作者：杨洋张方国肖阔杰中山大学计算机学院广东省信息安全技术重点实验室

量子算法和量子计算机的发展对基于大整数分解或离散对数等假设构造的公钥密码系统的安全性提出了严峻挑战,基于编码理论构造的密码体制因其能够有效地抵抗量子计算而备受关注.现有的基于编码的安全盲签名方案几乎都是基于CFS (Courtois... 详细信息

量子算法和量子计算机的发展对基于大整数分解或离散对数等假设构造的公钥密码系统的安全性提出了严峻挑战,基于编码理论构造的密码体制因其能够有效地抵抗量子计算而备受关注.现有的基于编码的安全盲签名方案几乎都是基于CFS (Courtois, Finiasz, and Sendrier)签名方案构造.然而,这种构造方式导致盲签名方案的签名效率与CFS方案一样低,且通信代价大(有些方案达到了几十MB).本文借助(U, U+V)码构造的Wave签名方案,结合Stern协议构造了一种新的盲签名方案,并给出了两组参数示例.与基于CFS签名方案构造的盲签名方案相比,本文方案在公钥和签名尺寸方面都具有显著优势.此外,在本文方案中,任意的校验子均可被有效译码,用户仅需与签名者交互一次即可生成合法签名.在128安全级别下,通信量(包括用户和签名者共同发送的信息)只需2.61 kB.这一改进显著提升了签名效率和方案的实际可用性.

关键词：后量子密码基于编码的密码学盲签名 (U, U+V)码

来源：评论

学校读者我要写书评

暂无评论

用于精准预测空间蛋白组与转录组细胞丰度的智能方法

引用

计算机工程与应用 2025年

作者：宋渝杰曾远松杨跃东戴智明中山大学计算机学院重庆大学大数据与软件工程学院

细胞类型反卷积是从复杂组学数据（如空间蛋白组学和转录组学）中解析细胞丰度的关键技术。然而，传统的反卷积方法通常仅针对特定组学数据进行设计，未能提供通用的预测框架。为此，研究人员提出了一种新型深度学习反卷积方法——Spati... 详细信息

细胞类型反卷积是从复杂组学数据（如空间蛋白组学和转录组学）中解析细胞丰度的关键技术。然而，传统的反卷积方法通常仅针对特定组学数据进行设计，未能提供通用的预测框架。为此，研究人员提出了一种新型深度学习反卷积方法——SpatialDec，旨在同时处理蛋白组学和转录组学数据。SpatialDec结合了图神经网络的优势，能够识别复杂的细胞交互关系，并通过三元组损失函数强化细胞间的相似性与差异性。此外，SpatialDec采用领域自适应技术，有效去除源数据和目标数据之间的批次效应。大量实验证明，SpatialDec在多个蛋白组学和转录组学数据集上显著提升了预测性能。在蛋白组学数据集上，SpatialDec将均方根误差（RMSE）降低了21.9%，Lin的一致性相关系数（CCC）提高了46.1%，皮尔逊相关系数（PCC）提高了18.0%。在转录组学数据集上，SpatialDec也显著提高了性能，将RMSE降低了34.0%，CCC提高了45.4%，PCC提高了43.8%。

关键词：细胞类型反卷积蛋白组学图神经网络三元组损失

来源：评论

学校读者我要写书评

暂无评论

类别条件噪声下的半监督AUC优化理论与算法

引用

计算机学报 2025年第1期48卷 136-155页

作者：姜阳邦彦许倩倩杨智勇郝前秀操晓春黄庆明中国科学院大学计算机科学与技术学院北京101408 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 中山大学网络空间安全学院广东深圳518107

现有半监督AUC优化方法通常假设数据标注是准确的。然而在许多实际应用中,研究者往往会同时面临标注量不足和不准确的问题。为此,该文首次尝试在不完整和不准确的数据标注情况下优化AUC指标。具体而言,通过分析,对称替代损失在某些情况... 详细信息

现有半监督AUC优化方法通常假设数据标注是准确的。然而在许多实际应用中,研究者往往会同时面临标注量不足和不准确的问题。为此,该文首次尝试在不完整和不准确的数据标注情况下优化AUC指标。具体而言,通过分析,对称替代损失在某些情况下可以在半监督问题中具有噪声鲁棒性。在此基础上,该文构建了一个鲁棒半监督AUC优化框架,其导出的经验风险无需估计噪声率。此外,通过紧致泛化上界的分析表明,当模型基于足够大的训练数据集进行学习时,其在未见数据上能够很好地泛化。随后,使用Barrier hinge损失对该框架进行实例化。为加快训练过程,进一步开发了一种加速算法,将损失和梯度估计的复杂度从O(n^(2))降低至O(nlogn),在实验中可获得高达200倍的加速。最后,通过在15个基准数据集上进行实验验证,证明了所提方法的有效性。

关键词：半监督学习 AUC优化标签噪声二分类问题不平衡数据学习

来源：评论

学校读者我要写书评

暂无评论

两个系列铍反射层临界基准实验的一致性分析与核数据检验

引用

物理学报 2025年第6期74卷 35-41页

作者：陈胜利王天翔中山大学中法核工程与技术学院珠海519082

铍金属与氧化铍都是重要核材料,铍的中子核反应数据对核能研发具有重大意义.宏观检验是核数据评价过程的重要环节,对确保核数据的可靠性与精确度至关重要.临界基准实验是目前核数据宏观检验最重要的标准.但此前研究发现,两个高度相似的... 详细信息

铍金属与氧化铍都是重要核材料,铍的中子核反应数据对核能研发具有重大意义.宏观检验是核数据评价过程的重要环节,对确保核数据的可靠性与精确度至关重要.临界基准实验是目前核数据宏观检验最重要的标准.但此前研究发现,两个高度相似的铍反射层临界基准实验系列HMF-058与HMF-066在检验铍的中子反应数据时给出了矛盾的结论,不能指出铍相关数据的改进方向,导致这两个系列共14个实验无法被用于高精度的核数据检验.出射中子角分布是反应堆物理计算中的关键物理量,但核数据宏观检验中对其的关注度较低.本文通过改进铍(n,n)与(n,2n)反应的出射中子角分布数据提升了两个系列的理论计算与实验测量值的一致性.基于改进的核数据,所有计算与实验测量值的偏差均在1σ实验不确定度范围内,因此无法在此不确定度内拒绝两个系列实验的一致性.结合最新的整套铀核数据,两者的一致性还有少许提升.若要得出两个系列期望值系统性差异的结论,仍需降低实验不确定度或开展更高精度的实验.

关键词：临界基准实验中子核数据宏观检验铍反射层

来源：评论

学校读者我要写书评

暂无评论

基于物理融合神经网络的广义对流扩散方程格子Boltzmann求解研究

引用

核动力工程 2025年第2期46卷 56-67页

作者：王亚辉肖豪马宇谢宇辰池泓航中山大学中法核工程与技术学院广东珠海519082

为提高深度学习方法的网络复用性,构建一种适应于不同控制方程和不同物性参数条件的深度网络模型,本研究提出了基于物理融合神经网络的格子Boltzmann方法(PFNN-LBM)。在格子Boltzmann框架下建立了不同特征控制方程的统一格式离散速度Bol... 详细信息

为提高深度学习方法的网络复用性,构建一种适应于不同控制方程和不同物性参数条件的深度网络模型,本研究提出了基于物理融合神经网络的格子Boltzmann方法(PFNN-LBM)。在格子Boltzmann框架下建立了不同特征控制方程的统一格式离散速度Boltzmann方程,并使用单一网络的参数化物理信息约束神经网络求解,可以在一次训练后同时求解不同形式和不同物理参数的控制方程。为测试PFNN-LBM的准确性和适应性,选取了四种典型非线性对流扩散方程开展预测分析,包括扩散方程、非线性导热方程、SineGordon方程和Burgers-Fisher方程,同时测试了不同物理参数条件的预测性能并对双群中子扩散问题进行了测试。计算结果表明,所提出的PFNN-LBM可以在一次训练后高精度地求解不同形式和不同物理参数的控制方程。这项工作可以为高效灵活地求解不同类型的方程提供一个新的框架,对于工程应用中的多物理场耦合计算方面可能具有突出优势。

关键词：物理信息约束神经网络格子Boltzmann 深度学习非线性对流扩散方程

来源：评论

学校读者我要写书评

暂无评论

基于8阶LFSR序列的可证明安全性公钥密码体制

引用

中山大学学报（自然科学版） 2008年第5期47卷 28-32页

作者：王泽辉中山大学科学计算与计算机应用系

为了满足在带宽受限制且带宽费用高的受限制环境下,实施高效率的加密解密与数字签名的需要,使用了数论、近世代数、算法分析等工具,研究节省公钥、私钥存储量和传输信息量的方案。提出基于8阶系数属于GF(p)LFSR序列的公钥密码体制,称之... 详细信息

为了满足在带宽受限制且带宽费用高的受限制环境下,实施高效率的加密解密与数字签名的需要,使用了数论、近世代数、算法分析等工具,研究节省公钥、私钥存储量和传输信息量的方案。提出基于8阶系数属于GF(p)LFSR序列的公钥密码体制,称之为8LFSR体制。给出8LFSR上的2个重要协议:可证明安全性加密协议和可证明安全性数字签名协议。分析表明,该密码体制的密钥生成简单,速度远快于ECC,其私钥压缩率高达8倍,优于XTR的3倍私钥压缩率,在多种环境下既能显著地提高运算效率又能保证安全性。

关键词：公钥密码体制受限制环境 LFSR IND—CCA2安全数字签名快速算法

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：