检索结果-内蒙古大学图书馆

计算机应用 2025年第5期 1528-1534页

作者：张庆杨凡方宇涵中国科学院成都计算机应用研究所中国科学院大学

中文拼写纠错（CSC）的目标是检测和修正用户输入中文文本中的字或词级别的错误，这些错误通常是由于汉字之间的语义、字音或字形相似而导致的误用。然而，现有模型通常忽略了局部信息，无法充分捕捉不同汉字之间的字音和字形相似性，... 详细信息

中文拼写纠错（CSC）的目标是检测和修正用户输入中文文本中的字或词级别的错误，这些错误通常是由于汉字之间的语义、字音或字形相似而导致的误用。然而，现有模型通常忽略了局部信息，无法充分捕捉不同汉字之间的字音和字形相似性，也无法有效地将这些信息与语义信息结合起来。为了解决这些问题，提出一种基于多模态信息融合的CSC算法PWSpell。该算法利用卷积注意力机制关注局部语义信息，利用拼音编码捕捉汉字之间的字音相似关系，并首次将五笔编码引入CSC领域，用于捕捉汉字之间的字形相似关系。此外，将这2种相似关系与经过BERT(Bidirectional Encoder Representation from Transformers)处理的语义信息进行选择性融合。实验结果表明，PWSpell在SIGHAN 2015测试集的检测级指标上准确率、精确率、F1值以及校正级指标精确率、F1值上均有提升，其中校正级的精确率至少提升了1个百分点；消融实验结果也验证了算法中各个模块的设计都能有效提升模型的性能。

关键词：中文自然语言处理中文拼写纠错 BERT 多模态信息融合局部信息

来源：评论

学校读者我要写书评

暂无评论

基于信号时态逻辑的深度时序事件检测算法

引用

计算机应用 2025年第1期45卷 90-97页

作者：张思齐张金俊王天一秦小林中国科学院成都计算机应用研究所成都610213 中国科学院大学北京100049

针对深度事件检测模型对复杂时序事件检测准确性不足和忽略了不同事件间相关性的问题,提出一种基于信号时态逻辑的深度时序事件检测算法DSTL(Deep Signal Temporal Logic)。该算法一方面引入信号时态逻辑框架,并用信号时态逻辑(STL)公... 详细信息

针对深度事件检测模型对复杂时序事件检测准确性不足和忽略了不同事件间相关性的问题,提出一种基于信号时态逻辑的深度时序事件检测算法DSTL(Deep Signal Temporal Logic)。该算法一方面引入信号时态逻辑框架,并用信号时态逻辑(STL)公式建模时间序列中的事件来综合考虑时间序列上事件的逻辑性和时态性;另一方面采用基于神经网络的基础分类器来检测原子事件的发生情况,并通过STL公式结构和语义来辅助检测复杂事件。另外,使用神经网络模块替代相应的逻辑连接词和时态逻辑算子,从而提供可GPU加速和梯度下降的神经网络模块。通过对6个时间序列数据集的实验,验证了该算法在时序事件检测方面的有效性,并把使用DSTL算法的模型与不使用该算法而使用多层感知机(MLP)、长短期记忆(LSTM)网络和Transformer的深度时间序列分类模型进行比较。实验结果表明,使用DSTL算法的模型在5种事件上的平均F1分数提升了约12%,其中3种跨时间点事件上的平均F1分数提升了约14%,且具备更好的可解释性。

关键词：时态逻辑事件检测事件表示时间序列深度学习

来源：评论

学校读者我要写书评

暂无评论

基于二进制重写的混合分析构建控制流图方案

引用

计算机应用研究 2025年第2期42卷 555-559页

作者：李自友黄晓芳殷明勇西南科技大学计算机科学与技术学院四川绵阳621000 计算机应用研究所四川绵阳621000

控制流图(CFG)是二进制程序分析的基础。传统静态分析方法构建控制流图速度快,代码覆盖率高,但不能解决间接跳转问题;动态分析方法能够分析间接跳转,但代码覆盖率低、性能开销大。为更加高效构建完备的控制流图,提出静态动态结合的混合... 详细信息

控制流图(CFG)是二进制程序分析的基础。传统静态分析方法构建控制流图速度快,代码覆盖率高,但不能解决间接跳转问题;动态分析方法能够分析间接跳转,但代码覆盖率低、性能开销大。为更加高效构建完备的控制流图,提出静态动态结合的混合分析方案。首先使用静态分析获取程序的初始控制流图,采用模糊测试的方法获取目标程序不同执行流的输入数据,诱导重写后的目标程序执行获取间接跳转地址;融合静态分析和动态分析结果,从而高效构建完备的控制流图。通过实验验证,该混合分析方案相比于现有的混合分析方案,能够构建更加完整的控制流图,相比于基于动态二进制插桩的混合分析方案效率更高。

关键词：控制流图二进制程序混合分析二进制重写

来源：评论

学校读者我要写书评

暂无评论

水下图像复原和增强方法研究进展

引用

中国图象图形学报 2025年第1期30卷 51-65页

作者：周玲刘庆敏金凯杰赵文义张卫东河南科技学院信息工程学院新乡453003 河南科技学院计算机应用研究所新乡453003 北京邮电大学人工智能学院北京100876

自2012年中国提出海洋强国战略以来,水下图像清晰化已成为机器视觉领域的研究热点和挑战。与陆地良好环境中拍摄的图像不同,光在水下传播时受水下介质吸收和散射影响,导致水下图像存在颜色失真、细节模糊、低对比度、亮度不均等问题。... 详细信息

自2012年中国提出海洋强国战略以来,水下图像清晰化已成为机器视觉领域的研究热点和挑战。与陆地良好环境中拍摄的图像不同,光在水下传播时受水下介质吸收和散射影响,导致水下图像存在颜色失真、细节模糊、低对比度、亮度不均等问题。低质量水下图像使得水下机器视觉感知面临看不清的挑战,因此研究有效的水下图像增强方法是当前水下视觉领域亟待解决的重要问题。本文在广泛调研的基础上梳理了水下图像质量提升的方法,主要包括图像复原和图像增强两大类。随后,深入讨论了代表性方法,并通过定性和定量评估分析,详细探讨了这些方法的优势和局限性。此外,全面概述了水下图像质量退化问题、提升方法、数据集及评估指标,分析了其在不同场景下的性能,提供了全面的水下图像清晰化方法研究现状。最后,根据水下图像增强和复原方法的难点与目前面临的主要问题对研究方向和发展趋势进行了归纳和展望。这一综合性研究为未来相关领域的研究和实践提供了建议。

关键词：水下图像质量退化光的散射与吸收水下图像清晰化水下图像质量评估

来源：评论

学校读者我要写书评

暂无评论

基于量子动力学的优化算法熵

引用

计算机应用 2025年第1期45卷 186-195页

作者：唐泉王鹏辛罡中国科学院成都计算机应用研究所成都610213 中国科学院大学北京100049 成都锦城学院电子信息学院成都611731 西南民族大学计算机与人工智能学院成都610225

在优化系统分析和研究中,熵是一种常用的描述手段,针对不同优化系统动态行为和熵之间的内在联系缺乏深入分析的问题,提出一种基于量子动力学的优化算法熵。首先基于物理学中的布朗运动与采样行为的相似性提出优化问题的布朗运动描述方... 详细信息

在优化系统分析和研究中,熵是一种常用的描述手段,针对不同优化系统动态行为和熵之间的内在联系缺乏深入分析的问题,提出一种基于量子动力学的优化算法熵。首先基于物理学中的布朗运动与采样行为的相似性提出优化问题的布朗运动描述方法。将优化问题力学表达转化为能量的形式引入薛定谔方程,提出基于量子动力学的优化算法;然后结合优化问题在薛定谔方程下的概率表达得到优化算法熵;最后对目标函数约束下的粒子随机行为进行分析,给出了量子动力学下优化系统的基本搜索行为与熵的关系。实验从参考能量、自由粒子动能和目标函数扰动3个不同方面跟踪和分析优化系统的动态行为和熵的变化趋势,验证了熵与优化系统搜索行为之间的相关性。实验结果表明,基于量子动力学的优化算法熵可以深入分析优化过程,为研究优化算法给出了新的思路和方法。

关键词：量子动力学优化问题布朗运动薛定谔方程熵

来源：评论

学校读者我要写书评

暂无评论

大语言模型综述与展望

引用

计算机应用 2025年第3期45卷 685-696页

作者：秦小林古徐李弟诚徐海文中国科学院成都计算机应用研究所成都610213 中国科学院大学计算机科学与技术学院北京100049 中国民用航空飞行学院理学院四川广汉618307

大语言模型(LLM)是由具有大量参数(通常数十亿个权重或更多)的人工神经网络组成的一类语言模型,使用自监督学习或半监督学习对大量未标记文本进行训练,是当前生成式人工智能(AI)技术的核心。与传统语言模型相比,LLM通过大量的算力、参... 详细信息

大语言模型(LLM)是由具有大量参数(通常数十亿个权重或更多)的人工神经网络组成的一类语言模型,使用自监督学习或半监督学习对大量未标记文本进行训练,是当前生成式人工智能(AI)技术的核心。与传统语言模型相比,LLM通过大量的算力、参数和数据支持,展现出更强的语言理解与生成能力,广泛应用于机器翻译、问答系统、对话生成等众多任务中并表现卓越。现有的综述大多侧重于LLM的理论架构与训练方法,对LLM的产业级应用实践及技术生态演进的系统性探讨仍显不足。因此,在介绍LLM的基础架构、训练技术及发展历程的基础上,分析当前通用的LLM关键技术和以LLM为底座的先进融合技术。通过归纳总结现有研究,进一步阐述LLM在实际应用中面临的挑战,包括数据偏差、模型幻觉和计算资源消耗等问题,并对LLM的持续发展趋势进行展望。

关键词：大语言模型智能体自然语言处理检索增强生成模型幻觉

来源：评论

学校读者我要写书评

暂无评论

基于三周期极小曲面的管道爬行机器人

引用

科学技术与工程 2025年第3期25卷 1133-1141页

作者：梁加龙罗凯李德臣陈飞飞上海交通大学机械与动力工程学院上海200240 中国工程物理研究院计算机应用研究所绵阳621900 中国运载火箭技术研究院北京100076

针对流体运输中的小管径管道检测与维护任务,设计并研制了一种小尺寸软体气动管道爬行机器人。该机器人采用解析隐式三周期极小曲面偏置技术,形成具有厚度的实体结构,并通过调整隐式方程参数实现结构刚度的各向异性。在此基础上,设计了... 详细信息

针对流体运输中的小管径管道检测与维护任务,设计并研制了一种小尺寸软体气动管道爬行机器人。该机器人采用解析隐式三周期极小曲面偏置技术,形成具有厚度的实体结构,并通过调整隐式方程参数实现结构刚度的各向异性。在此基础上,设计了径向和纵向变形驱动器,以满足机器人在管道内的灵活运动需求。为优化机器人性能,提出了一种基于MATLAB、Rhino和ABAQUS的联合参数优化框架,并利用Python脚本实现自动化参数优化流程。通过这一框架,可以有效提高机器人的运动性能和适应性。基于两种变形驱动器,设计了管道爬行机器人的整体结构,并详细阐述了制造方法和运动控制步态。实验结果表明,所设计的管道机器人能够在两种不同姿态以及一定载荷条件下稳定地沿管道运动,验证了联合参数优化框架的可行性。研究成果为后续管道爬行机器人的参数化设计和优化研究提供了有价值的参考,有助于推动软体机器人在小管径管道检测与维护领域的应用发展。

关键词：管道爬行机器人三周期极小曲面驱动器结构参数优化软体机器人

来源：评论

学校读者我要写书评

暂无评论

基于多路层次化混合专家模型的轴承故障诊断方法

引用

计算机应用 2025年第1期45卷 59-68页

作者：徐欣然张绍兵成苗张洋曾尚中国科学院成都计算机应用研究所成都610213 中国科学院大学计算机科学与技术学院北京100049 深圳市中钞科信金融科技有限公司广东深圳518206

针对滚动轴承故障诊断中处理复杂工况准确率较低的问题,提出一个多任务学习(MTL)模型,即多路层次化混合专家(MHMoE)模型,以及对应的层次化训练模式。该模型结合多阶段、多任务联合训练,实现了层次化的信息共享模式,并在普通MTL模式的基... 详细信息

针对滚动轴承故障诊断中处理复杂工况准确率较低的问题,提出一个多任务学习(MTL)模型,即多路层次化混合专家(MHMoE)模型,以及对应的层次化训练模式。该模型结合多阶段、多任务联合训练,实现了层次化的信息共享模式,并在普通MTL模式的基础上进一步提升了模型的泛化性和故障识别准确率,使模型能同时在复杂与简单的数据集上出色地完成任务,同时,结合一维ResNet的瓶颈层结构,在保证网络深度的同时,也规避梯度爆炸与梯度消失等问题,从而能充分地提取数据集的相关特征。以帕德博恩大学轴承故障数据集(PU)为测试数据集设计的实验的结果表明,在不同工况复杂度下,与不使用MTL的单任务混合专家单元结构(OMoE)-ResNet18模型相比,所提模型的准确率提升5.45~9.30个百分点;而与集成经验模态分解的Hilbert谱变换方法(EEMD-Hilbert)、MMoE(Multigate Mixture-of-Experts)和多尺度多任务注意力卷积神经网络(MSTACNN)等模型相比,所提模型的准确率至少提升3.21~16.45个百分点。

关键词：轴承故障诊断预测性维护多任务学习深度学习卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多表征融合的无监督点云异常检测

引用

计算机应用 2025年第5期 1677-1685页

作者：陈子和陈斌中国科学院成都计算机应用研究所中国科学院大学哈尔滨工业大学(深圳)国际人工智能研究院哈尔滨工业大学重庆研究院

随着工业自动化需求的不断增长，三维点云异常检测在产品质量控制中扮演着越来越重要的角色。然而，现有方法通常依赖单一特征，导致信息损失和精度下降。因此，提出一种基于多表征融合的无监督点云异常检测方法 MRF(Multi-Representati... 详细信息

随着工业自动化需求的不断增长，三维点云异常检测在产品质量控制中扮演着越来越重要的角色。然而，现有方法通常依赖单一特征，导致信息损失和精度下降。因此，提出一种基于多表征融合的无监督点云异常检测方法 MRF(Multi-Representation Fusion)。MRF利用多角度旋转和多种着色方案将点云渲染为多模态图像，并使用预训练的二维卷积神经网络提取丰富的语义特征；同时，还采用预训练的Point Transformer提取三维结构特征。之后，通过融合二维图像语义特征和三维结构特征，MRF能够更全面地捕捉点云信息。在异常检测阶段，MRF使用基于正样本记忆库和近邻搜索的方法，可有效地识别异常点云。在MVTec 3D AD数据集上的实验结果表明，MRF的点云级接受者操作特征曲线下面积（AUROC）为0.972，点级区域重叠度（AUPRO）为0.948，显著优于对比方法。可见，该方法的有效性和鲁棒性使它成为工业应用中极具潜力的解决方案。

关键词：计算机视觉点云无监督异常检测特征嵌入记忆库

来源：评论

学校读者我要写书评

暂无评论

基于点云重构的自监督点云异常检测方法

引用

计算机应用 2025年

作者：杨建锋陈斌李雨轩中国科学院成都计算机应用研究所中国科学院大学哈尔滨工业大学(深圳)国际人工智能研究院哈尔滨工业大学重庆研究院

面对日趋复杂的工业生产环境，三维点云工业异常检测需求与日俱增。尽管基于预训练网络的二维异常检测方法效果显著，但三维点云预训练网络的泛化能力有限，导致这类点云异常检测方法效果不佳。为提高三维点云异常检测性能，提出一种基... 详细信息

面对日趋复杂的工业生产环境，三维点云工业异常检测需求与日俱增。尽管基于预训练网络的二维异常检测方法效果显著，但三维点云预训练网络的泛化能力有限，导致这类点云异常检测方法效果不佳。为提高三维点云异常检测性能，提出一种基于点云重构的异常检测方法Point-ReAD(Point cloud Reconstruction for Anomaly Detection)，它由3个核心模块构成：异常模拟模块、点云重构网络和异常判别模块。在训练阶段，正常点云图经异常模拟模块产生异常点云送入点云重构网络，正常点云作为自监督信号指导重构网络学习。点云重构网络使用分组注意力模块(Group Attention Module,GAM)，该模块设计用于融合点云的复杂结构信息，从而有效地捕捉点云中的几何和语义特征。在推理阶段，测试点云进入重构网络后生成重构点云，异常判别模块比较重构前后的点云从而精确定位异常。实验结果表明，Point-ReAD在MVTec 3D-AD数据集上的点云级AUROC(Area Under the Receiver Operator characteristic Curve)和点级AUPRO (Area Under the Per-Region Overlap)分别达到了95.49%和94.66%，相较于M3DM(Multi-3D-Memory)、3DR?M(3D Discriminatively trained Reconstruction Anomaly Embedding Model)等方法整体性能有所提升。

关键词：异常检测自监督学习点云计算机视觉重构网络

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：