检索结果-内蒙古大学图书馆

量子电子学报 2023年第1期40卷 120-126页

作者：王庆乐薛雪李元诚华北电力大学控制与计算机工程学院北京102206 北京邮电大学网络与交换技术国家重点实验室北京100876 中国科学技术大学量子信息重点实验室安徽合肥230026

典型相关分析是一种重要的数据处理方法,用于处理随机向量之间的相互依赖关系。然而,经典的典型相关分析算法的复杂度对数据维度是多项式依赖的,致使该类算法并不适用于分析在大数据时代下规模呈指数增长的数据。针对经典的典型相关分... 详细信息

典型相关分析是一种重要的数据处理方法,用于处理随机向量之间的相互依赖关系。然而,经典的典型相关分析算法的复杂度对数据维度是多项式依赖的,致使该类算法并不适用于分析在大数据时代下规模呈指数增长的数据。针对经典的典型相关分析算法的这种缺陷,提出了一种量子典型相关分析算法。该算法把典型相关分析所涉及的优化问题转化为适合用量子计算技术处理的代数问题,并采用量子主成分分析技术进行求解,从而降低了典型相关分析算法的复杂度。在特定的参数条件下,所提算法可实现在数据维度上的指数加速,符合当今实际数据处理对该算法的需求。

关键词：量子算法量子主成分分析相关分析指数加速

来源：评论

学校读者我要写书评

暂无评论

深度学习的人体图像半自动标注系统

引用

北京邮电大学学报 2021年第1期44卷 104-109页

作者：高慧张继威来扬王文东北京邮电大学计算机学院(国家示范性软件学院) 北京100876 中国船舶工业系统工程研究院北京100036 北京邮电大学网络与交换技术国家重点实验室北京100876

针对目前数据标注过于依赖硬件、手动数据标注效率低下的问题,提出了基于深度学习的人体图像半自动标注系统.系统通过对算法进行改进,增加人体关键点个数进行特征提取和加入运动信息的约束,提高了视频分阶段标注的准确率.使用真实数据... 详细信息

针对目前数据标注过于依赖硬件、手动数据标注效率低下的问题,提出了基于深度学习的人体图像半自动标注系统.系统通过对算法进行改进,增加人体关键点个数进行特征提取和加入运动信息的约束,提高了视频分阶段标注的准确率.使用真实数据集仿真实验证明了通过深度学习算法进行数据标注的可行性,并且使用半自动标注的速度快、准确率高.

关键词：图像标注半自动深度学习人体重建

来源：评论

学校读者我要写书评

暂无评论

一种融合卷积与transformer的级联包检测方法

引用

电子测量技术 2022年第23期45卷 91-98页

作者：罗晓霞蒋磊蔡院强西安科技大学计算机科学与技术学院西安710054 北京邮电大学网络与交换技术国家重点实验室北京100876

为解决目前包检测算法检测类别单一、准确度较低、复杂目标难以检测等问题,研究了一种融合卷积与transformer的级联包检测方法,CT-CBDet。首先,设计了deformable conformer作为骨干网络进行特征提取,其在transformer与卷积双网络融合的... 详细信息

为解决目前包检测算法检测类别单一、准确度较低、复杂目标难以检测等问题,研究了一种融合卷积与transformer的级联包检测方法,CT-CBDet。首先,设计了deformable conformer作为骨干网络进行特征提取,其在transformer与卷积双网络融合的基础上利用可形变卷积和空间金字塔池化模块实现几何特征变换与多尺度特征融合,以强化针对复杂特征的建模能力;然后,提出一种基于anchor统计特征的自适应正负样本选择的区域建议网络,以平衡不同尺度目标样本正负选择的公平性,增强模型的训练稳定性;最后,利用多阶段损失对模型的级联检测组件进行端到端训练。结果表明,该方法相较于基准方法Cascade RCNN平均精度值提高了5.8%,小尺度目标检测精度提高了10.9%。可见CT-CBDet可有效完成复杂场景下的包检测任务。

关键词：包检测级联架构特征融合自适应区域建议网络 deformable conformer

来源：评论

学校读者我要写书评

暂无评论

小样本负载序列的结构化预测方法

引用

计算机科学与探索 2022年第7期16卷 1552-1560页

作者：刘春红张志华焦洁程渤河南师范大学计算机与信息工程学院河南新乡453007 智慧商务与物联网技术河南省工程实验室河南新乡453007 北京邮电大学网络与交换技术国家重点实验室北京100876

准确的负载预测是实现云平台弹性资源管理的关键。针对云负载预测中存在大量运行周期较短的任务,导致预测模型训练数据不足的问题,提出一种利用多变量负载序列结构化信息的预测方法(SP-MWS)。依据同一任务运行中消耗的多种资源间内在的... 详细信息

准确的负载预测是实现云平台弹性资源管理的关键。针对云负载预测中存在大量运行周期较短的任务,导致预测模型训练数据不足的问题,提出一种利用多变量负载序列结构化信息的预测方法(SP-MWS)。依据同一任务运行中消耗的多种资源间内在的相关性,挖掘多维负载序列间的信息,补充小样本序列的预测信息量。首先,为获取相关性强的负载类型,采用最大互信息系数(MIC)和信息熵进行负载类型的度量选择;然后,构建核范数正则化多任务学习模型(TNR-MTL),将相关负载序列同时输入,实现其结构化信息的挖掘,并完成多种负载的同时预测。在Google云平台的运行监控日志数据集上进行验证,实验结果表明,所提方法获得的相关负载序列类型可明显增加模型信息量。对于预测模型的决策依据进行解释性分析,可视化每种变量对预测结果的贡献度;对比实验表明,所提预测方法在时间性能和预测精度上均优于常用的负载预测方法。

关键词：云计算弹性负载预测多变量预测结构化信息

来源：评论

学校读者我要写书评

暂无评论

融合小波分解的Lasso光伏净负荷预测方法

引用

电力信息与通信技术 2023年第5期21卷 9-16页

作者：迟捷邹华林荣恒北京邮电大学计算机学院(国家示范性软件学院)网络与交换技术国家重点实验室北京市海淀区100876

为实现碳达峰、碳中和的目标,有必要对光伏净负荷进行预测,辅助电网根据不同用户的用电需求进行智能分配用电。文章提出了一种小波分解结合Lasso回归模型的预测模型,其中小波分解将时间序列数据的时频域进行对调,聚焦到数据的细节,更适... 详细信息

为实现碳达峰、碳中和的目标,有必要对光伏净负荷进行预测,辅助电网根据不同用户的用电需求进行智能分配用电。文章提出了一种小波分解结合Lasso回归模型的预测模型,其中小波分解将时间序列数据的时频域进行对调,聚焦到数据的细节,更适合描述光伏净负荷的内在特性,而在Lasso回归模型中引入该方法将原始数据映射到合适的高维特征空间,使得Lasso回归模型应用于非线性的光伏净负荷数据。在实验验证中首先根据已有的10个台区的光伏净负荷数据进行分析,然后通过这些光伏净负荷数据使用预测模型进行训练和预测,实验结果表明该预测模型具有较高的准确性。

关键词：光伏净负荷小波分解 Lasso回归模型负荷预测

来源：评论

学校读者我要写书评

暂无评论

对称密码量子电路的综合与优化研究综述

引用

中国科学:物理学、力学、天文学 2025年第4期55卷 16-29页

作者：林达高飞邹剑黄震宇孙思维孙兵国防科技大学理学院长沙410073 北京邮电大学网络与交换技术国家重点实验室北京100876 福州大学计算机与大数据学院福州350108 福州大学网络系统信息安全福建省高校重点实验室福州350108 中国科学院信息工程研究所网络空间安全防御重点实验室北京100085 中国科学院大学网络空间安全学院北京100049 中国科学院大学密码学院北京100049 密码科学技术全国重点实验室北京100878 国防科技大学密码研究中心长沙410073

随着量子技术的不断发展和量子计算机的逐步推进,现代密码面临的挑战愈加多元化.在分析密码算法抵抗量子攻击的安全性强度时,量子实现电路的构造是其中的重要一环.对称密码是现代密码的重要组成部分.本文综述了近年来在量子计算模型下... 详细信息

随着量子技术的不断发展和量子计算机的逐步推进,现代密码面临的挑战愈加多元化.在分析密码算法抵抗量子攻击的安全性强度时,量子实现电路的构造是其中的重要一环.对称密码是现代密码的重要组成部分.本文综述了近年来在量子计算模型下优化对称密码实现电路的研究成果.具体地,归纳了线性层、S盒以及各类加法操作等的可逆电路构造的相关研究,还总结了AES算法、SM4算法、Camellia算法等对称密码的量子实现研究.

关键词：量子技术量子实现对称密码

来源：评论

学校读者我要写书评

暂无评论

融智算力网络及其功能架构

引用

计算机科学 2022年第9期49卷 249-259页

作者：胡玉姣贾庆民孙庆爽谢人超黄韬网络通信与安全紫金山实验室未来网络研究中心南京211111 西北工业大学计算机学院西安710072 北京邮电大学网络与交换国家重点实验室北京100876

面向算力网络新兴研究领域,针对其迫切需要提升智能性与精准服务能力的问题,提出了云边端算力资源、网络资源、智能模型及算法协同共生的融智算力网络建设理念,引入了内生智能和业务智能两个层面的智能性。内生智能指算力网络为保障系... 详细信息

面向算力网络新兴研究领域,针对其迫切需要提升智能性与精准服务能力的问题,提出了云边端算力资源、网络资源、智能模型及算法协同共生的融智算力网络建设理念,引入了内生智能和业务智能两个层面的智能性。内生智能指算力网络为保障系统准确运行所具备的自感知、自适应、自决策、自学习能力,业务智能指算力网络为增强对行业/应用的适应性所具备的智能资源封装及自主部署能力、业务编排与认知能力。进一步地,设计了层次化功能架构,从基础资源、资源管理、业务编排、运营服务以及系统优化5个层面明确了AI赋能融智算力网络内生智能与业务智能的具体表现。最后,将智能制造及智慧安防两类应用中的3个场景(车间物流、基于机器视觉的质检品控、社区及道路监测)作为仿真实验原型场景,并设计了对比实验组。实验结果表明,应用融智算力网络至车间物流场景中,性能提升幅度与场景规模有关,规划用时提升了约2~50倍,规划结果提升了约2~5倍;基于机器视觉的质检品控场景中,算力设备部署成本下降为原来的1/5、检测准确率提升约4.5%;社区及道路监测场景中,系统的算力部署成本可降低为原来的1/10。

关键词：算力网络内生智能业务智能功能架构层次化模型

来源：评论

学校读者我要写书评

暂无评论

一种基于决策层融合的多模态情感识别方法

引用

南京师范大学学报（工程技术版） 2022年第2期22卷 35-40页

作者：韩天翊林荣恒北京邮电大学计算机学院国家示范性软件学院北京100876 北京邮电大学网络与交换技术国家重点实验室北京100876

设计了一种软硬结合的多模态情感识别系统,使用语音和面部表情两个模态,通过梅尔频率倒谱系数与卷积神经网络对情感进行识别和分类,同时将语音情感识别迁移到神经网络计算棒以降低环境负载.在模态融合时,采用决策层融合的方式来提高识... 详细信息

设计了一种软硬结合的多模态情感识别系统,使用语音和面部表情两个模态,通过梅尔频率倒谱系数与卷积神经网络对情感进行识别和分类,同时将语音情感识别迁移到神经网络计算棒以降低环境负载.在模态融合时,采用决策层融合的方式来提高识别准确率.实验结果表明,系统拥有较高的识别准确率,且能够在性能较差的运行环境中保持运行速度.

关键词：情感识别卷积神经网络软硬结合多模态决策层融合

来源：评论

学校读者我要写书评

暂无评论

物联网数据收集中无人机路径智能规划

引用

通信学报 2021年第2期42卷 124-133页

作者：付澍杨祥月张海君陈晨喻鹏简鑫刘敏重庆大学微电子与通信工程学院重庆400030 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400030 北京科技大学计算机与通信工程学院北京100083 北京邮电大学网络与交换技术国家重点实验室北京100876

为解决无人机在数据收集过程中的路径规划问题,将其分为全局路径规划和局部路径规划。针对全局路径规划,将其建模为一个定向问题,定向问题是背包问题和旅行商问题2种经典优化问题的组合。采用指针网络深度学习对该模型进行求解,并在无... 详细信息

为解决无人机在数据收集过程中的路径规划问题,将其分为全局路径规划和局部路径规划。针对全局路径规划,将其建模为一个定向问题,定向问题是背包问题和旅行商问题2种经典优化问题的组合。采用指针网络深度学习对该模型进行求解,并在无人机能量约束下得到其服务节点集合及服务顺序。针对局部路径规划,基于无人机接收到节点的参考信号强度,通过深度Q网络学习对无人机局部飞行路径进行规划,使无人机逼近节点位置并服务各节点。仿真结果表明,所提方案能够在无人机能量约束下有效提升其数据收集的收益。

关键词：无人机数据收集路径规划指针网络深度Q网络

来源：评论

学校读者我要写书评

暂无评论

不经意关键词检索技术综述

引用

信息通信技术与政策 2022年第5期 82-90页

作者：韩宗达邓宇涛程祥北京邮电大学计算机学院(国家示范性软件学院)网络与交换技术国家重点实验室北京100876

随着数据成为新型生产要素,数据流通的需求日益增长。但是,数据中存在的隐私信息会在流通过程中面临泄露风险。隐私计算可以在满足隐私保护约束的同时促进数据价值的释放,而不经意关键词检索是隐私计算的基础任务,对隐私计算的落地应用... 详细信息

随着数据成为新型生产要素,数据流通的需求日益增长。但是,数据中存在的隐私信息会在流通过程中面临泄露风险。隐私计算可以在满足隐私保护约束的同时促进数据价值的释放,而不经意关键词检索是隐私计算的基础任务,对隐私计算的落地应用至关重要。对不经意关键词检索的任务定义以及相关任务进行了介绍,详细解析了目前不经意关键词检索的典型技术路线,最后对不经意关键词检索面临的技术挑战以及未来发展趋势进行了分析与探讨。

关键词：不经意关键词检索信息检索隐私计算

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：