检索结果-内蒙古大学图书馆

生物化学与生物物理进展 2022年第4期49卷 737-758页

作者：陈镇霖曹勇贺思敏中国科学院计算技术研究所中国科学院智能信息处理重点实验室北京100190 中国科学院大学北京100049 北京生命科学研究所北京102206

化学交联质谱技术是解析蛋白质结构和研究蛋白质相互作用的重要工具。近5年以来,该技术在方法和应用上都取得了很大的进步。方法上,一方面可断裂交联剂与新型分离富集方法展现了较好的应用前景,另一方面更加高效的交联肽段搜索引擎和质... 详细信息

化学交联质谱技术是解析蛋白质结构和研究蛋白质相互作用的重要工具。近5年以来,该技术在方法和应用上都取得了很大的进步。方法上,一方面可断裂交联剂与新型分离富集方法展现了较好的应用前景,另一方面更加高效的交联肽段搜索引擎和质量控制方法为交联质谱数据分析提供了有力的工具。应用上,一方面与冷冻电镜技术结合解析了大量蛋白质的结构,另一方面从研究蛋白质复合物的相互作用发展到研究全蛋白质组水平的相互作用网络。化学交联质谱技术在方法和应用上的蓬勃发展,体现了这一技术的重要作用。本文对化学交联质谱技术的各个环节进行了详细的综述,包括交联剂选择、交联反应、酶切、交联肽段富集、液质联用、交联肽段鉴定、质量控制和生物学应用,重点介绍了最近5年的研究进展。最后,讨论了化学交联质谱技术面临的挑战及未来的发展方向。

关键词：交联质谱技术蛋白质结构蛋白质相互作用蛋白质组学质谱技术

来源：评论

学校读者我要写书评

暂无评论

基于块坐标下降法的外存异步图计算系统

引用

高技术通讯 2022年第8期32卷 825-835页

作者：赵程张志斌郭嘉丰刘丁玮中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学北京100049

现有外存图计算系统中,外存I/O带宽不足成为性能瓶颈。使用整体并行模型将导致冗余计算,使用异步并行模型则将引入额外的优先级计算开销和负载不均衡。本文提出了基于块坐标下降法(BCD)的外存异步图计算系统(BCDG),设计了一次选择多轮... 详细信息

现有外存图计算系统中,外存I/O带宽不足成为性能瓶颈。使用整体并行模型将导致冗余计算,使用异步并行模型则将引入额外的优先级计算开销和负载不均衡。本文提出了基于块坐标下降法(BCD)的外存异步图计算系统(BCDG),设计了一次选择多轮优先的调度策略,降低了优先级计算的平均开销;设计了基于优先级的块预取策略,解决了优先选择会破坏顺序执行流水线的问题;设计了计算调度分离的划分策略,实现了均衡地按边计算和按点调度。实验结果表明,相较于目前最先进的外存图计算系统GridGraph和Lumos,所提系统平均性能分别提升10.30倍与8.72倍。整体计算过程中,中央处理器(CPU)等待外存I/O的时间仅占10%~30%。

关键词：图计算系统外存异步并行计算块坐标下降(BCD) 图划分

来源：评论

学校读者我要写书评

暂无评论

基于类型间关系学习的细粒度实体分类

引用

高技术通讯 2023年第3期33卷 231-242页

作者：席鹏弼靳小龙白硕中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100408 恒生电子股份有限公司杭州310053

细粒度实体分类旨在为构建知识图谱过程中所抽取的实体或实体提及确定一个或多个层次化、细粒度的类型,以便更好地为下游任务提供支持。现有细粒度实体分类方法存在细粒度分类精度不高、部分实体难以有效分类的问题。另一方面,直观来说... 详细信息

细粒度实体分类旨在为构建知识图谱过程中所抽取的实体或实体提及确定一个或多个层次化、细粒度的类型,以便更好地为下游任务提供支持。现有细粒度实体分类方法存在细粒度分类精度不高、部分实体难以有效分类的问题。另一方面,直观来说,掌握细粒度类型之间的语义区别有助于实体的细粒度分类。但由于已有面向该任务的数据集缺少可用于学习细粒度类型间语义差别的数据,因此目前没有将细粒度类型之间的语义区别应用于细粒度实体分类的研究。为此,本文提出一种基于Freebase知识库学习细粒度类型语义区别的方法,并将学习到的语义信息应用在细粒度实体分类任务中。具体地,利用SPARQL从Freebase中获取类型之间的关系数据,据此学习细粒度实体类型之间的语义区别信息,进而结合实体提及及其上下文的文本信息进行细粒度实体分类。实验表明,本文提出的方法可以有效学习细粒度类型之间的语义区别,能够达到提升细粒度实体分类准确率的效果。

关键词：实体分类细粒度类型知识图谱构建关系学习多标签分类

来源：评论

学校读者我要写书评

暂无评论

食品图像识别方法综述

引用

计算机学报 2022年第3期45卷 542-566页

作者：闵巍庆刘林虎刘宇昕罗梦江蒋树强中国科学院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

食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计... 详细信息

食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计算机视觉领域中细粒度视觉识别的重要分支,因而具有重要的理论研究意义,并在智慧健康、食品智能装备、智慧餐饮、智能零售及智能家居等方面有着广泛的应用前景.为此,本文对食品图像识别领域进行了全面综述.该文首先从识别对象、视觉特征表示及学习方法等不同维度对目前的食品图像识别进行分类并深入阐述和分析了当前的研究进展,指出深度学习模型是当前食品图像识别的主流方法,融入各种上下文信息和外部知识是改进食品图像识别的重要手段.其次从食品数据规模、食品类型及是否包含上下文和多模态信息等方面介绍了现有的食品图像识别数据集,并给出了不同识别方法在主流数据集上的性能对比和分析.接下来总结了食品图像识别在饮食质量评估、食品自动结算、智能厨具、食品图像的组织检索和推荐等多个方面的应用情况.最后本文从面向食品特点的食品图像识别方法、大规模食品图像识别基准数据集构建等方面对食品图像识别未来可能的研究方向进行了总结和展望.

关键词：食品图像识别深度学习饮食管理食品计算

来源：评论

学校读者我要写书评

暂无评论

基于预训练模型与神经网络的军事命名实体识别

引用

电子设计工程 2022年第20期30卷 51-55页

作者：金浩哲董宝良杨诚华北计算技术研究所系统四部北京100083

军事命名实体识别是军事情报分析和作战信息服务的基础。为了解决军事文本中分词不准确、形式多样以及语料库缺乏的问题,文中提出了一种基于预训练模型与神经网络的军事命名实体识别方法。通过BERT预训练模型构建词向量,利用BiLSTM神经... 详细信息

军事命名实体识别是军事情报分析和作战信息服务的基础。为了解决军事文本中分词不准确、形式多样以及语料库缺乏的问题,文中提出了一种基于预训练模型与神经网络的军事命名实体识别方法。通过BERT预训练模型构建词向量,利用BiLSTM神经网络处理上下文信息的优势,同时加入注意力机制,并通过条件随机场进行解码,完成了军事命名实体识别任务。在自构建的军事文本语料库上的实验结果表明,该模型F1值为92.14%,优于其他的传统方法。

关键词：命名实体识别 BERT BiLSTM 条件随机场注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于引用-作者联合传播的学术影响力度量

引用

中文信息学报 2022年第7期36卷 132-142页

作者：李思莹沈华伟徐冰冰程学旗中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049

科研人员学术影响力评价是科学计量领域备受关注的问题。目前的主流评价方法分为两类:一类方法通过科研人员的学术产出直接定义其学术影响力的量化指数,如总引用量、h-指数等;另一类方法基于论文引用网络建模学术影响力传播,从而对科研... 详细信息

科研人员学术影响力评价是科学计量领域备受关注的问题。目前的主流评价方法分为两类:一类方法通过科研人员的学术产出直接定义其学术影响力的量化指数,如总引用量、h-指数等;另一类方法基于论文引用网络建模学术影响力传播,从而对科研人员学术影响力进行排序评价,如PageRank算法等。现有影响力评价方法主要将论文引用关系作为影响力传播的载体,忽略了科研人员自身作为影响力传播载体的重要作用。该文提出了一种基于影响力传播的科研人员学术影响力度量新方法,该方法同时建模了论文引用和科研人员在学术影响力传播中的作用。在美国物理学会旗下所有11个刊物的463348篇论文数据集上的实验表明,该文方法在科研人员影响力度量方面优于现有仅考虑论文引用的评价方法。

关键词：学术评价学术网络影响力传播 PageRank算法

来源：评论

学校读者我要写书评

暂无评论

融合多重特征的噪声网络对齐方法

引用

山东大学学报（理学版） 2024年第7期59卷 64-75页

作者：咸宁范意兴廉涛郭嘉丰中国科学院计算技术研究所网络与数据科学与技术重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100190 太原理工大学计算机科学与技术学院(大数据学院) 山西晋中030600

针对网络对齐任务中网络结构差异大和锚节点对噪声大的问题,提出一种基于多轮迭代的网络对齐方法。该方法在每轮迭代时使用多种启发式方法计算不同维度的节点特征,利用多重特征的组合来评估锚节点的可靠性,过滤其中潜在的噪声,增强每轮... 详细信息

针对网络对齐任务中网络结构差异大和锚节点对噪声大的问题,提出一种基于多轮迭代的网络对齐方法。该方法在每轮迭代时使用多种启发式方法计算不同维度的节点特征,利用多重特征的组合来评估锚节点的可靠性,过滤其中潜在的噪声,增强每轮对齐过程的置信度;使用图神经网络增强无属性节点之间的一致性,减轻网络结构差异带来的影响。实验结果表明,该方法可以在高噪声的情况下具有高准确率,验证了其有效性。

关键词：网络对齐图同构网络噪声过滤图元

来源：评论

学校读者我要写书评

暂无评论

区块链互操作技术综述

引用

软件学报 2024年第2期35卷 800-827页

作者：段田田张瀚文李博宋兆雄李忠诚张珺孙毅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 山东省区块链金融重点实验室山东济南250014 内蒙古大学内蒙古呼和浩特010021 雄安新区智能城市创新联合会区块链实验室河北保定071700

区块链技术被认为是构建价值互联网的基石,然而彼此独立的区块链系统形成了数据、价值孤岛.区块链互操作(也被称为跨链操作)是打破链间壁垒、构建区块链网络的关键技术.在区分狭义与广义区块链互操作的基础上,重新定义狭义区块链互操作... 详细信息

区块链技术被认为是构建价值互联网的基石,然而彼此独立的区块链系统形成了数据、价值孤岛.区块链互操作(也被称为跨链操作)是打破链间壁垒、构建区块链网络的关键技术.在区分狭义与广义区块链互操作的基础上,重新定义狭义区块链互操作,并抽象出跨链读与跨链写两类基本操作;分析总结实现狭义区块链互操作需要解决的3个关键技术问题:跨链信息传输、跨链信任传递、跨链操作原子性保障;系统梳理这3个问题的研究现状,并分别从多角度进行比较;在此基础上,从关键技术问题的角度分析具有代表性的整体解决方案;最后指出几个值得进一步探索的研究方向.

关键词：区块链区块链互操作跨链原子性

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

多尺度拼图重构网络的食品图像识别

引用

软件学报 2022年第11期33卷 4379-4395页

作者：刘宇昕闵巍庆蒋树强芮勇中国科学院智能信息处理重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京100049 联想集团北京100085

近年来,食品图像识别由于在健康饮食管理、无人餐厅等领域的广泛应用而受到了越来越多的关注.不同于其他物体识别任务,食品图像属于细粒度图像,具有较高的类内差异性和类间相似性,而且食品图像没有固定的语义模式和空间布局,这些特点使... 详细信息

近年来,食品图像识别由于在健康饮食管理、无人餐厅等领域的广泛应用而受到了越来越多的关注.不同于其他物体识别任务,食品图像属于细粒度图像,具有较高的类内差异性和类间相似性,而且食品图像没有固定的语义模式和空间布局,这些特点使得食品图像识别更具挑战性.为此,提出了一种用于食品图像识别的多尺度拼图重构网络(multi-scale jigsaw and reconstruction network,MJR-Net).MJR-Net由拼图重构模块、特征金字塔模块和通道注意力模块这3部分组成.拼图重构模块使用破坏重构学习方法将原始图像进行破坏和重构,以提取局部的判别性细节特征;特征金字塔模块可以融合不同尺寸的中层特征,以捕获多尺度的局部判别性特征;通道注意力模块对不同特征通道的重要程度进行建模,以增强判别性的视觉模式,减弱噪声干扰.此外,还使用A-softmax和Focal损失,分别从增大类间差异和修正分类样本的角度优化网络.MJR-Net在ETH Food-101,Vireo Food-172和ISIA Food-500这3个食品数据集上进行实验,分别取得了90.82%,91.37%和64.95%的识别准确率.实验结果表明,与其他食品图像识别方法相比,MJR-Net表现出较大的竞争力,并在Vireo Food-172和ISIA Food-500上取得了最优识别性能.全面的消融实验和可视化分析证明了该方法的有效性.

关键词：食品图像识别深度学习拼图重构特征金字塔注意力机制

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：