检索结果-内蒙古大学图书馆

计算机技术与发展 2021年第8期31卷 69-75页

作者：魏美荣田泽王世中王宣明航空工业西安航空计算技术研究所陕西西安710068 西安翔腾微电子科技有限公司陕西西安710068 集成电路与微系统设计航空科技重点实验室陕西西安710068

事务层协议处理模块是1394总线某款在研网络通信SoC芯片的核心器件,负责总线各节点上层应用软件与链路层之间读、写请求和锁定请求关键事务通信。为有效模拟软硬件在宿主机芯片上工作交互的复杂场景,该文从分析事物层系统级功能分析出发... 详细信息

事务层协议处理模块是1394总线某款在研网络通信SoC芯片的核心器件,负责总线各节点上层应用软件与链路层之间读、写请求和锁定请求关键事务通信。为有效模拟软硬件在宿主机芯片上工作交互的复杂场景,该文从分析事物层系统级功能分析出发,重点研究芯片内部软硬件激励程序的执行效率和软硬件验证程序运行过程所占的比重,提出一种基于UVM的1394总线事务层系统级功能验证方案,给出了该方案的虚拟验证策略与方法,包括虚拟验证平台组件、工作原理和平台架构设计,并对其中关键验证组件进行详细介绍。最后,通过仿真验证和收集覆盖率分析,该方案不仅有效满足事务层系统级验证总体需求,灵活完成1394协议解析,还可以为今后1394总线相关SoC、ASIC设计提供通用虚拟验证平台。

关键词： 1394总线 UVM 事务层覆盖率软硬件交互

来源：评论

学校读者我要写书评

暂无评论

动态社会网络数据发布隐私保护方法

引用

计算机科学与探索 2019年第9期13卷 1441-1458页

作者：董祥祥高昂梁英毕晓迪中国科学院计算技术研究所北京100190 中国科学院大学北京100190 移动计算与新型终端北京市重点实验室北京100190

社会网络数据发布具有动态性与不安全性,为避免使用不同时刻的社会网络数据进行关联攻击,兼顾节点属性多样性,提出了一种动态社会网络数据发布隐私保护方法。首先,根据匿名规则进行节点聚类,求解当前时刻的匿名图,保证同一个匿名集中节... 详细信息

社会网络数据发布具有动态性与不安全性,为避免使用不同时刻的社会网络数据进行关联攻击,兼顾节点属性多样性,提出了一种动态社会网络数据发布隐私保护方法。首先,根据匿名规则进行节点聚类,求解当前时刻的匿名图,保证同一个匿名集中节点属性多样性最大的前提下,数据发布后的节点属性与边的泄露概率均小于1/k。然后,生成相邻时刻数据关系图的差集,结合当前时刻的匿名图,删除前序时刻不存在的节点与边,逆向更新已发布数据,保证不同时刻下的匿名图具有相似的图结构,抵御关联攻击。最后,采用新浪微博数据和邮件往来数据进行实验验证,对所提方法的安全性和可用性进行评估。实验结果表明所提方法兼顾了用户数据隐私保护和数据可用性的个性化需求。

关键词：动态社会网络隐私保护匿名规则 K-匿名数据发布

来源：评论

学校读者我要写书评

暂无评论

SEGY格式地震数据的三维可视化

引用

计算机应用与软件 2019年第2期36卷 78-84,154页

作者：周文辉石敏朱登明王兆其中国科学院计算技术研究所前瞻研究实验室北京100190 华北电力大学控制与计算机工程学院北京102206

地震数据三维可视化技术作为一个重要的地震解释手段,得到广泛关注。近年来随着勘探技术的进步,地震数据规模增大且结构复杂,给数据解析及数据可视化算法提出新的要求。详细介绍SEGY文件的格式,并给出地震数据的解析方法;针对三维数据... 详细信息

地震数据三维可视化技术作为一个重要的地震解释手段,得到广泛关注。近年来随着勘探技术的进步,地震数据规模增大且结构复杂,给数据解析及数据可视化算法提出新的要求。详细介绍SEGY文件的格式,并给出地震数据的解析方法;针对三维数据场地震数据的性质,研究地震数据的三维可视化技术,并在GPU下优化体绘制算法,实现OSG框架下地震体模型的旋转、缩放及切片等交互方式;对多组数据进行大量的对比实验。实验结果表明,加速后的算法能够获得比较显著的性能提升。

关键词： SEGY格式地震数据可视化 GPU 三维交互

来源：评论

学校读者我要写书评

暂无评论

基于标签分布学习的视频摘要算法

引用

计算机辅助设计与图形学学报 2019年第1期31卷 104-110页

作者：刘玉杰唐顺静高永标李宗民李华中国石油大学计算机与通信工程学院青岛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

针对现有监督视频摘要算法中存在的模型训练复杂问题,提出一种新的基于标签分布学习(LDL)的视频摘要算法,采用非参数监督学习的方式生成视频摘要,利用标签传递的方法将摘要结构从带有注释的视频转移到相同类型的测试视频中.首先提取视... 详细信息

针对现有监督视频摘要算法中存在的模型训练复杂问题,提出一种新的基于标签分布学习(LDL)的视频摘要算法,采用非参数监督学习的方式生成视频摘要,利用标签传递的方法将摘要结构从带有注释的视频转移到相同类型的测试视频中.首先提取视频的卷积神经网络特征和颜色特征,将两者融合后进行降维得到特征矩阵;然后将特征矩阵与训练样本的标签分布一起输入到LDL模型中;最后根据模型输出的标签分布选取关键帧,生成视频摘要.在基准数据集上与其他算法的实验表明,该算法生成的摘要与用户创建的摘要一致性很高,明显优于其他算法.

关键词：视频摘要标签分布学习模型多标记学习关键帧

来源：评论

学校读者我要写书评

暂无评论

基于视觉特征的网页信息抽取方法研究

引用

中文信息学报 2019年第5期33卷 103-112页

作者：王宪发郭岩刘悦俞晓明程学旗中国科学院大学计算机与控制学院北京100049 中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190

面对大规模异构网页,基于视觉特征的网页信息抽取方法普遍存在通用性较差、抽取效率较低的问题。针对通用性较差的问题,该文提出了基于视觉特征的使用有监督机器学习的网页信息抽取框架WEMLVF。该框架具有良好的通用性,通过对论坛网站... 详细信息

面对大规模异构网页,基于视觉特征的网页信息抽取方法普遍存在通用性较差、抽取效率较低的问题。针对通用性较差的问题,该文提出了基于视觉特征的使用有监督机器学习的网页信息抽取框架WEMLVF。该框架具有良好的通用性,通过对论坛网站和新闻评论网站的信息抽取实验,验证了该框架的有效性。然后,针对视觉特征提取时间代价过高导致信息抽取效率较低的问题,该文使用WEMLVF,分别提出基于XPath和基于经典包装器归纳算法SoftMealy的自动生成信息抽取模板的方法。这两种方法使用视觉特征自动生成信息抽取模板,但模板的表达并不包含视觉特征,使得在使用模板进行信息抽取的过程中无需提取网页的视觉特征,从而既充分利用了视觉特征在信息抽取中的作用,又显著提升了信息抽取的效率,实验结果验证了这一结论。

关键词：视觉特征网络信息抽取自动生成模板

来源：评论

学校读者我要写书评

暂无评论

信息安全技术　网络安全信息报送指南

信息安全技术　网络安全信息报送指南

引用

作者：严寒冰郭晶罗亮龙泉丁丽何能强温森浩雷君马旸仲思超李忠谢江吕明王剑桥崔婷婷万里庄园何建锋陈杨国王晶陈虎巨腾飞干露杨剑刘松陈妍白小愚孙小平张宇娜姜博文吴少勇何中旭李钰嘉韩潇哲李广立马敏燕王丽华王小龙廖双晓苗春雨张羽国家计算机网络应急技术处理协调中心浙江分中心国家计算机网络应急技术处理协调中心中国电子技术标准化研究院国家计算机网络应急技术处理协调中心江苏分中心中国信息安全研究院有限公司上海观安信息技术股份有限公司启明星辰信息技术集团股份有限公司北京安天网络安全技术有限公司北京东方通网信科技有限公司杭州海康威视数字技术股份有限公司哈尔滨工程大学西安交大捷普网络科技有限公司深信服科技股份有限公司远江盛邦(北京)网络安全科技股份有限公司南京聚铭网络科技有限公司陕西省网络与信息安全测评中心上海三零卫士信息安全有限公司北京天融信网络安全技术有限公司中国科学院信息工程研究所公安部第三研究所杉树岭网络科技有限公司华信咨询设计研究院有限公司北京神州绿盟科技有限公司浙江大学计算机创新技术研究院之江实验室亚信科技(成都)有限公司杭州安恒信息技术股份有限公司恒安嘉新(北京)科技股份公司

标准类型：国家标准

本文件给出了网络安全信息报送的信息类型和要素，以及网络安全信息报送活动的要素和关系、基本流程、报送方式等。本文件适用于各类组织间的网络安全信息报送活动。

标准号: GB/T 43557-2023

关键词：

来源：评论

学校读者我要写书评

暂无评论

基于线性回归的卫星数据传输TCP拥塞控制研究

引用

信息技术 2019年第3期43卷 65-69页

作者：罗新祥孙剑伟华北计算技术研究所航天应用系统部北京100083

针对当前卫星数据地面传输环境遇到的诸如TCP传输时延长、误码率高、带宽不对称等和网络拥塞密切相关的问题,文中从拥塞控制的角度出发,在基于往返时延的拥塞控制算法Vegas基础上,加入对往返时延(RTT)的动态控制机制,以此为突破点对整... 详细信息

针对当前卫星数据地面传输环境遇到的诸如TCP传输时延长、误码率高、带宽不对称等和网络拥塞密切相关的问题,文中从拥塞控制的角度出发,在基于往返时延的拥塞控制算法Vegas基础上,加入对往返时延(RTT)的动态控制机制,以此为突破点对整个卫星数据地面传输的网络资源进行优化和调整,提高网络资源利用率。实现对往返时延(RTT)动态调整的方法是对已得到的往返时延数据进行线性回归分析,通过不断地线性回归优化对数据进行拟合得到基于预测的往返时延算法Lr Vegas。

关键词：线性回归分析卫星数据传输 TCP拥塞控制 Vegas算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的关系抽取研究综述

引用

中文信息学报 2019年第12期33卷 1-18页

作者：庄传志靳小龙朱伟建刘静伟白龙程学旗中国科学院计算技术研究所中国科学院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与控制学院北京100049

关系抽取(RE)是为了抽取文本中包含的关系,是信息抽取(IE)的重要组成部分。近年来,研究人员利用深度学习技术在该领域开展了深入研究。由于神经网络类型丰富,基于深度学习的关系抽取方法也更加多样。该文从关系抽取的基本概念出发,对关... 详细信息

关系抽取(RE)是为了抽取文本中包含的关系,是信息抽取(IE)的重要组成部分。近年来,研究人员利用深度学习技术在该领域开展了深入研究。由于神经网络类型丰富,基于深度学习的关系抽取方法也更加多样。该文从关系抽取的基本概念出发,对关系抽取方法依据不同的视角进行了类别划分。随后,介绍了基于深度学习的关系抽取方法常用的数据集,并总结出基于深度学习的关系抽取框架。在此框架下,对关系抽取方法在面向深度学习的输入数据预处理、面向深度学习的神经网络模型设计等方面的具体工作进行了分析与评述,最后对未来的研究方向进行了探讨和展望。

关键词：关系抽取深度学习远程监督联合学习

来源：评论

学校读者我要写书评

暂无评论

面向智能决策的兵棋推演技术

面向智能决策的兵棋推演技术

引用

2019第七届中国指挥控制大会

作者：彭希璐王记坤张昶刘莹刘改宁华北计算技术研究所基础四部

兵棋推演系统可以模拟指挥人员在作战过程中的指挥决策,将智能博弈算法应用于兵棋推演系统,有利于提高指挥人员的作战决策水平。本文借鉴棋类游戏领域的智能博弈技术路线,从兵棋推演模型构建和智能决策模型构建两个方面论述了面向智能... 详细信息

兵棋推演系统可以模拟指挥人员在作战过程中的指挥决策,将智能博弈算法应用于兵棋推演系统,有利于提高指挥人员的作战决策水平。本文借鉴棋类游戏领域的智能博弈技术路线,从兵棋推演模型构建和智能决策模型构建两个方面论述了面向智能决策的兵棋推演技术。采用棋子索引方式对作战战场态势进行量化描述,采用残差神经网络与蒙特卡洛树相结合的方式构建深度学习模型,使兵棋推演系统具有智能决策能力,为作战仿真系统的智能化提供参考。

关键词：兵棋推演人工智能残差神经网络蒙特卡洛树

来源：评论

学校读者我要写书评

暂无评论

基于远程监督的关系抽取研究综述

引用

中文信息学报 2019年第10期33卷 10-17页

作者：白龙靳小龙席鹏弼程学旗中国科学院计算技术研究所中国科学院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与控制学院北京100190

关系抽取作为信息抽取的一项关键技术,在知识库自动构建、问答系统等领域有着极为重要的意义,一直以来受到人们的关注。远程监督关系抽取技术通过外部知识库作为监督源,自动对语料库进行标注,能够大量节省人工标注成本,因而受到了研究... 详细信息

关系抽取作为信息抽取的一项关键技术,在知识库自动构建、问答系统等领域有着极为重要的意义,一直以来受到人们的关注。远程监督关系抽取技术通过外部知识库作为监督源,自动对语料库进行标注,能够大量节省人工标注成本,因而受到了研究者们的重视。该文针对远程监督关系抽取技术做了较为系统性的梳理,将已有方法分为基于概率图的、基于矩阵补全的和基于嵌入的三大类,并且对其当前面临的挑战进行了探讨,最后总结并展望了远程监督关系抽取技术未来的发展。

关键词：远程监督关系抽取信息抽取

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：