检索结果-内蒙古大学图书馆

光学学报 2025年第3期45卷 246-252页

作者：方奇方云团郑改革南京信息工程大学物理与光电工程学院江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044 江苏大学计算机科学与通信工程学院江苏镇江212013

为了克服对连续谱中束缚态(BIC)实现动态调制的困难,设计了一种光栅与波导复合的3层结构模型,该结构具备3种独立的调控自由度:空气槽的宽度和高度,以及上下结构层的相对平移。利用周期结构的能带理论和模式分析,结合传输谱的计算,得到... 详细信息

为了克服对连续谱中束缚态(BIC)实现动态调制的困难,设计了一种光栅与波导复合的3层结构模型,该结构具备3种独立的调控自由度:空气槽的宽度和高度,以及上下结构层的相对平移。利用周期结构的能带理论和模式分析,结合传输谱的计算,得到复合结构的模式特征和传输属性。结构同时产生BIC和法诺共振,通过上下结构层的相对平移,实现了对连续谱中束缚态以及法诺共振频率位置和谱线形状连续动态的调控。通过调控实现了准BIC共振峰和法诺共振峰的合并,准BIC共振峰和法诺共振峰的合并可产生特殊的双重光子态。该研究为BIC和法诺共振的控制提供了方向,并为相关光子器件的设计打下基础。

关键词：光栅连续谱中束缚态法诺共振品质因子

来源：评论

学校读者我要写书评

暂无评论

面向长期时间序列预测的多项式投影与信息交换架构

引用

计算机工程与应用 2025年第10期61卷 120-132页

作者：刘建鑫马廷淮苏昱铭荣欢南京信息工程大学软件学院南京210044 江苏海洋大学计算机工程学院江苏连云港222000 南京信息工程大学人工智能学院南京210044

长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测,为长期预警、规划和决策提供支持。现有方法在进行长期预测时,普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换架... 详细信息

长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测,为长期预警、规划和决策提供支持。现有方法在进行长期预测时,普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换架构LPPIEA(Legendre polynomial projection and information exchange architecture)。引入可逆实例数据归一化,降低长期时间序列中分布偏移对预测的影响。使用勒让德多项式投影来处理复杂的时间模式,获取数据的高维特征表示以增强模型推理长期时间序列的能力。为了有效捕获长期时间依赖关系,构建轻量化的信息交换架构来高效捕获长期时间依赖关系,从而实现准确高效的长期时间序列预测。在4个常用的公开数据集上的实验结果表明,LPPIEA的预测误差相比于基线方法平均降低11.4%,同时还具有较高的计算效率。

关键词：时间序列预测长期时间依赖多项式投影信息交换架构深度学习

来源：评论

学校读者我要写书评

暂无评论

区域感知实时人像超分辨率重建网络

引用

北京航空航天大学学报 2024年第2期50卷 588-595页

作者：龚柯存周梦琳唐东明西南民族大学国家民族事务委员会计算机系统重点实验室成都610041 西南民族大学计算机科学与工程学院成都610041 成都信息工程大学软件工程学院成都610225

在人像超分辨率重建领域,传统方法通常将整幅图像进行统一处理,导致效率低下。为降低模型的推理时延,提出了一种实时超分辨率重建模型RASR。该模型利用门控单元处理低分辨率图像,识别出人像边缘区域;采用分区重建策略,使用不同尺寸的子... 详细信息

在人像超分辨率重建领域,传统方法通常将整幅图像进行统一处理,导致效率低下。为降低模型的推理时延,提出了一种实时超分辨率重建模型RASR。该模型利用门控单元处理低分辨率图像,识别出人像边缘区域;采用分区重建策略,使用不同尺寸的子模型分别针对包含或不包含人像边缘的区域进行重建。实验结果表明:与现有方法相比,RASR模型在4倍上采样重建场景下的推理时延降低了88%,能够更有效地重建高分辨率人像图像。

关键词：区域感知单图像超分辨率门控单元通道划分块深度学习

来源：评论

学校读者我要写书评

暂无评论

联合组间对抗数据混合与变换器学习的协同显著性检测

引用

计算机学报 2023年第9期46卷 1838-1854页

作者：吴泱宋慧慧张开华陈虎刘青山南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院数字取证教育部工程研究中心南京210044 四川大学视觉合成图形图像技术国家级重点实验室成都610041

协同显著性检测旨在发现并分割出一组图像中相同语义类别的前景显著目标.当前基于深度学习的协同显著性检测方法主要存在两方面局限:(1)训练数据中仅含有单一显著目标,无法为模型训练提供对抗样本,导致其泛化性受限,难以有效应对未知类... 详细信息

协同显著性检测旨在发现并分割出一组图像中相同语义类别的前景显著目标.当前基于深度学习的协同显著性检测方法主要存在两方面局限:(1)训练数据中仅含有单一显著目标,无法为模型训练提供对抗样本,导致其泛化性受限,难以有效应对未知类别目标、干扰显著目标、嘈杂背景等挑战;(2)现有方法通常利用卷积神经网络提取特征,其感受野受限,无法建模长程依赖关系,限制了所学特征的表征力.为此,本文提出了一种新颖的基于组间对抗数据混合的协同显著性检测变换器,旨在通过纯视觉变换器构建序列到序列的协同显著性检测网络,并使用组间混合后的数据进行对抗训练,以提升模型的泛化性.所设计的网络结构包含数据混合子网络和协同显著性检测变换器两部分.具体而言,在数据混合子网络中,本文设计了目标细化模块,输入类激活图,引导网络以无监督的方式从一组图像中分割出边缘平滑的显著目标作为对抗对象,并通过设计调距模块将对抗对象以最小化重叠的方式混合至另一组图像之中,生成混合训练数据;在协同显著性检测变换器中,本文从序列建模的角度,设计了任务注入器,将组信息图符与显著性信息图符注入序列特征之中,并利用自注意力机制充分捕获特征之间的全局上下文信息.最后,将获得的组特征和显著性特征通过自注意力机制进行充分混合交互,以进一步增强特征的表征力,生成精确的协同显著性检测结果.本文在包含Cosal2015、Co CA和Co SOD3k等三个基准数据集上做了充分的实验评估,与多个领先方法的对比结果充分证明了本方法的优越性能.

关键词：数据混合变换器协同显著性检测大数据

来源：评论

学校读者我要写书评

暂无评论

基于历史信息的高效近似查询系统

引用

计算机工程与设计 2025年第2期46卷 578-586页

作者：韩雨钢马廷淮荣欢南京信息工程大学计算机学院网络空间安全学院江苏南京210044 南京信息工程大学软件学院江苏南京210044 江苏海洋大学计算机工程学院江苏连云港222005

近似查询处理技术是提高数据库聚合查询效率的重要方法,针对海量二维数据提出一种基于历史查询负载的近似查询系统,引入历史查询信息,通过在历史查询空间中进行命中性检测,提高查询区域偏斜等情况时的效率。针对全局查询,通过空间数据... 详细信息

近似查询处理技术是提高数据库聚合查询效率的重要方法,针对海量二维数据提出一种基于历史查询负载的近似查询系统,引入历史查询信息,通过在历史查询空间中进行命中性检测,提高查询区域偏斜等情况时的效率。针对全局查询,通过空间数据划分方法将完整数据集划分为子区域,组织为树状分片索引结构,实现采样和数据摘要方法的结合,提高查询准确性。实验结果表明,当历史查询记录量达到10~4量级时,查询响应时间仅为传统方法的40%。与传统方法相比,该系统平均相对误差降低了63%。随分片数的增加效果有更大提升,当分片数达64时,其平均相对误差仅为传统方法的10%。

关键词：数据库系统近似查询处理空间索引历史查询分片索引树学习型索引空间填充曲线

来源：评论

学校读者我要写书评

暂无评论

数字孪生使能的智能超表面边缘计算网络任务卸载

引用

电子与信息学报 2022年第7期44卷 2416-2424页

作者：苏健钱震李斌南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

针对新兴的计算密集型应用对移动用户高计算性能需求问题,该文提出一种数字孪生(DT)结合智能反射面(RIS)辅助的移动边缘计算(MEC)任务卸载方案。首先,在满足用户传输功率、用户和资源设备能耗、计算资源限制条件下,通过联合优化用户卸... 详细信息

针对新兴的计算密集型应用对移动用户高计算性能需求问题,该文提出一种数字孪生(DT)结合智能反射面(RIS)辅助的移动边缘计算(MEC)任务卸载方案。首先,在满足用户传输功率、用户和资源设备能耗、计算资源限制条件下,通过联合优化用户卸载决策、用户传输功率、RIS相移、波束成形矢量、计算资源分配,建立一个系统能耗最小化问题;其次,将该非凸组合优化问题分解为3个子问题,使用深度双Q网络(DDQN)方法确定用户卸载策略;然后对每个训练时间步进行一次求解,基于交替迭代方法得到问题的优化解。仿真结果表明,基于DDQN的算法训练速度较快,有效降低了系统总能耗。

关键词：智能超表面数字孪生移动边缘计算深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于多原型重放和对齐的类增量无源域适应

引用

计算机科学 2025年第3期52卷 206-213页

作者：田青康陆禄周亮宇南京信息工程大学软件学院南京210044 南京信息工程大学无锡研究院江苏无锡214000 南京大学计算机软件新技术国家重点实验室南京210023

传统无源域适应通常假设目标域数据全部可用,然而在实际应用中目标域数据常以流的形式出现,即未标记的目标域中的类会依次增加,这无疑带来了新的挑战。首先,在每个时间步骤中,目标域的标签空间都是源域的一个子集,盲目对齐反而会导致模... 详细信息

传统无源域适应通常假设目标域数据全部可用,然而在实际应用中目标域数据常以流的形式出现,即未标记的目标域中的类会依次增加,这无疑带来了新的挑战。首先,在每个时间步骤中,目标域的标签空间都是源域的一个子集,盲目对齐反而会导致模型性能下降;其次,在学习新类的过程中会破坏先前学习到的知识,导致之前知识的灾难性遗忘。为了解决这些问题,提出了一种基于多原型重放和对齐(MPRA)的方法。该方法通过累积预测概率检测目标域中的共享类来应对标签空间不一致问题,并采用多原型重放来处理灾难性遗忘,提高模型的记忆能力。同时,基于多原型和源模型权重进行跨域的对比学习,从而对齐特征分布,提高模型性能。大量的实验表明,所提方法在3个基准数据集上都取得了优越的表现。

关键词：无源域适应类增量学习多原型对比学习迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于注意力的多尺度残差U-Net的海洋中尺度涡检测

引用

海洋与湖沼 2025年第1期56卷 64-76页

作者：王丽娜孙阳张红春王旭东董昌明南京信息工程大学人工智能学院(未来技术学院) 江苏南京210044 南方海洋科学与工程广东省实验室(珠海) 广东珠海519080 南京信息工程大学计算机学院江苏南京210044 南京信息工程大学海洋科学学院江苏南京210044

海洋中尺度涡是一类重要的海洋现象,其特征是海洋中的螺旋运动,伴随着海水温度、营养物质以及能量的输送,对海洋生态系统和全球的气候变化起着重要影响。因此,海洋涡旋的智能识别成为海洋学的研究热点之一。由于海洋中尺度涡数量众多且... 详细信息

海洋中尺度涡是一类重要的海洋现象,其特征是海洋中的螺旋运动,伴随着海水温度、营养物质以及能量的输送,对海洋生态系统和全球的气候变化起着重要影响。因此,海洋涡旋的智能识别成为海洋学的研究热点之一。由于海洋中尺度涡数量众多且大小不同,存在检测精度不高问题。为了提高海洋中尺度涡的检测精度,提出一种基于注意力的多尺度残差U-Net的海洋涡旋检测模型(dual cross-attention-pyramid spilt attention-Res U-Net, DCA-PRUNet)。该模型采用基于注意力的编解码器结构。编解码结构中,引入金字塔分割注意力(pyramid spilt attention,PSA)以提取多尺度特征,并捕获不同涡旋的特征信息;此外,为了解决网络过深导致模型无法训练的问题,引入残差学习模块。同时,为了使解码器更好地恢复涡旋细节信息,引入双交叉注意力模块(dual cross-attention, DCA)捕获编码器各个阶段的特征依赖。选取西北太平洋海域的海平面异常(sea level anomaly,SLA)与海面温度(sea surface temperature,SST)数据进行建模,实验结果表明DCA-PRUNet涡旋检测的准确率达到95.12%,F1分数达到91.21%,显著优于现有的模型,验证了该模型的有效性。

关键词：海洋涡旋深度学习金字塔分割注意力残差学习双交叉注意力

来源：评论

学校读者我要写书评

暂无评论

多视图融合和全局特征增强的车辆重识别网络

引用

电子测量与仪器学报 2023年第1期37卷 78-86页

作者：孙伟徐凡张小瑞胡亚华赵宇煌南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学无锡研究院无锡214100 南京信息工程大学计算机与软件学院南京210044

车辆重识别是智能交通领域重要应用之一,现有的车辆识别方法大多集中于预定义的局部区域特征或全局外观特征。然而,在复杂的交通环境下,传统的方法难以获取预定义的局部区域,同时很难捕捉有价值的车辆全局特征信息。因此,本文提出一种... 详细信息

车辆重识别是智能交通领域重要应用之一,现有的车辆识别方法大多集中于预定义的局部区域特征或全局外观特征。然而,在复杂的交通环境下,传统的方法难以获取预定义的局部区域,同时很难捕捉有价值的车辆全局特征信息。因此,本文提出一种具有多视图融合的混合注意力机制和全局特征增强的端到端双分支网络。该网络旨在通过增强车辆的特征表达能力和特征质量来获得更完整、更多样的车辆特征。本文通过视图解析网络对车辆图片4个视角的视图进行分割,并通过视图拼接方法缓解分割不准确导致的信息丢失问题。为了更好地突出拼接视图中的显著性局部区域,本文提出一种由通道注意力机制和自注意力机制组成的混合注意力模块。通过该模块从车辆拼接视图中分别获取关键局部信息和局部信息之间的相关性,更好地凸显拼接视图中车辆局部的细节信息。除此之外,还提出了一个全局特征增强模块,通过池化和卷积获得全局特征的空间和通道关系。该模块不仅能提取到语义增强的车辆特征,而且还使车辆特征中包含完好的细节信息,解决获取的车辆图像受视角变化、光照条件变化等因素的影响。在Veri-776和VehicleID数据集上的大量实验表明,mAP、CMC@1和CMC@5分别达到了82.41%、98.63%和99.23%,优于现有的方法。

关键词：车辆重识别视图分割视图拼接注意力机制特征增强

来源：评论

学校读者我要写书评

暂无评论

基于个性化差分隐私的联邦学习算法

引用

计算机应用 2023年第4期43卷 1160-1168页

作者：尹春勇屈锐南京信息工程大学计算机学院、软件学院、网络空间安全学院南京210044

联邦学习(FL)可以有效保护用户的个人数据不被攻击者获得,而差分隐私(DP)则可以实现FL的隐私增强,解决模型训练参数导致的隐私泄露问题。然而,现有的基于DP的FL方法只关注统一的隐私保护预算,而忽略了用户的个性化隐私需求。针对此问题... 详细信息

联邦学习(FL)可以有效保护用户的个人数据不被攻击者获得,而差分隐私(DP)则可以实现FL的隐私增强,解决模型训练参数导致的隐私泄露问题。然而,现有的基于DP的FL方法只关注统一的隐私保护预算,而忽略了用户的个性化隐私需求。针对此问题,提出了一种两阶段的基于个性化差分隐私的联邦学习(PDP-FL)算法。在第一阶段,依据用户的隐私偏好对用户隐私进行分级,并添加满足用户隐私偏好的噪声,以实现个性化隐私保护,同时上传隐私偏好对应的隐私等级给中央聚合服务器;在第二阶段,为实现对全局数据的充分保护,采取本地和中心同时保护的策略,并根据用户上传的隐私等级,添加符合全局DP阈值的噪声,以量化全局的隐私保护水平。实验结果表明,在MNIST和CIFAR-10数据集上,PDP-FL算法的分类准确度分别为93.8%~94.5%和43.4%~45.2%,优于基于本地化差分隐私的联邦学习(LDP-Fed)和基于全局差分隐私的联邦学习(GDP-FL),同时满足了个性化隐私保护的需求。

关键词：联邦学习差分隐私隐私偏好隐私分级个性化隐私保护

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：