检索结果-内蒙古大学图书馆

电脑与信息技术 2025年第2期33卷 91-95页

作者：杨超姚瑶颜宇鸿南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023 南京邮电大学高性能计算与大数据处理研究所江苏南京210023 南京邮电大学外国语学院江苏南京210023

随着人工智能技术的发展,电力行业借助技术手段实现变压器温度预测成为现实。电力设备中变压器是十分重要的设备,对变压器进行温度检测和预测得到越来越多的重视。通过数据分析,发现变压器温度随时间呈现有规律的波动,这符合深度学习中... 详细信息

随着人工智能技术的发展,电力行业借助技术手段实现变压器温度预测成为现实。电力设备中变压器是十分重要的设备,对变压器进行温度检测和预测得到越来越多的重视。通过数据分析,发现变压器温度随时间呈现有规律的波动,这符合深度学习中循环神经网络的应用场景,选取深度学习中长短期记忆(Long Short-Term Memory,LSTM)网络模型对变压器温度变化进行建模。为了实现模型服务化,设计并开发了基于Kubernetes和容器的通用深度学习模型部署平台,可对多个深度学习模型进行部署和管理。实验结果表明,LSTM网络模型在实验数据集上的多项评估指标均优于BP神经网络模型,这说明LSTM网络模型能够更深入地挖掘样本长时空序列中温度变化的规律,深度学习模型部署平台可以有效完成变压器温度预测模型部署。

关键词：变压器温度预测深度学习 LSTM 模型部署 Kubernetes

来源：评论

学校读者我要写书评

暂无评论

面向无人机航拍图像的YOLOv8目标检测改进算法

引用

计算机科学 2025年第4期52卷 202-211页

作者：胡惠娟秦一锋徐鹤李鹏南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 江苏省高性能计算与智能处理工程研究中心南京210023

针对无人机视角下航拍图像目标检测中存在的目标尺度变化多样、背景复杂、小目标聚集以及无人机平台计算资源受限等问题,提出了一种改进YOLOv8目标检测算法YOLOv8-CEBI。首先,在骨干网络引入轻量级Context Guided模块,显著降低模型参数... 详细信息

针对无人机视角下航拍图像目标检测中存在的目标尺度变化多样、背景复杂、小目标聚集以及无人机平台计算资源受限等问题,提出了一种改进YOLOv8目标检测算法YOLOv8-CEBI。首先,在骨干网络引入轻量级Context Guided模块,显著降低模型参数量与计算量,同时引入多尺度注意力机制EMA,捕获细粒度空间信息,提升对小目标和在复杂背景下的检测能力。其次,引入加权双向特征金字塔网络BiFPN,对颈部进行改造,在保持参数成本的前提下,增强多尺度特征融合能力。最后利用Inner-CIOU损失函数生成辅助边框以更精准地计算损失并加速边界框回归过程。在VisDrone数据集上进行实验,结果表明,与原始YOLOv8s算法相比,改进方法参数量减少51.3%,运算量减少28.5%,mAP50提升1.6%。所提模型在轻量化的同时提升了精度,取得了在减少计算资源与保证精度之间的平衡。

关键词：无人机航拍图像注意力机制损失函数轻量化

来源：评论

学校读者我要写书评

暂无评论

基于麻雀搜索算法的混合神经网络模型及其血糖预测应用

引用

数据采集与处理 2025年第2期40卷 485-500页

作者：徐鹤许硕洋季一木南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 江苏省高性能计算与智能处理工程研究中心南京210023

糖尿病是当今危害人类健康的常见疾病之一,有效管理和控制血糖对患者至关重要。传统的血糖预测模型大多为单一的深度学习模型,存在精度不足或效率太低的缺陷,制约了其在实际应用中的效果,为此,本文提出了一种基于麻雀搜索的混合神经网... 详细信息

糖尿病是当今危害人类健康的常见疾病之一,有效管理和控制血糖对患者至关重要。传统的血糖预测模型大多为单一的深度学习模型,存在精度不足或效率太低的缺陷,制约了其在实际应用中的效果,为此,本文提出了一种基于麻雀搜索的混合神经网络模型,将其应用到血糖预测中。该模型结合了时域卷积网络(Temporal convolutional network,TCN)和门控循环单元(Gated recurrent unit,GRU),是基于端到端方式训练的时序神经网络,根据患者的血糖水平历史记录预测血糖。为确保该模型的泛化能力,使用两个不同来源的数据集进行验证。首先,对多源时序监测数据的特征采样频率进行设定,时间间隔为5 min,接着对数据做平滑处理和标准化,并通过TCN对时序数据捕捉时序模式和依赖特征;然后通过构建基于注意力机制的GRU(GRU⁃Attention)模型进一步提取特征并建模;最后使用麻雀搜索算法对TCN和GRU⁃Attention模型进行超参数优化,实现血糖预测模型。为了证明本文所提模型的有效性,将其预测结果与其他模型进行对比,包括LSTM、ARIMA和RNN等。研究结果表明,提出的基于麻雀搜索算法的TCN和GRU⁃Attention模型在血糖值预测任务中表现良好,两个数据集的均方根误差(Root mean square error,RMSE)和平均绝对误差(Mean absolute error,MAE)分别为0.552和0.402、0.531和0.388,均优于其他模型。

关键词：血糖预测麻雀搜索算法注意力机制时域卷积网络门控循环单元

来源：评论

学校读者我要写书评

暂无评论

以服务满意度为目标的车载边缘计算调度优化

引用

小型微型计算机系统 2025年第5期 1216-1223页

作者：徐佳范露露刘婧怡申佳胤南京邮电大学计算机学院软件学院、网络空间安全学院南京邮电大学江苏省大数据安全与智能处理重点实验室国铁吉讯科技有限公司

随着5G网络的快速发展和物联网技术的普及，计算密集型和延迟敏感型应用蓬勃发展.传统移动边缘计算通常依赖固定基础设施进行计算卸载.然而，在实际应用中，由于用户的移动性、资源需求动态性和地域差异性，边缘服务器的负载表现出高动... 详细信息

随着5G网络的快速发展和物联网技术的普及，计算密集型和延迟敏感型应用蓬勃发展.传统移动边缘计算通常依赖固定基础设施进行计算卸载.然而，在实际应用中，由于用户的移动性、资源需求动态性和地域差异性，边缘服务器的负载表现出高动态性和不平衡性.本文提出由运营商统一调度车载边缘服务器为区域提供计算卸载服务，形式化了区域满意度最大化问题，在行驶时间的限制下，最大化所有区域的满意度.将问题转变为一个拟阵约束下的子模函数最大化问题，利用近似算法对该问题进行求解，并从理论上证明了该算法的近似度.仿真实验结果表明，本文提出的算法具有较优的性能，相比对比算法，平均满意度提高了52.98%.

关键词：移动边缘计算车载边缘计算计算卸载近似算法

来源：评论

学校读者我要写书评

暂无评论

基于ECA-CNN的混合指纹室内定位方法

引用

计算机研究与发展 2024年第2期61卷 428-440页

作者：王正康骆冰清南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neura... 详细信息

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neural network, CNN)的定位模型在特征提取时不能有效地突出重要特征.针对上述问题,提出一种基于ECA-CNN的混合指纹室内定位方法(hybrid fingerprint indoor localization method based on ECA-CNN, ECACon-HF).首先,利用可见光强度和低功耗蓝牙(Bluetooth low energy, BLE)接收信号强度指示(received signal strength indication, RSSI)来构建混合指纹,降低BLE指纹不稳定的影响,并增强不同位置之间的区分度.同时,基于高效通道注意力(efficient channel attention, ECA)模块改进CNN定位模型,ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息,抑制指纹中的环境干扰,增强混合指纹特征表达能力,更有效地利用混合指纹优势.实验结果显示,ECAConHF在构建的混合指纹库上可以达到0.316 m的定位精度,高于在单一指纹上的精度;并且基于同一指纹库,ECACon-HF相比其他室内定位方法,定位精度具有明显优势.

关键词：室内定位混合指纹可见光强度注意力机制低功耗蓝牙

来源：评论

学校读者我要写书评

暂无评论

面向软件供应链的异常分析方法综述

引用

软件学报 2023年第6期34卷 2606-2627页

作者：葛丽丽帅东昕谢金言张迎周薛渝川杨嘉毅密杰卢跃南京邮电大学计算机学院软件学院网络空间安全学院江苏南京210023

软件在国民经济的各个领域占据越来越重要的地位.万物互联的大背景下,信息之间的交互、分析、协同变得越来越普遍,程序/软件之间的依赖关系逐渐增多,这使得人们对系统可靠性和健壮性提出了更高的要求.由开源组件和第三方组件构成的软件... 详细信息

软件在国民经济的各个领域占据越来越重要的地位.万物互联的大背景下,信息之间的交互、分析、协同变得越来越普遍,程序/软件之间的依赖关系逐渐增多,这使得人们对系统可靠性和健壮性提出了更高的要求.由开源组件和第三方组件构成的软件供应链,其所面临的安全问题近年来成为了学术界和工业界共同关注的焦点.库函数作为开源软件的重要组成部分,与软件供应链安全有着密切的联系.为了提高软件开发效率,软件库或应用程序编程接口(API)在程序编写过程中会被频繁使用,但库函数中存在的错误或漏洞可能会被攻击者利用,从而损害软件供应链安全.这些错误或漏洞往往与库函数中存在的异常有关,因此,从精度和效率两方面对适用于库函数的异常分析方法进行总结归纳,对于每种异常分析方法的基本思想和重要过程进行阐述,并针对库函数异常分析面临的挑战给出初步解决思路.对软件供应链中的库函数进行异常分析,有助于增强软件系统的健壮性,进而保障软件供应链的安全.

关键词：软件供应链异常分析库函数精度优化效率优化函数摘要

来源：评论

学校读者我要写书评

暂无评论

基于语言学知识增强的自监督式图卷积网络的事件关系抽取方法

引用

数据分析与知识发现 2023年第5期7卷 92-104页

作者：徐康余胜男陈蕾王传栋南京邮电大学计算机学院、软件学院、网络空间安全学院南京210003

【目的】解决事件关系抽取中因缺少大规模高质量的标注数据以及事件关系复杂的语言表达模式而导致的现有方法难以捕获结构化事件知识的问题。【方法】提出一种基于语言学知识增强的自监督式图卷积网络模型,利用预训练BERT模型编码文本特... 详细信息

【目的】解决事件关系抽取中因缺少大规模高质量的标注数据以及事件关系复杂的语言表达模式而导致的现有方法难以捕获结构化事件知识的问题。【方法】提出一种基于语言学知识增强的自监督式图卷积网络模型,利用预训练BERT模型编码文本特征,将其输入图卷积网络中学习词之间的句法依存关系以增强文本表示,引入多头注意力机制对不同依赖特征加以区分,再利用分段最大池化操作提取结构信息,然后组合多个段的池化结果作为事件对的关系特征,使用关系特征进行自适应聚类生成伪类别标签,并将其作为自监督信息,通过迭代的自监督训练模式优化事件关系特征。【结果】在TACRED和FewRel数据集上进行实验,B3-F1相较于最好的基线模型分别提高了2.1和1.2个百分点。【局限】该模型将句法依存树当作无向图处理,未考虑边的方向和依赖边的标签信息。【结论】本文所提基于语言学知识增强的自监督式图卷积网络模型能有效增强文本的表征效果,为缺少标注数据的事件关系抽取提供了一种自监督学习框架。

关键词：事件关系抽取 BERT 自监督模型图卷积网络多头注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种基于高阶函数摘要的依赖簇检测方法

引用

电子学报 2024年第4期52卷 1337-1348页

作者：杨嘉毅张迎周李俊锋马锐汪全盛薛渝川南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

依赖簇是相互依赖的程序组件的最大集合,依赖簇中任意一点产生变动都会引起其他组件的连锁反应.在实际生产环境中,依赖簇检测对于软件理解、测试、维护具有非常重要的意义.传统的依赖簇检测方法基于系统依赖图(System Dependence Graph,... 详细信息

依赖簇是相互依赖的程序组件的最大集合,依赖簇中任意一点产生变动都会引起其他组件的连锁反应.在实际生产环境中,依赖簇检测对于软件理解、测试、维护具有非常重要的意义.传统的依赖簇检测方法基于系统依赖图(System Dependence Graph,SDG)实现过程间依赖关系的计算.但是SDG的构建过程比较复杂,时间空间的占用比较大.为提高依赖簇检测的效率并减少空间占用,本文提出了一种有效的轻量级依赖簇检测方法.该方法通过构建每个过程高阶函数形式的函数摘要,将形参和全局变量的数据依赖作为摘要参数,并用函数摘要的参数初始化过程内依赖信息.通过在调用点处对高阶函数形式的摘要进行实例化,即可将调用过程的依赖关系通过摘要参数进行传递,从而获取过程间的依赖信息.为了进一步提升检测效率,我们还提出了基于自适应计算的依赖簇检测优化策略,该策略可以减少因函数的递归调用产生的相关冗余计算.本文选取了不同规模不同领域的工程项目和基准测试集进行相关对比实验,结果表明:基于高阶函数的依赖簇检测方法相比系统依赖图的检测方法,能够提升2.689倍的分析效率并减少35.7%的空间占用;基于自适应计算的依赖簇检测优化策略在高阶函数方法的基础上能够减少56.7%的冗余计算,提升23.9%的分析效率.

关键词：依赖簇高阶函数自适应计算系统依赖图形式概念分析

来源：评论

学校读者我要写书评

暂无评论

基于空时变换网络的视频摘要生成

引用

软件学报 2022年第9期33卷 3195-3209页

作者：李群肖甫张子屹张锋李延超南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

生成是计算机视觉领域必不可少的关键任务,这一任务的目标是通过选择视频内容中信息最丰富的部分来生成一段简洁又完整的视频摘要,从而对视频内容进行总结.所生成的视频摘要通常为一组有代表性的视频帧(如视频关键帧)或按时间顺序将关... 详细信息

生成是计算机视觉领域必不可少的关键任务,这一任务的目标是通过选择视频内容中信息最丰富的部分来生成一段简洁又完整的视频摘要,从而对视频内容进行总结.所生成的视频摘要通常为一组有代表性的视频帧(如视频关键帧)或按时间顺序将关键视频片段缝合所形成的一个较短的视频.虽然视频摘要生成方法的研究已经取得了相当大的进展,但现有的方法存在缺乏时序信息和特征表示不完备的问题,很容易影响视频摘要的正确性和完整性.为了解决视频摘要生成问题,提出一种空时变换网络模型,该模型包括3大模块,分别为:嵌入层、特征变换与融合层、输出层.其中,嵌入层可同时嵌入空间特征和时序特征,特征变换与融合层可实现多模态特征的变换和融合,最后输出层通过分段预测和关键镜头选择完成视频摘要的生成.通过空间特征和时序特征的分别嵌入,以弥补现有模型对时序信息表示的不足;通过多模态特征的变换和融合,以解决特征表示不完备的问题.在两个基准数据集上做了充分的实验和分析,验证了所提模型的有效性.

关键词：视频摘要生成空时变换网络 ViLBERT 特征融合多模态

来源：评论

学校读者我要写书评

暂无评论

一种基于改进CRNN的轻量化乐谱识别方法

引用

电子学报 2023年第11期51卷 3167-3175页

作者：蒋凌云鞠金恒徐佳肖甫南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210003

基于深度学习的乐谱识别方法提高了识别精度,但存在模型训练单次迭代耗时长、总迭代轮数多的问题.本文提出了一种改进卷积循环神经网络的轻量化乐谱识别方法CRNN-lite(lightweight Convolutional Recurrent Neural Networks),该方法在... 详细信息

基于深度学习的乐谱识别方法提高了识别精度,但存在模型训练单次迭代耗时长、总迭代轮数多的问题.本文提出了一种改进卷积循环神经网络的轻量化乐谱识别方法CRNN-lite(lightweight Convolutional Recurrent Neural Networks),该方法在卷积层引入残差式深度可分离卷积,减少计算量并加速特征图的提取;在循环层使用双向简单循环单元,采用并行计算避免了串行计算的强依赖问题;在转录层调节交叉熵函数参数,针对性地学习不均衡样本数据.实验结果表明,该方法提高训练速度,单次迭代耗时为基准网络的43%,在失真图像数据上符号错误率为1.12%,序列错误率为14.5%,错误率指标均优于对比方案.

关键词：光学乐谱识别序列识别卷积循环神经网络深度可分离卷积简单循环单元不均衡样本学习

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：