检索结果-内蒙古大学图书馆

青岛大学学报(自然科学版) 2025年第1期38卷 149-153页

作者：秦福强孙丽丽青岛大学计算机科学技术学院青岛266071 山东外贸职业学院教务处青岛266100

通过计算山东省与中亚五国的贸易强度指数、产业内贸易和显示性比较优势指数,分析了“一带一路”背景下的双边贸易发展现状,阐述了青岛在双边贸易中的区位优势。研究结果表明,山东与中亚五国之间的贸易水平稳步提升,不论出口或是进口,... 详细信息

通过计算山东省与中亚五国的贸易强度指数、产业内贸易和显示性比较优势指数,分析了“一带一路”背景下的双边贸易发展现状,阐述了青岛在双边贸易中的区位优势。研究结果表明,山东与中亚五国之间的贸易水平稳步提升,不论出口或是进口,双边贸易互补性均处于较高水平,但仍存在贸易强度不均衡现象,因此,山东省应充分利用青岛的区位优势来发展与中亚五国的贸易联系。

关键词：一带一路中亚五国贸易指数

来源：评论

学校读者我要写书评

暂无评论

Lite-IJformer:面向长序列Transformer的轻量化方法

引用

高技术通讯 2025年第2期35卷 167-174页

作者：连家诚郝一帆张曦珊支天孙广中中国科学技术大学计算机科学与技术学院合肥230026 中国科学院计算技术研究所处理器芯片全国重点实验室北京100190 中科寒武纪科技股份有限公司北京100191

针对面向长序列的Transformer计算复杂度高的问题,本文提出了一种Trans-former轻量化方法Lite-IJformer。其核心思路分为2步:(1)对自注意力(self-attention)进行线性化,将Transformer的计算复杂度从输入序列的平方降至线性;(2)基于低秩... 详细信息

针对面向长序列的Transformer计算复杂度高的问题,本文提出了一种Trans-former轻量化方法Lite-IJformer。其核心思路分为2步:(1)对自注意力(self-attention)进行线性化,将Transformer的计算复杂度从输入序列的平方降至线性;(2)基于低秩矩阵分解理论对KV矩阵乘法进行降维,进一步减少计算规模。在长序列竞技基准测试上的实验表明,当输入长度为1000~2000时,线性化可以将self-attention计算量降低13~26倍,将Transformer的推理速度提升4.75~5.72倍而无精度损失;在经过降维后,self-attention的计算量进一步减少了17.0%,模型推理速度提升了1.17倍,精度损失在0.5%以内。

关键词： Transformer 自注意力线性化方法降维

来源：评论

学校读者我要写书评

暂无评论

基于深度学习与D-S理论的多模态数据特征融合算法

引用

吉林大学学报(理学版) 2025年第03期 855-860页

作者：张燕新疆师范大学计算机科学技术学院

针对传统多模态数据特征融合算法存在融合效果较差的问题，提出一种基于深度学习与D-S(Dempster-Shafer)理论的多模态数据特征融合算法.首先，在深度学习框架内，采用受限Boltzmann机(RBM)对多模态数据进行训练，根据数据的特性和任务... 详细信息

针对传统多模态数据特征融合算法存在融合效果较差的问题，提出一种基于深度学习与D-S(Dempster-Shafer)理论的多模态数据特征融合算法.首先，在深度学习框架内，采用受限Boltzmann机(RBM)对多模态数据进行训练，根据数据的特性和任务需求，构建RBM模型结构进行多模态数据特征选择.其次，根据选取的特征选择计算同类模态数据之间的距离，确定信任函数，并设定阈值以删除异常数据，实现同类模态数据初步融合.最后，通过计算异类模态数据与不同等级特征之间的距离，确定异类数据的信任函数，结合D-S理论实现多模态数据特征融合.实验结果表明，该算法的纯度最高达1.0,标准化互信息最高达0.3,表明该算法可以获取精准的多模态数据特征融合结果.

关键词：深度学习 D-S理论多模态数据特征融合

来源：评论

学校读者我要写书评

暂无评论

基于QGAN的大容量构造式信息隐藏算法

引用

西安文理学院学报(自然科学版) 2025年第1期 32-37页

作者：陈纪霞中国科学技术大学计算机科学与技术学院合肥230026 安徽财贸职业学院信息工程学院合肥230601

大容量构造式信息存在嵌入容量与隐蔽性之间的权衡问题,当嵌入的信息量增加时,会对载体数据造成更大的修改,容易受到攻击者的检测和破解,为增强信息安全性,实现信息隐蔽传输,研究基于QGAN的大容量构造式信息隐藏算法.采用经典生成对抗... 详细信息

大容量构造式信息存在嵌入容量与隐蔽性之间的权衡问题,当嵌入的信息量增加时,会对载体数据造成更大的修改,容易受到攻击者的检测和破解,为增强信息安全性,实现信息隐蔽传输,研究基于QGAN的大容量构造式信息隐藏算法.采用经典生成对抗网络的判别器与参数化变分量子电路的生成器,组合成量子生成对抗网络(Quantum Generative Adversarial Networks, QGAN),引入量子切尔诺夫界,优化QGAN的量子线路与迭代方式;建立秘密信息比特与输入态量子比特两者的映射关系,将秘密信息的映射结果作为优化后QGAN生成器的输入状态;将生成含密量子图像样本与真实量子图像样本作为判别器的输入,进行迭代优化,将秘密信息隐藏在量子图像中,实现信息隐藏.实验结果表明:该算法可以高效地完成信息隐藏,并且具备大容量构造式信息隐藏的有效性.

关键词： QGAN 大容量构造式信息信息隐藏算法切尔诺夫界

来源：评论

学校读者我要写书评

暂无评论

HSIT:一种针对海量数据的分布式相似性查询索引

引用

计算机与数字工程 2025年第3期53卷 718-724页

作者：姚回刘文新疆师范大学计算机科学技术学院乌鲁木齐830054 新疆工程学院控制工程学院乌鲁木齐830023

相似性查询常用于信息检索、生物学和网络安全等领域,用来分析数据之间的关联关系。传统方法执行相似性查询往往需要查询点与数据库中的每一条数据进行计算。随着数据量的增大,计算量会成线性式增长。为提升海量数据的分布式相似性查询... 详细信息

相似性查询常用于信息检索、生物学和网络安全等领域,用来分析数据之间的关联关系。传统方法执行相似性查询往往需要查询点与数据库中的每一条数据进行计算。随着数据量的增大,计算量会成线性式增长。为提升海量数据的分布式相似性查询效率,提出一种基于HBase的相似性查询索引结构HSIT(HBase Similarity Index Tree)。在数据存储的过程中,该算法实现动态建立相似性索引树结构。HSIT索引能够按照相似度阈值,划分相似性的数据在HBase的相邻区域存储;在用户执行相似性查询时,查询节点可以通过HSIT快速检索相似区域。该索引能够实现高效剪枝,使得只有相似的区域才需要两两计算。通过2万条数据指数型增长到128万条数据执行相似性查询,与DSCS-LTS算法比较,实验结果证明,HSIT算法效率有所提升。

关键词：海量数据分布式相似性查询索引 HBase

来源：评论

学校读者我要写书评

暂无评论

多约束多机器人系统位姿自主规划

引用

组合机床与自动化加工技术 2025年第1期 208-212页

作者：苏成志徐朕王恩国常连杰袁靖然长春理工大学人工智能学院长春130022 长春理工大学机电工程学院长春130022 长春理工大学计算机科学技术学院长春130022

针对未知物体感知的多约束多机器人系统位姿自主求解问题,提出一种基于粒子群算法的多约束多机器人系统位姿优化求解方法。首先,建立多机器人系统运动学模型,确定系统中多机器人之间的空间关系;其次,建立位姿变换模型用于位姿的求解;之... 详细信息

针对未知物体感知的多约束多机器人系统位姿自主求解问题,提出一种基于粒子群算法的多约束多机器人系统位姿优化求解方法。首先,建立多机器人系统运动学模型,确定系统中多机器人之间的空间关系;其次,建立位姿变换模型用于位姿的求解;之后,提出多机器人运动任务分配策略;最后,建立多约束多机器人系统位姿规划目标函数,通过粒子群算法求解优化机器人系统的位姿。对尺寸为4 m×2 m×1.5 m的复杂物体感知试验表明,本位姿规划方法在感知过程中能完成多机器人系统任务自主分配,获得的优化后视点均满足多约束条件,能实现多约束多机器人系统感知位姿自主规划。

关键词：多约束多机器人系统位姿自主规划优化策略任务分配

来源：评论

学校读者我要写书评

暂无评论

特征交叉融合和大模型修复的代码生成方法

引用

小型微型计算机系统 2025年第05期 1025-1031页

作者：李文静顾乃杰杨戴原王聪中国科学技术大学计算机科学与技术学院

代码生成任务至今仍有很大探索空间，其挑战主要包括两个方面：首先，它需要理解和转换多种抽象表示之间的语义和语法规则，生成准确的候选代码片段；其次，从庞大的候选代码片段中搜索并合成正确的程序，需要同时考虑搜索效率、上下文... 详细信息

代码生成任务至今仍有很大探索空间，其挑战主要包括两个方面：首先，它需要理解和转换多种抽象表示之间的语义和语法规则，生成准确的候选代码片段；其次，从庞大的候选代码片段中搜索并合成正确的程序，需要同时考虑搜索效率、上下文关系和语义的一致性.对此，本文提出基于特征金字塔交叉融合的翻译模型和基于代码大模型修复的方法.在代码翻译阶段，引入特征金字塔网络，利用交叉融合方法提取不同尺度的特征与全局信息结合，提高候选代码片段的正确性.在搜索合成阶段，使用代码大模型修复错误程序.实验表明，当设置修复候选程序数nr=1时，与目前最好的结果相比，本文方法最高提升6.1%的通过率.在nr=10时，最高提升9.0%的通过率，平均提升6.0%的通过率.

关键词：代码生成程序修复大语言模型特征金字塔

来源：评论

学校读者我要写书评

暂无评论

基于多粒度时空注意力机制的说话人识别模型

引用

声学技术 2025年第1期44卷 93-101页

作者：朱文博吴靖金浩叶维彰朱珍佛山科学技术学院机电工程与自动化学院广东佛山528000 佛山科学技术学院机电子信息工程学院广东佛山528000 华南理工大学计算机科学与工程学院广东广州510000 台湾清华大学工业工程与工程管理系台湾新竹300044

深度学习已广泛应用在说话人识别领域,但当前模型存在识别率低和模型参数复杂度高的问题,难以进行轻量化语音识别。针对此问题,文章提出一种基于多粒度时空注意力机制的说话人识别模型,该模型由多粒度混合模块、时空注意力机制模块、通... 详细信息

深度学习已广泛应用在说话人识别领域,但当前模型存在识别率低和模型参数复杂度高的问题,难以进行轻量化语音识别。针对此问题,文章提出一种基于多粒度时空注意力机制的说话人识别模型,该模型由多粒度混合模块、时空注意力机制模块、通道压缩模块组成。其中多粒度混合模块和时空注意力机制模块以多尺度建模角度来捕捉局部时序上下文特征和空间关联特征信息,并通过多粒度方式耦合不同时空信息的关联特征以提高全局时空建模能力。同时,通道压缩模块通过聚合不同说话人信道以及上下文语境依赖表征以减少整体模型参数数量。在多组公开数据集上进行五重交叉验证实验,结果表明:对比主流模型,所提方法能够有效地提高说话人识别准确率、降低参数量,并达到最优的表现,在轻量化说话人识别模型方面具有重要的应用价值。

关键词：深度学习卷积神经网络说话人识别注意力机制轻量化模型

来源：评论

学校读者我要写书评

暂无评论

控制论视域下研究生教育质量监控体系的构建研究

引用

中文科技期刊数据库（全文版）教育科学 2025年第1期 033-036页

作者：王佳琦张晓丹北华大学计算机科学技术学院吉林吉林132000 北华大学电气与信息工程学院吉林吉林132000

研究生教育质量监控体系是保障研究生教育质量并推动其可持续发展的关键机制。基于控制论原理,构建涵盖预先控制、过程控制和反馈控制三大环节的研究生教育质量监控体系。预先控制以培养目标为导向,设定质量标准、规章制度及组织机构;... 详细信息

研究生教育质量监控体系是保障研究生教育质量并推动其可持续发展的关键机制。基于控制论原理,构建涵盖预先控制、过程控制和反馈控制三大环节的研究生教育质量监控体系。预先控制以培养目标为导向,设定质量标准、规章制度及组织机构;过程控制全面监督培养环节,评估教学质量与培养效果;反馈控制则依据过程数据及时调整组织运作,确保目标达成,进而提升教育质量。以控制系统的四大核心要素深入解析监控体系的运行机制,并提出相应的实施策略。通过理论与实践的深度融合,为教育管理者提供了理论与实践相结合的新视角与指导方法。

关键词：控制论研究生教育质量监控教育治理未来路径

来源：评论

学校读者我要写书评

暂无评论

轻量级实时语音唤醒词引擎研究

引用

计算机与数字工程 2025年第3期53卷 766-769,794页

作者：燕佳伟张俊年梅新疆师范大学计算机科学技术学院乌鲁木齐830054 中国科学院新疆理化技术研究所乌鲁木齐830011

设计和实现准确识别的唤醒词库是语音助手实现的基础,而唤醒词库的构建决定于高效可靠的搜索引擎模型。论文首先建立初始唤醒词库和候选唤醒词库,并将以上两个音频样本进行logmel谱图表示,设计由EfficientNetb0体系的前四个模块组成的... 详细信息

设计和实现准确识别的唤醒词库是语音助手实现的基础,而唤醒词库的构建决定于高效可靠的搜索引擎模型。论文首先建立初始唤醒词库和候选唤醒词库,并将以上两个音频样本进行logmel谱图表示,设计由EfficientNetb0体系的前四个模块组成的搜索引擎,计算候选词库中唤醒词和初始唤醒词谱图之间的欧几里得距离,将其转化为唤醒词之间的相似度,将小于规定阈值的候选词判定为新的唤醒词,并扩展到唤醒词库中。该引擎构建的唤醒词库在保证准确度达95.40%情况下,能有效地提升唤醒词引擎的计算效率。

关键词：唤醒词 EfficientNetb0体系小样本学习孪生神经网络欧几里得距离

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：