检索结果-内蒙古大学图书馆

清华大学学报（自然科学版） 2024年第5期64卷 780-788页

作者：胡玉婷左家莉刘江盛万剑怡王明文江西师范大学计算机信息工程学院南昌330022

文本风格迁移旨在保留文本内容的前提下,通过编辑或生成的方法使得目标文本带有某些特殊属性,如礼貌、情感、性别等。现有的情感风格迁移研究主要集中在英文数据集上,在中文数据集上的研究相对较少。该文构建了一个基于对话的中文情感... 详细信息

文本风格迁移旨在保留文本内容的前提下,通过编辑或生成的方法使得目标文本带有某些特殊属性,如礼貌、情感、性别等。现有的情感风格迁移研究主要集中在英文数据集上,在中文数据集上的研究相对较少。该文构建了一个基于对话的中文情感文本数据集,该数据集的部分原始数据源自电视连续剧《家有儿女》中的对白,并对其进行人工标注和循环模型标注。目前该数据集的负面情感文本和正面情感文本句子共30 836个。根据该数据集中大多数情感词是显性的特点,在编辑类的模型上开展了基于对话的中文正面情感风格迁移的研究。实验结果表明:在该数据集上,编辑类的模型可以较好地识别文本的情感属性,并实现文本正面情感风格迁移。

关键词：自然语言处理文本生成情感风格迁移循环模型编辑模型家庭对话

来源：评论

学校读者我要写书评

暂无评论

融合VAD情绪知识的文本情感分布标签增强方法

引用

清华大学学报（自然科学版） 2024年第5期64卷 789-800页

作者：王耀琦万中英曾雪强左家莉江西师范大学计算机信息工程学院南昌330022

情感分布学习(emotion distribution learning, EDL)采用情感分布记录给定样本在各个情绪上的表达程度,在处理具有模糊性的多标签情绪分析任务时具有明显优势。情感分布标签增强技术将已标注的情绪单标签增强为情感分布,可以解决EDL缺... 详细信息

情感分布学习(emotion distribution learning, EDL)采用情感分布记录给定样本在各个情绪上的表达程度,在处理具有模糊性的多标签情绪分析任务时具有明显优势。情感分布标签增强技术将已标注的情绪单标签增强为情感分布,可以解决EDL缺乏已标注情感分布的实验数据集的问题。然而,已有的情感分布标签增强方法采用离散空间情绪模型表示情绪,存在情绪间的相关信息丢失和情绪表达不连续等问题。针对上述问题,该文引入基于连续维度的效价-唤醒-支配(valence-arousal-dominance, VAD)心理学情绪模型,提出融合VAD情绪知识的文本情感分布标签增强方法(VAD emotion knowledge-based text emotion distribution label enhancement, VADLE)。VADLE方法基于先验的VAD情绪模型中的情绪距离,先为英文句子的真实情绪标签和句中情感词的情绪标签分别生成先验情感分布,再通过分布叠加将2种先验情感分布统一。通过英文单标签文本情感数据集的对比实验表明:VADLE方法在情绪预测任务方面的性能优于已有的情感分布标签增强方法。

关键词：情感分布标签增强情感分布学习 VAD情绪空间情感词典

来源：评论

学校读者我要写书评

暂无评论

面向CNN和RNN改进的物联网入侵检测模型

引用

计算机工程与应用 2023年第14期59卷 242-250页

作者：李晓佳赵国生汪洋宁可哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

针对卷积神经网络的原始池化层存在信息丢失的问题和循环神经网络在处理长序列数据时存在梯度消失的问题,提出了基于卷积和循环神经网络改进的物联网入侵检测模型。通过格拉姆角场图像化方式对时间序列数据图像化,为数据作为入侵检测模... 详细信息

针对卷积神经网络的原始池化层存在信息丢失的问题和循环神经网络在处理长序列数据时存在梯度消失的问题,提出了基于卷积和循环神经网络改进的物联网入侵检测模型。通过格拉姆角场图像化方式对时间序列数据图像化,为数据作为入侵检测模型的输入做好准备,由SoftPool池化层代替原始的池化层;将多头自注意力机制中的多头结构应用于循环神经网络中,循环神经网络选择参数较少的双向门控循环单元。以TON-IoT物联网数据集作为基准数据集进行试验,试验部分主要包括图像化方式的选择、池化层组合的选择和多头双向门控循环单元层头数的选择,仿真试验结果显示选择格拉姆角和场、SoftPool+SoftPool的池化层组合和三头结构的模型在多分类上在准确率、精确率、检测率、F1得分和假阳性率上的性能最优,并且精确率、检测率、F1得分和假阳性率优于现有模型至少0.14、0.09、0.13和0.08。

关键词：物联网入侵检测格拉姆角场多头结构 SoftPool池化层

来源：评论

学校读者我要写书评

暂无评论

三维片上网络自适应路由算法研究综述

引用

计算机工程与科学 2025年

作者：邵晶波宁家鸿苏鑫苓哈尔滨师范大学计算机科学与信息工程学院

近年来，随着半导体制造工艺不断发展，芯片的集成度不断提高。作为大规模片上互联问题的一种解决方案，三维片上网络(Three-Dimensional Network-on-Chip，3D NoC)已经成为集成电路发展的一个主要趋势。然而，系统之间大规模的通信可... 详细信息

近年来，随着半导体制造工艺不断发展，芯片的集成度不断提高。作为大规模片上互联问题的一种解决方案，三维片上网络(Three-Dimensional Network-on-Chip，3D NoC)已经成为集成电路发展的一个主要趋势。然而，系统之间大规模的通信可能会造成网络出现拥塞、链路故障以及局部温度过高，从而降低系统性能。故拥塞控制、拓扑感知以及热点避免是路由算法所研究的重点。而3D NoC自适应路由算法根据3D NoC的网络状况，动态地对数据包进行路由决策，已成为3D NoC路由算法研究的热点之一。论文首先介绍了自适应路由算法的研究历程，阐述了3D NoC自适应路由算法的工作原理、实现方式并从算法设计原则的角度对算法进行分类。其次在基于路由规则、路由策略以及调整策略方面的分析框架下，论文对近年来提出的自适应路由算法进行了分析，并归纳了它们的特点。最后，讨论了自适应路由算法面临的挑战和未来发展趋势并总结全文。

关键词：三维片上网络自适应路由算法热点拥塞控制拓扑感知

来源：评论

学校读者我要写书评

暂无评论

基于交叉多尺度深度残差网络的陶瓷器型分类

引用

数据分析与知识发现 2024年第8期8卷 261-270页

作者：庄智惶徐星夏学文张应龙周新宇闽南师范大学物理与信息工程学院漳州363000 江西师范大学计算机信息工程学院南昌330022

【目的】利用神经网络模型解决少样本陶瓷器型分类问题,通过多尺度和注意力机制优化,提高模型针对陶瓷器型分类的性能。【方法】提出一种基于坐标注意力机制和多尺度融合的瓶颈结构,并将其应用于残差网络中,引入尺度之间的关系,提升残... 详细信息

【目的】利用神经网络模型解决少样本陶瓷器型分类问题,通过多尺度和注意力机制优化,提高模型针对陶瓷器型分类的性能。【方法】提出一种基于坐标注意力机制和多尺度融合的瓶颈结构,并将其应用于残差网络中,引入尺度之间的关系,提升残差网络在多尺度方面的建模能力。【结果】在陶瓷器型图像公共数据集上,本文模型只需进行少样本学习即能达到95.71%的分类准确率,相比基准模型ResNet50提升了1.01个百分点。在精确率、召回率和F1分数指标上,本文模型比ResNeSt50分别提升了20.43、20.53和20.52个百分点。【局限】模型推理效率下降,不适用于需要进行快速陶瓷器型分类的场景。【结论】多尺度改进方式在陶瓷器型分类中简单有效,在处理此类任务或者相近的人文数据分类任务时,可优先考虑这种优化策略。

关键词：陶瓷器型多尺度融合注意力机制深度残差网络

来源：评论

学校读者我要写书评

暂无评论

融合静态程序分析与集成学习的Android代码异味共存检测

引用

计算机应用研究 2025年第4期42卷 1167-1176页

作者：王祯启边奕心马偌楠毕博宇王金鑫哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的An... 详细信息

相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的Android代码异味共存检测方法。作为初步研究,识别忽略类成员变量的方法异味与缺少低内存处理程序异味的共存。首先,提出基于静态程序分析的Android代码异味共存检测方法和正负样本自动生成方法并实现工具ASSD。该工具的输出为后续集成学习模型提供丰富的训练样本。然后,针对单一机器学习模型泛化能力有限的问题,提出一种软投票集成学习模型,识别共存的Android代码异味。该模型不仅可以集成传统机器学习模型,还可以集成改进的深度学习模型。实验结果表明,所提方法优于已有基于静态程序分析的检测方法,F_(1)值提升了26.1百分点。此外,基于传统机器学习的软投票集成学习模型优于基于深度学习的软投票集成学习模型,F_(1)值提升了6.1百分点。所提方法可以实现Android代码异味共存的检测。

关键词： Android代码异味共存软投票集成学习静态程序分析

来源：评论

学校读者我要写书评

暂无评论

一种基于欧氏距离的种群规模动态控制方法

引用

电子与信息学报 2022年第6期44卷 2195-2206页

作者：季伟东倪婉璐哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

种群规模是决定算法性能最重要的参数,其大小会引发算法过早收敛或效率低下等问题。该文提出一种基于欧氏距离的种群规模动态控制方法(EDPS),通过引入欧氏距离建立核心圆域,利用核心圆域反馈的信息动态控制种群规模,提出基于核心圆域的... 详细信息

种群规模是决定算法性能最重要的参数,其大小会引发算法过早收敛或效率低下等问题。该文提出一种基于欧氏距离的种群规模动态控制方法(EDPS),通过引入欧氏距离建立核心圆域,利用核心圆域反馈的信息动态控制种群规模,提出基于核心圆域的增加/删除个体数目的方法。将该方法运用到粒子群算法、遗传算法和差分进化算法中,对收敛性进行分析,在测试函数上对其性能进行测试,实验结果表明了所提新策略的有效性。

关键词：欧氏距离核心圆域动态控制种群规模自然计算

来源：评论

学校读者我要写书评

暂无评论

融合改进TCN与DRSN的IoT入侵检测模型

引用

小型微型计算机系统 2025年第2期46卷 474-481页

作者：赵建姜伟哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差... 详细信息

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差收缩网络的物联网入侵检测模型.首先,利用扩张因果卷积与一维卷积充分提取数据的时空特征,形成深层层次的网络结构;然后引入自我注意的软门槛,能够无需专家经验自动地设置门槛,消除冗余特征;最后,使用焦点损失函数来增强对少数类的识别率.实验在TON-IoT数据集上的总体准确率和F1值分别高达99.88%和99.64%,其中小样本类的F1值为100%.实验结果表明,与其他模型相比,所提模型显著提高了对于不平衡入侵数据的检测能力.

关键词：物联网入侵检测时域卷积网络深度残差收缩网络样本不平衡焦点损失函数

来源：评论

学校读者我要写书评

暂无评论

融合强化学习的三支治略选择及其有效性分析

引用

计算机科学与探索 2024年第2期18卷 378-386页

作者：刘晓雪姜春茂哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 福建理工大学计算机科学与数学学院福州350118

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行... 详细信息

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行了研究,提出一种基于强化学习的三支改变模型的策略选择与有效性预测的方法。首先将改变三支决策TAO模型中的改变三分状态和策略分别作为强化学习中的状态和动作,并将每次施加策略得到新的改变三分状态的过程看作一个周期,利用累积前景理论计算每个周期产生的奖励,将智能体与环境的交互过程用马尔可夫决策过程来表示;其次设置一个目标奖励,将各个周期的累计奖励达到目标奖励时的状态作为马尔可夫决策过程的终止状态;然后用Q-learning算法迭代出一个最短周期内达到目标奖励的策略序列,同时利用该策略序列预测当前改变三分状态的未来效用。最后使用一个实例体现出该方法实用性和有效性。

关键词：三支决策改变三支决策强化学习策略选择效用度量

来源：评论

学校读者我要写书评

暂无评论

Trie+结构函数式建模、机械化验证及其应用

引用

软件学报 2024年第9期35卷 4242-4264页

作者：左正康柯雨含黄箐王玥坤曾志城王昌晶江西师范大学计算机信息工程学院江西南昌330022

Trie结构是一种使用搜索关键字来组织信息的搜索树,可用于高效地存储和搜索字符串集合.Nipkow等人给出了实现Trie的Isabelle建模与验证,然而其Trie在存储和操作时存在大量的冗余,导致空间利用率不高,且仅考虑英文单模式下查找.为此,基... 详细信息

Trie结构是一种使用搜索关键字来组织信息的搜索树,可用于高效地存储和搜索字符串集合.Nipkow等人给出了实现Trie的Isabelle建模与验证,然而其Trie在存储和操作时存在大量的冗余,导致空间利用率不高,且仅考虑英文单模式下查找.为此,基于索引即键值的思想提出了Trie+结构,相较于传统的索引与键值分开存储的结构能减少50%的存储空间,大大提高了空间利用率.并且,对Trie+结构的查找、插入、删除等操作给出了函数式建模及其严格的机械化验证,保证操作的正确性和可靠性.进一步,提出一种匹配算法的通用验证规约,旨在解决一系列的匹配算法正确性验证问题.最后,基于Trie+结构与匹配算法通用验证规约,建模和验证了函数式中英文混合多模式匹配算法,发现并解决了现有研究中的基于完全哈希Trie的多模式匹配算法的模式串前缀终止的Bug.该Trie+结构以及验证规约在提高Trie结构空间利用率和验证匹配算法中,有一定的理论和应用价值.

关键词： Trie+ 函数式建模机械化验证多模式匹配算法

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：