检索结果-内蒙古大学图书馆

计算机学报 2025年第3期48卷 602-631页

作者：石金晶肖子萌王雯萱张师超李学龙中南大学电子信息学院长沙410004 中南大学计算机学院长沙410083 广西师范大学广西多源信息挖掘与安全重点实验室广西桂林541004 中国电信人工智能研究院北京100033

量子计算与人工智能结合,在增强模型表达能力、加速和优化机器学习等方面可能产生颠覆性影响,有望突破人工智能领域所面临的可解释性差、最优解难等问题,量子人工智能已成为国内外重点关注的学科前沿。量子机器学习是量子人工智能领域... 详细信息

量子计算与人工智能结合,在增强模型表达能力、加速和优化机器学习等方面可能产生颠覆性影响,有望突破人工智能领域所面临的可解释性差、最优解难等问题,量子人工智能已成为国内外重点关注的学科前沿。量子机器学习是量子人工智能领域的重要研究内容,它将量子计算基础理论与机器学习原理相结合,以实现具有量子加速的机器学习任务。随着量子计算软硬件的快速发展,含噪中规模量子(NISQ)处理器的学习优势被证明,国内外学者相继提出一系列量子机器学习方法,以挖掘量子计算助力人工智能技术发展的创新应用。然而,当前的量子机器学习仍局限于对算法的优化,缺乏系统层面的理论架构,仍有许多科学问题亟待解决。本文首先从量子机器学习系统表征角度出发,建立量子机器学习系统的层次模型,概括和总结了面向各类任务的量子机器学习方案,分析了量子机器学习在提高经典算法速度等方面可能体现的“量子优势”。接着根据量子机器学习系统的层次结构,从原理层、计算层、应用层这三个方面对现有量子机器学习方法进行了总结与梳理,系统性地分析和讨论了其中的关键问题与解决方案。最后,结合当前阶段量子人工智能的发展特点,重点分析了量子机器学习领域面临的科学问题与挑战,并对未来该领域的发展趋势进行了深入分析与展望。

关键词：量子计算量子人工智能量子机器学习量子算法含噪中规模量子处理器

来源：评论

学校读者我要写书评

暂无评论

基于OCT图像三维重建的人眼房水动力学LBM模拟

引用

广西师范大学学报(自然科学版) 2025年

作者：陈建国梁恩华宋学伟覃章荣教育区块链与智能技术教育部重点实验室(广西师范大学) 广西多源信息挖掘与安全重点实验室(广西师范大学)

人眼中流动的房水是维持日常生理活动的关键，系统研究人眼房水动力学行为对理解眼病的发病机制及提高治疗效果等具有十分重要的现实意义。本文中，为了研究真实人眼中组织的个性化几何特征对房水动力学的影响，基于光学相干断层扫描技... 详细信息

人眼中流动的房水是维持日常生理活动的关键，系统研究人眼房水动力学行为对理解眼病的发病机制及提高治疗效果等具有十分重要的现实意义。本文中，为了研究真实人眼中组织的个性化几何特征对房水动力学的影响，基于光学相干断层扫描技术与格子Boltzmann方法对真实人眼组织进行三维几何重建以及数值模拟，并获得了一些有意义的结果。前房角大小与房水的流动模式具有密切的关系，前房角的减小会导致其流动模式改变以及流动速度的下降。当前房角从41°减小到9°后，房水的最大流速从9.65×10-5m/s降低到3.10×10-5m/s。角膜凹陷不会改变房水的流动模式，但是会降低房水流动速度。从凹陷距离0mm增加到0.7mm时，房水最大流速从5.93×10-5m/s降低到1.45×10-5m/s。瞳孔异位会导致房水流动在前房腔内的不对称分布，伴随前房角的减小，房水的流动模式会变得更加复杂。

关键词：格子Boltzmann方法房水动力学三维重建数值模拟眼前节

来源：评论

学校读者我要写书评

暂无评论

差异特征导向的解耦多模态情感分析

引用

广西师范大学学报(自然科学版) 2025年第03期 57-71页

作者：李志欣刘鸣琦广西多源信息挖掘与安全重点实验室(广西师范大学) 教育区块链与智能技术教育部重点实验室(广西师范大学)

特征解耦能够将不同模态特征解耦为相似特征和差异特征，以缓和模态间的贡献度差异。但由于差异特征不仅包含互补信息，同时也包含一致信息，因此差异特征存在显著的分布差异。传统的特征解耦方法忽视了差异特征内在的冲突，从而导致预... 详细信息

特征解耦能够将不同模态特征解耦为相似特征和差异特征，以缓和模态间的贡献度差异。但由于差异特征不仅包含互补信息，同时也包含一致信息，因此差异特征存在显著的分布差异。传统的特征解耦方法忽视了差异特征内在的冲突，从而导致预测不准确。为了解决这一问题，提出了一种差异特征导向的解耦多模态情感分析方法，利用特征表示学习和对比学习的思想，提取更为有效的特征并扩大差异特征间的差异。首先部署了一个特征提取模块，针对三种模态使用不同的特征提取方法以提取到更为有效的特征。其次使用共同编码器与独立编码器解耦三种模态特征，并使用一个多模态变压器进行特征融合。最后，为了扩大差异特征间的差异，设计了用于优化的损失函数。在两个大规模基准数据集上进行了实验，并与多个当前最先进的方法进行了比较。实验证明了该方法的有效性与鲁棒性，在绝大部分指标上都超越了最先进的方法。

关键词：多模态情感分析特征解耦预训练BERT 对比学习表示学习

来源：评论

学校读者我要写书评

暂无评论

基于分组对比学习的序贯感知技能发现

引用

软件学报 2025年第5期 2079-2093页

作者：杨尚东余淼盈陈兴国陈蕾南京邮电大学计算机学院软件学院网络空间安全学院计算机软件新技术国家重点实验室(南京大学) 广西多源信息挖掘与安全重点实验室(广西师范大学)

强化学习在智能对话系统等决策任务中取得了令人瞩目的结果,但其在复杂的、奖励稀疏的任务中学习效率较低.研究人员在强化学习中引入技能发现框架,以最大化不同技能间的差异为目标构建技能策略,提升了智能体在上述任务中的学习效率.然而... 详细信息

强化学习在智能对话系统等决策任务中取得了令人瞩目的结果,但其在复杂的、奖励稀疏的任务中学习效率较低.研究人员在强化学习中引入技能发现框架,以最大化不同技能间的差异为目标构建技能策略,提升了智能体在上述任务中的学习效率.然而,受到采样轨迹数据多样性的限制,现有的技能发现方法局限于在一个强化学习回合中学习一种技能,导致其在一回合中具有序贯技能组合的复杂任务中表现欠佳.针对该问题,提出一种基于分组对比学习的序贯感知技能发现方法 (group-wise contrastive learning based sequence-aware skill discovery,GCSSD),该方法将对比学习融合到技能发现框架中.首先,为了提升轨迹数据的多样性,将与环境交互的完整轨迹分段并进行分组,利用分组轨迹构建对比损失学习技能嵌入表征;其次,结合技能嵌入表征与强化学习进行技能策略训练;最后,为了提升在具有不同序贯技能组合任务上的性能,对采样轨迹进行分段技能表征并将其嵌入策略网络,实现对已学技能策略的序贯组合.实验结果表明, GCSSD方法在具有序贯技能组合的稀疏奖励任务中具有较好的训练效果,并且在具有与训练任务不同的序贯技能组合任务中,能够利用已学技能对该任务进行快速适应.

关键词：强化学习轨迹分组对比学习序贯感知技能发现

来源：评论

学校读者我要写书评

暂无评论

基于RGB与深度图像融合的生菜表型特征估算方法

引用

农业机械学报 2025年第1期56卷 84-91,101页

作者：陆声链李沂杨李帼贾小泽鞠青青钱婷婷广西师范大学计算机科学与工程学院桂林541004 广西多源信息挖掘与安全重点实验室桂林541004 上海市农业科学院农业科技信息研究所上海201403 上海数字农业工程技术研究中心上海201403

采用自动化手段对植物生长过程中的表型特征进行精准测量对于育种和栽培等应用具有重要意义。本文围绕工厂化生菜种植中的表型特征无损精准检测需求,通过融合深度相机采集的RGB图像和深度图像,利用改进的DeepLabv3+模型进行图像分割,并... 详细信息

采用自动化手段对植物生长过程中的表型特征进行精准测量对于育种和栽培等应用具有重要意义。本文围绕工厂化生菜种植中的表型特征无损精准检测需求,通过融合深度相机采集的RGB图像和深度图像,利用改进的DeepLabv3+模型进行图像分割,并通过双模态回归网络对生菜表型特征进行估算。本文改进的分割模型的骨干网络由Xception替换为MobileViTv2,以增强其全局感知能力和性能;在回归网络中,提出了卷积双模态特征融合模块CMMCM,用于估算生菜的表型特征。在包含4个生菜品种的公开数据集上的实验结果表明,本文方法可对鲜质量、干质量、冠幅、叶面积和株高共5种生菜表型特征进行估算,决定系数分别达到0.9222、0.9314、0.8620、0.9359和0.8875。相较于未添加CMMCM和SE模块的RGB和深度图的表型参数估计基准ResNet-10(双模态),本文改进的模型决定系数分别提高2.54%、2.54%、1.48%、2.99%和4.88%,单幅图像检测耗时为44.8 ms,说明该方法对于双模态图像融合的生菜表型特征无损提取具有较高的准确性和实时性。

关键词：生菜表型估算模态融合分割模型 RGB图像深度图像

来源：评论

学校读者我要写书评

暂无评论

全轮超轻量级分组密码PFP的相关密钥差分分析

引用

电子与信息学报 2025年第3期47卷 729-738页

作者：严智广韦永壮叶涛桂林电子科技大学广西密码学与信息安全重点实验室桂林541000 密码科学技术国家重点实验室北京100878

2017年,PFP作为一种超轻量级分组密码被提出,而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约1355 GE(等效门))、功耗小,而且加解密速度快(其速度甚至比国际著名算法PRESENT的实现速度快1.5倍),非常适合在物联... 详细信息

2017年,PFP作为一种超轻量级分组密码被提出,而因其卓越的实现性能备受业界广泛关注。该算法不仅硬件开销需求低(仅需约1355 GE(等效门))、功耗小,而且加解密速度快(其速度甚至比国际著名算法PRESENT的实现速度快1.5倍),非常适合在物联网环境中使用。在PFP算法的设计文档中,作者声称该算法具有足够的能力抵御差分攻击、线性攻击及不可能差分攻击等多种密码攻击方法。然而该算法是否存在未知的安全漏洞是目前研究的难点。该文基于可满足性模理论(SMT),结合PFP算法轮函数特点,构建两种区分器自动化搜索模型。实验测试结果表明:该算法在32轮加密中存在概率为2^(–62)的相关密钥差分特征。由此,该文提出一种针对全轮PFP算法的相关密钥恢复攻击,即只需2^(63)个选择明文和2^(48)次全轮加密便可破译出80 bit的主密钥。这说明该算法无法抵抗相关密钥差分攻击。

关键词：轻量级分组密码算法差分密码分析密钥恢复攻击可满足性模理论

来源：评论

学校读者我要写书评

暂无评论

基于离散扩散模型的序列到序列文本生成方法

引用

计算机科学与探索 2025年第3期19卷 764-773页

作者：蒋航蔡国永李思慧桂林电子科技大学计算机与信息安全学院广西桂林541004 广西可信软件重点实验室广西桂林541004

扩散语言模型是目前非自回归模型中最具潜力的语言模型,有望取代饱受推理速度缓慢问题拖累的自回归语言模型,实现高效且无损于质量的文本生成。文本摘要生成、机器翻译、对话生成等序列到序列的生成任务是扩散语言模型经常遇到的实际应... 详细信息

扩散语言模型是目前非自回归模型中最具潜力的语言模型,有望取代饱受推理速度缓慢问题拖累的自回归语言模型,实现高效且无损于质量的文本生成。文本摘要生成、机器翻译、对话生成等序列到序列的生成任务是扩散语言模型经常遇到的实际应用场景,如何更好更快地实现序列到序列的文本生成一直是自然语言处理领域的研究重点。为了实现上述目标,通过推导离散扩散模型训练目标的上界简化了扩散模型的训练过程,随后引入并改造了条件掩码语言模型的遮掩-预测解码策略作为扩散模型的推理算法,提升了模型的生成质量。为了进一步提升离散扩散模型在推理的前几轮生成文本的质量,还提出了正弦噪音调度,相比于原来的线性噪音调度,时间步中高噪音区间变得更大了,模型将更专注于学习如何从高噪音数据中恢复数据,从而提升在推理的前几轮中生成文本的质量。受到课程学习策略的启发,设计了新的时间步采样分布,通过操纵时间步的采样实现由易到难的学习。在公开数据集上的实验表明,提出的方法能有效提升模型的性能,在WMT16 EN-RO数据集上,扩散模型仅用自回归基线一半的推理时间,就能推理出相同生成质量的文本。

关键词：扩散模型语言模型文本生成序列到序列非自回归模型

来源：评论

学校读者我要写书评

暂无评论

多函数混合的程序控制流执行逻辑与混淆方法

引用

小型微型计算机系统 2025年

作者：唐成华林和张靖强保华桂林电子科技大学广西可信软件重点实验室广西密码学与信息安全重点实验室广西云计算与大数据协同创新中心

针对目前基于LLVM的控制流混淆局限于函数内部执行程序流程控制的问题，提出一种多函数混合的程序控制流混淆方法.基于汇编实现函数外部基本块跳转逻辑，以汇编文件中的所有函数的基本块为单位，将其杂乱混合在一个函数中，并采用两种... 详细信息

针对目前基于LLVM的控制流混淆局限于函数内部执行程序流程控制的问题，提出一种多函数混合的程序控制流混淆方法.基于汇编实现函数外部基本块跳转逻辑，以汇编文件中的所有函数的基本块为单位，将其杂乱混合在一个函数中，并采用两种改进混淆算法，首先是实施多函数混合的基本块虚假控制流混淆，在正常的控制流中插入函数内或外的虚假跳转，其次是执行多函数混合的基本块控制流扁平化混淆，由一个变量和一个分发器控制所有的跳转，最终达到多函数混合的控制流有效混淆目的.该方法能实现隐藏基本块所属函数，使得只能从一个大函数对执行逻辑进行逆向分析.此外，优化了代码分发器实现，时间复杂度从原来的O(n)降为了O(1).实验结果表明，多函数混合的控制流混淆方案相对于已有的控制流混淆可进一步降低代码相似度，其中多函数混合虚假控制流下降达63.48%，多函数混合控制流扁平化方法在较高复杂度程序上运行速度提升至其他扁平化混淆的2到3倍.

关键词：软件安全代码混淆虚假控制流控制流扁平化执行逻辑

来源：评论

学校读者我要写书评

暂无评论

基于中国剩余定理的可编辑区块链方案研究

引用

信息网络安全 2025年第1期25卷 36-47页

作者：王勇武一帆万前程桂林电子科技大学计算机与信息安全学院桂林541004 广西密码学与信息安全重点实验室桂林541004

在区块链和智能合约的快速发展过程中,数据和合约的可更新性需求日益突出。为了在不损害区块链的安全性、连贯性和完整性的前提下实现数据修改,人们提出了可编辑区块链的概念。其中,变色龙哈希算法成为了编辑区块数据的一种重要手段。... 详细信息

在区块链和智能合约的快速发展过程中,数据和合约的可更新性需求日益突出。为了在不损害区块链的安全性、连贯性和完整性的前提下实现数据修改,人们提出了可编辑区块链的概念。其中,变色龙哈希算法成为了编辑区块数据的一种重要手段。文章提出一种基于中国剩余定理的可编辑区块链方案,该方案设计了一种基于去中心化权重密钥生成的变色龙哈希算法。通过利用阈值和加权的秘密共享技术,以及多方计算,确保了密钥的安全性和隐蔽性。同时,该方案通过去除可信中心机构与秘密分发者的设置,有效防止了机构单点失效和潜在的恶意行为。此外,该方案还采用了具有隐私保护功能的群签名技术,能够在不主动暴露签名者身份的情况下,确认并追踪编辑者的身份,从而确保了可编辑区块链的匿名性和可靠性。文章对该方案进行了全面的安全性分析和实验评估,并与现有的可编辑区块链方案进行了对比,结果表明,该方案在显著提升安全性的同时,仍然能够保持较高的运行效率。

关键词：可编辑区块链权重去中心化匿名性

来源：评论

学校读者我要写书评

暂无评论

基于时频数据融合的分层图卷积手势识别方法

引用

计算机辅助设计与图形学学报 2025年

作者：黄葵刘石坚邹峥荆东星福建省大数据挖掘与应用技术重点实验室福建师范大学计算机与网络空间安全学院湘西民族职业技术学院信息与智能学院

图卷积神经网络善于提取非欧几里得结构特征，已成为基于骨架手势识别的主流方法. 针对图卷积神经网络方法训练和推理时间较长，且准确率仍有待提升的问题，提出一种基于时频数据融合的分层图卷积手势识别方法HHTS-Net. 首先提出一... 详细信息

图卷积神经网络善于提取非欧几里得结构特征，已成为基于骨架手势识别的主流方法. 针对图卷积神经网络方法训练和推理时间较长，且准确率仍有待提升的问题，提出一种基于时频数据融合的分层图卷积手势识别方法HHTS-Net. 首先提出一种空间注意力块与图卷积模块相结合的框架，降低计算负担; 然后提出针对手掌及指关节的分层图卷积模块，提升特征提取效率; 最后提出一种融合频域特征的多流学习方案，进一步提升模型的性能. 在公共数据集DHG和SHREC’17上与较权威的方法进行实验，结果表明， HHTS-Net的准确率至少提升1.8%和0.3%，推理速度加快47.6%和52.9%以上; 通过大量消融实验，验证了该方法的有效性. 文中算法的源代码详见https://***/CoderHoooK/HTSATNet.

关键词：手势识别图卷积神经网络多分支流特征学习傅里叶变换

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：