检索结果-内蒙古大学图书馆

计算机科学 2025年第3期52卷 338-348页

作者：郑龙海肖博怀姚泽玮陈星莫毓昌福州大学计算机与大数据学院福州350116 大数据智能教育部工程研究中心福州350002 福建省网络计算与智能信息处理重点实验室福州350116 华侨大学计算科学福建省高校重点实验室福建泉州362021

在移动边缘计算中,设备通过将计算密集型任务卸载到附近边缘服务器,可以有效减少应用程序的延迟和能耗。为了提高服务质量,边缘服务器之间需要协作而非单独工作。针对多边缘协作的负载均衡问题,现有的策略往往依赖于精确的数学模型或缺... 详细信息

在移动边缘计算中,设备通过将计算密集型任务卸载到附近边缘服务器,可以有效减少应用程序的延迟和能耗。为了提高服务质量,边缘服务器之间需要协作而非单独工作。针对多边缘协作的负载均衡问题,现有的策略往往依赖于精确的数学模型或缺乏对边缘拓扑关系的利用。为了解决此问题,文中提出了一种基于图强化学习的卸载决策方法。首先将多边缘协作的负载均衡场景抽象为图数据;然后采用基于图卷积神经网络的图嵌入过程来提取图的信息特征,以辅助深度Q网络进行卸载决策;最后通过集中反馈控制机制找到目标负载均衡方案。在多个场景下进行仿真实验,实验结果验证了所提方法在缩短任务平均响应时延方面的有效性,并且可以在短时间内获得优于对比算法且接近理想方案的负载均衡效果。

关键词：多边缘协作负载均衡任务卸载图神经网络深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于重参数化广义金字塔与扩张残差的遥感图像旋转框算法

引用

电子测量与仪器学报 2024年第12期38卷 54-61页

作者：董宝鑫王江涛淮北师范大学物理与电子信息学院淮北235000 智能计算及应用安徽省重点实验室淮北235000

由于遥感图像中目标数量多而密集,且背景信息复杂,导致现有检测算法对于小目标检测精度不够理想,针对该问题,提出了一种基于重参数化广义金字塔与扩张残差的遥感图像小目标旋转框检测算法DRS-YOLO。首先,为克服主干网络对特征提取不足... 详细信息

由于遥感图像中目标数量多而密集,且背景信息复杂,导致现有检测算法对于小目标检测精度不够理想,针对该问题,提出了一种基于重参数化广义金字塔与扩张残差的遥感图像小目标旋转框检测算法DRS-YOLO。首先,为克服主干网络对特征提取不足的缺点,以旋转算法YOLOv8OBB为基础,在颈部网络引入扩张式残差模块,以增强遥感目标语义信息。其次,为提高网络对于多尺度目标的检测性能,使底层特征信息流向高层,引入重参数化泛化特征金字塔网络替换颈部网络结构,更高效的融合多尺度特征,易于捕捉高层语义和低层空间细节。最后,为进一步提高网络对于小目标的检测性能,基于SPPF提出SPPFI对目标感受野进行扩展,提升了对遥感目标的检测精度。在公开的DIOR数据集和HRSC2016数据集上相较于原YOLOv8sOBB基线网络的检测精度分别提升了1.5%和9.8%。实验表明改进后的算法显著增强了对遥感图像小目标的检测性能。

关键词：深度学习遥感图像旋转框目标检测重参数广义金字塔 DRS-YOLO

来源：评论

学校读者我要写书评

暂无评论

基于SEM的FPGA抗单粒子翻转技术研究及验证

引用

原子能科学技术 2022年第4期56卷 742-748页

作者：孙逸帆白亮双小川田文波游红俊上海航天电子技术研究所上海201109 上海航天智能计算技术重点实验室上海201109

随着FPGA片内纠检错技术的发展,Xilinx公司在旗下的SRAM型FPGA上应用了一种名为软错误修复(SEM)的加固技术,大幅提升了配置RAM的单粒子软错误检测和修复效率。但这种片内加固技术本身需要使用一定的逻辑和存储资源,同样也有发生单粒子... 详细信息

随着FPGA片内纠检错技术的发展,Xilinx公司在旗下的SRAM型FPGA上应用了一种名为软错误修复(SEM)的加固技术,大幅提升了配置RAM的单粒子软错误检测和修复效率。但这种片内加固技术本身需要使用一定的逻辑和存储资源,同样也有发生单粒子软错误的风险。本文分析了应用SEM加固技术的必要性和存在的问题,提出一套基于SEM的FPGA抗单粒子翻转解决方案,并给出了在XC7K410T型FPGA上的试验验证结果,验证了加固技术的有效性。

关键词：单粒子翻转 SRAM型FPGA 软错误修复 SEM技术

来源：评论

学校读者我要写书评

暂无评论

深度学习实时语义分割研究进展和挑战

引用

中国图象图形学报 2024年第5期29卷 1188-1220页

作者：王卓瞿绍军湖南师范大学湖南省智能计算与语言信息处理重点实验室长沙410081 湖南师范大学信息科学与工程学院长沙410081

语义分割作为计算机视觉领域的重要研究方向之一,应用十分广泛。其目的是根据预先定义好的类别对输入图像进行像素级别的分类。实时语义分割则在一般语义分割的基础上又增加了对速度的要求,广泛应用于如无人驾驶、医学图像分析、视频监... 详细信息

语义分割作为计算机视觉领域的重要研究方向之一,应用十分广泛。其目的是根据预先定义好的类别对输入图像进行像素级别的分类。实时语义分割则在一般语义分割的基础上又增加了对速度的要求,广泛应用于如无人驾驶、医学图像分析、视频监控与航拍图像等领域。其要求分割方法不仅要取得较高的分割精度,且分割速度也要快。随着深度学习和神经网络的快速发展,实时语义分割也取得了一定的研究成果。本文在前人已有工作的基础上对基于深度学习的实时语义分割算法进行系统的归纳总结,包括基于Transformer和剪枝的方法等,全面介绍实时语义分割方法在各领域中的应用。首先介绍实时语义分割的概念,再根据标签的数量和质量,将现有的基于深度学习的实时语义分割方法分为强监督学习、弱监督学习和无监督学习3个类别。在分类的基础上,结合各个类别中最具有代表性的方法,对其优缺点展开分析,并从多个角度进行比较。随后介绍目前实时语义分割常用的数据集和评价指标,并对比分析各算法在各数据集上的实验效果,阐述现阶段实时语义分割的应用场景。最后,讨论了基于深度学习的实时语义分割存在的挑战,并对实时语义分割未来值得研究的方向进行展望,为研究者们解决存在的问题提供便利。

关键词：语义分割(SS) 实时语义分割深度学习注意力卷积

来源：评论

学校读者我要写书评

暂无评论

面向大规模IoT系统的多无人机部署与协作卸载

引用

系统仿真学报 2025年第1期37卷 25-39页

作者：黄智钦卢恬英陈哲毅福州大学计算机与大数据学院福建福州350116 大数据智能教育部工程研究中心福建福州350002 福建省网络计算与智能信息处理重点实验室(福州大学) 福建福州350116

在大规模物联网(internet-of-things,IoT)系统中,无人机使能的移动边缘计算(mobile edge computing,MEC)可缓解终端IoT设备的性能限制。然而,由于不均匀的IoT设备分布与低效的问题求解效率,如何在大规模IoT系统中高效执行计算卸载面临... 详细信息

在大规模物联网(internet-of-things,IoT)系统中,无人机使能的移动边缘计算(mobile edge computing,MEC)可缓解终端IoT设备的性能限制。然而,由于不均匀的IoT设备分布与低效的问题求解效率,如何在大规模IoT系统中高效执行计算卸载面临着巨大的挑战。现有解决方案通常无法适应动态多变的多无人机场景,导致了低效的资源利用与过度的响应延迟。为解决这些重要挑战,提出了一种新型的面向大规模IoT系统的多无人机部署与协作卸载(multi-UAV deployment and collaborative offloading,MUCO)方法。设计了一种基于约束K-Means聚类的无人机部署方案,在提升服务覆盖率的同时保证覆盖均衡。设计了一种基于多智能体强化学习(multi-agent reinforcement learning,MARL)的多无人机协作卸载策略,将来自IoT设备的卸载请求进行拆分与分布式执行,进而实现高效的协作卸载。大量仿真实验验证了MUCO方法的有效性。与基准方法相比,MUCO方法在不同场景中平均可以取得约23.82%和28.13%的无人机部署性能提升,且能取得更低的时延和能耗。

关键词：物联网移动边缘计算无人机部署计算卸载 K-Means聚类多智能体强化学习

来源：评论

学校读者我要写书评

暂无评论

基于虚拟纤维的各向异性超弹性材料本构模型设计

引用

计算机辅助设计与图形学学报 2024年第4期36卷 533-542页

作者：卢子璇何浩吴笛刘学慧中国科学院软件研究所计算机科学国家重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100190 中国科学院软件研究所人机交互技术与智能信息处理实验室北京100190 中国科学院力学研究所微重力重点实验室北京100190

为了拓展图形学弹性体模拟中的各向异性超弹性虚拟材料种类,建立了基于虚拟纤维的本构模型.首先从能量可加性出发,将超弹性体应变能量密度函数分解为轴向、剪切、体积分量的纤维加和形式,然后建立单根纤维的轴向应变、剪切应变、体积应... 详细信息

为了拓展图形学弹性体模拟中的各向异性超弹性虚拟材料种类,建立了基于虚拟纤维的本构模型.首先从能量可加性出发,将超弹性体应变能量密度函数分解为轴向、剪切、体积分量的纤维加和形式,然后建立单根纤维的轴向应变、剪切应变、体积应变的应变度量,最后推导出各分量的应力表示.仿真实验使用基于四面体的非线性有限元法(finite element method,FEM),半隐式时间积分进行解算,并采用CPU串行算法,测试了不同场景下非线性能量函数以及纤维权重组合对虚拟纤维材料刚度、泊松效应、轴向特性的影响.结果表明,虚拟纤维本构模型具有大变形稳定性,材料参数设置可良好地展现上述物理特性,相比现有的横观各向同性模型具有更丰富的可调节能力.

关键词：各向异性材料有限元物理动画虚拟纤维

来源：评论

学校读者我要写书评

暂无评论

基于自适应差分隐私与客户选择优化的联邦学习方法

引用

计算机应用 2025年第2期45卷 482-489页

作者：徐超张淑芬陈海田彭璐璐张帅华华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室(华北理工大学) 河北唐山063210 北京交通大学唐山市大数据安全与智能计算重点实验室河北唐山063210 唐山市数据科学重点实验室(华北理工大学) 河北唐山063210

将差分隐私应用于联邦学习的方法是保护训练数据隐私的关键技术之一。针对之前多数工作未考虑参数的异质性,对训练参数均匀裁剪使每轮加入的噪声都是均匀的,从而影响模型收敛和训练参数质量的问题,提出一种基于梯度裁剪的自适应噪声添... 详细信息

将差分隐私应用于联邦学习的方法是保护训练数据隐私的关键技术之一。针对之前多数工作未考虑参数的异质性,对训练参数均匀裁剪使每轮加入的噪声都是均匀的,从而影响模型收敛和训练参数质量的问题,提出一种基于梯度裁剪的自适应噪声添加方案。考虑梯度的异质性,在不同轮次为不同客户端执行自适应的梯度裁剪,从而使噪声大小自适应调整;同时,为进一步提升模型性能,对比传统的客户端随机采样方式,提出一种结合轮盘赌与精英保留的客户端采样方法。结合上述2种方法,提出一种结合客户端选择的自适应差分隐私联邦学习(CS&AGC DP_FL)方法。实验结果表明,在隐私预算为0.5时,相较于自适应差分隐私的联邦学习方法(Adapt DP_FL),所提方法能在相同级别的隐私约束下使最终的模型分类准确率提升4.9个百分点,并且在收敛速度方面,所提方法相较于对比方法进入收敛状态所需的轮次减少了4~10轮。

关键词：联邦学习差分隐私自适应噪声轮盘赌精英保留

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的视觉分割技术进展

引用

计算机学报 2024年第12期47卷 2760-2782页

作者：李文生张菁卓力吴鑫嘉闫伊北京工业大学信息科学技术学院北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

视觉分割是计算机视觉领域的核心任务,旨在将图像或视频帧中的像素分类以划分成不同区域.得益于视觉分割技术的快速发展,该技术在自动驾驶、航空遥感和视频场景理解等多种应用领域中发挥着关键作用.近年来,基于Transformer的视觉分割技... 详细信息

视觉分割是计算机视觉领域的核心任务,旨在将图像或视频帧中的像素分类以划分成不同区域.得益于视觉分割技术的快速发展,该技术在自动驾驶、航空遥感和视频场景理解等多种应用领域中发挥着关键作用.近年来,基于Transformer的视觉分割技术因具备长程依赖建模能力而备受关注.随着Transformer的模型架构的持续优化与迭代,亟须更全面地理解和认识Transformer在视觉分割领域的已有进展和发展趋势,通过发现现有研究中的不足和挑战,以更深入地探索Transformer的核心理论.为此,本文从图像/视频两个视觉脉络出发,整理、回顾、分析和探讨了近年来基于Transformer的视觉分割相关技术进展,不仅归纳了Transformer的理论框架,还给出了一些应用实例和研究热点,从而做出总结和展望.具体来说,首先梳理了Transformer的背景,包括问题定义、数据集和评估指标、基本结构,其中,问题定义描述了视觉分割在图像/视频任务中的预期目标和结果;数据集和评估指标反映了模型的具体应用场景,以及性能的衡量标准;基本结构则描述了算法的核心模块、实现流程以及各个模块之间的关系.然后,着重阐述了Transformer在图像语义分割、图像实例分割,以及视频语义分割和视频实例分割四个方法体系,并探讨了当前的研究热点.对于图像语义分割任务,分析了Transformer的代表性结构,包括纯Trans⁃former和双分支结构,并以无人机影像非铺装道路分割和遥感图像语义分割为实际应用案例,探讨了Transformer的改进动机与应用效果,并展示了主观结果;图像实例分割总结了常见的非端对端Transformer和端对端Trans⁃former典型结构.视频语义分割主要分为面向精度的和面向效率的Transformer结构,视频实例分割则包括逐帧和逐片段Transformer分割,并以网络直播视频实例分割为应用实例,一方面讨论了可用的数据集、实验参数和评估指标,另一方面,对网络直播视频实例分割主流方法性能进行了评价和分析,展示了一些主观可视化结果.之后,鉴于视觉分割领域的SAM大模型、开放词汇分割、指代分割受到了广泛关注,本文将这些热点问题方法进行了追溯和评述,以期碰撞出视觉分割的新思路和新灵感.最后,尽管基于Transformer在视觉分割技术受到了广泛的关注,但存在的科学问题也逐渐凸显,限制了模型性能与效率的进一步提升,对此本文总结了利用Trans⁃former开展图像/视频语义/实例分割仍需关注的难点问题,并对未来可能的发展方向进行了展望,提供了一些启示供参考.

关键词：视觉分割 Transformer 语义分割实例分割自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于SOANet的圆锥角膜辅助诊断

引用

光电子．激光 2024年第6期35卷 650-656页

作者：李铭悦刘凤连李婧汪日伟谭左平天津理工大学计算机视觉与系统教育部重点实验室和天津智能计算及软件新技术重点实验室天津300384 温州理工学院浙江省巾帼科技创新工作室浙江温州325035

亚临床期圆锥角膜(subclinical keratoconus,subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus,kc)力学性能的改变早于形态学,因此从角膜生物力学... 详细信息

亚临床期圆锥角膜(subclinical keratoconus,subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus,kc)力学性能的改变早于形态学,因此从角膜生物力学的角度筛查亚临床期的圆锥角膜更加符合临床实际。本文运用角膜生物力学特征,以点云数据作为网络输入数据,将SO-Net(self-organizing network)和自注意力(self-attention,SA)机制结合构建SOANet,对圆锥角膜、亚临床期圆锥角膜和正常角膜进行分类。首先,利用可视化生物力学分析仪(corneal visualization Scheimpflug technology,Corvis ST)拍摄角膜受力形变视频,对其进行处理得到点云数据集,接着对点云数据进行增强处理,使3种类型的角膜数据量分布均衡。然后按照3∶1的比例划分训练集和测试集,分别对角膜进行二分类和三分类。最终模型在二分类和三分类测试集上的准确率分别达到98.3%和91.26%,即有效识别亚临床期圆锥角膜和圆锥角膜。实验结果表明,以三维点云数据构建亚临床期圆锥角膜辅助诊断模型是可行的,SOANet能够有效识别出亚临床期圆锥角膜,且分类性能优于传统模型。

关键词：圆锥角膜(kc) 亚临床期圆锥角膜(subkc) 点云数据自注意力(SA)机制

来源：评论

学校读者我要写书评

暂无评论

基于GPU的椭圆曲线运算库及相关算法优化

引用

信息安全学报 2024年第6期9卷 1-16页

作者：高钰洋张健宁王刚苏明刘晓光南开大学计算机学院网络空间安全学院天津300350 贵州大学公共大数据国家重点实验室贵阳550025 数据与智能系统安全教育部重点实验室天津300350

在区块链场景下,往往需要引入数字签名、零知识证明等密码学算法以保护数据安全性与用户隐私。但由于这些算法依赖于大量的大数与椭圆曲线运算,包括范围证明在内的许多密码学算法已经成为了区块链系统的性能瓶颈。而密码学算法的GPU优... 详细信息

在区块链场景下,往往需要引入数字签名、零知识证明等密码学算法以保护数据安全性与用户隐私。但由于这些算法依赖于大量的大数与椭圆曲线运算,包括范围证明在内的许多密码学算法已经成为了区块链系统的性能瓶颈。而密码学算法的GPU优化也在近几年获得了广泛的关注与研究。本文充分利用GPU作为众核处理器的优势,设计了基于GPU的椭圆曲线运算库。在运算库中,本文在GPU上实现并优化了常用的椭圆曲线运算与大数运算,同时针对不同的需求设计了不同的实现与接口。本文对寄存器与常量内存等存储空间进行了合理分配,并通过利用预计算等优化手段减少了计算量,从而最大化了运算库的吞吐与性能。为了验证运算库的实用性与有效性,本文利用该运算库实现了代理重加密与Bulletproofs范围证明的验证算法,同时充分利用了算法的内部并行性进行优化。实验表明,本文实现的运算库在各个运算中都取得了远超于OpenSSL等常用CPU端运算库的性能。基于该运算库实现的代理重加密算法相比CPU实现能达到最高145倍左右的加速比,Bulletproofs范围证明验证算法相比于CPU端实现也能达到5.57倍左右的加速效果,平均证明验证时间在1 ms内,可以满足数字货币隐私保护场景下超过每秒2000笔交易的性能需求。可见该运算库能为区块链系统隐私保护等对密码学计算具有高吞吐需求的场景提供坚实支持。

关键词：椭圆曲线图形处理单元统一计算架构范围证明代理重加密

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：