检索结果-内蒙古大学图书馆

电信科学 2025年

作者：马玉磊郭莎莎新乡学院计算机与信息工程学院

为提高多样化复杂网络中影响力节点识别的准确性和鲁棒性，提出一种基于深度学习的多样化复杂网络影响力节点识别方法。首先，采用多个中心性指标从不同方面评估节点在网络拓扑结构中的重要性，通过可学习权重向量自适应地决定不同复杂... 详细信息

为提高多样化复杂网络中影响力节点识别的准确性和鲁棒性，提出一种基于深度学习的多样化复杂网络影响力节点识别方法。首先，采用多个中心性指标从不同方面评估节点在网络拓扑结构中的重要性，通过可学习权重向量自适应地决定不同复杂网络中各指标的权重；接着，提出一种支持不同特征维度的Transformer框架；最后，利用Transformer模型对不同距离的邻居信息进行分级聚合，以提取邻域的上下文信息。在多种复杂网络数据集上完成了验证实验，结果表明，所提方法在不同规模、不同类型的复杂网络上均取得了较好的影响力节点识别性能，有效提高了影响力节点识别的准确性和鲁棒性。

关键词：复杂网络深度学习自注意力机制中心性度量影响力节点

来源：评论

学校读者我要写书评

暂无评论

基于区块链和可信执行环境的细粒度访问控制方案研究与应用——以物联网为例

引用

系统工程理论与实践 2024年第7期44卷 2394-2410页

作者：蒋伟进李恩罗田甜周文颖杨莹湖南工商大学计算机学院长沙410205 湖南信息学院计算机科学与工程学院长沙410151 湘江实验室长沙410205 武汉理工大学计算机与人工智能学院武汉430070

新型物联网技术的普及使得物联网资源的访问和共享需求不断扩大,而现有的物联网访问控制技术显现出的访问策略粗粒度、弱可审计性、缺乏访问过程控制以及过度特权等问题,使物联网设备面临着极大的安全隐患和隐私威胁.基于此,提出了一种... 详细信息

新型物联网技术的普及使得物联网资源的访问和共享需求不断扩大,而现有的物联网访问控制技术显现出的访问策略粗粒度、弱可审计性、缺乏访问过程控制以及过度特权等问题,使物联网设备面临着极大的安全隐患和隐私威胁.基于此,提出了一种以区块链技术为基础的基于加密货币的访问控制模型(cryptocurrency-based access control, CcBAC),可为物联网提供细粒度、有效的可审计性和访问过程控制,并借助可信执行环境来提供更强大的安全性.介绍了访问控制模型的技术原理、特点、研究现状,详细阐述了CcBAC模型框架,并对其进行了形式化定义;同时,对模型中的函数进行了具体的描述,给出了本模型在一般应用场景中的访问控制流程;最后通过理论分析和实验评估验证了本模型的实用性和性能,证实本模型不仅能使资源所有者完全控制对其资源的访问,同时还兼顾访问控制的细粒度和可审计性.

关键词：区块链访问控制物联网加密货币可信执行环境

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的东巴画超分辨率重建

引用

计算机辅助设计与图形学学报 2024年第11期36卷 1739-1749页

作者：毕聪钱文华普园媛云南大学信息学院计算机科学与工程系昆明650504

纳西族东巴画线条繁杂、色彩丰富,直接采用现有的方法对真实场景下的低分辨率东巴画图像进行超分辨率重建,存在线条不够清晰、局部区域过度平滑、缺少细节等问题.为了解决上述问题,提出一种基于Transformer的东巴画超分辨率重建方法.首... 详细信息

纳西族东巴画线条繁杂、色彩丰富,直接采用现有的方法对真实场景下的低分辨率东巴画图像进行超分辨率重建,存在线条不够清晰、局部区域过度平滑、缺少细节等问题.为了解决上述问题,提出一种基于Transformer的东巴画超分辨率重建方法.首先,生成器采用卷积层和残差密集Swin Transformer块提取东巴画图像的浅层和深层特征,并通过重建模块融合特征,重建出高分辨率图像;其次,判别器采用U-Net评估每个像素的真实性,增强重建图像的纹理细节;最后,采用像素损失、感知损失和对抗损失训练生成器生成自然清晰的东巴画图像.在自建的东巴画测试集上与其他8种方法进行对比,结果表明,所提方法的重建结果具有更好的视觉质量;在放大2倍、4倍和8倍时,平均PIQE分别为22.749 3, 20.264 9和18.378 0,平均ENIQA分别为0.091 7, 0.063 9和0.068 4,均优于其他方法;所提方法具有良好的扩展性,在自然图像上进行实验也能获得更清晰的结果.

关键词：东巴画超分辨率 Swin Transformer 通道注意力

来源：评论

学校读者我要写书评

暂无评论

基于深度学习模型的疲劳驾驶行为识别算法

引用

汽车安全与节能学报 2024年第1期15卷 121-128页

作者：张海民安徽信息工程学院计算机与软件工程学院芜湖241000

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,... 详细信息

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像,作为实验测试目标。结果表明:用该算法测试1000张疲劳驾驶行为图像时,识别时间为89 ms,精准度为97.6%,召回率为97.0%;算力需求(每秒所执行的浮点运算次数,FLOPS)≤88;该算法能够提高疲劳驾驶行为的识别精度,有助于降低道路交通事故的发生率。

关键词：疲劳驾驶行为识别深度学习模型图像增强特征提取

来源：评论

学校读者我要写书评

暂无评论

基于决策边界分析的深度神经网络鲁棒性评估与优先次序验证

引用

计算机学报 2024年第4期47卷 862-876页

作者：林韧昊周清雷扈天卿王一丰郑州大学计算机与人工智能学院郑州450001 信息工程大学密码工程学院郑州450001

随着深度学习技术在现实世界的广泛应用,人们对基于深度神经网络的系统安全性提出了更高要求.鲁棒性是神经网络的重要安全性质,对网络鲁棒性的量化分析和验证是深度学习模型安全性研究的关键问题.针对神经网络验证技术中难以解决的效率... 详细信息

随着深度学习技术在现实世界的广泛应用,人们对基于深度神经网络的系统安全性提出了更高要求.鲁棒性是神经网络的重要安全性质,对网络鲁棒性的量化分析和验证是深度学习模型安全性研究的关键问题.针对神经网络验证技术中难以解决的效率问题,提出了一种新颖的优先次序优化方法.结合局部鲁棒性的规约方式,在一组待验证输入内选择具有更高验证需求的不稳定点代替常规的逐点验证模式.根据对鲁棒性问题与决策边界距离的关联性分析,提出了一种基于网络输出单元值大小的鲁棒性评估方法作为优先验证的输入点选择依据.在此基础上将其扩展为输入的预分析模块与验证工具集成,进而设计了基于优先次序的验证框架.在常用的验证基准上进行了实验,结果表明,该方法的决策边界分析理论与突变测试结果一致,鲁棒性评估中选择不安全样本的平均准确率高于90%,通过减少安全样本的验证开销使验证效率提高了148.6%~432.6%.

关键词：深度神经网络鲁棒性验证优先次序模式决策边界鲁棒性度量指标

来源：评论

学校读者我要写书评

暂无评论

基于面部全局抑郁特征局部感知力增强和全局-局部语义相关性特征融合的抑郁强度识别

引用

电子与信息学报 2024年第5期46卷 2249-2263页

作者：孙强李正何浪西安理工大学自动化与信息工程学院通信工程系西安710048 西安理工大学自动化与信息工程学院电子工程系西安710048 西安邮电大学计算机学院西安710121

现有基于深度学习的大多数方法在实现患者抑郁程度自动识别的过程中,主要存在两大挑战:(1)难以利用深度模型自动地从面部表情有效学习到抑郁强度相关的全局上下文信息,(2)往往忽略抑郁强度相关的全局和局部信息之间的语义一致性。为此,... 详细信息

现有基于深度学习的大多数方法在实现患者抑郁程度自动识别的过程中,主要存在两大挑战:(1)难以利用深度模型自动地从面部表情有效学习到抑郁强度相关的全局上下文信息,(2)往往忽略抑郁强度相关的全局和局部信息之间的语义一致性。为此,该文提出一种全局抑郁特征局部感知力增强和全局-局部语义相关性特征融合(PLEGDF-FGLSCF)的抑郁强度识别深度模型。首先,设计了全局抑郁特征局部感知力增强(PLEGDF)模块,用于提取面部局部区域之间的语义相关性信息,促进不同局部区域与抑郁相关的信息之间的交互,从而增强局部抑郁特征驱动的全局抑郁特征表达力。然后,提出了全局-局部语义相关性特征融合(FGLSCF)模块,用于捕捉全局和局部语义信息之间的关联性,实现全局和局部抑郁特征之间的语义一致性描述。最后,在AVEC2013和AVEC2014数据集上,利用PLEGDF-FGLSCF模型获得的识别结果在均方根误差(RMSE)和平均绝对误差(MAE)指标上的值分别是7.75/5.96和7.49/5.99,优于大多数已有的基准模型,证实了该方法的合理性和有效性。

关键词：抑郁强度人脸图像局部感知力增强全局和局部特征融合语义一致性

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的可见光通信系统室内三维定位

引用

光学技术 2024年第2期50卷 201-208页

作者：马玉磊张兵新乡学院计算机与信息工程学院河南新乡453000

针对目前室内可见光通信系统三维定位的准确率与定位速度依然不佳的问题,提出一种基于深度学习的可见光通信系统室内定位方法。首先,设计了一个神经网络将指纹数据编码成二维阵列,利用卷积神经网络学习指纹阵列与目标位置之间的关系;然... 详细信息

针对目前室内可见光通信系统三维定位的准确率与定位速度依然不佳的问题,提出一种基于深度学习的可见光通信系统室内定位方法。首先,设计了一个神经网络将指纹数据编码成二维阵列,利用卷积神经网络学习指纹阵列与目标位置之间的关系;然后,通过粒子群优化算法自动搜索卷积神经网络的超参数,以降低深度神经网络的训练难度。此外,设计了定位数据训练集、验证集与测试集的划分方法,有助于缓解神经网络的过拟合问题,并提高定位准确性。仿真结果表明,所提方法在6×6×4m3室内环境下的平均定位误差为0.024m,平均定位时间为0.478s。

关键词：可见光通信系统室内定位信号强度检测前馈神经网络卷积神经网络指纹正则化

来源：评论

学校读者我要写书评

暂无评论

可重构智能超表面辅助的大规模机器类通信深度学习大规模MIMO信道估计

引用

电子与信息学报 2024年第10期46卷 4002-4008页

作者：刘婷王媛辛元雪南京信息工程大学人工智能学院南京210004 南京信息工程大学计算机学院南京210004 河海大学信息科学与工程学院常州213200

大规模机器类通信(mMTC)是第5代移动通信系统的重要应用场景之一,可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性,该文引入可重构智能超表面(RIS)进行上行免授权的传输,由此级联形成用户与RIS、RIS与基站(BS)之间的... 详细信息

大规模机器类通信(mMTC)是第5代移动通信系统的重要应用场景之一,可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性,该文引入可重构智能超表面(RIS)进行上行免授权的传输,由此级联形成用户与RIS、RIS与基站(BS)之间的信道链路,从而有效控制无线信号传输的质量。在此基础上,建立Turbo译码消息传递思想下的降噪学习系统,通过大量的训练数据,以学习RIS辅助的级联信道状态信息,并对其进行估计。此外,该文对RIS辅助的mMTC信道估计结果进行了统计分析,以验证所提方案的准确性。数值仿真结果和理论分析结果表明,该文方法优于其他压缩感知类的方法。

关键词：大规模机器类通信免授权接入可重构智能超表面深度学习信道估计

来源：评论

学校读者我要写书评

暂无评论

可见光通信系统失真信号的无监督还原方法

引用

光学技术 2024年第4期50卷 492-499页

作者：马玉磊黄中杰新乡学院计算机与信息工程学院河南新乡453003

发光二级管的非线性特性、环境光干扰以及信道噪声等因素会引发可见光通信系统出现非线性失真的现象,导致可见光通信系统的误码率升高。针对该问题,提出一种新的深度神经网络模型,并基于该模型对可见光通信系统的非线性失真符号进行无... 详细信息

发光二级管的非线性特性、环境光干扰以及信道噪声等因素会引发可见光通信系统出现非线性失真的现象,导致可见光通信系统的误码率升高。针对该问题,提出一种新的深度神经网络模型,并基于该模型对可见光通信系统的非线性失真符号进行无监督地还原处理。建立了可见光通信系统的数学模型,分析了引起信号出现非线性失真现象的多种因素;利用循环神经网络学习可见光信号序列的短期相关性,利用门控循环单元学习可见光信号序列的长期相关性;采用密集网络学习输入光信号与接收光信号之间的非线性映射关系。仿真结果表明,所提神经网络能有效降低可见光通信系统的误码率,并且在不同调制阶数与不同带宽条件下均实现了较好的效果。

关键词：循环神经网络密集神经网络门控循环单元可见光通信系统后均衡器非线性失真

来源：评论

学校读者我要写书评

暂无评论

适用于多领域少样本的元适配器整合学习方法

引用

计算机工程与应用 2025年第5期61卷 122-133页

作者：于信马廷淮彭可兴贾莉蒋永溢南京信息工程大学软件学院南京210044 南京信息工程大学计算机学院南京210044 南京信息工程大学雷丁学院南京210044

针对多域少样本文本摘要任务中迁移学习面临的诸多挑战,尤其是源域数据的多样性以及目标域数据的数据稀缺性问题,提出了一种创新的学习方法,名为元适配器整合学习方法(meta-adapter integration learning,MAIL)。MAIL使用基于Transforme... 详细信息

针对多域少样本文本摘要任务中迁移学习面临的诸多挑战,尤其是源域数据的多样性以及目标域数据的数据稀缺性问题,提出了一种创新的学习方法,名为元适配器整合学习方法(meta-adapter integration learning,MAIL)。MAIL使用基于Transformer的预训练模型作为基础模型,融合适配器模块限制模型参数及层数,并采用元学习方法微调适配器。此外,为了增强在不同领域间的迁移和泛化能力,设计了一种元适配器整合算法,旨在最大化利用多域信息,增强模型跨领域泛化能力。实验结果显示,MAIL在标准文本生成评价指标上超越现有主流模型,并能有效应对跨领域迁移中常见的灾难性遗忘、任务干扰和训练不稳定等问题。

关键词：文本摘要生成少样本学习迁移学习预训练模型适配器元学习

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：