检索结果-内蒙古大学图书馆

计算机应用与软件 2008年第8期25卷 167-169页

作者：曹建陆建德苏州大学计算机学院江苏省计算机信息处理技术重点实验室江苏苏州215006

通过对全分布式结构化P2P网络和SIP(Session Initiation Protocol)协议的详细分析,充分发挥全分布式结构化P2P网络特性,采用分布式哈希表DHT(Distribute Hash Table)结构和CHORD结点搜索算法,设计出一个新的基于分布式哈希表DHT的P2P-SI... 详细信息

通过对全分布式结构化P2P网络和SIP(Session Initiation Protocol)协议的详细分析,充分发挥全分布式结构化P2P网络特性,采用分布式哈希表DHT(Distribute Hash Table)结构和CHORD结点搜索算法,设计出一个新的基于分布式哈希表DHT的P2P-SIP网络电话系统,克服了原有SIP网络电话系统需要集中式目录服务器的缺点,方便网络电话的管理,降低网络电话组建费用。

关键词： DHT P2P-SIP 网络电话 CHORD

来源：评论

学校读者我要写书评

暂无评论

支持PC终端的数字化语音交换系统的设计

引用

小型微型计算机系统 2003年第8期24卷 1549-1551页

作者：吴刚吕强赵雷杨季文苏州大学计算机工程系江苏省计算机信息处理技术重点实验室江苏苏州215006

Vo IP技术是指通过 TCP/ IP网络传输分组语音和传真 ,本文设计一个基于 Vo IP的实时语音交换系统 .该系统在企业内部网络中利用现有计算机和网络等硬件条件 ,实现了一套电话分机系统的功能 ,基于本系统能够方便地实现电话会议。

关键词： VolP 语音传输 IP电话企业内部网

来源：评论

学校读者我要写书评

暂无评论

基于依存关系的语义角色标注

引用

计算机工程 2009年第15期35卷 82-84页

作者：汪红林王红玲周国栋江苏省计算机信息处理技术重点实验室苏州大学计算机科学与技术学院苏州215006

针对以句法成分为基本标注单元语义角色标注的瓶颈问题,描述一个以依存关系为标注单元的语义角色标注系统,经过依存关系分析、谓词标识、特征抽取、角色识别和角色分类,最终在CoNLL2008SRL Shared Task自动依存分析的WSJ测试集取得了较... 详细信息

针对以句法成分为基本标注单元语义角色标注的瓶颈问题,描述一个以依存关系为标注单元的语义角色标注系统,经过依存关系分析、谓词标识、特征抽取、角色识别和角色分类,最终在CoNLL2008SRL Shared Task自动依存分析的WSJ测试集取得了较好的结果,F1值达到了80.94%,结果证明其性能明显好于基于句法分析的SRL。

关键词：语义角色标注依存分析依存关系

来源：评论

学校读者我要写书评

暂无评论

医学图像深度学习技术:从卷积到图卷积的发展

引用

中国图象图形学报 2021年第9期26卷 2078-2093页

作者：唐朝生胡超超孙君顶司马海峰河南理工大学计算机科学与技术学院焦作454000 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧... 详细信息

以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧氏空间数据的拓扑建模难题,还实现了空间特征提取,是深度学习技术全新的研究方向。本文对图卷积网络在医学图像领域的相关理论及其应用进行综述,旨在系统归纳和全面总结医学图像领域最新的图卷积理论、方法和实践,包括图结构视角下医学图像的专业采集、数据结构的剪枝转换以及特征聚类重构方法;图卷积网络的理论溯源,重要的网络架构和发展脉络;图卷积网络的优化方向和衍生出的跳跃连接、inception、图注意力等重要机制;图卷积网络在医学图像分割、疾病检测和图像重建等方面的实践应用。最后,提出了图卷积网络在医学图像分析领域仍亟待突破的瓶颈问题:1)多模态医学图像学习中,异构图的构建与学习任务的优化;2)特征重构和池化过程中,如何通过构图算法设计与神经架构搜索算法结合,以实现最优图结构的可学习过程转换;3)高质量图结构医学标注数据的大规模低成本生成与生成对抗网络的算法设计。随着人工智能技术的不断发展和医学影像规模的不断扩大,以图卷积为代表的深度学习方法必将在医疗辅助诊断领域取得更大的突破。

关键词：医学图像深度学习图表示学习图神经网络(GNN) 图卷积网络(GCN)

来源：评论

学校读者我要写书评

暂无评论

一种最大置信上界经验采样的深度Q网络方法

引用

计算机研究与发展 2018年第8期55卷 1694-1705页

作者：朱斐吴文刘全伏玉琛苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 常熟理工学院计算机科学与工程学院江苏常熟215500

由深度学习(deep learning,DL)和强化学习(reinforcement learning,RL)结合形成的深度强化学习(deep reinforcement learning,DRL)是目前人工智能领域的一个热点.深度强化学习在处理具有高维度输入的最优策略求解任务中取得了很大的突破... 详细信息

由深度学习(deep learning,DL)和强化学习(reinforcement learning,RL)结合形成的深度强化学习(deep reinforcement learning,DRL)是目前人工智能领域的一个热点.深度强化学习在处理具有高维度输入的最优策略求解任务中取得了很大的突破.为了减少转移状态之间暂时的相关性,传统深度Q网络使用经验回放的采样机制,从缓存记忆中随机采样转移样本.然而,随机采样并不考虑缓存记忆中各个转移样本的优先级,导致网络训练过程中可能会过多地采用信息较低的样本,而忽略一些高信息量的样本,结果不但增加了训练时间,而且训练效果也不理想.针对此问题,在传统深度Q网络中引入优先级概念,提出基于最大置信上界的采样算法,通过奖赏、时间步、采样次数共同决定经验池中样本的优先级,提高未被选择的样本、更有信息价值的样本以及表现优秀的样本的被选概率,保证了所采样本的多样性,使智能体能更有效地选择动作.最后,在Atari 2600的多个游戏环境中进行仿真实验,验证了算法的有效性.

关键词：强化学习深度强化学习最大置信上界经验回放深度Q网络

来源：评论

学校读者我要写书评

暂无评论

基于图像感知哈希技术的钓鱼网页检测

引用

南京邮电大学学报（自然科学版） 2012年第4期32卷 59-63,69页

作者：周国强田先桃张卫丰张迎周南京邮电大学计算机学院江苏南京210046 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

文中提出一种基于图像感知哈希技术的钓鱼检测方法,简称Phash———将网页以图像格式保存,提取图像的主要可视信息的像素点,由这些像素点组成感知哈希序列,再进行哈希序列的相似度匹配。该方法既克服了钓鱼网页存活时间短的问题,又能快... 详细信息

文中提出一种基于图像感知哈希技术的钓鱼检测方法,简称Phash———将网页以图像格式保存,提取图像的主要可视信息的像素点,由这些像素点组成感知哈希序列,再进行哈希序列的相似度匹配。该方法既克服了钓鱼网页存活时间短的问题,又能快速地与特征库进行匹配。实验表明,该方法是有效的,在保证一定误判率和召回率的情况下大大提高了匹配速度。

关键词：图像哈希钓鱼检测网页相似性分类器

来源：评论

学校读者我要写书评

暂无评论

深网数据源质量估计模型

引用

计算机工程 2009年第9期35卷 204-207页

作者：胡鹏昱赵朋朋方巍崔志明苏州大学智能信息处理及应用研究所苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

为从海量深网中获得有价值的信息,提出一种深网数据源质量估计模型,综合考虑接口查询能力、接口页面质量和服务质量3方面因素,采用SVM和Ranking SVM机器学习方法得到质量估计函数。实验结果表明,该估计函数得到的数据源质量排序序列和... 详细信息

为从海量深网中获得有价值的信息,提出一种深网数据源质量估计模型,综合考虑接口查询能力、接口页面质量和服务质量3方面因素,采用SVM和Ranking SVM机器学习方法得到质量估计函数。实验结果表明,该估计函数得到的数据源质量排序序列和人工排序序列的Kendall’sτ距离超过0.5,且获得较高的精度。

关键词：深网查询能力查询接口服务质量

来源：评论

学校读者我要写书评

暂无评论

融合残差网络的自监督社交推荐算法

引用

计算机科学与探索 2024年第12期18卷 3175-3188页

作者：王玉洁杨哲苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006 江苏省大数据智能工程实验室江苏苏州215006

基于图神经网络的社交推荐算法,通过社交图和交互图的信息来学习用户和项目的嵌入,得到最终的推荐结果。但是现有算法主要利用静态的社交图结构,无法挖掘用户之间潜在的链接关系,同时也没有解决用户与项目交互行为中的噪声问题。提出了... 详细信息

基于图神经网络的社交推荐算法,通过社交图和交互图的信息来学习用户和项目的嵌入,得到最终的推荐结果。但是现有算法主要利用静态的社交图结构,无法挖掘用户之间潜在的链接关系,同时也没有解决用户与项目交互行为中的噪声问题。提出了一种融合残差网络的自监督社交推荐算法。采用变分超图自编码器对社交网络进行链接预测,得到重构的社交图,以此来挖掘隐藏在用户间的积极链接关系;利用注意力机制为原始社交图和重构后的残差社交图分配不同的注意力系数,得到更加精确的用户表征;为了缓解数据中的噪声问题,构建了自适应的超图全局关系提取器,在该提取器的协作下利用局部嵌入信息和全局嵌入信息创建自监督信号,从而优化局部的嵌入表示,进而缓解噪声影响。该算法在Ciao、Epinions和Yelp三个数据集上与NGCF、LightGCN、MHCN等基线模型进行对比实验。在Ciao数据集上,Recall@10提升了17.1%~48.5%,NDCG@10提升了1.4%~37.9%;在Epinions数据集上,Recall@10提升了8.3%~56.2%,NDCG@10提升了3.7%~29.8%;在Yelp数据集上,Recall@10提升了9.1%~53.3%,NDCG@10提升了11.2%~66.6%。实验结果表明,该算法相较于基准模型有良好的推荐性能。

关键词：社交网络推荐系统图卷积神经网络超图自监督学习

来源：评论

学校读者我要写书评

暂无评论

DSR协议的路由缓存策略

引用

计算机工程 2010年第2期36卷 100-101页

作者：庄春梅王利利陆建德苏州大学计算机科学与技术学院江苏省计算机信息处理技术重点实验室苏州215006

分析移动自组网动态源路由(DSR)协议路由缓存中存在的问题及其对DSR协议性能的影响。针对DSR路由缓存中失效路由导致该协议性能下降的问题,在DSR协议中引入AODV协议的局部连接性管理机制,提出可以主动发现过期路由的DSR(DSR-SRAD)协议,... 详细信息

分析移动自组网动态源路由(DSR)协议路由缓存中存在的问题及其对DSR协议性能的影响。针对DSR路由缓存中失效路由导致该协议性能下降的问题,在DSR协议中引入AODV协议的局部连接性管理机制,提出可以主动发现过期路由的DSR(DSR-SRAD)协议,阐述其设计思想和实现细节。采用网络仿真软件NS2测试DSR-SRAD,DSR和AODV,结果表明DSR-SRAD协议的分组传送成功率较高,其平均端到端延迟和路由控制开销较小。

关键词： DSR协议 AODV协议缓存源路由仿真

来源：评论

学校读者我要写书评

暂无评论

Geometry Clipmap算法扩展研究

引用

系统仿真学报 2009年第S1期21卷 136-140页

作者：吴健曹妍妍崔志明王晓军苏州大学江苏省计算机信息处理技术重点实验室江苏215006 苏州大学智能信息处理及应用研究所江苏215006

Geometry Clipmap算法是一种基于GPU优化的LOD算法,在研究Geometry Clipmap算法的基础上,对该算法进行了扩展。增加了地形数据调度模块,采用地形块预读取和预卸载策略,实现对海量地形数据的内外存管理。对内存中Clipmap堆栈的数据结构... 详细信息

Geometry Clipmap算法是一种基于GPU优化的LOD算法,在研究Geometry Clipmap算法的基础上,对该算法进行了扩展。增加了地形数据调度模块,采用地形块预读取和预卸载策略,实现对海量地形数据的内外存管理。对内存中Clipmap堆栈的数据结构进行了改进,取消了原始算法中Clipmap Pyramid部分。将Geometry Instancing技术引入渲染过程,进一步提升了渲染速度。实验表明,该算法实用有效,能够满足大规模地形可视化的实时渲染要求。

关键词： GPU 地形LOD Geometry Clipmap 四叉树

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：