检索结果-内蒙古大学图书馆

江西师范大学学报(自然科学版) 2025年

作者：刘增鑫柯雨含左正康江西师范大学计算机信息工程学院

Splay树是一种自平衡的二叉搜索树，支持高效的数据检索操作，广泛应用于序列访问、内存管理和文件系统等领域.然而，当前关于Splay树算法的验证工作大多局限于手工推导或交互式机械化验证，自动化程度较低，需要较多人为干预.为此，提... 详细信息

Splay树是一种自平衡的二叉搜索树，支持高效的数据检索操作，广泛应用于序列访问、内存管理和文件系统等领域.然而，当前关于Splay树算法的验证工作大多局限于手工推导或交互式机械化验证，自动化程度较低，需要较多人为干预.为此，提出了Splay树算法的自动化验证方法.首先，使用locale刻画了Splay树典型算法的局部参数和逻辑规约.然后，设计了Splay+树结构，以更高效地实现这些算法，并基于该结构进行函数式建模.接着，构建了验证引理库，并在Isabelle中自动化验证了算法的正确性.最后，通过对locale的区域解释，检验了方法的有效性.

关键词： Splay树函数式建模自动化验证 Isabelle定理证明器

来源：评论

学校读者我要写书评

暂无评论

基于全局-局部协同增强的遥感目标检测

引用

激光与光电子学进展 2025年第4期62卷 311-318页

作者：张众维郭芙蓉刘树东天津城建大学计算机与信息工程学院天津300384

为了提高遥感图像中各类目标的检测性能,提出一种基于LSKNet-S的改进算法。该算法通过融合不同层级感受野的特征,大幅提升了网络对遥感目标的检测能力。首先,设计了一个多尺度特征融合模块,通过改进多层感知器增强模型对全局上下文信息... 详细信息

为了提高遥感图像中各类目标的检测性能,提出一种基于LSKNet-S的改进算法。该算法通过融合不同层级感受野的特征,大幅提升了网络对遥感目标的检测能力。首先,设计了一个多尺度特征融合模块,通过改进多层感知器增强模型对全局上下文信息的提取能力。同时,引入轻量级局部视觉中心模块,以提高模型对局部特征的感知能力。两者结合,实现了模型对多尺度特征的有效提取和融合。其次,在检测头中引入用于尺度增强的上采样操作,通过提高特征图的分辨率,使模型能够更好地捕捉遥感图像中各类目标的细节信息。实验结果表明,所提算法在HRSC2016数据集上的平均精度均值(mAP)相比原模型提升了3.43百分点,在DIOR-R数据集上的mAP较原模型提升了1.12百分点,且均优于目前主流算法,验证了所提算法在遥感目标检测场景中的有效性。

关键词：图像处理遥感图像目标检测多尺度特征融合上采样策略

来源：评论

学校读者我要写书评

暂无评论

基于同态加密和群签名的可验证联邦学习方案

引用

电子与信息学报 2025年第3期47卷 758-768页

作者：李亚红李一婧杨小东张源牛淑芬兰州交通大学电子与信息工程学院兰州730000 电子科技大学计算机与工程学院成都610054 西北师范大学计算机工程学院兰州730000

在车载网络(VANETs)中,联邦学习(FL)通过协同训练机器学习模型,实现了车辆间的数据隐私保护,并提高了整体模型的性能。然而,FL在VANETs中的应用仍面临诸多挑战,如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问... 详细信息

在车载网络(VANETs)中,联邦学习(FL)通过协同训练机器学习模型,实现了车辆间的数据隐私保护,并提高了整体模型的性能。然而,FL在VANETs中的应用仍面临诸多挑战,如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题,该文提出一种面向联邦学习的可验证隐私保护批量聚合方案。首先,该方案基于Boneh-Lynn-Shacham(BLS)动态短群聚合签名技术,保护了客户端与路边单元(RSU)交互过程中的数据完整性,确保全局梯度模型更新与共享过程的不可篡改性。当出现异常结果时,方案利用群签名的特性实现车辆的可追溯性。其次,结合改进的Cheon-Kim-Kim-Song(CKKS)线性同态哈希算法,对梯度聚合结果进行验证,确保在联邦学习的聚合过程中保持客户端梯度的机密性,并验证聚合结果的准确性,防止服务器篡改数据导致模型训练无效的问题。此外,该方案还支持车辆在部分掉线的情况下继续更新模型,保障系统的稳定性。实验结果表明,与现有方案相比,该方案在提升数据隐私安全性和结果的可验证性的同时,保证了较高效率。

关键词：隐私保护联邦学习车载自组网可验证聚合群签名

来源：评论

学校读者我要写书评

暂无评论

融合情感轮注意力的情感分布学习

引用

计算机工程与应用 2023年第4期59卷 120-129页

作者：陈启凡曾雪强左家莉万中英王明文江西师范大学计算机信息工程学院南昌330022

情感分布学习是一种近年提出的有效的多情绪分析模型,其核心思路是通过情感分布记录示例在各个情绪上的表达程度,适于处理存在情绪模糊性的情感分析任务。针对现有的情感分布学习方法较少考虑情感心理学先验知识的问题,提出一种基于情... 详细信息

情感分布学习是一种近年提出的有效的多情绪分析模型,其核心思路是通过情感分布记录示例在各个情绪上的表达程度,适于处理存在情绪模糊性的情感分析任务。针对现有的情感分布学习方法较少考虑情感心理学先验知识的问题,提出一种基于情感轮注意力的情感分布学习(emotion wheel attention based emotion distribution learning,EWA-EDL)模型。EWA-EDL模型为每种基本情绪生成一个描述情绪心理学相关性的先验情感分布,再通过注意力机制将基于情感轮的先验知识直接融入深度神经网络。EWA-EDL模型采用端到端的方式对深度网络进行训练,同时学习情感分布预测和情绪分类任务。EWA-EDL模型主要由5部分构成,分别为输入层、卷积层、池化层、注意力层和多任务损失层。在8个常用的文本情感数据集上的对比实验表明,EWA-EDL模型在情感分布预测和情绪分类任务上的性能均优于对比的情感分布学习方法。

关键词：情感分布学习情感轮注意力机制情绪分类

来源：评论

学校读者我要写书评

暂无评论

基于全原子模拟的铜/石墨烯塑性变形行为与力学强化性能分析

引用

中国表面工程 2023年第4期36卷 174-184页

作者：陈晶晶占慧敏杨旭李柯张铜邹小莲刘莹李凯南昌理工学院机电工程学院南昌330044 南昌理工学院计算机信息工程学院南昌330044

对铜/石墨烯塑性变形行为与强化性能分析对膜-基界面耦合提升金属材料使役性能起促进作用,也为纳米铜强韧机制理解提供有益参鉴价值。基于纳米压痕法对石墨烯膜-单晶铜基底的接触特性展开全原子模拟。分析基底表面有无石墨烯、覆石墨烯... 详细信息

对铜/石墨烯塑性变形行为与强化性能分析对膜-基界面耦合提升金属材料使役性能起促进作用,也为纳米铜强韧机制理解提供有益参鉴价值。基于纳米压痕法对石墨烯膜-单晶铜基底的接触特性展开全原子模拟。分析基底表面有无石墨烯、覆石墨烯层数、基底晶面不同的塑性变形行为与力学强化性能,探讨石墨烯边界效应的褶皱对界面接触质量与强化性能的影响。研究表明:对铜/石墨烯而言,纳米压痕时的载荷与位移曲线保持线性关系,主要源于石墨烯面内弹性变形呈均匀化;相比纯铜,铜表面覆石墨烯的承载性更高,其弹性模量与硬度随覆石墨烯层数增加而线性增大。结果指出:铜表面覆三层石墨烯的硬度与弹性模量比纯铜提高约7.4倍,其强化效应源自石墨烯受载产生的面内均匀弹性变形与压头-膜基界面接触质量的协同作用;石墨烯褶皱处的应力集中易诱驱铜上表面产生类褶皱波纹的塑性变形痕迹。相比双边界固定的石墨烯而言,单边界固定的石墨烯褶皱变形更大,界面接触质量有所增加,而强化效果相比却降低28%。当覆石墨烯层数相同时,不同晶面铜/石墨烯的力学性能和膜-基界面塑性变形有着显著各向异性特征。研究结果对微机电系统金属器件力学性能提升有重要作用。

关键词：褶皱效应界面接触质量金属强化石墨烯层数分子模拟

来源：评论

学校读者我要写书评

暂无评论

混合目标与搜索区域令牌的视觉目标跟踪

引用

计算机研究与发展 2024年第2期61卷 460-469页

作者：薛万利张智彬裴生雷张开华陈胜勇天津理工大学计算机科学与工程学院天津300384 青海民族大学物理与电子信息工程学院西宁810007 南京信息工程大学计算机学院南京130012

当前基于Transformer的主流跟踪框架在特征提取及融合方面存在3个问题:1)分开进行特征提O(N^(2))取与融合,易产生次优模型训练结果;2)使用计算复杂度为的自注意力机制会降低跟踪算法效率;3)简单的目标模板选取策略难以自适应跟踪过程中... 详细信息

当前基于Transformer的主流跟踪框架在特征提取及融合方面存在3个问题:1)分开进行特征提O(N^(2))取与融合,易产生次优模型训练结果;2)使用计算复杂度为的自注意力机制会降低跟踪算法效率;3)简单的目标模板选取策略难以自适应跟踪过程中目标表观的剧烈变化.为此,利用快速傅里叶变换对目标与搜索区域的令牌进行有效混合,提出一种新颖的基于Transformer的视觉目标跟踪方案.针对问题1提出一种高效端到端方式将特征提取与融合进行统一学习以获得最优模型.针对问题2采用快速傅里叶变换实现目标与搜索区域令牌之间的完全信息交互,该操作计算复杂度为O(Nlog (N)),有助于提升跟踪效率.针对问题3提出一种基于跟踪质量评估的目标模板记忆存储机制以快速自适应目标表观的剧烈变化.在3个标准数据集LaSOT,OTB100,UAV123上,所提方法与当前最优方法相比在效率和精度上均取得更好表现.

关键词： Transformer 快速傅里叶变换特征提取特征融合目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于倒置残差注意力的无人机航拍图像小目标检测

引用

北京航空航天大学学报 2023年第3期49卷 514-524页

作者：刘树东刘业辉孙叶美李懿霏王娇天津城建大学计算机与信息工程学院天津300384

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和... 详细信息

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和深层语义信息,提升小目标的检测精度;在特征融合部分设计多尺度特征融合模块,融合浅层空间信息和深层语义信息,并生成4个不同感受野的检测头,提升模型对小尺寸目标的识别能力,减少小目标的漏检;设计马赛克混合数据增强方法,建立数据之间的线性关系,增加图像背景复杂度,提升算法的鲁棒性。在VisDrone数据集上的实验结果表明:所提模型的平均精度均值比DSHNet模型提升了1.2%,有效改善了无人机航拍图像小目标漏检、误检的问题。

关键词：目标检测无人机图像倒置残差注意力多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

面向高密度交通场景的自动驾驶运动规划

引用

计算机工程与应用 2024年第14期60卷 114-122页

作者：肖雨微姚溪子胡学敏罗显志湖北大学计算机与信息工程学院武汉430062

针对现有自动驾驶运动规划方法在提取状态信息时忽略了周边车辆交互、在高密度交通场景下规划效果不理想的问题,提出了一种联合图神经网络和深度强化学习的运动规划模型。基于图神经网络提出了一种自动驾驶车辆的交互式特征提取方法,再... 详细信息

针对现有自动驾驶运动规划方法在提取状态信息时忽略了周边车辆交互、在高密度交通场景下规划效果不理想的问题,提出了一种联合图神经网络和深度强化学习的运动规划模型。基于图神经网络提出了一种自动驾驶车辆的交互式特征提取方法,再基于双延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法从交互式特征中预测车辆的动作,从而实现运动规划。将所提模型与目前自动驾驶运动规划模型LSTM+TD3、TD3及深度确定性策略梯度(deep deterministic policy gradient,DDPG)模型进行对比,在PGDrive驾驶模拟器中进行训练和测试的实验结果表明,在高密度交通场景中,所提方法的训练奖励值和测试成功率相比于对比方法提升了约36%、43%、23%及13、19、53个百分点。表明所提方法能有效解决自动驾驶周边车辆的交互式信息感知问题,更好地实现自动驾驶运动规划。

关键词：自动驾驶运动规划交互式特征图神经网络强化学习

来源：评论

学校读者我要写书评

暂无评论

改进TD3的SDN车联网边缘计算卸载策略

引用

计算机集成制造系统 2023年第5期29卷 1627-1634页

作者：李国燕薛翔刘毅潘玉恒天津城建大学计算机与信息工程学院天津300384

针对车联网场景下计算任务卸载至远端云中造成的延迟波动和能耗增加问题,搭建了融合软件定义网络和移动边缘计算的车联网系统模型。为了最小化车联网中计算卸载的时延和能耗,设计了一种基于深度强化学习的动态计算卸载策略。该策略从计... 详细信息

针对车联网场景下计算任务卸载至远端云中造成的延迟波动和能耗增加问题,搭建了融合软件定义网络和移动边缘计算的车联网系统模型。为了最小化车联网中计算卸载的时延和能耗,设计了一种基于深度强化学习的动态计算卸载策略。该策略从计算任务的能耗和时延这两个维度进行建模,并提出在传统的双延迟深度确定性策略梯度的基础上加入Softmax和优先经验回放的改进算法(SP-TD3)。仿真实验结果表明,设计的计算卸载策略在不同车辆数下对于能耗和时延有较为优越的性能。

关键词：边缘计算深度强化学习计算卸载软件定义网络

来源：评论

学校读者我要写书评

暂无评论

知识追踪研究综述

引用

计算机科学与探索 2023年第7期17卷 1506-1525页

作者：吴水秀罗贤增熊键钟茂生王明文江西师范大学计算机信息工程学院南昌330022

知识追踪,旨在根据学生的历史答题记录,对学生随学习时间不断变化的知识状态进行建模,进而预测学生的答题表现,是支撑智慧教育系统的核心模块,受到越来越多研究者的关注。全面梳理了该领域的研究进展,分析了与知识追踪相关的基础理论研... 详细信息

知识追踪,旨在根据学生的历史答题记录,对学生随学习时间不断变化的知识状态进行建模,进而预测学生的答题表现,是支撑智慧教育系统的核心模块,受到越来越多研究者的关注。全面梳理了该领域的研究进展,分析了与知识追踪相关的基础理论研究,并按照研究方法的不同,将知识追踪模型分为概率模型、逻辑模型、基于深度学习的模型进行剖析,其中概率模型假设学习遵循马尔可夫过程,逻辑模型是一类基于逻辑函数的模型,而基于深度学习的知识追踪模型依赖于深度学习强大的特征提取能力成为近年来研究的热点。对基于深度学习的知识追踪模型面临的可解释性、缺少学习特征等问题提出的改进方法进行了介绍。给出了目前可供研究者们使用的公共数据集以及不同模型的性能比较。最后,对知识追踪这个快速发展起来的领域进行了总结,针对该领域研究存在的问题,提出了一些未来可能的研究方向。

关键词：智慧教育在线学习知识状态知识追踪模型深度学习

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：