检索结果-内蒙古大学图书馆

内江科技 2025年第2期46卷 91-93,96页

作者：杨蕙羽龙博文肖春玲向淑容重庆师范大学计算机与信息科学学院

为厘清我国当前教育领域中教师数字素养研究热点及未来趋势,本文以中国知网(CNKI)数据库近十年核心期刊论文、硕博论文为对象,利用CiteSpace软件,对发文量、发文作者与机构、关键词共现及突现词等维度进行可视化分析。结果显示,教育数... 详细信息

为厘清我国当前教育领域中教师数字素养研究热点及未来趋势,本文以中国知网(CNKI)数据库近十年核心期刊论文、硕博论文为对象,利用CiteSpace软件,对发文量、发文作者与机构、关键词共现及突现词等维度进行可视化分析。结果显示,教育数字化转型下对教师数字素养的研究逐年升温,但还存在研究学科与对象较为集中、内容不够广泛等一系列的问题,针对问题给出建议,以期解决现阶段教师数字素养培养的问题,并预测对“中小学”“乡村教育”“跨学科”中教师数字素养的提升可能是未来的研究趋势。

关键词：可视化图谱数字化转型乡村教育核心期刊论文关键词共现发文量可视化分析数字素养

来源：评论

学校读者我要写书评

暂无评论

Self-Guide:一种基于自我规划的大语言模型推理增强方法

引用

中文信息学报 2025年第4期39卷 55-66页

作者：刘艺彬刘正皓闫宇坤于是王硕杨麟儿陈慧敏谷峪于戈东北大学计算机科学与工程学院辽宁沈阳110169 清华大学计算机科学与技术系北京100084 北京语言大学信息科学学院北京100083 清华大学新闻与传播学院北京100084

尽管大语言模型在自然语言处理任务中取得显著进展,但其在复杂问题推理等领域还面临着认知负荷问题,即大语言模型在推理过程中需要记忆并处理大量信息。因此,如何有效地减少大语言模型推理过程中的认知负荷,缓解推理过程中可能出现的认... 详细信息

尽管大语言模型在自然语言处理任务中取得显著进展,但其在复杂问题推理等领域还面临着认知负荷问题,即大语言模型在推理过程中需要记忆并处理大量信息。因此,如何有效地减少大语言模型推理过程中的认知负荷,缓解推理过程中可能出现的认知过载,是一个亟待解决的问题。对此该文提出了Self-Guide方法,用于增强语言模型的推理能力。该方法通过指引大语言模型生成常识知识和推理指导,让大语言模型基于自我规划来增强其推理能力,并通过与推理链结合的方式对模型的推理过程进行校准。与现有方法不同的是,该文在不对大语言模型进行微调或使用外部工具的情况下,显著提升了大语言模型的推理性能。实验结果表明,Self-Guide方法在四种常见推理任务上性能显著优于基线方法,同时相比传统的推理链模型,Self-Guide方法在推理能力较弱的模型上也具有良好的泛化性能。通过结合大语言模型的自我规划和推理能力,Self-Guide方法为提升语言模型的推理能力提供了一种新的有效途径。

关键词：大语言模型自我引导推理增强认知负荷

来源：评论

学校读者我要写书评

暂无评论

面向视音频事件定位的跨模态时间对齐网络

引用

计算机系统应用 2025年第3期34卷 133-142页

作者：王志豪訾玲玲重庆师范大学计算机与信息科学学院重庆401331

视音频事件定位(audio-visual event localization, AVEL)任务通过观察音频信息和相对应的视觉信息来定位视频中的事件.本文针对AVEL任务设计了一种跨模态时间对齐网络CMTAN,该网络包含预处理、跨模态交互、时间对齐和特征融合这4个部分... 详细信息

视音频事件定位(audio-visual event localization, AVEL)任务通过观察音频信息和相对应的视觉信息来定位视频中的事件.本文针对AVEL任务设计了一种跨模态时间对齐网络CMTAN,该网络包含预处理、跨模态交互、时间对齐和特征融合这4个部分.具体而言,在预处理部分,通过一种新的跨模态音频指导模块和一种噪音弱化模块的处理,模态信息中的背景和噪音被减少.随后,在跨模态交互部分,使用基于多头注意力机制的信息强化和信息补充模块进行跨模态交互,单模态信息得到全局信息优化.在时间对齐部分,本文设计了一种聚焦于跨模态交互前后单模态全局信息的时间对齐模块,用于执行模态信息的特征对齐.最后,在特征融合过程中,通过一种多阶段融合模块,两种模态信息被从浅入深地融合,且融合后的模态信息最终将被用于事件定位.大量实验表明CMTAN在弱监督和全监督AVEL任务中都具有优秀的性能.

关键词：跨模态视音频事件定位弱监督和全监督特征对齐

来源：评论

学校读者我要写书评

暂无评论

基于门控融合的实时语义分割

引用

计算机与现代化 2025年第2期 121-126页

作者：封祖焱魏延陈家坤余昕重庆师范大学计算机与信息科学学院重庆401331

实时语义分割中特征融合需要同时关注浅层信息与深层信息,而目前特征融合方法所需的计算量和参数量庞大,难以在精度与速度上满足实时语义分割的要求。针对这一问题,从网络的实时性和性能2个方面综合考虑,本文提出基于门控融合的实时语... 详细信息

实时语义分割中特征融合需要同时关注浅层信息与深层信息,而目前特征融合方法所需的计算量和参数量庞大,难以在精度与速度上满足实时语义分割的要求。针对这一问题,从网络的实时性和性能2个方面综合考虑,本文提出基于门控融合的实时语义分割方法。该方法包含编码器、门控特征融合模块、像素级特征提取模块以及门控聚合分割头。首先,将待分割图片通过编码器进行特征提取,其次利用像素级特征提取模块对重要特征信息进行精确提取,然后通过门控特征融合模块将深层语义信息与浅层位置信息进行特征融合,最后通过门控聚合分割头完成语义分割。在数据集CamVid上,模型分割的平均交并比为87.31%,分割的帧率为75.3 fps。在数据集Cityscapes上,模型分割的平均交并比为79.19%,分割帧率为44.1 fps。实验结果表明,本文方法在准确性和实时性方面均表现出色,可有效应用于实时语义分割任务。

关键词：实时语义分割特征融合图像处理图像语义分割

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8改进的水下目标检测算法

引用

计算机与现代化 2025年第1期 113-119页

作者：刘飞杨德刚章鑫秦静重庆师范大学计算机与信息科学学院重庆401331

针对水下图像目标检测中错检、漏检现象导致检测精度低的问题,提出一种改进YOLOv8n的轻量级水下图像目标检测算法,旨在提升水下目标图像的检测精度。首先,用残差网络ResNet10来替换YOLOv8中的骨干网络,以加强骨干网络的特征提取能力;其... 详细信息

针对水下图像目标检测中错检、漏检现象导致检测精度低的问题,提出一种改进YOLOv8n的轻量级水下图像目标检测算法,旨在提升水下目标图像的检测精度。首先,用残差网络ResNet10来替换YOLOv8中的骨干网络,以加强骨干网络的特征提取能力;其次,利用大卷积核注意力机制来改进快速特征金字塔模块,以提高模型融合多尺度特征的能力;再次,使用最新YOLOv9算法中的泛化高效层聚合网络替换原模型的C2f模块,使模型能够在保持高准确性的同时降低计算成本;最后,使用新的损失函数Inner-SIoU来提升模型的泛化能力,同时加快模型的收敛速度。通过实验,在URPC2020水下图像目标检测数据集上,改进后的算法mAP_(50)达到86.2%,比原模型提升了2.6个百分点的精度,相比于先进的YOLOv8s和YOLOv7-tiny检测器,以及相同领域的研究工作,本文方法都获得了较高的检测精度。

关键词：水下目标检测 YOLOv8 残差网络注意力机制损失函数

来源：评论

学校读者我要写书评

暂无评论

基于TCN与轻量Autoformer的电力负荷预测

引用

计算机与现代化 2025年第4期 6-11页

作者：李明石超山文贵豪罗勇航谭云飞重庆师范大学计算机与信息科学学院重庆401331

电力负荷预测的精度对节能减排至关重要,更高的精度可以使电力公司做出更合理的规划,提高经济效益。虽然基于Transformer架构改进的Autoformer已经在序列预测任务中取得了不错的结果,但在提取时序特征时没有充分考虑到时间的因果关系,... 详细信息

电力负荷预测的精度对节能减排至关重要,更高的精度可以使电力公司做出更合理的规划,提高经济效益。虽然基于Transformer架构改进的Autoformer已经在序列预测任务中取得了不错的结果,但在提取时序特征时没有充分考虑到时间的因果关系,且注意力层中存在过多冗余信息导致模型精度下降和内存浪费。为了解决这些问题,本文提出一种时间卷积网络(TCN)和改进的轻量Autoformer模型相结合的电力负荷预测方法。首先,在Autoformer的编码器中引入时间卷积网络,使得编码器具有更大的感受野并充分考虑样本的因果关系,然后在自相关注意力层之间增加蒸馏机制,减少模型的参数量。最后,在5个公共数据集上的实验结果表明,结合TCN的轻量Autoformer与原始模型相比,MSE指标和MAE指标分别降低了8.95%至32.40%和4.91%至15.51%,且预测效果显著优于其他4种主流方法,显示了其出色的性能。

关键词： Transformer Autoformer 时间卷积网络注意力蒸馏负荷预测

来源：评论

学校读者我要写书评

暂无评论

基于混合Transformer的视线估计模型

引用

计算机与现代化 2025年第4期 1-5,11页

作者：程章刘丹王艳霞重庆师范大学计算机与信息科学学院重庆401331

采用CNN与Transformer相结合的方法,利用Transformer能获取全局特征信息的优势,提高模型上下文信息感知能力,从而改善模型精度。本文提出一种新颖的基于混合Transformer的视线估计模型ResNet-MHSA(RN-SA),该模型将ResNet18中部分3×... 详细信息

采用CNN与Transformer相结合的方法,利用Transformer能获取全局特征信息的优势,提高模型上下文信息感知能力,从而改善模型精度。本文提出一种新颖的基于混合Transformer的视线估计模型ResNet-MHSA(RN-SA),该模型将ResNet18中部分3×3空间卷积层替换为由一个1×1的空间卷积层和MHSA(Multi-Head Self-Attention)层组合而成的块,并在模型结构中添加DropBlock机制,以增加模型的鲁棒性。实验结果表明,RN-SA模型在减少参数量的同时改善了模型的精度,与目前较好的模型GazeTR-Hybrid相比,在参数数量减少15.8%的情况下,在EyeDiap和Gaze360数据集上精度分别提高了4.1%和3.7%。因此,CNN与Transformer相结合的方式能有效应用于视线估计任务中。

关键词：视线估计自注意力 MHSA Transformer

来源：评论

学校读者我要写书评

暂无评论

基于SCI-MN-SE模型的电力负荷预测方法

引用

电子设计工程 2025年第2期33卷 22-27页

作者：李林骏魏延李雪谢渝重庆师范大学计算机与信息科学学院重庆401331

针对现有电力负荷预测方法对时间序列信息的提取效率较低、预测精度不高等问题,提出了一种基于样本卷积与交互网络(SCINet)和多层感知机(MLP)的电力负荷预测模型(SCI-MN-SE)。使用SCINet在不同时间分辨率下对负荷数据进行特征提取,从而... 详细信息

针对现有电力负荷预测方法对时间序列信息的提取效率较低、预测精度不高等问题,提出了一种基于样本卷积与交互网络(SCINet)和多层感知机(MLP)的电力负荷预测模型(SCI-MN-SE)。使用SCINet在不同时间分辨率下对负荷数据进行特征提取,从而更好地捕捉时间特征中的短期和长期信息关系;通过多层感知机叠加组成的瓶颈模块,沿着时间和特征维度进行混合操作来提高对时间序列信息的提取效率;结合通道注意力提高有效信息的权重,提升预测精度。在澳大利亚某地区真实电力负荷数据集上的实验结果表明,与TCN、Informer等方法相比,平均绝对百分比误差分别降低了26.30%、24.27%,证明SCI-MN-SE模型能有效地提取时间序列信息,预测效果较好。

关键词：电力负荷预测多层感知机样本卷积与交互通道注意力

来源：评论

学校读者我要写书评

暂无评论

融合相似度与随机森林的数据挖掘算法改进

引用

计算机仿真 2025年第1期42卷 362-366页

作者：孙宝刚何国斌重庆人文科技学院计算机工程学院重庆401524 西南大学计算机与信息科学学院重庆400715

为了避免噪声数据干扰数据挖掘效果,提高数据挖掘的精度和质量,提出融合相似度与随机森林的数据挖掘算法。采用奇异值分解算法分解数据矩阵,获得一系列奇异值,同时引入中位数绝对偏差法在上述奇异值中选取较大的奇异值,利用这些奇异值... 详细信息

为了避免噪声数据干扰数据挖掘效果,提高数据挖掘的精度和质量,提出融合相似度与随机森林的数据挖掘算法。采用奇异值分解算法分解数据矩阵,获得一系列奇异值,同时引入中位数绝对偏差法在上述奇异值中选取较大的奇异值,利用这些奇异值展开重构,得到去噪后的数据;计算去噪后数据的样本熵,将其作为数据特征,结合P值和特征相似度对数据特征展开筛选,剔除冗余特征,选取最优数据特征;建立极限随机森林,将数据特征输入极限随机森林中,实现数据挖掘。实验结果表明,所提算法在数据挖掘过程中具有较高的查全率、F-measure指标以及AUC值,表明所提算法具有良好的数据挖掘性能。

关键词：数据相似度奇异值分解算法中位数绝对偏差法极限随机森林数据挖掘

来源：评论

学校读者我要写书评

暂无评论

基于自适应增强的多视图对比推荐算法

引用

计算机工程 2025年第5期51卷 103-113页

作者：姚迅王海鹏胡新荣杨捷武汉纺织大学计算机与人工智能学院湖北武汉430200 伍伦贡大学工程与信息科学学院澳大利亚伍伦贡2259

近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐... 详细信息

近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐算法AMV-CL。首先,基于节点的潜在表征构建用户-项目交互图的互补图;其次,引入自适应增强技术,分别从节点和边缘角度生成多视图数据,并通过重参数化网络调整图结构;最后,规范化对比损失中锚节点的正样本来源,同时利用多视图对比损失来学习用户/项目的潜在表征。在公共数据集上的实验结果显示,相较于最优基准方法SimGCL,AMV-CL在评价指标Recall@20和NDCG@20上的提升最高可达到12.03%和12.64%,表明所提方法能够有效提升推荐性能。

关键词：图神经网络推荐系统多视图对比学习自适应增强

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：