检索结果-内蒙古大学图书馆

中国科学:技术科学 2025年第3期55卷 442-450页

作者：陈立斌赵鲲吴浩齐郭冲何茂刚西安交通大学能源与动力工程学院西安710049 西安交通大学计算机科学与技术学院西安710049

纳米流体导热系数的明显非线性特征导致预测其导热系数是一项具有挑战性的工作.本文引入灰色模型小样本观测序列预测模型,采用DAN-TR(DAN with three branches for regression)网络,通过“迁移学习+数值拟合伪标记”方法对纳米流体导热... 详细信息

纳米流体导热系数的明显非线性特征导致预测其导热系数是一项具有挑战性的工作.本文引入灰色模型小样本观测序列预测模型,采用DAN-TR(DAN with three branches for regression)网络,通过“迁移学习+数值拟合伪标记”方法对纳米流体导热系数进行预测.考虑到有限的样本大小,直接拟合将导致拟合不足和网络精度降低,因此通过灰色模型拟合实际数据,初步生成了大量的伪标记数据.使用这些伪标签数据进行模型训练,随后再用实际数据对模型进行微调以获得更精确的结果.在对DAN-TR小样本学习网络进行优化之后,本文提出的方法对CuO-H_(2)O和Al_(2)O_(3)-H_(2)O系统都显示了良好的预测性能.

关键词：导热系数纳米流体小样本学习网络

来源：评论

学校读者我要写书评

暂无评论

IBSNet:用于估计单视角扫描点云交互平分面的神经隐式场

引用

计算机科学 2025年

作者：袁右文金朔赵玺西安交通大学计算机科学与技术学院

三维物体之间的空间关系分析对于多物体场景的理解及合成具有重要的意义。传统的三维空间关系分析的方法是计算物体之间的交互平分面（Interaction Bisector Surface， IBS）并进一步提取其特征。然而，当输入为单视角扫描点云时，由于... 详细信息

三维物体之间的空间关系分析对于多物体场景的理解及合成具有重要的意义。传统的三维空间关系分析的方法是计算物体之间的交互平分面（Interaction Bisector Surface， IBS）并进一步提取其特征。然而，当输入为单视角扫描点云时，由于数据完整性的缺失，使用传统方法往往难以计算出准确的交互平分面，从而极大地影响了下游任务（例如：场景分类、分析、合成等）。针对这个问题，提出一种面向单视角扫描点云的交互平分面估计方法，该方法使用神经网络框架IBSNet估计双物体的差分无符号距离场，然后基于这种隐式距离场的表示提取交互平分面。实验在ICON数据集上对该方法与其它方法（几何方法，IMNet， Grasping Field）进行了对比，并测试了各个方法在面对不同残缺程度和噪声程度的单视角扫描点云时的鲁棒性。实验证明，该方法对于残缺的单视角扫描点云有一定的鲁棒性，可以有效地估计出形状之间的交互平分面。

关键词：空间关系分析交互平分面单视角扫描点云神经隐式场无符号距离场

来源：评论

学校读者我要写书评

暂无评论

基于细粒度代码表示和特征融合的即时软件缺陷预测方法

引用

计算机科学 2025年第1期52卷 242-249页

作者：朱晓燕王文格王嘉寅张选平西安交通大学计算机科学与技术学院西安710049

即时软件缺陷预测指在软件更改初次提交之际预测该更改引入缺陷的倾向。此类预测针对单一程序变更,而非在粗粒度上进行。由于其即时性和可追溯性,该技术已在持续测试等领域得到广泛应用。目前的研究中,提取变更代码表示的方法粒度较粗,... 详细信息

即时软件缺陷预测指在软件更改初次提交之际预测该更改引入缺陷的倾向。此类预测针对单一程序变更,而非在粗粒度上进行。由于其即时性和可追溯性,该技术已在持续测试等领域得到广泛应用。目前的研究中,提取变更代码表示的方法粒度较粗,仅标出了变更行,而没有进行细粒度的标记。此外,现有的使用提交内容进行缺陷预测的方法,仅仅是把提交消息与变更代码的特征进行简单拼接,缺失了在特征空间上的深度对齐,这使得在提交消息质量参差不齐的情况下,会出现预测结果易受噪声干扰的情形,并且现有方法也未将领域专家设计的人工特征以及变更内容中的语义语法信息综合起来进行预测。为了解决上述问题,提出了一种基于细粒度代码表征和特征融合的即时软件缺陷预测方法。通过引入新的变更嵌入计算方法来在细粒度上表示变更代码。同时,引入特征对齐模块,降低提交消息中噪声对方法性能的影响。此外,使用神经网络从人工设计的特征中学习专业知识,充分利用现有特征进行预测。实验结果表明,相较于现有方法,该方法在3个性能指标上均有显著提升。

关键词：即时软件缺陷预测特征融合软件工程深度学习代码表示

来源：评论

学校读者我要写书评

暂无评论

多尺度视觉增强语音驱动人脸生成

引用

西安交通大学学报 2025年

作者：杨想彦梁慧慧陈希李凡新疆大学计算机科学与技术学院西安交通大学电子与信息学部

针对现有语音驱动人脸生成方法在生成人脸视频清晰度和真实感方面的不足，设计了一种多尺度视觉增强的端到端人脸视频生成模型——VisClearTalk，并提出包含视觉增强模块的人脸解码器。首先，采用人脸编码器处理包含随机参考帧和下半张... 详细信息

针对现有语音驱动人脸生成方法在生成人脸视频清晰度和真实感方面的不足，设计了一种多尺度视觉增强的端到端人脸视频生成模型——VisClearTalk，并提出包含视觉增强模块的人脸解码器。首先，采用人脸编码器处理包含随机参考帧和下半张脸被遮挡的先验帧，从中提取面部特征；接着，采用语音编码器从音频中提取特征，以指导面部内容生成；随后，采用人脸解码器融合这些特征，并通过卷积模块初步重建面部图像；最后，采用视觉增强模块将多尺度卷积和残差融合，进一步增强人脸下半部分区域的细节和边缘信息，从而提升生成人脸视频的视觉质量。使用公开唇语识别数据集对VisClearTalk模型进行实验验证，结果表明：该模型通过引入视觉增强模块，有效提升了面部视觉内容的细腻程度和真实感，能够生成清晰自然的人脸视频；在性能指标方面，峰值信噪比达到34.349 dB，结构相似度达到0.933，可学习感知图像块相似度降低至0.040。研究结果可为当前人脸生成需求提供一种解决方案。

关键词：语音驱动人脸生成视觉增强视觉质量

来源：评论

学校读者我要写书评

暂无评论

一种深度神经网络多步延迟参数更新并行优化方法

引用

哈尔滨工业大学学报 2025年

作者：巨涛康贺廷刘帅丁肖健王龙翔兰州交通大学电子与信息工程学院西安交通大学计算机科学与技术学院

为解决深度神经网络（deep neural network，DNN）分布式数据并行训练中因聚合节点梯度进行全局梯度参数更新而导致的高通信开销问题，提出了一种DNN多步延迟参数更新并行优化方法。首先设计了一种自适应多步更新间隔选择策略，通过多... 详细信息

为解决深度神经网络（deep neural network，DNN）分布式数据并行训练中因聚合节点梯度进行全局梯度参数更新而导致的高通信开销问题，提出了一种DNN多步延迟参数更新并行优化方法。首先设计了一种自适应多步更新间隔选择策略，通过多次本地迭代，再聚合节点梯度，以降低频繁通信造成的额外开销；同时提出了一种参数修正策略，防止本地模型在多步本地更新后偏离全局模型，从而保证训练精度；其次在聚合梯度时，将梯度张量切分为子张量，在梯度聚合过程中实现通信与计算的最大化重叠，进一步加速模型训练；最后在CIFAR-100和ImageNet-mini数据集上，将本文方法与SSGD、Local SGD训练方法进行实验对比。实验结果表明，本文方法可以在保证模型训练精度的基础上，显著减少因参数更新引入的通信开销，可以实现通信与计算的最大化重叠、充分利用计算资源进提升并行训练速度。研究结果可为降低DNN分布式训练过程中的通信开销提供新的方案。

关键词：深度神经网络数据并行通信调度参数更新计算与通信重叠

来源：评论

学校读者我要写书评

暂无评论

面向云数据中心基于改进A2C算法的任务调度策略

引用

计算机科学 2025年第2期52卷 310-322页

作者：徐东红李彬齐勇中国矿业大学计算机科学与技术学院江苏徐州221116 西安交通大学计算机科学与技术学院西安710049

已有基于深度强化学习(Deep Reinforcement Learning,DRL)的云数据中心任务调度算法存在有效经验利用率低造成训练成本高、状态空间维数不固定和维度较高导致学习震荡,以及策略更新步长固定造成的收敛速度慢等问题。为解决以上问题,基... 详细信息

已有基于深度强化学习(Deep Reinforcement Learning,DRL)的云数据中心任务调度算法存在有效经验利用率低造成训练成本高、状态空间维数不固定和维度较高导致学习震荡,以及策略更新步长固定造成的收敛速度慢等问题。为解决以上问题,基于云数据中心场景构建并行任务调度框架,并以时延、能耗和负载均衡为目标研究云任务调度问题。在DRL算法A2C(Advantage Actor Critic)的基础上,提出了一种基于自适应状态优选和动态步长的云数据中心任务调度算法(Adaptive state Optimization and Dynamic Step size A2C,AODS-A2C)。首先,使用准入控制和优先级策略对队列任务进行筛选和排序,提高有效经验的利用率;其次,将动态高维状态以自适应的方式进行快速优选处理,保持相对稳定的状态空间,避免训练过程中出现震荡问题;最后,使用JS(Jensen Shannon)散度度量新旧策略的概率分布差异,并根据这种差异动态地匹配调整Actor网络和Critic网络的学习步长,从而将当前学习状态迅速调整为最佳值,提高算法的收敛速度。仿真实验结果表明,所提出的AODS-A2C算法具有收敛速度快、鲁棒性高等特点,相较于其他对比算法在时延方面降低了1.2%到34.4%,在能耗方面降低了1.6%到57.2%,并可以实现良好的负载均衡。

关键词：云计算任务调度深度强化学习状态优选 JS散度

来源：评论

学校读者我要写书评

暂无评论

基于分量感知动态图Transformer的短期电力负荷预测

引用

计算机应用研究 2025年第2期42卷 381-390页

作者：朱莉高靖凯朱春强邓凡西安科技大学计算机科学与技术学院西安710054 西安交通大学计算机科学与技术学院西安710049 国网陕西省电力公司培训中心西安710032

准确的短期负荷预测对于电力系统的稳定运行和有效调度至关重要。电力负荷数据因存在非线性、非平稳性而导致预测精度低。分解可以降低序列非平稳性的影响从而有效地提高预测精度,但现有分解预测方法缺乏对分解分量间关系的捕获且显著... 详细信息

准确的短期负荷预测对于电力系统的稳定运行和有效调度至关重要。电力负荷数据因存在非线性、非平稳性而导致预测精度低。分解可以降低序列非平稳性的影响从而有效地提高预测精度,但现有分解预测方法缺乏对分解分量间关系的捕获且显著增加了预测时间。为此,提出分量感知动态图Transformer(component-aware dynamic graph Transformer,CDGT)模型。首先,引入联合对立选择(joint opposite selection,JOS)算子和随机扰动改进雪消融优化算法(snow ablation optimizer,SAO),使用联合搜索和随机扰动的SAO(jointly searched and stochastic perturbed SAO,JSSAO)对变分模态分解(variational mode decomposition,VMD)进行参数寻优。VMD对原始的负荷数据进行分解得到不同频率的分量序列,然后使用图神经网络(graph neural network,GNN)来识别和建模分量之间的复杂关系。同时,使用引入频域指数滑动平均(exponential moving average,EMA)注意力的Transformer来学习分量内部的依赖关系。一次输出所有分量结果,线性相加后得到负荷预测值。通过两个公开负荷数据集的实验表明,CDGT优于一系列先进的基线以及分解预测方法,在澳大利亚数据集和摩洛哥数据集上,MAE分别降低了5.51%~31.08%和15.02%~75.49%。

关键词：短期负荷预测雪消融优化算法变分模态分解 GNN关系建模注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种B-Rep模型高效布尔运算算法

引用

计算机辅助设计与图形学学报 2025年

作者：梁思立黄浩勉梁好唐为然鲍桉畅沈恩亚王建民杨义军南开大学软件学院清华大学软件学院西安交通大学计算机科学与技术学院先进计算与关键软件海河实验室

布尔运算是三维建模中一项基础操作，其技术水平对建模的鲁棒性、效率有着重要的影响. 针对目前公开的B-Rep模型的布尔运算研究中难以兼顾鲁棒性和效率的问题，提出一种高效的B-Rep模型的布尔运算算法. 首先采用层次化包围盒干涉检查... 详细信息

布尔运算是三维建模中一项基础操作，其技术水平对建模的鲁棒性、效率有着重要的影响. 针对目前公开的B-Rep模型的布尔运算研究中难以兼顾鲁棒性和效率的问题，提出一种高效的B-Rep模型的布尔运算算法. 首先采用层次化包围盒干涉检查、面分组和交线局部信息判断等方法，极大地减少几何求交的次数; 然后引入构建交线图、多次成环等技术提高了算法的稳定性. 基于实际三维CAD模型，与几何建模引擎Parasolid， ACIS和OCCT进行对比实验的结果表明，与OCCT的布尔运算相比，所提算法在效率上具有一定优势; 与Parasolid和ACIS的布尔运算相比，该算法在一些场景下的效率相当，为B-Rep模型的布尔运算提供了一种有效的解决方案.

关键词： B-Rep 布尔运算三维几何建模 CAD

来源：评论

学校读者我要写书评

暂无评论

基于CEEMDAN和频谱时间图卷积网络的电力负荷预测方法

引用

计算机工程 2025年第4期51卷 339-349页

作者：朱莉夏禹朱春强邓凡西安科技大学计算机科学与技术学院陕西西安710000 西安交通大学电信学部计算机科学与技术学院陕西西安710000 国网陕西省电力公司陕西西安710000

针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首... 详细信息

针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首先使用CEEMDAN将目标负荷序列分解为多个本征模态分量(IMF),通过计算模糊熵对IMF进行重构;然后使用频谱时间图卷积网络对重构后分量的空间相关性和时间依赖性进行挖掘,得到各分量的预测结果;最后将各分量的预测结果线性相加得到最终预测结果。实验结果表明,所提方法的平均绝对误差、均方根误差、平均绝对百分比误差3个评价指标分别达到了0.72 KW、0.89 KW、0.92%,相较于对比模型StemGnn、TCN、LSTM、Informer、FEDformer,预测精度分别提高了37.9%、17.2%、20.8%、22.5%、12.1%。证明本文所提出的预测方法可以有效降低非平稳性对预测结果的影响,精确获取时序负荷数据的空间相关性和时间依赖性,提高预测精度。

关键词：电力负荷预测经验模态分解本征模态分量图卷积网络模糊熵

来源：评论

学校读者我要写书评

暂无评论

案例驱动的“计算机网络”实验课程研究

引用

教育教学论坛 2025年第7期 133-136页

作者：张利平郑卫斌张未展安健西安交通大学计算机科学与技术学院陕西西安710049

针对“计算机网络”实验课程面临的实验设置零散、实验设备不足、实验内容单一、考评指标不充分的问题,分析了国内外关于“计算机网络”实验课程教学的方式方法,提出以案例为驱动、多样化实验环境、多层次实验内容、多指标考核评价的“... 详细信息

针对“计算机网络”实验课程面临的实验设置零散、实验设备不足、实验内容单一、考评指标不充分的问题,分析了国内外关于“计算机网络”实验课程教学的方式方法,提出以案例为驱动、多样化实验环境、多层次实验内容、多指标考核评价的“计算机网络”实验课程设计思路。改进后的教学模式调动了学生的实践积极性,多样化实验环境和多层次实验内容可以满足不同层次学生的需求。实验考评降低了报告分数占比,加强过程考核及自评互评等,综合评价学生学习效果。对学生反馈的问题明确了下一步改进方向。

关键词：计算机网络案例驱动虚实结合

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：