检索结果-内蒙古大学图书馆

计算机应用研究 2025年第3期42卷 856-862页

作者：陈帅良田彦山董力鸣段晓英李佳辉宁夏师范大学数学与计算机科学学院宁夏固原756099

为解决大规模参数调优问题,一系列高效微调方法诞生,但是在整合不同高效微调方法形成有效统一整体方面还存在挑战。此外,统一调优思想在视觉任务中的应用仍然不足。因此,提出统一参数高效微调架构ETTA(efficient Transformer tuning arc... 详细信息

为解决大规模参数调优问题,一系列高效微调方法诞生,但是在整合不同高效微调方法形成有效统一整体方面还存在挑战。此外,统一调优思想在视觉任务中的应用仍然不足。因此,提出统一参数高效微调架构ETTA(efficient Transformer tuning architecture)。首先通过适配器与前缀调优工作原理的相似性,得出两种方法整合形成统一调优架构的合理性;其次,在适配器选择上,选用效果更好的并行适配器,同时对前缀调优引入可调标量得到缩放前缀调优变体;然后将两种方法整合形成统一调优架构ETTA,把并行适配器作用于Transformer前馈神经网络层并设置较大瓶颈维数,缩放前缀调优作用于多头注意力层并设置较小可调前缀向量数;最后将ETTA用于6个图像分类或目标检测任务,并与三种调优策略进行性能比较。结果表明,采用统一参数高效调优架构后,只对少量参数进行微调就可以接近参数完全微调的效果同时性能良好。证明了ETTA用于计算机视觉任务的有效性及其性能表现。

关键词：高效调优统一架构目标检测图像分类

来源：评论

学校读者我要写书评

暂无评论

一个新的单参数填充函数在优化核聚类中的应用

引用

数学的实践与认识 2025年第3期55卷 265-272页

作者：夏俊杨徐应涛张莹浙江师范大学数学与计算机科学学院浙江金华321004

针对约束优化问题,提出一个新的单参数填充函数,并设计相应算法然后将此填充函数应用于对聚类问题中的权重优化,结合聚类模型的过程给出相应算法步骤,运用Python对数据集进行聚类分析并得出权重参数.最后,实验结果证实了该填充函数算法... 详细信息

针对约束优化问题,提出一个新的单参数填充函数,并设计相应算法然后将此填充函数应用于对聚类问题中的权重优化,结合聚类模型的过程给出相应算法步骤,运用Python对数据集进行聚类分析并得出权重参数.最后,实验结果证实了该填充函数算法的可行性。

关键词：填充函数权重优化聚类

来源：评论

学校读者我要写书评

暂无评论

具有向量值支付的3级动态博弈模型及弱合作均衡的存在性

引用

数学的实践与认识 2025年第1期55卷 95-109页

作者：亢兵兵管涛李楠宋奇庆山西师范大学数学与计算机科学学院山西太原030031

将经典的效用型主从博弈扩展为向量值三阶段动态博弈,给出三阶段动态博弈的一般描述形式,建立向量值支付型的三阶段动态合作博弈模型,引入合作均衡的概念,对无限局中人的三阶段动态博弈定义一种弱合作均衡,研究均衡瓦解、合作均衡和弱... 详细信息

将经典的效用型主从博弈扩展为向量值三阶段动态博弈,给出三阶段动态博弈的一般描述形式,建立向量值支付型的三阶段动态合作博弈模型,引入合作均衡的概念,对无限局中人的三阶段动态博弈定义一种弱合作均衡,研究均衡瓦解、合作均衡和弱合作均衡的特性,最后利用集值分析和拓扑方法,证明博弈的弱合作均衡的存在性.文章的模型和得到的结果扩展了主从博弈理论,研究表明新的模型并非原模型的简单推广,得到的结果包括了现有文献结果,也为未来多阶段主从博弈的合作均衡的研究提供了可能.

关键词：主从博弈 3级动态博弈向量值支付弱合作均衡 α-核

来源：评论

学校读者我要写书评

暂无评论

基于亚像素各向异性扩散的低剂量CT重建方法

引用

南方医科大学学报 2025年第1期45卷 162-169页

作者：唐诗洲苏若兰李淑婷赖珍珍黄进红牛善洲赣南师范大学数学与计算机科学学院江西赣州341000 赣南师范大学赣州市计算成像重点实验室江西赣州341000

目的提出一种基于亚像素各项异性扩散的低剂量CT重建方法。方法通过线性插值技术计算亚像素单元强度值及其二阶差分后,将计算得到的新的梯度信息引入到各项异性扩散过程中,并结合惩罚加权最小二乘模型对低剂量CT投影数据进行滤波,最后... 详细信息

目的提出一种基于亚像素各项异性扩散的低剂量CT重建方法。方法通过线性插值技术计算亚像素单元强度值及其二阶差分后,将计算得到的新的梯度信息引入到各项异性扩散过程中,并结合惩罚加权最小二乘模型对低剂量CT投影数据进行滤波,最后使用滤波反投影算法将恢复后的投影数据重建出CT图像。结果在Shepp-Logan体模实验中,与FBP、PWLS-Gibbs和PWLS-TV方法相比,新方法滤波后重建的CT图像在结构相似指数上分别提升了28.13%、5.49%和0.91%,在特征相似指数上分别提升了21.08%、1.78%和1.36%,并且在均方根误差上分别降低了69.59%、18.96%和3.90%。在XCAT体模实验中,与FBP、PWLS-Gibbs和PWLS-TV方法相比,新方法在结构相似指数上分别提高了14.24%、1.43%及7.89%,在特征相似指数上分别提高了9.61%、1.78%及5.66%,同时在均方根误差上分别降低了26.88%、9.41%及18.39%。在临床数据实验中,与FBP、PWLS-Gibbs和PWLS-TV方法重建的CT图像相比,新方法在结构相似指数上分别提升了19.24%、15.63%和3.68%,在特征相似指数上分别提升了4.30%、2.92%和0.43%,同时在均方根误差上分别降低了44.60%、36.84%和15.22%,并且在峰值信噪比上提升至28.39。结论本文提出的新方法可以有效去除低剂量CT图像的噪声和伪影,并可以保持结构细节信息。

关键词：低剂量CT 各向异性扩散亚像素图像重建

来源：评论

学校读者我要写书评

暂无评论

基于改进的GAN与DL融合的入侵检测方法

引用

计算机技术与发展 2025年

作者：李柄军陈帅良段晓英康凯宁夏师范大学数学与计算机科学学院

在基于深度学习的入侵检测系统中，数据不平衡问题显著影响模型的准确性，导致其在识别少数类攻击样本时表现不佳。为了解决这一问题，本文提出了一种改进的生成对抗网络（GAN）、卷积神经网络（CNN）和双向长短期记忆网络（Bi-LSTM）... 详细信息

在基于深度学习的入侵检测系统中，数据不平衡问题显著影响模型的准确性，导致其在识别少数类攻击样本时表现不佳。为了解决这一问题，本文提出了一种改进的生成对抗网络（GAN）、卷积神经网络（CNN）和双向长短期记忆网络（Bi-LSTM）融合的IGAN-CLSTM方法。具体而言，首先通过优化的GAN方法增强异常（攻击）样本的数量，从而平衡数据分布，提升模型的泛化能力；接着，结合CNN在空间特征提取和Bi-LSTM在序列数据处理方面的优势，进行复杂攻击模式的深度特征学习与时序建模，显著提高了模型的识别能力；最后，通过全连接网络（FCN）进行分类。为验证该方法的有效性，本文在UNSW-NB15和CSE-CIC-IDS2018两个大规模数据集上进行了消融实验，结果表明，在保持相同深度学习模型参数和规模的前提下，该方法在准确率、精确度等多个评估指标上均优于其它模型，尤其在多分类任务中的少数类上有了显著提升，展示了其在实时入侵检测中的潜力和应用价值，也为未来网络安全领域的进一步探索提供了有力的支持和参考。

关键词：深度学习入侵检测生成对抗网络卷积神经网络双向长短期记忆网络全连接网络

来源：评论

学校读者我要写书评

暂无评论

非凸时序差分低秩约束的人体运动捕获数据恢复算法

引用

浙江大学学报(理学版) 2025年第1期52卷 146-158页

作者：胡文玉彭绍婷郭震宇黄慧英赣南师范大学数学与计算机科学学院江西赣州341000 江西省教育厅数据科学与人工智能重点实验室江西赣州341000

人体运动捕获数据恢复问题旨在恢复缺少的运动标记点位置信息,同时消除噪声。现有基于低秩矩阵填充的恢复方法大多利用人体运动捕获数据矩阵的低秩性。然而,随着运动数据帧数的不断增加,低秩性可能不再满足。为更好地刻画运动数据的低秩... 详细信息

人体运动捕获数据恢复问题旨在恢复缺少的运动标记点位置信息,同时消除噪声。现有基于低秩矩阵填充的恢复方法大多利用人体运动捕获数据矩阵的低秩性。然而,随着运动数据帧数的不断增加,低秩性可能不再满足。为更好地刻画运动数据的低秩性,提出一种联合Schatten-p范数和lq范数的非凸时序差分低秩约束(NTDLR)的人体运动捕获数据恢复算法。首先,将数据矩阵投影至时序差分空间,构造时序差分矩阵。其次,引入非凸Schatten-p范数,刻画数据时序差分矩阵的低秩性,同时引入非凸lq范数约束稀疏噪声项。再次,利用交替方向乘子法求解模型,采用Newton-Raphson迭代法求解子问题。最后,在CMU数据集和HDM05数据集上,将NTDLR与经典的TrNN、CaNN和IRNNL Lp算法进行了比较,结果表明,NTDLR算法的视觉效果更优,具有更好的恢复性能。

关键词：人体运动捕获矩阵补全时序差分 Schatten-p范数非凸优化

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的复习课教学流程设计——以初中“函数”专题复习为例

引用

新课程导学 2025年第1期 48-51页

作者：王熠慧冯福存金钰宁夏师范大学数学与计算机科学学院

复习课有助于学生查漏补缺、巩固知识，而知识图谱作为可视化的教学工具，能直观反映专题内的知识点以及各知识点之间的联系。为了帮助学生在复习阶段抓住重点、填补缺漏，系统地掌握知识之间的联系，帮助教师增强课堂教学互动，提升教... 详细信息

复习课有助于学生查漏补缺、巩固知识，而知识图谱作为可视化的教学工具，能直观反映专题内的知识点以及各知识点之间的联系。为了帮助学生在复习阶段抓住重点、填补缺漏，系统地掌握知识之间的联系，帮助教师增强课堂教学互动，提升教学质量，文章选用NRD Studio软件绘制知识图谱，借助翻转课堂教学模式，根据复习课的“忆—清—析—练—评”五个环节，提出基于知识图谱的“函数”专题复习课教学流程设计，通过对师生共同生成的初中“函数”专题知识图谱进行分析，发现知识图谱有助于提升复习课的教学效果。

关键词：知识图谱复习课函数专题翻转课堂

来源：评论

学校读者我要写书评

暂无评论

变精度模型构建的知识结构

引用

山西大学学报(自然科学版) 2025年第1期48卷 43-54页

作者：黄传义黄韩亮杨竞菁王启君李进金闽南师范大学数学与统计学院福建省粒计算及其应用重点实验室泉州师范学院数学与计算机科学学院

如何构建知识结构是知识空间理论研究的热点。α-变精度模型有效融合析取和合取两种模型构建知识结构。本文基于α-变精度模型提出了三种γ-变精度模型，探讨了其构建知识结构的性质，并研究了四种变精度模型之间的联系；其次，本文通... 详细信息

如何构建知识结构是知识空间理论研究的热点。α-变精度模型有效融合析取和合取两种模型构建知识结构。本文基于α-变精度模型提出了三种γ-变精度模型，探讨了其构建知识结构的性质，并研究了四种变精度模型之间的联系；其次，本文通过研究矩阵乘法与技能包含度的关系，提出了基于变精度模型的矩阵方法来构建知识结构，并设计了相应算法；最后，选取七个数据集进行实验，对比了本文算法与变精度模型现有算法在构建知识结构上的性能，实验结果显示，本文算法明显减少了运行时间，特别在处理较大数据集时更为明显。

关键词：知识空间理论技能映射析取模型合取模型

来源：评论

学校读者我要写书评

暂无评论

流行性感冒模型的稳定性分析

引用

宁夏师范大学学报 2025年第1期46卷 16-24页

作者：马亮王荣房琦贵杨纪华宁夏师范大学数学与计算机科学学院宁夏固原756099

基于SEIR模型,融合流行性感冒的传播特性、个体免疫状态及就诊习惯,构建流行性感冒模型,推导出基本再生数R 0,并探究平衡点的存在性与稳定性.最后,通过数值模拟验证理论的有效性.

关键词：流行性感冒基本再生数平衡点稳定性

来源：评论

学校读者我要写书评

暂无评论

带混合项随机LQ问题在状态期望等式约束下的最优控制

引用

遵义师范学院学报 2025年第2期27卷 86-90页

作者：姚楠李继泽周永辉贵州师范大学数学科学学院贵州贵阳550025 贵州师范大学大数据与计算机科学学院贵州贵阳550025

研究一类在期望等式约束下的随机LQ问题的最优控制,这里受控状态系统是线性的,其期望受到等式约束,而运行成本是关于状态和控制的混合项二次型函数。首先,引入两个随机Riccati方程的系统,将运行成本化简为仅含控制的标准二次型函数。其... 详细信息

研究一类在期望等式约束下的随机LQ问题的最优控制,这里受控状态系统是线性的,其期望受到等式约束,而运行成本是关于状态和控制的混合项二次型函数。首先,引入两个随机Riccati方程的系统,将运行成本化简为仅含控制的标准二次型函数。其次,在该方程组的可解性和期望等式约束满射的条件下,运用拉格朗日乘子法,将原问题转化为等价的无约束含参数的随机最优控制问题。进而,引入对应的具有显示解的随机Riccati方程,得到该无约束含参数随机控制问题的最优控制。最后,应用凸优化的对偶性理论,得到原问题的最优控制。

关键词：带混合项随机LQ最优控制状态期望等式约束随机Riccati方程拉格朗日对偶性理论

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：