检索结果-内蒙古大学图书馆

通信学报 2022年第11期43卷 199-212页

作者：张晓茜徐勇军重庆邮电大学通信与信息工程学院重庆400065 数智化通信新技术应用研究中心重庆400065 移动通信技术重庆市重点实验室重庆400065

物联网能够提升人们的生活质量,但同时带来能量消耗剧增与网络传输拥堵的问题。为此,面向零功耗物联网的反向散射通信技术被提出,分析与研究该技术的发展现状及所面临的技术难题有着非常重要的意义。首先,阐明了零功耗物联网与反向散射... 详细信息

物联网能够提升人们的生活质量,但同时带来能量消耗剧增与网络传输拥堵的问题。为此,面向零功耗物联网的反向散射通信技术被提出,分析与研究该技术的发展现状及所面临的技术难题有着非常重要的意义。首先,阐明了零功耗物联网与反向散射通信的基本定义与技术特点;其次,描述了6G网络中零功耗反向散射通信的典型应用场景;再次,给出了零功耗物联网反向散射通信的系统架构,并对面向6G零功耗物联网的反向散射通信关键技术进行了探讨;最后,浅析了零功耗反向散射通信所面临的技术挑战与未来潜在的研究方向。此外,所提观点有望推动物联网向全场景、全频谱、全业务方向发展,具有重要的理论意义与现实价值。

关键词：零功耗物联网反向散射通信 6G 智能反射表面

来源：评论

学校读者我要写书评

暂无评论

基于路径标签的文档级关系抽取方法

引用

计算机应用 2023年第4期43卷 1029-1035页

作者：袁泉徐雲鹏唐成亮重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065

针对文档级关系抽取中文本处理复杂性过高,难以提取高效实体关系的问题,提出了一种基于路径标签的文档级关系抽取方法,抽取选择关键的证据句子。首先,引入路径(Path)标签代替实体句子作为处理过的文本数据集进行数据预处理;同时,结合语... 详细信息

针对文档级关系抽取中文本处理复杂性过高,难以提取高效实体关系的问题,提出了一种基于路径标签的文档级关系抽取方法,抽取选择关键的证据句子。首先,引入路径(Path)标签代替实体句子作为处理过的文本数据集进行数据预处理;同时,结合语义分割的U-Net模型,利用输入端的编码模块捕获文档实体的上下文信息,并通过图像风格的U-Net语义分割模块捕获实体三元组之间的全局依赖性;最后,引入Softmax函数减少文本抽取时的噪声。理论分析和仿真结果表明,与基于图神经网络的RoBERTa(RoBERTa-ATLOP)关系抽取算法相比,Path+U-Net在基于文档级别的实体关系抽取数据集(DocRED)上的开发和测试的F1值分别提高了1.31、0.54个百分点,在化学疾病反应(CDR)数据集上的开发和测试的F1值分别提高了1.32、1.19个百分点;并且Path+U-Net在保证实体间的相关性与原始数据集的相关性一致的同时,对数据集的抽取成本更低、对文本的抽取精度更高。实验结果表明,所提出的基于路径标签的抽取方法能够有效提高长文本抽取效率。

关键词：关系抽取关系分类远程监督注意力机制语义分割

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的文本转图像研究

引用

计算机应用与软件 2024年第3期41卷 188-193,219页

作者：李校林高雨薇付国庆重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065 重庆信息设计有限公司重庆401121

近几年,生成对抗网络(Generative Adversarial Network, GAN)在文本转图像中已经取得了显著成果,但是当生成复杂图像时,一些重要的细粒度信息常常会丢失,包括图像边缘模糊、局部纹理不清晰等问题。为了解决上述问题,在堆叠式生成对抗网... 详细信息

近几年,生成对抗网络(Generative Adversarial Network, GAN)在文本转图像中已经取得了显著成果,但是当生成复杂图像时,一些重要的细粒度信息常常会丢失,包括图像边缘模糊、局部纹理不清晰等问题。为了解决上述问题,在堆叠式生成对抗网络(Stack GAN)基础上,该文提出一种基于深度注意力的堆叠式生成对抗网络模型(Deep Attention Stack GAN, DAS-GAN),模型第一个阶段生成图像的基本轮廓和颜色,第二个阶段部分外观和颜色的补充和校正,最后一个阶段细化图像的纹理细节。通过在CUB数据集上实验的初始得分发现,DAS-GAN相比StackGAN++和AttnGAN分别提高了0.296和0.078,从而证明了该模型的有效性。

关键词：生成对抗网络深度学习文本转图像深度注意力 DAS-GAN

来源：评论

学校读者我要写书评

暂无评论

基于Stacking的DDoS攻击检测方法

引用

计算机应用与软件 2024年第3期41卷 321-327页

作者：付国庆李俭兵高雨薇重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065 重庆信息设计有限公司重庆401121

近年来DDoS攻击检测多采用机器学习的方法,Stacking便是其一,现阶段Stacking初级学习器的配置方法多为固定搭配,但由于DDoS攻击的复杂性和动态性,静态的配置策略显得灵活性较差。对此提出QGA-Stacking算法,即利用量子遗传算法(QGA)动态... 详细信息

近年来DDoS攻击检测多采用机器学习的方法,Stacking便是其一,现阶段Stacking初级学习器的配置方法多为固定搭配,但由于DDoS攻击的复杂性和动态性,静态的配置策略显得灵活性较差。对此提出QGA-Stacking算法,即利用量子遗传算法(QGA)动态地选取Stacking中评价指标最高的一组学习器组合,从而提高检测模型的准确性和灵活性;提出一组最佳特征集来节省计算成本。经过实验对比,充分证明了QGA-Stacking算法相较于其他3种主流算法,其检测性能更加显著,最佳特征集的选取也较为合理。

关键词：网络空间安全 DDoS攻击检测集成学习 Stacking 量子遗传算法

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和上下文信息的目标检测算法

引用

计算机应用 2023年第5期43卷 1557-1564页

作者：刘辉张琳玉王复港何如瑾重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学数智化通信新技术应用研究中心重庆400065

针对目标检测过程中存在的小目标漏检问题,提出一种基于注意力机制和多尺度上下文信息的改进YOLOv5目标检测算法。首先,在特征提取结构中加入多尺度空洞可分离卷积模块(MDSCM)以提取多尺度特征信息,在增大感受野的同时避免小目标信息的... 详细信息

针对目标检测过程中存在的小目标漏检问题,提出一种基于注意力机制和多尺度上下文信息的改进YOLOv5目标检测算法。首先,在特征提取结构中加入多尺度空洞可分离卷积模块(MDSCM)以提取多尺度特征信息,在增大感受野的同时避免小目标信息的丢失;其次,在主干网络中添加注意力机制,并在通道信息中嵌入位置感知信息,进一步增强算法的特征表达能力;最后,使用Soft-NMS(Soft-Non-Maximum Suppression)代替YOLOv5使用的非极大值抑制(NMS),降低检测算法的漏检率。实验结果表明,改进算法在PASCAL VOC数据集、DOTA航拍数据集和DIOR光学遥感数据集上的检测精度分别达到了82.80%、71.74%和77.11%,相较于YOLOv5,分别提高了3.70、1.49和2.48个百分点;而且它对图像中小目标的检测效果更好。因此,改进的YOLOv5可以更好地应用到小目标检测场景中。

关键词：目标检测深度可分离卷积空洞卷积注意力机制非极大值抑制

来源：评论

学校读者我要写书评

暂无评论

基于残差收缩网络的关系抽取算法

引用

计算机应用 2022年第10期42卷 3040-3045页

作者：袁泉薛书鑫重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065

针对关系抽取中句子内部单词干扰产生的噪声问题,提出了一种基于软阈值模块的残差收缩网络的改进算法。首先,在残差网络的各个特征通道训练阈值,该阈值具备两个特点,一是其绝对值不能过大,过大将会剔除有效信息;二是该阈值对于不同的输... 详细信息

针对关系抽取中句子内部单词干扰产生的噪声问题,提出了一种基于软阈值模块的残差收缩网络的改进算法。首先,在残差网络的各个特征通道训练阈值,该阈值具备两个特点,一是其绝对值不能过大,过大将会剔除有效信息;二是该阈值对于不同的输入训练有不同的结果。然后,根据软阈值化的特性,将通道特征中小于阈值的部分删除,大于阈值的部分减小,相较于直接删除负面特性,软阈值可以保存负面特性中有用的信息。最后,额外加入注意力模块优化模型,该模块可以降低远程监督中错误标签问题对实验的影响。选取分段卷积神经网络(PCNN)、双向长短期记忆神经(BiLSTM)网络和普通残差网络(ResNet)作为基线模型进行对比实验,实验结果表明,所提模型的精确率-召回率曲线包含了基线模型的曲线,且F1值相较于基准模型分别提高了6.0个百分点、3.9个百分点和1.4个百分点,验证了加入软阈值化的网络模型可以通过减少句内噪声的方式提高关系抽取的准确性。

关键词：残差网络远程监督注意力机制关系抽取软阈值化

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和有效分解卷积的实时分割算法

引用

计算机应用 2022年第9期42卷 2659-2666页

作者：文凯唐伟伟熊俊臣重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065

针对现阶段实时语义分割算法计算成本高和内存占用大而无法满足实际场景需求的问题,提出一种新型的浅层的轻量级实时语义分割算法——基于注意力机制和有效分解卷积的实时分割算法(AEFNet)。首先,利用一维非瓶颈结构(Non-bottleneck-1D... 详细信息

针对现阶段实时语义分割算法计算成本高和内存占用大而无法满足实际场景需求的问题,提出一种新型的浅层的轻量级实时语义分割算法——基于注意力机制和有效分解卷积的实时分割算法(AEFNet)。首先,利用一维非瓶颈结构(Non-bottleneck-1D)构建轻量级分解卷积模块以提取丰富的上下文信息并减少运算量,同时以一种简单的方式增强算法学习能力并利于提取细节信息;然后,结合池化操作和注意力细化模块(ARM)构建全局上下文注意力模块以捕捉全局信息并细化算法的每个阶段,从而优化分割效果。算法在公共数据集cityscapes和camvid上进行验证,并在cityscapes测试集上获得精度为74.0%和推理速度为118.9帧速率(FPS),相比深度非对称瓶颈网络(DABNet),所提算法在精度上提高了约4个百分点,推理速度提升了14.7 FPS,与最近高效的增强非对称卷积网络(EACNet)相比,所提算法精度略低0.2个百分点,然而推理速度提高了6.9 FPS。实验结果表明:所提算法能够较为准确地识别场景信息,并能满足实时性要求。

关键词：分解卷积注意力机制空间细节信息上下文信息轻量级算法

来源：评论

学校读者我要写书评

暂无评论

基于双维度增强的弱监督语义分割算法

引用

微电子学与计算机 2024年第9期41卷 47-55页

作者：文凯张少镇重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065

针对全监督语义分割标注成本高的问题,提出一种仅使用低成本的图像级标签的弱监督语义分割方法。首先,将输入图片通过骨干网络进行特征提取,在网络中插入双维度增强模块把注意力扩散到不容易关注的区域。其次,利用获得的特征图和自注意... 详细信息

针对全监督语义分割标注成本高的问题,提出一种仅使用低成本的图像级标签的弱监督语义分割方法。首先,将输入图片通过骨干网络进行特征提取,在网络中插入双维度增强模块把注意力扩散到不容易关注的区域。其次,利用获得的特征图和自注意力模块学习语义相似性,并利用相似性进一步扩大定位图的覆盖区域。再次,利用浅层特征中包含的低级视觉信息对背景建模,生成精细的定位图,然后构建精细定位图和初始定位图的一致性,以自监督的方式不断细化定位图。最后,经过后处理方法获得伪标签指导分割网络。算法仅使用图像级标签在Pascal Voc 2012上实现了验证集70.4%和测试集69.2%的平均交并比,相比其他自监督方法效果较优。

关键词：弱监督学习语义分割自监督深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多级上下文引导的实时语义分割网络

引用

计算机应用研究 2022年第4期39卷 1265-1269,1280页

作者：文凯熊俊臣邹伟唐伟伟重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065 重庆生产力促进中心重庆400021

针对实时语义分割方法中因忽略其本质所导致的分割精度不高的问题,提出了一种多级上下文引导的轻量化网络。首先,将深度可分离卷积及非对称卷积相结合,设计了基于并行非对称卷积的上下文引导模型以学习局部特征及其周围上下文构成的联... 详细信息

针对实时语义分割方法中因忽略其本质所导致的分割精度不高的问题,提出了一种多级上下文引导的轻量化网络。首先,将深度可分离卷积及非对称卷积相结合,设计了基于并行非对称卷积的上下文引导模型以学习局部特征及其周围上下文构成的联合特征;其次,将该模型堆叠于网络来实现特征的多级优化;最后,通过通道注意模型筛选出与更高阶段语义一致的浅层特征,从而提高分割效果。实验结果表明,所提网络在Cityscapes数据集上以94.7的帧速率获得了72.4%的平均交并比,并在CamVid数据集上取得显著的性能提升。同当前的其他实时语义分割方法相比,该网络性能更优。

关键词：深度可分离卷积非对称卷积局部特征上下文通道注意

来源：评论

学校读者我要写书评

暂无评论

基于分类器链的多标签分类算法

引用

计算机仿真 2022年第6期39卷 380-385页

作者：李校林陆佳丽王韩林重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065 重庆信科设计有限公司重庆400021

为解决分类器链中错误信息传递和信息冗余的问题,提出了一种标签选择有序分类器链算法(LS-OCC)。首先通过对标签进行排序形成有序分类器链以减小错误信息在链中的传递,然后通过计算标签间的相关性对标签进行选择,在充分考虑标签间相关... 详细信息

为解决分类器链中错误信息传递和信息冗余的问题,提出了一种标签选择有序分类器链算法(LS-OCC)。首先通过对标签进行排序形成有序分类器链以减小错误信息在链中的传递,然后通过计算标签间的相关性对标签进行选择,在充分考虑标签间相关性的同时又降低了分类器属性空间的信息冗余。在实验中采用Mulan中的8个多标签基准数据集,相比于分类器链(CC)、有序分类器链(OCC)、贝叶斯链分类器(BCC)等算法,LS-OCC算法在准确率、汉明损失和Macro-F1上都取得了更好的分类效果。

关键词：多标签分类分类器链标签相关性标签排序

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：