检索结果-内蒙古大学图书馆

山东大学学报(理学版) 2025年第3期60卷 107-115页

作者：侯成婷陈占寿青海师范大学数学与统计学院青海师范大学省部共建藏语智能信息处理及应用国家重点实验室

对一阶随机系数自回归模型(first-order random coefficient autoregressive model,RCA(1))的参数变点问题展开研究，提出了一种检验参数变点的基于位置和尺度的累积和(location and scale-based cumulative sum,LSCUSUM)检验统计量，在无变点原假设下推导出LSCUSUM统计量收敛于布朗桥的上界，并在备择假设下证明了该方法的一致性。数值模拟结果表明，LSCUSUM方法可以较好地控制经验水平，且相比RCA(1)模型参数变点的方法，经验势也有了一定程度的提高。最后通过所提方法分析了东晶电子股票的日收盘数据，检测出了该组数据中存在的变点。

关键词：随机系数自回归模型 LSCUSUM统计量参数变点变点检验

来源：评论

学校读者我要写书评

暂无评论

藏文句向量预训练模型在嵌入式系统中的应用研究

引用

小型微型计算机系统 2025年第1期46卷 8-15页

作者：吕皓吕慧雍宾宾多拉李妍周庆国周睿兰州大学信息科学与工程学院兰州730000 青海师范大学省部共建藏语智能信息处理及应用国家重点实验室西宁810008

本文研究了将藏文句向量预训练模型部署到嵌入式系统上进行推理和测试的问题.在机器学习中,对文本进行编码和表征存在困难,因此句向量技术成为自然语言处理领域的重要研究方向.然而,在藏文自然语言处理领域,句向量研究相对较少.为此,本... 详细信息

本文研究了将藏文句向量预训练模型部署到嵌入式系统上进行推理和测试的问题.在机器学习中,对文本进行编码和表征存在困难,因此句向量技术成为自然语言处理领域的重要研究方向.然而,在藏文自然语言处理领域,句向量研究相对较少.为此,本文分析了藏文领域已有的预训练模型和句向量表示方法,并设计了一种改进的无监督SimCSE方法(Improved Simple Contrastive Learning of Unsupervised Sentence Embeddings,I-SimCSE).实验结果显示,使用I-SimCSE方法得到的藏文句向量模型性能优于其他方法.同时,本文探讨了边缘计算与预训练模型相结合的应用,并讨论了预训练语言模型在嵌入式系统上的潜在应用场景.最后,本文将I-SimCSE句向量模型部署在嵌入式设备Jetson TX1上,并测试了其平均单次推理时间,结果表明在嵌入式系统上部署预训练语言模型进行推理是可行的.综上所述,本文的研究对于藏文句向量预训练模型在嵌入式系统上的应用研究提供了有益的参考,并为未来藏文大模型在嵌入式系统的发展提供了指导和启示.

关键词：藏文句向量表示嵌入式系统预训练模型

来源：评论

学校读者我要写书评

暂无评论

大模型特征增强与多层次交叉融合的多模态情感分析方法

引用

数据分析与知识发现 2025年

作者：张乐陈岩松张雷瀚北京信息科技大学计算机学院省部共建藏语智能信息处理及应用国家重点实验室藏文信息处理教育部重点实验室(青海师范大学) 北京邮电大学经济管理学院

[目的]多模态情感分析中存在不同模态之间情感表达不一致的现象，抑制了多种模态协同决策情感的效果。针对该问题，提出一种大模型特征增强与多层次交叉融合的多模态情感分析方法。[方法]为了缓解各模态之间的冲突情感信息，提高共性情... 详细信息

[目的]多模态情感分析中存在不同模态之间情感表达不一致的现象，抑制了多种模态协同决策情感的效果。针对该问题，提出一种大模型特征增强与多层次交叉融合的多模态情感分析方法。[方法]为了缓解各模态之间的冲突情感信息，提高共性情感特征的表达，借助多模态大语言模型提取模态内部辅助性情感信息。利用层次化交叉注意力机制学习模态间的共性情感特征并挖掘模态内的辅助性情感特征，以提高共性情感语义的表达。在融合阶段，提出一种模态注意力的加权融合方法，有效平衡共性情感特征与辅助性情感特征的贡献，并引入融合多模态与单模态的损失函数用于解决情感语义不一致问题。[结果]相对于已有方法，本文提出的模型在公开数据集CH-SIMS和CMU-MOSI上的效果均优于对比模型，在CH-SIMS上二分类准确率和F1值分别提升了1.77和1.63个百分点，在CMU-MOSI上二分类准确率和F1值分别提升了0.43和0.41个百分点，在CH-SIMS情感不一致数据上二分类准确率和F1值分别提升了1.80和1.72个百分点，可以有效解决不同模态间的情感语义不一致问题。[局限]视频中人物具有个性化信息，未考虑到人物的个性化信息所带来的影响。[结论]本文利用层次化交叉注意力机制有效融合各模态特征，提高共性语义的表达，可以有效解决不同模态间的情感语义不一致问题。

关键词：多模态情感分析情感不一致大模型特征增强

来源：评论

学校读者我要写书评

暂无评论

基于规则的藏文音节纠正算法

引用

中文信息学报 2025年第1期39卷 28-36页

作者：普尺吕慧李妍多拉周庆国兰州大学信息科学与工程学院甘肃兰州730000 西北民族大学电气工程学院甘肃兰州730000 青海师范大学省部共建藏语智能信息处理及应用国家重点实验室青海西宁810000

藏文语料库的质量是影响藏文信息处理的重要因素。通过分析藏文音节拼写规则,该文构建了针对藏文规则音节和非规则音节拼写检查的音节规则库和非规则音节字典(包括未登录词音译、本体藏文和梵音转写),并基于此提出基于规则的藏文音节纠... 详细信息

藏文语料库的质量是影响藏文信息处理的重要因素。通过分析藏文音节拼写规则,该文构建了针对藏文规则音节和非规则音节拼写检查的音节规则库和非规则音节字典(包括未登录词音译、本体藏文和梵音转写),并基于此提出基于规则的藏文音节纠正算法。该算法利用音节规则库和非规则音节字典对识别后的藏文音节进行拼写检查,通过规则音节构件组合规则来实现藏文音节纠正。实验结果表明,该文提出的藏文规则音节和非规则音节拼写检查算法的F_(1)值达到100%,而规则音节纠正算法的宏平均准确率达到80.43%。

关键词：语料库藏文音节拼写检查音节纠正

来源：评论

学校读者我要写书评

暂无评论

网络安全领域的事件抽取研究综述

引用

信息工程大学学报 2025年第2期26卷 224-230页

作者：汤萌萌罗鹏方晨郭渊博信息工程大学河南郑州450001 青海师范大学计算机学院青海西宁810016 省部共建藏语智能信息处理及应用国家重点实验室青海西宁810008

随着互联网技术的高速发展,网络安全信息急剧增长,网络犯罪频发,对个人隐私和企业安全构成巨大威胁。为有效分析和利用网络安全数据,事件抽取技术应运而生。系统地总结和比较了当前用于网络安全事件抽取的多种方法,深入分析这些方法所... 详细信息

随着互联网技术的高速发展,网络安全信息急剧增长,网络犯罪频发,对个人隐私和企业安全构成巨大威胁。为有效分析和利用网络安全数据,事件抽取技术应运而生。系统地总结和比较了当前用于网络安全事件抽取的多种方法,深入分析这些方法所依赖的数据来源、采用的检测技术及其各自的优势与局限。首先界定事件抽取的相关定义,并介绍CASIE和CySecED等常用数据集。接着,详细探讨基于有触发词和无触发词的事件检测方法,以及句子级和篇章级的事件论元抽取方法。最后,展望大模型在网络安全事件抽取中的应用前景,指出当前研究面临的挑战和未来发展方向,为网络安全领域的事件抽取研究提供新视角。

关键词：网络安全自然语言处理事件抽取事件语料库大模型

来源：评论

学校读者我要写书评

暂无评论

空天地一体化网络的无人机轨迹和计算卸载联合优化

引用

计算机科学 2025年第4期52卷 74-84页

作者：陈奕天童英华青海师范大学计算机学院西宁810008 青海师范大学省部共建藏语智能信息处理及应用国家重点实验室西宁810008

空天地一体化网络作为一种新兴的网络架构,近年来引起了广大研究者的关注,它能够很好地提高网络整体的服务质量。针对偏远地区的网络覆盖不全面,缺乏基本的网络基础设施的问题,提出了一种无人机和卫星共同收集任务的偏远地区空天地一体... 详细信息

空天地一体化网络作为一种新兴的网络架构,近年来引起了广大研究者的关注,它能够很好地提高网络整体的服务质量。针对偏远地区的网络覆盖不全面,缺乏基本的网络基础设施的问题,提出了一种无人机和卫星共同收集任务的偏远地区空天地一体化网络框架,其中无人机与卫星为地面传感器提供边缘计算服务,云服务器为地面传感器提供云服务。由于无人机覆盖率、任务完成率和任务延迟都是影响系统性能的关键因素,因此对无人机轨迹和计算卸载进行联合优化,最大化无人机覆盖率和任务完成率,并且降低延迟。由于所提出的联合优化问题是一个混合非线性规划问题,因此设计了基于白鲸优化算法和沙猫群优化算法的双层优化算法,两层分别对无人机轨迹和计算卸载进行优化。实验结果表明,所提算法显著提高了多个无人机的覆盖率,且在计算卸载中有效提高了任务完成率,降低了任务的平均延迟。

关键词：空天地一体化网络无人机边缘计算无人机轨迹计算卸载

来源：评论

学校读者我要写书评

暂无评论

基于自适应多特征融合的双重图像退化修复网络

引用

中国科学：技术科学 2023年第11期53卷 1939-1952页

作者：赵雪雅彭春燕张效娟青海师范大学计算机学院西宁810016 青海师范大学省部共建藏语智能处理及应用国家重点实验室西宁810016

当前图像修复方法大多局限于处理某个单一特定任务,如超分辨率、去噪、着色等,很少有网络模型同时具备处理双重退化的能力.而现存可以解决多重图像退化问题的算法普遍结构复杂、训练时间长、人力成本较大.本文提出一种基于自适应多特征... 详细信息

当前图像修复方法大多局限于处理某个单一特定任务,如超分辨率、去噪、着色等,很少有网络模型同时具备处理双重退化的能力.而现存可以解决多重图像退化问题的算法普遍结构复杂、训练时间长、人力成本较大.本文提出一种基于自适应多特征融合的双重退化修复网络(adaptive multi-feature fusion dual degradation restoration network,AMFNet),利用自引导模块(SGM)融合图像的多尺度信息,有效去除了图像中的部分缺陷;使用带有空洞卷积的编码解码器模块巩固图像的语义信息,实现了中间图像的着色;引入带有自适应多特征融合模块(AMF)的中间信息传输机制(ITM)链接以上两大结构,自适应选择保留网络递进过程的图像特征以避免有用信息的丢失.实验结果表明,基于自适应多特征融合的双重图像退化修复网络模型视觉生成效果最优,通过在CelebA和Landscape数据集上的测试分析,其结构相似度(SSIM)与感知图像补丁相似度(LPIPS)优于同类方法,而峰值信噪比(PSNR)则远超同类方法高达5 dB.

关键词：生成对抗网络图像去噪图像着色自适应神经元调整

来源：评论

学校读者我要写书评

暂无评论

高效全局注意网络的图像超分辨率重建

引用

激光与光电子学进展 2024年第10期61卷 369-379页

作者：王庆庆辛月兰赵佳郭江王浩臣青海师范大学计算机学院青海西宁810001 省部共建藏语智能信息处理及应用国家重点实验室青海西宁810001

针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像... 详细信息

针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像高频细节信息缺失的问题。另外,构造了近邻像素重构块,将空间关联性和像素分析相结合,进一步促进边缘细节信息的重建。此外,还提出一种多阶段动态余弦热重启训练策略,通过动态调整学习率以避免模型过拟合,提高训练过程的稳定性并优化网络性能。大量实验结果表明,所提方法在Set5等5个基准数据集上相比于其他先进网络,峰值信噪比(PSNR)和结构相似性(SSIM)性能指标平均提高了0.51 dB和0.0078,参数量和浮点运算量(FLOPs)平均降低了332×10^(3)和70×10^(9)。综上,所提方法在拥有较低复杂度的同时,获得了更好的性能指标和视觉效果,实现了网络高效化。

关键词：图像超分辨率重建高效全局注意层次特征像素重构训练策略

来源：评论

学校读者我要写书评

暂无评论

LRGAN:一种运算轻量化图像修复网络

引用

中国科学：技术科学 2022年第3期52卷 447-457页

作者：廖年鸿张效娟彭春燕范虹青海师范大学计算机学院西宁810016 青海师范大学省部共建藏语智能信息处理及应用国家重点实验室西宁810016 陕西师范大学计算机科学学院西安710119

近来的图像修复工作大多聚焦于如何提升修复质量,但并没有考虑在计算资源不足的平台如何运行.本文提出了一种结合组卷积与注意力机制的模块(LABGC)用于替换传统卷积,在此模块中利用深度可分离卷积实现了多层次图像修复工作,同时针对传... 详细信息

近来的图像修复工作大多聚焦于如何提升修复质量,但并没有考虑在计算资源不足的平台如何运行.本文提出了一种结合组卷积与注意力机制的模块(LABGC)用于替换传统卷积,在此模块中利用深度可分离卷积实现了多层次图像修复工作,同时针对传统卷积处理过程中通道间信息流动性的问题提出了轮循通道注意力分配机制(C2AM),并将其应用于构建一个轻量级的图像修复网络(LRGAN).在整体网络的设计阶段使用了并行判别器结构保证图像生成的全局与局部的一致性.实验结果表明,在保证修复质量的情况下,本文提出的图像修复网络的推理时间与资源占用均远远小于同类方法.

关键词：人工神经网络图像修复轻量化网络图像合成深度学习计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于参数高效微调的藏文大模型研究

引用

中文信息学报 2024年第12期38卷 106-115页

作者：杨毛加柔特才智杰官却才让贡去卓么青海师范大学计算机学院青海西宁810016 省部共建藏语智能信息处理及应用国家重点实验室青海西宁810008

大模型是指拥有庞大参数量的深度学习模型,具备强大的表征学习和生成能力,对自然语言处理等领域产生了深远影响。随着技术的不断进步,大模型在性能和应用范围上不断取得突破,成为人工智能领域的研究热点。然而,大模型的发展也面临着一... 详细信息

大模型是指拥有庞大参数量的深度学习模型,具备强大的表征学习和生成能力,对自然语言处理等领域产生了深远影响。随着技术的不断进步,大模型在性能和应用范围上不断取得突破,成为人工智能领域的研究热点。然而,大模型的发展也面临着一些挑战,如模型训练成本高、参数冗余以及跨语言应用存在局限性等。特别地,在藏文这一具有独特语言特性的研究领域,大模型的研究尚处于起步阶段,缺乏相应的模型和资源支持。针对上述问题,该文通过基于LoRA的参数高效微调方法,提出了基于Llama2模型架构构建的Tibetan-Llama2和Tibetan-Alpaca模型,经过较大规模数据的增量预训练和指令微调,上述两种模型具备了对藏文的长文本理解和生成能力,展现了其多任务学习能力,并且在多个领域都有广泛的应用前景。

关键词：自然语言处理藏文大模型参数高效微调增量预训练指令微调

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：