<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《高技术通讯》编辑部 -->计算机与通信技术]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于星地协同处理的资源管理技术研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对卫星通信网络中用户业务传输时延大、资源利用率低的问题，本文提出了基于星地协同处理的资源分配方法。该方法联合考虑了星上计算能力、星上缓存能力及星上无线资源协调能力，并与地面资源管理器协同进行资源分配以提升资源利用效率。在研究过程中，综合考虑波束覆盖下用户业务分布、业务服务质量（QoS）保障、用户信道条件等关键因素，以最小化用户业务的平均传输时延和最大化波束吞吐量为目标，建立了多目标优化问题模型，并基于模拟退火算法设计了星地协同资源分配方法求优化问题解的实施流程。仿真实验表明，与现有技术相比较，提出的星地协同方法可以有效降低网络用户业务平均传输时延48.03%，提升波束吞吐量29.26%，同时改善用户业务的QoS，降低丢包率50.40%。]]></description>
<pubDate>2021/1/5 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[曹欢* **，苏泳涛*，周一青* **，丁雅帅***，邱大伟* **，龙隆* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012002&flag=1]]></guid><cfi:id>355</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多粒度聚类的测井曲线自动分层识别方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着测井技术及大数据分析技术的快速发展，自动测井解释技术可以有效辅助人工快速开展储层划分、油水层解释等工作。为了提升储层划分及油水层识别准确度，本文提出了一种基于有监督学习的多粒度聚类识别方法，该方法通过对标准测井曲线及分层结果的学习提取不同分层测井曲线特征，在划分出储层的基础上再进行油水层识别。与已有方法相比，本文方法通过对真实测井曲线进行多种处理，从而融合曲线多层次特征，有利于取得更加准确的分层结果。实验结果表明，该方法可以对测井曲线进行自动分层，提高了曲线自动分层的效率，在真实测井曲线上能够取得较好的分层识别结果。]]></description>
<pubDate>2021/1/5 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[姬庆庆* **，朱登明**，石敏***，王兆其**，周军****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012003&flag=1]]></guid><cfi:id>354</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进卡尔曼滤波的增强现实跟踪注册算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统应用在特征点匹配技术方向的增强现实系统部分存在鲁棒性不足和实时性较差问题，提出一种新的区域跟踪匹配算法。首先利用改进的FAST算法在不同尺度上提取像素信息建立低维模板进行快速定位。其次在跟踪阶段使用加速鲁棒特征(SURF)检测关键点在线实时匹配的同时，借助改进的非线性化的卡尔曼滤波算法预测运动轨迹，缩减匹配区域。接着对使用上述的算法截取部分图像帧，利用上一帧的观测值对下一帧进行预测并估计相机姿态，同时使用随机抽样一致(RANSAC)算法剔除离群值。最后通过得到的相机位姿矩阵进行虚拟物体的注册叠加。实验结果表明，本文提出算法在综合评价中占据优势，在光照变换、旋转变换、尺度变换方面都具有较好的鲁棒性，并具有优越的实时性能。]]></description>
<pubDate>2021/1/5 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘佳，闫冬，郭斌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012004&flag=1]]></guid><cfi:id>353</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于双重注意力机制的降噪自编码器推荐算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了解决传统协同过滤算法的准确度因评分缺失产生的剧烈变化以及冷启动问题，本文提出了一种新的降噪自编码器推荐算法。该方法将注意力机制与辅助信息共同融入降噪自编码器中对评分与交互数据进行处理。首先针对用户交互项目动态分配注意力以学习用户偏好，然后再次通过注意力机制学习隐藏层向量、用户偏好、辅助信息的权重以获得完整评分矩阵。在公开数据集上对该算法进行实验仿真，观察算法性能。结果表明，该算法有效利用了辅助信息且准确度有明显提高。]]></description>
<pubDate>2021/1/5 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王倩雯，张延华，付琼霄，李萌，李庆]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012005&flag=1]]></guid><cfi:id>352</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[视频可见水印检测与去除关键技术研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对可见水印多样性的特点和视频可见水印检测与去除过程中需要大量人工干预的问题，提出了一种基于图像修复的视频可见水印去除方法。该方法主要分为水印检测和水印去除2部分，水印检测采用目标检测和图像分割结合的方法，使检测的水印图案更准确；水印去除采用基于深度图像先验的图像修复实现，并在损失函数中引入结构相似度，修复网络通过学习水印以外的区域获得图像先验修复图像。为了验证该方法的有效性，用公开网站上的真实视频进行了综合的实验评估，实验结果表明该方法与其他修复方法相比，修复后的视频帧结构相似度和峰值信噪比更高。]]></description>
<pubDate>2021/1/5 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[董慧，冯杰，马汉杰，杨小利，王健]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012006&flag=1]]></guid><cfi:id>351</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合边缘计算与区块链的工业互联网资源优化配置研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着通信网络技术的发展，工业互联网技术及其应用日益成熟。然而，工业互联网中对数据的安全性和隐私性需求为传统工业互联网架构带来前所未有的挑战。区块链技术作为极具发展前景的新技术之一，已被应用于工业互联网系统中。但是，当前基于区块链的工业互联网系统中仍存在一些亟待解决的问题，设备处理计算任务产生能耗较大，区块链中共识过程效率偏低，系统中存在严重的计算开销。针对上述问题，本文在工业互联网架构中引入移动边缘计算（MEC）技术，提升设备处理计算任务的能力和区块链节点的共识效率。同时，充分考虑工业互联网系统的设备能耗和计算开销。综上，本文提出一种融合边缘计算和区块链的工业互联网资源分配优化方法，以减少系统设备能耗和计算开销为目标，并将此优化问题构造为马尔可夫决策过程（MDP），系统中的卸载决策、区块尺寸和计算服务器均可动态调整和选择。根据优化场景的高动态、多维度特点，本文采取深度强化学习方法优化求解所提问题。通过仿真验证，相比于其他现有方法，本文所提方法可有效提升系统性能。]]></description>
<pubDate>2021/1/5 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨乐* **，李萌* **，叶欣宇* **，孙恩昌* **，张延华* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202012007&flag=1]]></guid><cfi:id>350</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[NDP-Ledger：面向区块链应用的通用高通量加速架构]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[区块链技术由于去中心化及不可篡改等特性，广泛应用于数字货币、支付交易等领域，其算法对计算能力和存储访问能力有较高要求，导致传统冯诺依曼结构在面向区块链应用时能效比较低。3D堆叠存储器因可以缓解冯诺依曼结构的访存瓶颈，成为了热门研究方向之一。本文基于3D堆叠存储器技术及数据流执行模式，提出了一种面向区块链应用的高通量近数据处理（NDP）架构，NDP-Ledger。本文深入分析和论证了区块链应用的计算特征及3D堆叠存储技术在区块链应用中的适应性问题，并基于数据流执行模式设计了一种通用的高并发区块链加速体系结构，使区块链加速器在满足通用性的前提下提高处理性能。模拟评估结果表明，本文提出的区块链通用加速器结构，在典型区块链应用处理方面的性能优于主流的CPU和GPU。]]></description>
<pubDate>2020/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[安述倩* **，李文明*，范志华* **，吴海彬*，吴萌*，王达*，张浩*，唐志敏* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011002&flag=1]]></guid><cfi:id>349</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于区块链的命名数据网络内容毒化攻击抵御机制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出了一种基于区块链内容毒化攻击抵御机制(BlockIKB)。该机制在边缘路由器上引入区块链数据库，存储内容名字和发布者公钥摘要的绑定信息，在内容获取过程中，用户可以就近从边缘路由器获取发布者的公钥摘要，路由器根据公钥摘要验证内容，从而抵御毒化内容。与已有机制相比，本文机制能够抵御内容毒化攻击。构建了分布式数据库，避免了用户集中获取公钥摘要导致的拥塞问题；提供了就近公钥摘要获取服务，提升了内容获取效率。安全分析证明该机制能够抵御内容毒化攻击，实验结果表明，该机制能够减轻服务器负载，提升内容获取效率。]]></description>
<pubDate>2020/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郭江* **，王淼*，许志伟*，张瀚文*，张玉军* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011003&flag=1]]></guid><cfi:id>348</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[带有量化的信息物理系统安全控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文针对量化环境下的信息物理系统（CPS）提出了一种安全控制方法。考虑执行器和传感器同时受到攻击，并且在信息传输过程中受到量化影响，首先设计了一种中间观测器对系统状态和攻击信号同时进行估计，并基于估计值设计了容侵控制器，通过李雅普诺夫稳定性分析得到保证闭环系统状态一致最终有界的充分条件。该方法通过直接调节某些特定参数可以抑制量化误差的影响，并且不需要引入任何性能指标。最后通过网络化运动控制系统验证了所提方法的有效性。]]></description>
<pubDate>2020/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[朱俊威，吴珺，冯宇]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011004&flag=1]]></guid><cfi:id>347</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进HABE算法的层次化多中心SDN跨域传输系统研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[层次化多中心软件定义网络（HMC-SDN）是一种能够提高大规模网络服务质量和扩展性的有效架构。然而现有的HMC-SDN架构中的跨域通信缺少足够的安全保护，使其中的敏感数据十分容易泄露且不易察觉。本文提出一种基于可认证层次化的密文策略属性加密算法（VH-CP-ABE）。依托HMC-SDN的层次化控制器构建层次化的属性权。交换机利用授权私钥辅以访问策略来加密跨域传输的数据包，在保证密文长度常量化的同时实现跨域安全传输。此外，交换机持有的授权私钥嵌入了交换机本身和相关控制器的身份标识，可以在解密的过程中验证授权私钥的合法性，进一步提升了跨域传输的安全性。经证明，本方案能够在随机预言机模型下达到IND-CCA2安全等级。性能分析及仿真表明，该方案为HMC-SDN跨域通信提供了良好的安全性和高效性。]]></description>
<pubDate>2020/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[周波*，王树磊**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011005&flag=1]]></guid><cfi:id>346</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[信息不可见混合式接入网络纳什均衡问题的研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了合理评价混合式接入网络的系统性能，基于信息不可见情形，在离散时域下建立服务状态可变的马尔可夫排队系统。运用矩阵几何解方法求解系统的稳态分布，给出移动用户平均响应时间的表达式；根据“收益-支出”结构，分别从个人和系统的角度建立预期收益函数。进行数值实验和仿真实验，揭示纳什均衡和系统最优的进队策略之间的内在关系，以此为基础，给出社会最优收费方案，以实现混合式接入网络系统收益的最大化。]]></description>
<pubDate>2020/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘俊，余靖，齐佳兴，金顺福]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011006&flag=1]]></guid><cfi:id>345</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[多输入单输出时变输出误差模型学习辨识算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文考虑了多输入单输出(MISO)时变输出误差系统参数的估计问题。对于多输入单输出时变输出误差系统，识别的难点在于待辨识的模型参量是随着时间而变化的，尤其突变的参数更难辨识。针对这一问题，本文将辅助模型的思想应用到学习算法中，给出了基于辅助模型的迭代学习随机梯度算法和基于辅助模型的迭代学习最小二乘算法的推导过程。最后，提供了说明性的仿真实例来分析所提出的算法，仿真结果表明基于辅助模型的迭代学习最小二乘算法可以快速跟踪突变的参数，获得精准的参数估计，验证了该算法的有效性。]]></description>
<pubDate>2020/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[祝徐轩，仲国民，何熊熊]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202011007&flag=1]]></guid><cfi:id>344</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于合约的Web服务个性化访问控制方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在无中心Web服务环境中，用户访问服务的历史行为数据由多个服务提供方分散管理，难以形成全局的用户信任度视图，难以根据用户信任度和使用需求实施个性化的访问控制。本文提出一种基于智能合约的个性化访问控制方法（SC-PAC）。通过结合前期的研究成果为SC-PAC提供高质量的用户历史行为数据，实现有可靠数据保障的可信计算服务，通过智能合约中的策略配置及可信度计算模型参数调整，实现服务提供商（SP）对不同用户的个性化的访问控制。在实验环节为SC-PAC设计了一个新的信任模型，并对该信任模型及基于SC-PAC方法的访问控制进行了实验设计。对结果的分析表明，本文提出的SC-PAC方法能够允许SP通过智能合约中的计算信任模型、参数及访问控制策略选择，实现对用户的个性化访问控制，并且依据准确的用户历史行为数据提供更可靠的可信度判断，可以有效保护服务。]]></description>
<pubDate>2021/10/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡斌* **，赵晓芳*，宋永浩*，于雷*，段东圣***，张程*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109003&flag=1]]></guid><cfi:id>343</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于增强现实的视触觉交互算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[视触觉增强现实（VHAR）技术可在虚实结合的场景中实现力触觉交互。本文基于Geomagic Touch触觉设备提出了一种新的视触觉增强现实交互算法，以快速特征点提取和描述算法(ORB)与角点光流跟踪算法(KLT)算法搭建基于自然特征的增强现实环境，并以此为框架融入触觉反馈接口，实现视触觉协同反馈的交互环境。该算法首先对真实场景中的触控笔进行虚拟注册，然后基于触觉设备的前向运动模型，实现虚拟触控笔与真实触控笔的6-DOF协同运动；最后通过虚拟触控笔实现对虚拟物体的操控，实现了更加真实、自然的视触觉人机交互。实验结果表明，此方法具有良好的实时性、可行性和准确性。]]></description>
<pubDate>2021/10/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘佳，钱昌宇，谢余磊，陈大鹏，郭斌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109004&flag=1]]></guid><cfi:id>342</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于时空约束压缩感知的地震数据重建]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在实际勘探中，由于环境、设备或人为因素的影响, 采集的地震数据中有很多丢失的数据，严重影响了数据的解释工作。针对这一问题，根据地震数据的时空相关性，提出了一种基于时空约束压缩感知的地震数据重建方法。该方法使用内核奇异值分解(K-SVD)字典学习算法训练超完备字典作为稀疏变换基，进而利用改进的稀疏自适应匹配追踪算法(SAMP)完成重建。通过初始稀疏性估计和变步长策略，减少了SAMP中收敛所需的迭代次数。利用真实的地震数据和微电阻率成像数据进行实验，将所提出的方法与压缩感知重建算法进行了比较，不仅提高了重建数据的准确性，而且缩短了执行时间。]]></description>
<pubDate>2021/10/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[石敏*，朱震东* **，路昊* **，朱登明**，周军***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109005&flag=1]]></guid><cfi:id>341</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[数据缺失下的短时交通流预测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在实际交通数据收集过程中，采集设备故障、维修等问题均易导致采集到的交通数据存在一定的缺失。针对交通数据缺失情况下的交通流预测问题，本文提出了一种基于生成式对抗网络的短时交通流预测模型。该模型由生成网络和判别网络两部分组成。其中，生成网络由全连接层和门控循环单元（GRU）构成，以编码-解码的形式完成对未来交通状态的预测输出；判别网络由多层全连接层构成，通过Wasserstein距离的计算完成对真假样本的有效判断。实验结果表明，本文提出的模型不仅适用于不同比例数据缺失下的短时交通流预测，而且其预测表现优于其他对比模型。]]></description>
<pubDate>2021/10/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐东伟* **，彭鹏**，何德峰**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109006&flag=1]]></guid><cfi:id>340</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[移动边缘计算增强的超密集网络上行传输性能分析与基站配置设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在引入移动边缘计算（MEC）技术的超密集网络（UDN）中，网络性能受无线传输链路质量和基站计算资源部署的共同影响。本文以小型基站接收干扰信号的统计特性分析为基础，对UDN与MEC结合场景的上行空间遍历容量进行分析，并根据空间业务强度和小基站计算服务排队系统的稳定性约束关系，进行小基站配置设计。首先，采用空间泊松点过程对干扰源用户分布进行建模，同时考虑无线信道的多天线与小尺度衰落特性，以小基站部署密度为变量分析上行用户信干比的统计特性及变化规律；然后，根据排队论计算空间业务强度与MEC服务器计算能力之间的约束关系；最后，采用数值仿真验证了信干比与基站密度关系分析的正确性，得出了空间遍历容量的收敛趋势，并给出了小基站与MEC服务器配置设计的例子。]]></description>
<pubDate>2021/10/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[周天琪*，吴文君*，李海灵**，董君宇*，高巨*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109007&flag=1]]></guid><cfi:id>339</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于SDN的四层多粒度光交叉连接体系研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在波带交换的基础上加入光码粒度，构成包括光纤、波带、波长、光码粒度的四层多粒度光交叉连接(MG-OXC)结构，并应用码群路由(CGRE)技术使多个波长通道级联，构成波带交换和CGRE共存的混合捆绑体系，提出混合算法以缓解端口数目过多和波长利用率较低的问题，使业务在各个粒度灵活上下路。将基于通用多协议标签交换(GMPLS)的四层多粒度光交叉连接结构体系作为软件定义网络(SDN)体系中数据转发层的一部分，由软件定义网络控制器进行集中管理，可优化网络结构。通过对波长利用率、端口需求数目和系统丢包率3方面的仿真分析，验证了该网络体系的优秀性能。]]></description>
<pubDate>2021/10/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王玉宝，苏明，王琪龙，李龙飞]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202109008&flag=1]]></guid><cfi:id>338</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向深度可分离卷积的硬件高效加速器设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[采用深度可分离（DS）卷积替代标准卷积已成为神经网络轻量化设计的趋势，但是由于深度可分离卷积不规则的数据维度和数据尺寸，现有卷积神经网络加速器在处理这类网络时计算并行度和计算单元（PE）利用率无法得到保证，导致加速器计算性能降低。针对这一问题，本文提出一种通道朝向的计算数据流，该数据流能够将数据维度不同的Depthwise卷积、Pointwise卷积和标准卷积在统一的数据流下展开运算。基于该数据流，设计了一款面向深度可分离卷积的加速器，该加速器采用统一的计算核心处理深度可分离卷积中各类卷积运算，在低面积开销下实现了高计算并行度。实验结果表明，与目前现有的深度可分离卷积加速器相比，该设计获得了1.32倍处理速度和1.76倍面积效率的提升。]]></description>
<pubDate>2021/9/6 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[许浩博* **，王颖*，王郁杰*，张士长* **，刘博生* **，韩银和*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108003&flag=1]]></guid><cfi:id>337</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[高速公路收费站入口车道管控仿真研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[收费站通行能力的大小直接影响到高速公路交通流的运行状况。为调控主线流量可对收费站实施收费通道控制等策略。针对收费站控制建立了高速公路收费站管控模型，利用VISSIM软件对甬台温高速公路温州南收费站进行了仿真。仿真过程中设置了不控制通道数量和控制通道数量两个场景，研究了针对改进收费站管控模型的仿真建模方法，对检测器位置、基础流入量、期望路段交通密度等参数进行了设置。通过仿真输出两个场景的流量、速度、旅行时间、延误等指标。仿真结果表明，在拥堵交通流状态下，通过实施收费通道控制，通过收费站的车辆的匝道延误有所增加，但是车辆主线下游延误有所降低。从整体来看收费通道管控对改善收费站主线下游拥堵有一定的效果。]]></description>
<pubDate>2021/9/6 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张威奕* **，李歌亮***，齐建宇****，秦刚****，马浩****，李海舰*****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108004&flag=1]]></guid><cfi:id>336</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合异质刺激过滤的金相图像等轴α相识别]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对钛合金金相图像存在噪声、晶界α相和片层组织与等轴α相颜色极为相似而导致“误识别”的问题，提出了一种融合异质刺激过滤的金相图像中等轴α相识别算法。该算法主要包含两大部分：（1）结合数学形态学和异质刺激理论设计实现了异质刺激模板，对晶界α相和片层组织进行了有效的过滤；（2）提出了一种结合距离变换和数学形态学的前景和背景标记方法，对等轴α相和其他组织进行了精确的标记，利用标记分水岭算法对金相等轴α相进行识别。实验结果表明，该算法过滤了金相图像中大部分的晶界α相和片层组织，并最大程度地降低了对等轴α相边缘区域的影响。与大津算法、最大熵算法、模糊C均值聚类算法对等轴α相的识别效果相比，本文算法提高了等轴α相的识别准确率。]]></description>
<pubDate>2021/9/6 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[窦燕*，王丽盼**，张启飞***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108005&flag=1]]></guid><cfi:id>335</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于综合辨识信息的SLIC超像素分割算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[简单线性迭代聚类算法(SLIC)作为目前主流的基于聚类的超像素分割算法,能产生形状规整的超像素,但是边界附着度不高，针对以上问题本文提出了基于综合辨识信息的SLIC超像素分割算法。该算法首先调整种子点的初始化选取方式，计算像素梯度值，扩大初始聚类中心的选取范围。其次在距离度量时，加入像素的边缘概率，以权重的方式加入到距离公式中，减少了像素的误分割现象。实验结果表明，本文方法与SLIC算法相比，在分割质量方面有明显提升；同时与其他几种算法相比，本文提出的算法可以有效地提高超像素的边界附着度，同时降低像素的分割错误率。]]></description>
<pubDate>2021/9/6 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈莹莹*，康艳**，李文法**，宏晨**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202108006&flag=1]]></guid><cfi:id>334</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于新型多传感器融合策略的移动端双目视觉惯性SLAM闭环算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[研究了复杂环境下基于视觉同时定位与地图构建（SLAM）算法的移动端实时定位问题。该问题有如下几个难点：首先是移动端设备的计算资源受限，这对算法的优化与解算效率提出了更严格的要求；其次是测试场景的复杂多变，使得算法在低纹理及快速运动等情况下容易丢失目标；最后是实际应用时对系统的可拓展性要求较高，需要具备复杂场景下的适应性。针对上述问题，本文提出了面向移动端的双目视觉惯性SLAM算法，采用新型多传感器融合策略，通过将双目视觉图像和惯性测量数据进行紧耦合优化，设计了移动端回环检测算法，显著提升了系统的鲁棒性和可靠性。通过实验验证了所提方法的有效性，其在定位精度上超过了当前同类方法的最好结果，并开发了移动端的增强现实（AR）应用，以展示系统在真实场景中的效果。]]></description>
<pubDate>2021/8/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[任金伟，郑鑫，李昱辰，朱建科]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107003&flag=1]]></guid><cfi:id>333</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种面向非易失性内存文件系统的数据读写粒度控制策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[数据读写是文件系统的重要操作。传统的文件系统基于磁盘设计，数据读写需要旋转磁头，因此数据读写慢。文件系统使用I/O调度层对读写操作进行拆分和合并，减少磁头寻道时间，提高系统性能。新型非易失性内存（NVMM）支持字节寻址和随机访问，文件系统可以直接使用内存指令进行数据操作。因此，现有的NVMM文件系统，如ext4-dax、PMFS和NOVA，不再考虑数据操作粒度的优化，直接按照文件数据的存储粒度（如4kB）在应用和文件系统之间传输数据。然而，文件系统中的数据读写性能仍然受到操作粒度的影响。本文分析了文件系统在真实NVMM硬件上的性能，发现大粒度操作会降低文件系统性能，并针对数据读写操作粒度提出了优化策略。实验结果表明，本文提出的优化策略使得NVMM文件系统性能提升30.1%。]]></description>
<pubDate>2021/8/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王盈，蒋德钧，熊劲]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107004&flag=1]]></guid><cfi:id>332</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于蒙特卡洛树搜索的智能天车倒垛优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[智能天车倒垛优化是提高钢卷库堆场利用率的重要手段，同时对提升钢铁仓库物流效率具有重要意义。针对该问题，建立最小倒垛次数为目标的天车作业负荷数学模型。在对模型求解过程中，借鉴了Alpha Go-Zero中树搜索方法，设计了蒙特卡洛钢卷搜索树（MCRST）。为了提升搜索树的收敛速度和结果的准确性，将树的置信度上界（UCT）改为快速动作值估计（RAVE），同时引入绝对剪枝策略避免节点盲目扩展。通过不同规模算例实验，将改进算法与原树搜索和粒子群算法(PSO)进行比较，证明了该算法在大规模问题上的优越性；同时该算法也考虑了订单钢卷出库顺序和出库量等因素，验证了算法的适用性。]]></description>
<pubDate>2021/8/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[董砚，康学斌，雷兆明，卢禹]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107005&flag=1]]></guid><cfi:id>331</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于卷积神经网络和LSTM循环神经网络的客户复购预测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[通常一个销售代表会有数百名客户。销售代表无法定量预测哪位客户最近有下单需求，所以多采用轮询或者主观直觉的方式决定每天的回访客户名单。本文以深度学习的思路，把销售代表的历史回访记录作为输入数据，以卷积神经网络(CNN)和循环神经网络(RNN)为基础模型，让模型学习客户复购行为的内在逻辑以便指导初级销售代表的每日回访工作。相对传统回访策略，在深度学习算法辅助下的回访策略可以把回访相对成功率提高120%，取得了显著的效果。]]></description>
<pubDate>2021/8/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[施海昕，诸建超，严骏驰，程栋，刘云锋]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107006&flag=1]]></guid><cfi:id>330</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于位置索引的中英文模糊检索算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[信息检索效率的提高可以给用户带来更好的体验。信息检索的实质是字符串匹配，针对当前字符串匹配算法效率低下的问题，本文提出一种基于位置索引的中英文快速模糊检索算法，通过直接获取被匹配串的所有位置信息，在匹配串进行匹配时可根据位置信息达到直接精确匹配，从而提升匹配效率。并在此算法基础上深入分析了基于中文的模糊匹配查找和多关键字查找。通过实验测试，该算法在数据量、数据源长度和待匹配串长度等特性评价指标上均优于一般算法。]]></description>
<pubDate>2021/8/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王立彬，许成谦，袁丽]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107007&flag=1]]></guid><cfi:id>329</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于节点压能的网络分风算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决传统Scott-Hensley网络解算算法在寻找回路过程中速度过慢从而导致解算时间过长的问题，本文基于节点压能算法进行相应研究，对节点压能算法的迭代原理进行分析，从数学角度确定其在实际应用中的可行性，推导节点压能解算法的数学模型，给出了通风网络中各个节点的压能校正迭代式以及算法流程；并针对节点校正式中存在不收敛和收敛慢的问题，根据通风机特性曲线的不同拟合次数给出相应的解决方法。最终通过示例证明了在同一复杂通风网络中相较于Scott-Hensley算法，节点压能算法具有收敛速度快的特点，且收敛误差同Scott-Hensley算法相比差别不大。]]></description>
<pubDate>2021/8/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李博伦，李雨成，李俊桥]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202107008&flag=1]]></guid><cfi:id>328</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于优先级替换的批量规则快速更新方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[当前，软件定义网络（SDN）交换机的三态内容寻址存储器（TCAM）基于优先级编码其存储规则的物理位置，因此，当发生规则更新时，TCAM不可避免地会因为新优先级的出现或原有规则优先级的变化而移动大量已有规则的物理位置，产生不可忽视的高时延。本文提出了基于优先级替换的批量规则快速更新方法(BRUS)，解决规则更新时因TCAM移动规则而产生的高时延。BRUS引入了基于规则依赖的规则语义一致性，在规则语义一致性的基础上，通过替换插入规则优先级为删除规则的优先级来避免不必要的规则移动，实现快速的规则更新。实验结果表明，BRUS能够有效找到91%以上的替换规则对，从而大幅减少规则更新的移动次数。与最新方法相比，针对批量更新场景，BRUS具有更好的稳定性和适用性。]]></description>
<pubDate>2021/7/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[丁自旋* **，于金萍*，李文斌*，毕经平*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106003&flag=1]]></guid><cfi:id>327</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于TPM的手机第三方安全移动支付协议]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决in-APP第三方支付中密钥泄漏、信息显示不全、商家APP缺乏预信任等问题，采用着色Petri网（CPN）模型对现有的订单篡改、通知假冒、订单替换、非授权查询4种攻击进行建模分析，并通过推导不安全状态的可达性验证in-APP第三方支付系统存在的安全漏洞。提出了基于可信平台模块（TPM）的新的支付协议模型，该模型利用TPM生成安全私钥用于改进数字签名和防止用户和商家APP串谋攻击等方面。安全性分析表明，相较于原协议，新的安全模型引入随机数抵御重放攻击，通过TPM安全芯片生成公私钥对，抵御因密钥泄漏引发的订单篡改与替换、通知假冒和非授权查询4种网络攻击，并通过协议中的额外安全性补偿机制解决了串谋攻击和订单信息显示不全等问题。]]></description>
<pubDate>2021/7/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘永磊* **，金志刚*，郝琨**，张伟龙***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106004&flag=1]]></guid><cfi:id>326</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[复杂环境下基于目标指引的RRT*路径规划算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[机器人路径规划算法需应对运动过程中遇到的各种复杂环境。针对快速扩展随机树 (RRT)算法规划时间长、产生新节点随机性大、盲目性强的缺点，提出基于目标指引的RRT*路径规划算法。该算法在障碍物和目标点处分别产生虚拟势场，引入引力函数和斥力函数使得生成的随机点具有目标性，随机点朝向目标点方向产生，降低盲目性和随机性；回归策略和动态自适应步长策略减少规划时间和产生冗余点的数量。当环境复杂时，提出带有预测机制的模糊推理策略，以解决机器人在U型陷阱下易产生的局部死锁现象。在动态环境下，提出重规划策略使机器人拥有动态避障能力。最后，在树莓派智能小车上进行了实验测试，结果验证了该算法的有效性。]]></description>
<pubDate>2021/7/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[魏立新* **，侯仕杰* **，孙浩* **，吴绍坤***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106005&flag=1]]></guid><cfi:id>325</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[能馈式LED阵列驱动电路的效率控制优化及调光调色策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了在全负载范围下高效率地驱动规则及不规则LED阵列，基于能馈式LED阵列驱动接口电路提出一种可最高效率点跟踪的控制策略，使能馈式LED阵列驱动接口电路在负载发生变化的情况下仍可工作在最高效率点。在负载组合已知的前提下基于RGBLED负载切换可实现调光调色，建立了反向传播(BP)神经网络负载控制的调光调色模型。制作了24V输入、3通道输出、开关频率为100kHz的能馈式RGBLED通道电路样机并搭建了相应的取色平台。实验结果表明，最高效率点跟踪的能馈式LED阵列驱动接口电路可利用神经网络负载控制模型实现有限空间下的调光调色。]]></description>
<pubDate>2021/7/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谢路耀*，吴金龙*，陈怡**，华思聪*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106006&flag=1]]></guid><cfi:id>324</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于BiLSTM的地质片段层位预测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[地质分层是指对某一个地区的地层剖面中的岩层进行划分，可用于指导相应的地质找矿工作。传统的地质分层主要依靠专家根据经验进行人工判断，然而由于地质层位类别繁多，需要消耗大量的时间和人力成本。现有的地质层位自动识别方法，由于没能考虑到测井数据的序列关系以及地质层位分布的特点，导致识别效果较差。基于此，本文提出了一种改进的双向长短期记忆神经网络（BiLSTM）的地质片段层位预测方法，可以根据测井数据自动快速地进行地质分层预测。该方法首先对测井数据进行分段处理，然后基于片段式的数据对BiLSTM网络进行相应的修改，其充分利用了地质层位片段式分布的特点，且考虑到了测井数据两个方向上的序列相关性。实验结果表明，本文方法在某油田真实井位数据集上的识别准确率达到了93%，相较于其他网络有着显著的效果提升。]]></description>
<pubDate>2021/7/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[金相臣* **，吴子锐*，石敏*，朱登明**，周军***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106007&flag=1]]></guid><cfi:id>323</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于收缩块的高速列车多目标滚动时域速度规划]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着轨道交通产业的发展，列车最优速度轨迹规划对节能环保事业发展和提升人们出行质量有着越来越重要的作用。针对优化高速列车运行速度轨迹以保证高速列车运行的能效性、安全性、正点性和舒适性的多目标问题，本文提出了一种利用实时交通信息规划高速列车最优运行轨迹的新方法——基于收缩块的高速列车多目标滚动时域速度规划算法。高速列车模型采用非线性纵向动力学模型，考虑了变化的道路斜坡和速度限制。根据高速列车的实时位置和运行时间，设计了一种包含多目标性能函数的收缩块滚动时域最优速度规划方法。通过在线求解一系列的最优速度规划问题，得到高速列车运行的最优速度-时间曲线。仿真结果表明，该方法能满足高速列车运行节能、准点、安全和舒适的要求。]]></description>
<pubDate>2021/7/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何德峰，周龙，余世明]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202106008&flag=1]]></guid><cfi:id>322</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向多任务处理的神经网络加速器设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文从多任务系统以及算法硬件协同设计的角度出发，提出了一种面向多任务处理的神经网络加速器架构。在算法方面，提出了一套多任务处理算法，能够有效挖掘多任务间的特征重复性和计算重用性；在架构设计方面，设计了能够利用网络参数共享实现多任务间计算重用的加速器架构。该架构采用基于时间片的调度方法，实现了多视觉任务的高效并行处理。实验结果表明，与目前主流的移动图形处理器（GPU）相比，本文提出的加速器能够在多任务推理阶段减少65.80%的乘法运算量，同时获得了11倍的性能提升。]]></description>
<pubDate>2021/6/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[许浩博* **，王颖*，王郁杰*，闵丰* **，韩银和*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105003&flag=1]]></guid><cfi:id>321</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[外部高速缓存与非易失内存结合的混合内存体系结构特性评测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[以非易失性存储器（NVM）作为主存且以动态随机存取存储器(DRAM)作为片外高速缓存（EC），是一种可以满足大数据应用内存容量需求的新型混合内存结构（EC-NVM）。该结构同时具有NVM的大存储容量和DRAM的低存取延迟的优点。传统的结构是以片内SRAM作为片内高速缓存（IC）且以DRAM作为主存（IC-DRAM）。与IC-DRAM相比，EC-NVM在容量比、延迟比方面均有显著不同，导致在IC-DRAM场景下的设计方法和优化策略直接迁移到EC-NVM上未必有良好的效果。本文评测了EC-NVM的体系结构特性（包括高速缓存粒度、关联度、替换算法、预取算法等），获得了指导EC-NVM结构的设计和优化的一系列发现。]]></description>
<pubDate>2021/6/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[潘海洋* **，刘宇航* ** ***，卢天越*，陈明宇* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105004&flag=1]]></guid><cfi:id>320</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于NVDLA与FPGA结合的神经网络加速器平台设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着深度神经网络对算力的需求不断增加，传统通用处理器在完成推理运算过程中出现了性能低、功耗高的缺点，因此通过专用硬件对深度神经网络进行加速逐步成为了深度神经网络的重要发展趋势。现场可编程门阵列（FPGA）具有重构性强、开发周期短以及性能优越等优点，适合用作深度神经网络的硬件加速平台。英伟达深度学习加速器（NVDLA）是英伟达开源的神经网络硬件加速器，其凭借自身出色的性能被学术界和工业界高度认可。本文主要研究NVDLA在FPGA平台上的优化映射问题，通过多种优化方案高效利用FPGA内部的硬件资源，同时提高其运行性能。基于搭建的NVDLA加速器平台，本文实现了对RESNET-50神经网络的硬件加速，完成了在ImageNet数据集上的图像分类任务。研究结果表明，优化后的NVDLA能显著提高硬件资源使用效率，处理性能最高可达30.8 fps，实现了较边缘中央处理器（CPU）加速器平台28倍的性能提升。]]></description>
<pubDate>2021/6/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[管兆康*，张志伟**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105005&flag=1]]></guid><cfi:id>319</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进Faster RCNN的目标检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对基于区域的目标检测算法中定位精度不高的问题，本文提出了一种分裂机制的改进Faster RCNN算法。该算法首先选择特征提取能力强的卷积神经网络（CNN）作为骨干网络进行特征的提取；然后通过12种不同Anchors产生候选目标区，以进一步提升检测的精确度；最后将得到的特征分别传送到两个子网络，分别实现分类与定位。分类网络以全连接结构为基础，定位网络则主要由卷积神经网络构成。本文在Pascal VOC2007和Pascal VOC2012以及吸尘袋图像集上对算法的有效性进行了验证。结果表明，提出的算法在对目标进行有效检测的同时，定位效果比Faster RCNN更加精确，实现了边界框的精准回归。]]></description>
<pubDate>2021/6/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王宪保，朱啸咏，姚明海]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105006&flag=1]]></guid><cfi:id>318</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于主动半监督深度学习的归纳一致性预测算法及其应用]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在图像分类中，图像标签的获取是昂贵的和费时的。为了减少标注成本，提出了一种主动半监督深度学习的归纳一致性预测算法(ICP-ASSDL)，该算法使用一种新颖的奇异值度量来产生可靠的置信度。ICP-ASSDL用4个标准(信息质量、边缘抽样、多样性和面向类别度量)从未标记池中选取实例来提高分类性能。面向类别度量采用蒙德里安一致性预测算法来减弱非平衡问题的影响。最后通过4个图像数据集(MNIST、Fashion-MNIST、SVHN和CIFAR10)进行了实验,实验结果表明，相对于其他方法，本文所提出的方法在只有少量标签样本的情况下，可以获得更高的分类精度。]]></description>
<pubDate>2021/6/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李国强，龚宁]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105007&flag=1]]></guid><cfi:id>317</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[实时虚拟场景漫游路径的优化算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统的虚拟路径漫游是在固定方向路径上的漫游，而实时任意方向上的虚拟路径漫游在路径曲线处有抖动问题且计算量大，使得虚拟现实(VR)场景运行缓慢、晃动和卡顿，给人带来视觉上的晕眩感。针对以上问题提出了基于Dynapath算法、微分路径及改进的Cardinal曲线插值算法相结合的优化算法。使用Dynapath算法规划实时路径和等时间微分路径，并对微分线段等截距处进行初步平滑处理。最后对该路径使用改进的Cardinal曲线插值算法拟合出该曲线。测试结果表明，本文算法对实时任意方向虚拟漫游路径的拟合程度优于其他方法，曲线平滑去抖动效果好、计算量小、FPS值稳定。]]></description>
<pubDate>2021/6/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵晓东，石程豪]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202105008&flag=1]]></guid><cfi:id>316</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[车联网中基于服务的虚拟网络功能放置算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为满足车联网中海量数据的采集、传输以及对这些数据的快速处理的需求，可采用移动边缘计算（MEC）技术。本文考虑移动边缘计算中基站连接方式和物理资源的特点，对边缘服务器的部署问题进行了分析，以部署成本和网络时延为优化目标，划分基站集群，并使用整数线性规划(ILP)建立模型。为了获得运行效率更高的边缘服务器部署方案，本文使用分支定界算法和启发式贪婪算法获得优化模型的近似最优解。实验评估结果显示，分支定界算法和启发式贪婪算法最高可以把边缘服务器部署算法运行时间减少37.6%。此外，本文分析了用户服务器请求数量和用户服务优先级对算法运行时间和边缘服务器运行成本的影响。]]></description>
<pubDate>2021/4/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[韩淑君* **，李俊*，董谦* ** ***，马宇翔****，宋留静* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104003&flag=1]]></guid><cfi:id>315</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[高特质焦虑个体情绪注意偏向的脑网络研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[利用复杂网络分析方法对脑网络的拓扑结构和属性进行分析，探讨高特质焦虑个体情绪注意偏向的脑功能机制。选取高特质性焦虑（HTA）和低特质性焦虑（LTA）各15名被试，进行3种情绪面孔表情（高兴、中性和愤怒）的搜索任务，同步记录64导脑电（EEG）。对EEG数据进行同步似然分析，计算网络的整体属性参数（全局效率、聚类系数和特征路径长度）及节点属性参数（节点度）。组内统计分析显示，HTA和LTA两组被试均表现为，愤怒面孔搜索任务下额叶与颞叶节点度、聚类系数及全局效率明显大于其高兴面孔和中性面孔的值，而特征路径长度小于高兴面孔和中性面孔的值。组间统计结果表明，3种面孔搜索任务下HTA组额叶与颞叶节点度值均明显大于LTA组的值，尤其是愤怒面孔搜索任务下二组的差异更加明显（P<0.001）；愤怒面孔搜索任务下，HTA组被试的节点属性参数及整体属性参数均与LTA组有显著差异，而高兴面孔和中性面孔搜索任务下，HTA组被试仅节点属性参数与LTA组有显著差异，整体属性参数无显著差异。以上结果表明，HTA个体对情绪信息(尤其是负性情绪信息)更加敏感，其神经机制可能与额、颞叶活动及脑网络信息传输能力异常增强有关。本研究从脑网络水平探讨了HTA个体情绪认知的脑功能特点，可为焦虑症、抑郁症等精神障碍的认知功能神经机制研究提供新视角。]]></description>
<pubDate>2021/4/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[季淑梅* **，荀兴苗* **，步鑫鑫* **，刘庆* **，黎捷* **，许全盛* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104004&flag=1]]></guid><cfi:id>314</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向用户体验的动态负载均衡算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着互联网用户数量的迅速增长，Web服务面临着巨大的访问压力，对Web服务器持续提供服务提出了更高的要求。当负载过重时可能会导致服务器宕机等严重状况，从而影响Web服务器对用户HTTP请求的响应，进而影响服务质量，因此Web服务器集群需要更好地响应用户请求。本文提出了一种基于用户体验的动态负载均衡算法（QRFS），在保证用户满意度的前提下，兼顾服务器的负载和请求调度的公平性。实验表明，QRFS算法能够获得更好的用户满意度。此外，在请求的平均响应时间上，QRFS算法较加权轮询（WRR）算法提高了12%，较加权最小连接数（WLC）算法提高了11%；在服务器负载的均衡性上，QRFS算法取得了更好的效果，节点间的负载方差更小。]]></description>
<pubDate>2021/4/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郑晓辉* **，史骁*，金岩*，宋永浩*，唐宏伟*，赵晓芳*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104005&flag=1]]></guid><cfi:id>313</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度强化学习的舰载机在线调度方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统调度算法在高危多变环境下实现多目标在线调度所面临的困境，提出基于深度强化学习的调度优化算法，并应用于大规模舰载机出动回收多目标在线调度问题中。该方法以减小舰面位移、减少会遇次数、均衡设备利用率和稳定调度周期作为调度决策目标，依照马尔可夫决策过程（MDP），构造以舰载机和各设备状态作为输入，调度行为动作作为输出，带权特征向量作为奖赏的在线调度即时决策模型。搭建用于训练的优化深度强化学习网络，改进动作选择策略和网络结构以提升性能，从而实现在线调度决策优化。实验结果表明，利用该方法得到的决策模型能够在线解决突发状况，在静态和动态调度方面，相对于启发式算法和调度规则本文方法在安全性和高效性方面具有优势。]]></description>
<pubDate>2021/4/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[于彤彤，董婷婷，肖创柏]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104006&flag=1]]></guid><cfi:id>312</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[窃听者位置估计下的系统保密容量优化]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[保密容量最大化是物理层安全(PLS)的主要目标。本文首先利用到达角（AOA）估计窃听者位置，然后通过向窃听者发送人工噪声增大保密容量，并联合优化人工噪声和有用信号的波束成形向量，实现人工噪声发射机传输功率最小和系统保密容量最大的多目标优化。针对此多目标优化问题的非凸性，利用半定规划（SDP）松弛将其转化为凸优化问题后求解。数值仿真结果表明，本文所提多目标优化方法明显改善了系统的保密性能，同时通过调整保密容量和人工噪声发射机传输功率所对应的权重，实现了资源的有效分配和合理利用。]]></description>
<pubDate>2021/4/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谭蓉俊，高远，邓志祥]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104007&flag=1]]></guid><cfi:id>311</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于GIS的最大覆盖双层选址问题研究与实现]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[最大覆盖选址问题在物流配送中具有重要的应用意义。为了充分考虑现有城市道路的网络特性，建立了基于地理信息系统（GIS）的最大覆盖双层选址分配模型。首先，该模型考虑实际路网的起始目的地(OD)成本与多配送中心协同供给资源的可能性，在选择配送中心的位置使覆盖的总需求量最大化的同时保证较低的运输分配成本；其次，为了确定配送中心选址的位置及各个需求点分配到的物资比例，利用精英保留策略的免疫遗传算法进行选址分配的优化，并以杭州市某区为实例验证了所提方法的有效性；最后，实现了融合GIS技术与优化算法的选址系统。]]></description>
<pubDate>2021/4/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王浩文，武楚雄，陈驰，秦子豪，张贵军]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202104008&flag=1]]></guid><cfi:id>310</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于规则实时性的端云动态分配方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对物联网控制规则在实际应用中，由于延迟触发执行导致物联网系统引发不同程度的控制安全事故，本文基于规则的实时特性提出了一种面向物联网控制规则的端云动态分配方法(EasiDEP)，以提高物联网系统控制规则的实时性。首先，根据规则之间的相关性以及实时特性，提出了一种规则聚类算法，将规则库中的规则分为实时和无实时规则；然后，基于规则聚类结果提出一种端云动态规则分配方法，将实时规则分发至云端和本地规则服务端同时处理，提高实时规则的触发执行率。最后，通过实验验证了EasiDEP能够有效地提高物联网控制规则的实时触发执行率，降低系统发生控制安全事故的风险。]]></description>
<pubDate>2021/4/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄晓辉* **，崔莉**，黄希**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103003&flag=1]]></guid><cfi:id>309</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[约束非线性系统保安全和稳定的双模经济模型预测控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[考虑输入仿射非线性约束系统的安全与经济优化控制问题，提出一种约束非线性系统高效安全经济模型预测控制（SEMPC）策略。首先引入控制李雅普诺夫障碍函数（CLBF）概念，设计系统运行安全约束和参数化非线性局部控制律。为平衡SEMPC的在线计算量和经济优化性能，构造约束非线性系统的参数化双模模型预测控制（MPC）控制器，其中，控制器自由参数在系统状态进入终端域后在线优化确定。进一步，应用双模控制原理和控制李雅普诺夫函数性质，证明SEMPC策略的递推可行性和闭环系统的渐近稳定性。最后，通过对一连续搅拌釜反应器的安全、经济和稳定控制的仿真实验，验证了本文策略的有效性。]]></description>
<pubDate>2021/4/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何德峰，徐山，余世明]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103004&flag=1]]></guid><cfi:id>308</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基千深度学习的短期负荷预测综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[负荷预测是电力系统中最重要的工作之一，准确的负荷预测可以帮助决策者合理地进行电网资源的调度，对保持电网高效、稳定、安全、经济地运行具有重要的作用。 随 着智能电网的发展，用户的用电数据呈指数增长，这促进了负荷预测研究的快速发展。特 别是近年来负荷预测领域的技术巳经发生了巨大的转变，很多传统的负荷预测方法逐渐被更加精确的基于数据驱动的深度学习方法所取代。 本文综述了近年来深度学习方法在短期负荷预测领域的发展，并对深度学习在短期负荷预测中的最新成果进行了总结与深 入分析，最后对短期负荷预测领域未来的发展进行了展望。]]></description>
<pubDate>2021/4/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄运有* **，詹剑锋* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103005&flag=1]]></guid><cfi:id>307</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[虚假数据注入攻击下网联车辆自适应巡航状态安全估计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[考虑网联车辆自适应巡航控制系统中的无线监控网络受到虚假数据汪入攻击下的车辆状态估计问题，提出了一种状态估计方法重构网联车辆系统中的车辆状态。 首先建立自适应巡航控制系统模型和无线监控网络中的虚假数据注入攻击模型；再根据车辆巡航状态被损坏的数据，利用压缩感知原理，将网联车辆巡航状态安全估计问题描述为LI 范数优化问题；进而根据S稀疏性重构网联车辆自适应巡航状态；最后，通过典型车辆自适应巡航场景仿真验证该方法的有效性。]]></description>
<pubDate>2021/4/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[宋秀兰，漏小鑫，孟利民，何德峰]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103006&flag=1]]></guid><cfi:id>306</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Louvain算法的作者合著网络社区划分研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[对作者合著网络进行社区划分有助于挖掘科研人员的合作和交流模式。 采用Louvain算法将C-DBLP作者发文合作关系公开数据集进行了社区划分，并采用模块度对划分结果进行评估。 结果表明，Louvain算法能够快速高效地处理具有数千个节点的网 络，与LED算法和GN算法相比，能更有效地进行社区划分。 研究结果揭示了各个学科不同的合作交流模式，有助于挖掘潜在的合作团体，为学科合作研究提供帮助。]]></description>
<pubDate>2021/4/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[褚叶祺*，丁佳骏**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103007&flag=1]]></guid><cfi:id>305</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基千特征加权ML-kNN的网页浏览业务KQI预测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统以网络为中心的移动网络运维往往是在接到用户投诉时才采取相应补救措施，随着移动互联网(OTT)业务的高速发展，这一问题愈发突出。 如何在监测用户业务感知的 基础上对用户业务质量进行预测预警并及时于预，是提高移动业务保障能力和网络运维智能化水平的重要手段。 本文利用从普通用户终端上采集的海量业务感知数据，重点针对网页浏览业务，研究了ML-ReliefF算法在业务感知采样数据降维中的应用。 在此
基础上，将特征选择结果与多标记k近邻(kNN)算法相结合，提出了基于特征加权的多标记k近邻算法应用于业务关键质量指标(KQI)预测。 实验结果表明，该方法可有效提高 KQI预测质量。]]></description>
<pubDate>2021/4/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谢苏，刘子巍，李克]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202103008&flag=1]]></guid><cfi:id>304</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于监督学习的规则触发执行预测方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[物联网（IoT）规则引擎； 不安全因素； 控制安全； 监督学习； 控制类别]]></description>
<pubDate>2021/3/23 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄晓辉* **，崔莉**，黄希**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102002&flag=1]]></guid><cfi:id>303</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Kinect多生物识别技术的智能视频播放器交互系统]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了实现观看者无接触操作情况下的视频播放器智能控制，系统利用Kinect传感器采集彩色图像，使用FaceNet提取人脸特征向量，经支持向量机（SVM）训练后进行人脸识别，该过程在计算机中央处理器(CPU)运行环境下，利用OpenVINO实现人脸检测与识别实时运行，用于视频播放器的登录验证。系统采集音频数据使用Speech Platform Runtime v11进行中文命令识别，使用Kinect Speech Language进行英文命令识别，进而实现语音控制。采集骨骼数据，计算骨骼点之间的距离与角度进行人体姿态和手势识别，将识别结果转换为控制命令，进而实现播放器的快进、切换视频、加减音量等常用的控制功能。实验结果表明，该交互系统实现了使用者无接触全自动人体控制，为视频播放器提供了一种自然便捷的交互方式。]]></description>
<pubDate>2021/3/23 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李国友，王维江，李晨光，杭丙鹏，杨梦琪]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102004&flag=1]]></guid><cfi:id>302</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于区块链的医疗临床数据防篡改机制及篡改攻击分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[医疗临床数据的可靠共享机制对提升智慧医疗水平具有重要意义，防篡改机制可为医疗临床数据交互与共享提供保障。本文首先给出了基于区块链的医疗临床数据防篡改机制，然后设计了两种场景来分析医疗临床数据篡改攻击的实施途径，最后对篡改攻击进行建模并基于马尔科夫链进行了分析。本文研究内容对提升医疗临床数据共享安全性以及智慧医疗水平均具有较高的应用价值。]]></description>
<pubDate>2021/3/23 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李晓明*，黄慧*，应毅*，曾岳**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102005&flag=1]]></guid><cfi:id>301</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[数字图像水印技术综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着数字信息技术的快速发展，数字图像信息被广泛用于通信和信息的表示，但该类信息也常常会受到非法的篡改，因此如何保证数字图像的版权不被破坏是数字信息领域一直面临的问题。数字水印作为一种版权保护技术，能在一定程度上解决图像的版权纠纷问题，对数字图像技术的研究具有重要的意义。本文对近些年来国内外学者在该研究领域取得的成果进行了系统总结，首先给出了图像水印的基本模型、基本特性以及衡量指标；接着，分析了现有的数字图像水印算法特点，并进行分类，介绍了水印技术在其他领域的应用；然后，针对水印算法的抵抗行为，总结了现有水印算法能有效抵抗的鲁棒性攻击；最后，根据现有水印技术的优势和不足，提出未来的发展趋势和下一步研究的方向。]]></description>
<pubDate>2021/3/23 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吴德阳*，张金羽***，容武艳**，唐勇*，赵静*，曲长波***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102006&flag=1]]></guid><cfi:id>300</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[激光云高仪和毫米波云雷达协同测量云底高技术的融合算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于多设备协同测云技术，围绕对云底高的协同观测而开展，依据2015年1月1日至2015年5月31日中国气象局气象大气探测试验基地HY-CL51激光云高仪和Ka 波段毫米波云雷达的观测数据进行研究，提出了基于激光云高仪和毫米波云雷达协同测量云底高技术的融合算法。通过3种输出数据对比研究发现，融合后的数据相比于单独的激光云高仪或毫米波云雷达数据，输出的最终云底高数据准确度较高，同时提高了毫米波云雷达低云区数据获取率，改善了激光云高仪受能见度影响测量精度低的问题，一定程度上解决了缺测的状况，具有一定的应用价值。]]></description>
<pubDate>2021/3/23 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张墅]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202102007&flag=1]]></guid><cfi:id>299</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Transformer神经网络的滚动轴承故障类型识别]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率，基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transformer神经网络的输入样本矩阵，解决Transformer神经网络的输入问题。同时，提出应用于滚动轴承故障类型识别的归一化位置编码方法，解决Transformer神经网络在滚动轴承故障分析领域的位置编码问题。在此基础上，提出Transformer神经网络双向输入样本矩阵处理机制和算法训练过程中错误样本权重增强机制，提升所提方法的鲁棒性。使用KAt数据中心的滚动轴承数据集验证所提方法的识别性能，与现有常用深度学习方法相比，所提方法在时间效率和准确度性能上均有一定的优势，其中，准确度能够提升11%以上，单个样本的平均处理时间小于1ms。]]></description>
<pubDate>2021/2/7 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[邱大伟* **，刘子辰*，周一青* **，龙隆* **，谭雯雯***，曹欢* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101002&flag=1]]></guid><cfi:id>298</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[用于求解多约束QoS路由优化问题的改进伊藤算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对伊藤算法(ITO)在大规模网络中求解多约束服务质量（QoS）路由优化时，存在收敛速度过慢、易陷入局部最优解从而导致算法成功率不高等问题，提出基于多策略协同优化的改进伊藤算法。该算法通过改进漂移与波动过程的结合方式，提出了一种新的协同更新策略，并引入双重认知策略和多精英引导学习策略，设计了一种新的路径权重更新规则。该规则使算法中漂移粒子和波动粒子强度根据个体适应度灵活变化，具有自适应性。仿真结果表明，该算法在保证系统稳定性的基础上，降低了QoS路由的迭代次数与费用，并且在较大规模网络中有理想的表现。]]></description>
<pubDate>2021/2/7 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[余世明，周凯杰，何德峰]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101003&flag=1]]></guid><cfi:id>297</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[细粒度的流计算执行效率优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[流计算引擎如Storm被广泛地应用于大数据实时处理中，以提高数据处理的执行效率，但该引擎因统计信息粒度粗、无法准确定位性能瓶颈，造成了难以提高数据处理的执行效率问题。为此，本文提出了一种细粒度流计算执行效率优化方法，该方法以元组为中心进行细粒度的性能分析，包含性能瓶颈识别算法和性能瓶颈缓解算法，支持量化地选择最优参数配置以提高执行效率。实验结果表明，在3个标准程序32个不同配置场景下，该方法能够准确地识别流应用的性能瓶颈，识别率为100%，应用的执行效率提高了70%。]]></description>
<pubDate>2021/2/7 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[魏波* ** ***，刘晓东*，阎雨庭*，赵晓芳*，袁雨馨* ***，唐宏伟*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101004&flag=1]]></guid><cfi:id>296</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[MIPS安卓平台上ARM二进制翻译系统]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无内部互锁流水级的微处理器（MIPS）是重要的处理器架构，安卓是目前主流的移动终端操作系统。在MIPS架构处理器上运行安卓操作系统可以有效拓展使用领域，但存在的问题是调用高级精简指令集处理器（ARM）架构本地库的安卓应用程序不能运行，即存在应用不兼容问题。本文提出了一种动态库跨平台二进制兼容模型，以及通用的跨平台二进制翻译系统的架构，并在MIPS安卓平台上设计实现了ARM二进制翻译系统。该系统能够进行ARM动态库的跨平台加载，并采用动态二进制翻译，将ARM动态库中的二进制指令翻译成为MIPS架构的二进制指令，从而能够在MIPS架构处理器上执行。实验结果表明，该系统可以运行调用ARM本地库的安卓应用程序，解决了MIPS平台安卓应用的兼容性问题。本文工作对跨平台二进制翻译系统的研究具有重要参考价值。]]></description>
<pubDate>2021/2/7 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵保华* ** ***，安宁钰** ***，徐哲冲****，杜安利****，苏涛****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101005&flag=1]]></guid><cfi:id>295</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于遗传算法的多色服装裁剪分床解耦优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为满足服装企业在生产过程中合理制定多颜色服装裁剪分床计划的需求，提出了一种基于遗传算法的多色服装裁剪分床解耦优化方法。首先通过分析多色服装裁剪分床问题的特点，将实际生产限制量化为约束条件，从而建立了非线性整数规划的优化模型；其次提出一种基于最小二乘法(LS)的解耦策略，结合遗传算法对服装生产误差和投入生产的裁床数量同时优化，在寻优过程中，通过解耦策略将非线性优化问题分解成一系列线性回归子问题，降低了问题的难度，可快速有效地进行求解，从而得到最佳多色裁剪分床方案，减少裁床投入、布料浪费，实现资源利用的最大化；最后针对4个实际生产案例，将该算法与现有方法进行对比，结果表明所提算法的求解精度和运行时间都更优，具有良好的应用价值。]]></description>
<pubDate>2021/2/7 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[董辉，林文杰，王瑶为，吴祥，张文安]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101006&flag=1]]></guid><cfi:id>294</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[区块链技术应用于物联网：发展与展望]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来，随着数字货币的日益兴起和商业应用，区块链技术越来越受到政府部门、工业界以及学术界的关注和认可。与此同时，移动通信网络的快速发展和广泛覆盖，促使物联网（IoT）逐渐走入日常生活，极大程度地提升了工作效率与生活品质。然而，物联网场景中仍存在能效性低、数据传输安全性差等问题，使用区块链技术可有助于促进物联网更好地发展和普及。本文对区块链技术在物联网中的应用进行了系统性综述，首先介绍了背景知识和相关研究，其次提出了区块链的基础架构模型，并且详细阐述了区块链技术应用于物联网各场景的发展现状以及相关特征，最后讨论了一些挑战及未来发展趋势。]]></description>
<pubDate>2021/2/7 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[叶欣宇*，李萌* **，赵铖泽*，司鹏搏* **，孙阳*，张延华* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202101007&flag=1]]></guid><cfi:id>293</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于局部图互信息最大化的异构图神经网络方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有的基于互信息最大化的异构图神经网络（HGNN）方法因图读出操作的单射限制、粗粒度的特征保留而无法适用于现实网络的问题，提出一种基于局部图互信息最大化的、无监督的异构图神经网络方法。该方法使用元路径对异构图中涉及到的语义关系进行建模，并利用图卷积模块和语义级别的注意力机制来捕获单个节点的局部表征。该方法通过最大化单个节点与局部子图间的互信息，有效地学习高阶节点表征。实验结果表明，该方法相比基于全局图互信息的方法，可以将数据集DBLP/IMDB上的节点分类任务的微值F1（micro-F1）提高大约3％/9％，同时将DBLP/IMDB上的节点聚类任务的调整兰德系数（ARI）提高约23％/46％。]]></description>
<pubDate>2022/1/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[朱志华* **，范鑫鑫**，毕经平**，武超***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112003&flag=1]]></guid><cfi:id>292</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于语义分割的密封圈缺陷检测方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[密封圈的缺陷区域过小、缺陷特征与背景相似度较高和密封圈上杂质过多，导致密封圈表面缺陷检测难度很大。对此，本文提出一种基于编解码结构的语义分割缺陷检测算法。首先，通过向编码器端的各个卷积模块注入不同尺度的图像特征，以此增加模型的多尺度信息和冗余信息，同时使用膨胀卷积层替换常规卷积层，有效地增加网络的感受野，使得模型不易漏掉小的缺陷；其次，结合注意力机制将编码器的信息与解码器端的信息进行级联，加强模型对目标区域信息的捕获；最后，将解码器端输出的不同尺度信息进行融合，提高网络对小缺陷的分割精度。实验结果表明，本文所提出的方法能够对较小的、边缘不清晰的密封圈缺陷进行有效分割，能够满足密封圈缺陷的检测需求。]]></description>
<pubDate>2022/1/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[石敏*，乔昆磊*，王素琴*，朱登明** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112004&flag=1]]></guid><cfi:id>291</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向数据匮乏城市的下一个POI推荐方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[位置社交网络（LBSN）用户位置数据的分布不均衡，及某些用户出于对隐私安全的考量刻意隐藏自己部分位置信息等因素加剧了兴趣点（POI）推荐难度。就此本文提出了基于元学习的时空神经常微分方程(ML-ODE)来进行有效的下一个POI推荐。该模型主要是将元学习的思想融入到POI推荐过程中，通过不同任务训练优化初始参数，将数据丰富城市中的泛化移动模式迁移到数据匮乏城市，达到优化POI预测任务的目的。该模型将神经常微分方程用于POI推荐领域，定义连续的动态过程，可以接受任意时刻的输入数据，克服了大多数时序推荐模型静态离散化的时间间隔处理方式，更适用于POI序列推荐任务。在真实公开数据集Foursqure上的实验结果表明，ML-ODE在POI推荐方面比当前主流的POI预测方法在NDCG@N指标上提升了超过10%。]]></description>
<pubDate>2022/1/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谭海宁* **，姚迪* **，毕经平* **，向徐***，杨啸***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112005&flag=1]]></guid><cfi:id>290</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[信源数量估计的可视化线性聚类方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在通过传感器采集信源获得观测数据的过程中，估计信源的数量对源信号处理和观测数据分析起着非常重要的作用。为了确定稀疏信源的数量，本文提出了增强信号线性聚类特性的可视化估计方法。首先，利用短时傅里叶变换(STFT)把时域的观测信号变换成频域中的复频谱以增强观测数据的稀疏性；然后，建立一种角度余弦的相似性测度，以频谱实部分量与虚部分量之间的角度阈值来判别数据点所归属的信源；最后，把该角度阈值应用于单源点(SSP)检测中，剔除造成干扰的多源点（MSP）数据，凸显稀疏信源的线性聚类特性。实验结果表明，本文方法可以有效地增强数据的线性聚类特性，实现对信源数量直观地估计。]]></description>
<pubDate>2022/1/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何选森* **，何帆***，孟凡臣***，徐丽*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112006&flag=1]]></guid><cfi:id>289</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于半休眠模式的云计算任务卸载策略及性能研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[云系统中的任务卸载是一种将密集的移动应用程序迁移到云端计算的机制。考虑云用户服务质量和云系统能耗水平，在云端引入周期性同步半休眠模式，提出一种云计算任务卸载策略。针对不同负载情况下的虚拟机服务速率，构建多服务台同步多重工作休假排队模型。基于拟生灭过程和矩阵几何解方法，得到云用户的平均响应时间与云系统的能源消耗。进行系统实验，评估卸载策略的系统性能，并验证其有效性。基于权重分配构建系统成本函数，改进海鸥优化算法，给出云计算任务卸载策略的智能优化方案，实现系统成本的最小化。]]></description>
<pubDate>2022/1/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[宋家，余靖，金顺福]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112007&flag=1]]></guid><cfi:id>288</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于生成对抗网络的热泵系统故障诊断数据集扩充方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着深度学习的发展，越来越多的热泵系统故障诊断方法引入深度学习技术并取得了较好的效果。基于深度学习的故障诊断技术需要依赖大量带有标记的故障数据，而现实中这类数据获取较为困难，这限制了智能诊断技术的应用。针对这一问题，本文提出利用生成对抗网络（GAN）学习故障数据的分布，并生成更多的标记数据，实现故障数据集的扩充。针对热泵系统运行数据结构复杂且不同故障间差异小给模型学习带来较大困难这一问题，本文提出利用热泵系统基准模型将运行数据转化为残差数据并作为训练数据，降低数据复杂度，增加差异性。利用MMD指标和1-NN指标对生成的数据进行分析，发现生成数据分布和真实数据接近，且利用残差数据训练的GAN模型质量更高。利用故障诊断方法对引入不同比例生成数据的模型训练结果进行分析，发现生成数据的引入可以提高数据量不足条件下的故障诊断精度。实验结果表明，基于GAN的数据扩充方法可有效降低智能诊断对标记数据的依赖，是一种应用前景广阔的技术。]]></description>
<pubDate>2022/1/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孙哲*，金华强* **，顾江萍**，黄跃进*，王新雷***，郑爱武****，沈希*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202112008&flag=1]]></guid><cfi:id>287</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[MIPS VZ虚拟化环境中透明大页性能的优化]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[内存地址翻译一直是影响计算机性能的重要因素之一，在虚拟化环境中由于存在多级地址翻译，这一问题更为突出。使用透明大页（THP）是优化这一问题的常见手段。本文以龙芯3A4000处理器和KVM虚拟机为实验平台，分析了MIPS VZ环境中虚拟机使用透明大页的性能。发现透明大页在应用中存在分组TLB负载不均衡，使得部分场景中透明大页对性能产生了负面影响。本文对现有KVM内存管理进行了改进。通过在内存管理中增加对分组TLB负载的考量，提升了KVM虚拟机使用透明大页的性能。该方法对其他使用TLB分组结构的处理器也有参考价值。]]></description>
<pubDate>2022/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[朱琛* ** *** ****，王剑* ** ***，高翔****，毛碧波****，杨小娟****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111003&flag=1]]></guid><cfi:id>286</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于文本挖掘的国家创新型城市科技创新政策量化评价研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[选取72个国家创新型城市作为研究对象，依据城市的经济发展能力和创新能力将样本划分为4个象限，形成包含全样本和4个象限在内的5个样本组。对各样本组2019年的科技创新政策进行文本挖掘，主要包括高频词、语义网络图、点度中心度、网络中心势和小团体分析。研究结果表明，我国国家创新型城市科技创新政策的重点突出，主要依托项目和企业开展研发活动，以实现科技和技术的创新，同时需要重视多渠道激励创新绩效的提升。本研究为政策优化与政策决策提供了参考和依据。]]></description>
<pubDate>2022/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郄海拓，陈雪迎，张志娟]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111004&flag=1]]></guid><cfi:id>285</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于遗传算法的神经网络等价模型构建]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[神经网络模型结构作为深度学习的重要组成部分，在很大程度上决定着深度学习的性能表现。而目前基于深度学习的应用，大部分都由经典的网络模型修改而来。由于无法获得原神经网络模型结构，本文根据原模型的输入输出数据以及经典的神经网络模型结构，构建了原模型的预测模型。该方法主要通过对预测模型的结构参数进行编码，并利用遗传算法（GA）进行选择、交叉、变异操作，从而构建出原模型的等价模型。对于同一输入数据，等价模型和原模型的输出基本保持一致。本文提出的构建方法在图像分类、信号调制类型分类和网络链路预测领域均取得了较好的效果。]]></description>
<pubDate>2022/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[鲜开军*，丁新虎*，朱城超**，朱钟华**，徐东伟**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111005&flag=1]]></guid><cfi:id>284</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多尺度并行深度可拆分的CNN新冠肺炎CT图像去噪方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[目前新冠肺炎（COVID-19）在全球蔓延，为了对新冠肺炎进行早期诊断，同时减轻医护人员的工作压力，使用深度学习对患者胸部电子计算机断层扫描（CT）图像进行分析变得越来越重要。针对肺炎图像中纹理细节较为丰富、边缘结构模糊、极易干扰机器及医生诊断的问题，本文提出一种基于多尺度并行深度可拆分卷积神经网络（MSP-ReCNN），对新冠肺炎CT图像进行去噪处理，提升肺炎图像质量。多尺度特征提取模块从不同尺度提取肺炎图像中的纹理特征细节，采用深浅通道并行方式，分别提取肺炎图像中的高维度以及低维度的特征。为进一步优化网络模型，提出一种拆分卷积方式，可将特征图拆分为两类，一类为主要关注特征，另一类为次要关注特征。使用复杂度高的计算方式从主要关注特征中提取关键信息，对于次要关注特征，则采取复杂度低的计算方式提取补偿信息。通过与非局部均值（NLM）去噪算法、收缩卷积神经网络（SCNN）深度模型、去噪卷积神经网络（DnCNN）深度模型对比，以及网络消融实验，可以看出本文提出的模型能有效去除肺炎图像中的噪声，并且可以更好地保留原始图像中的纹理结构细节，为机器以及医生提供更可靠的辅助诊断。]]></description>
<pubDate>2022/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张硕，余世明]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111006&flag=1]]></guid><cfi:id>283</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于POI的出租车停靠位置选择算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于兴趣点(POI)，采用图论中判定节点重要度的方法，根据节点在路网中的基本信息，建立一种判定节点重要度的通用节点重要度(GNI)算法。针对不同场所出租车需求量不同的问题，建立了一种不同模式下的出租车按需分配呼叫模型。以GNI算法为基础，获得基于POI的专用节点重要度(DNI)算法。采用杠杆原理，同时类比多边形获取“重心”的方法，分析DNI算法下节点重要度排名结果，获得出租车最佳停靠位置，通过实验验证了该DNI算法的实用性及有效性。]]></description>
<pubDate>2022/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐焕君，余靖，苑帅，张玉停]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111007&flag=1]]></guid><cfi:id>282</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[科研主题演化中三种典型社区发现算法对比研究——以植物甾醇信号为例]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[科研主题识别和演化分析是了解科研领域发展现状和趋势的重要手段。近年来，基于复杂网络和网络演化计量的社区发现算法成为揭示科研主题演化的主要方法，有必要深入探讨该类算法在主题识别和演化分析中的优点与不足。本文选取植物油菜素甾醇领域，构建了关键词共现网络，对比了Newman MM、Ball Overlapping和Blondel这3种典型社区发现算法的科研主题识别和演化追踪结果，并结合专家知识对3种算法效果进行分析。实验结果表明，Blondel算法在科研主题的识别和演化追踪研究中运算速度最快，识别的主题更为准确，能够较好反映领域主题演化。该研究从算法适用性角度为科研主题演化追踪研究提供了参考。]]></description>
<pubDate>2022/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[薛陕，董诚，韩红旗，张均胜，高雄，王力]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111008&flag=1]]></guid><cfi:id>281</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[WSN目标跟踪场景中基于能耗约束的传感器选择算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111009&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无线传感器网络（WSN）中高精度目标跟踪时的传感器能量管理为当前的研究热点。针对节省能量和能耗均衡问题，提出一种基于能耗约束的传感器选择算法。算法实现以扩展卡尔曼滤波（EKF）增益矩阵及传感器量测能耗矩阵为待优化变量，以估计协方差矩阵的迹与传感器量测能耗函数的和为目标函数，结合传感器节点能耗阈值约束，通过凸优化方法求解。理论推导与仿真实验结果表明，在保证估计精度条件下，本文算法可以有效节省网络能量，实现网络能量均衡。]]></description>
<pubDate>2022/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王会勤*，付春玲**，胡振涛*，刘先省***，金勇*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202111009&flag=1]]></guid><cfi:id>280</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[双电极联合循环工作模式下阵列电极的传感能力分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[同面阵列电极主要基于边缘电场工作使其敏感场分布呈现软场特性，其传感能力易受外部多因素影响而降低。为了提高同面电容传感器的检测能力和检测效率，本文针对3×4同面阵列电极，提出了一种两极板联合循环激励的测量模式。通过对同面电极电势分布的有限元仿真，分析了该激励模式下的电场穿透深度。求解了阵列电极的灵敏度矩阵，根据其数据离散系数评判敏感场的均匀性。通过建立3种不同被测物场的模型，分别分析其电容数据的动态范围，并进行图像重建，采用图像相关系数比较图像质量的提升效果。结果表明，在联合循环电极激励测量模式下，阵列电极穿透深度和敏感场分布均匀性均好于单电极激励模式，重建图像更清晰地反映了待测物体的实际形态和轮廓，综合验证了阵列电极传感能力得以提高。]]></description>
<pubDate>2021/11/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张玉燕* **，贾斌* **，温银堂* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110003&flag=1]]></guid><cfi:id>279</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[水下等离子体声源的电声转换模型研究与计算]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[水下等离子体技术已经在诸多领域得到广泛应用，由于其高压脉冲放电的瞬时性和不易观测性，对于该技术电声转换的研究尚未有成熟的理论模型。本文结合水下等离子体声源电声转换装置，较全面地分析了充电回路和放电回路的电特性。在此基础上，给出了系统输入能量、电容器储存能量、负载消耗能量和声能量等概念的定义和计算公式，建立了水下等离子体声源电声转换的模型以及系统总效率模型。最后结合实验装置参数，对水下等离子体声源的电声转换模型进行了验证性计算。研究结果表明本文的电声转换模型是有效的，本文研究成果可为水下等离子体声源系统充放电回路参数的合理设计提供理论参考。]]></description>
<pubDate>2021/11/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘小龙*，李宁**，雷开卓***，李洪兵* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110004&flag=1]]></guid><cfi:id>278</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于无逆Kalman滤波器的姿态估计算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[研究了一种基于磁-惯性传感单元(MIMU)的采用无逆Kalman滤波器(IFKF)的姿态估计算法。该方法将运动分为稳定和运动两种状态。针对稳定状态，该算法使用了稳态策略。这种状态下，估计器利用之前时刻的估计值和预测协方差，从而达到既降低运算量，又有效缓解磁场变化带来的姿态偏移和陀螺仪数值积分漂移的目的。另一方面，在动态策略中，严重干扰拒绝方法(SDR) 被用于缓解瞬时干扰。同时，无逆Kalman滤波器被用于融合磁-惯性传感单元的数据，有效避免矩阵的求逆运算，由此减轻计算负担。实验结果证明，所提出的方法在有效减少计算时间的同时维持了较高的姿态估计精度。]]></description>
<pubDate>2021/11/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何百岳，张文安]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110005&flag=1]]></guid><cfi:id>277</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[改进的密集连接网络遥感图像超分辨重建]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[遥感图像超分辨增加了遥感图像的细节信息，在遥感图像处理中有重要的地位。为了进一步提高遥感图像超分辨的重建效果，本文提出一种改进的密集连接网络遥感图像超分辨重建算法。首先对基于残差网络的深度超分辨算法（VDSR）进行改进，结合密集连接网络（DenseNet），将残差网络中的残差块替换成密集块，并且添加一组密集层与瓶颈层，实现DenseNet网络结构的改进，同时，修改网络激活函数为PReLU函数，网络训练采用L1损失函数。为了使网络在遥感图像上具有更好的效果，训练网络时，数据集全部采用遥感图像作为训练样本。当训练的epoch达到了大约35次时网络已经收敛。实验结果表明，与VDSR算法相比，本文改进的算法对遥感图像的效果更优，峰值信噪比(PSNR)平均增加了1.05dB，结构相似度(SSIM)平均增加了0.042。]]></description>
<pubDate>2021/11/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[柏宇阳，朱福珍，巫红]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110006&flag=1]]></guid><cfi:id>276</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向异构物理机的云任务调度策略及性能优化]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了在保证云用户响应性能的前提下降低云系统的能源消耗，提出一种移动设备本地处理器持续工作、云端物理机内虚拟机同步休眠、不同物理机间虚拟机异步休眠的任务调度策略。针对云端异构物理机，建立多个同步多重休假的排队模型。利用拟生灭过程和矩阵几何解方法给出系统模型的稳态分布，导出任务平均响应时间和系统平均功率的表达式。实验结果表明，设置任务分配到移动设备本地的概率时，不同性能指标之间存在折衷关系。引入Logistic映射混沌机制改进传统的鲸鱼优化算法，给出最优任务分配策略，实现系统成本的最小化。]]></description>
<pubDate>2021/11/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[范宝芝，王开宇，白小军，金顺福]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110007&flag=1]]></guid><cfi:id>275</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于专利数据的区块链技术融合态势分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[技术、产业的跨界与融合已成为新趋势，区块链技术的分布式数据治理架构为多技术深度联合赋能产业发展提供了新思路，把握区块链产业技术融合结构和发展态势，识别技术发展机会显得尤为重要。本文基于专利数据分析，结合ISI-OST-INPI分类体系，从技术融合的结构、共现矩阵、关联度、动态演化趋势4个层次和角度，探析全球区块链技术的融合态势。研究发现：（1）区块链核心技术主要是电气工程部门的信息技术管理办法、计算机技术、数字通信这3大技术，融合集中度较高；（2）三大核心技术与其他技术融合态势更为明显；（3）技术融合指数维持在较低的水平，区块链技术之间的融合呈现分布不均衡的特征。]]></description>
<pubDate>2021/11/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李阳，郑佳，李志荣]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202110008&flag=1]]></guid><cfi:id>274</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于位串行计算的动态精度神经网络处理器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对当前神经网络动态精度计算系统在周期性的模型重训练和动态精度切换的过程中会引入大量的计算和访存开销问题，提出了基于串行位计算的动态精度神经网络处理器（DPNN），其可支持任意规模、任意精度的神经网络模型；支持以非重训练的方式对模型数据精度进行细粒度调整，并消除了动态精度切换时因权值bit位重叠造成的重复计算与访存。实验结果表明，相较于自感知神经网络系统(SaNNs)的最新进展之一MinMaxNN，DPNN可使计算量平均降低1.34~2.52倍，访存量降低1.16~1.93倍；相较于代表性的bit串行计算神经网络处理器Stripes，DPNN使性能提升2.57倍、功耗节省2.87倍、面积减少1.95倍。]]></description>
<pubDate>2022/12/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郝一帆* **，支天*，杜子东*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209003&flag=1]]></guid><cfi:id>273</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[高性能CPU电源Droop检测优化设计实现]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[高性能中央处理器(CPU)进入到纳米工艺设计时代，集成度和性能大幅度提高的同时，功耗和时钟之间的平衡优化已经成为当前面临的主要问题。物理供电寄生阻抗增加明显，功耗急速增加过程导致电源网络动态压降明显，抑制了主频进一步提高。本文提出了一种基于全数字快速高精度Droop Sensor的供电监测优化方法。该方法采用易于集成于处理器核数字域内的单数字供电Droop Sensor进行本地供电实时监测。当Droop Sensor检测到电压快速垂降时，实时指导所在处理器核的时钟域进行时钟降频，帮助处理器度过低压危险时期，待垂降结束后再恢复正常的时钟频率。实现了局部压降的针对性时钟优化，避免了整体功耗性能损失。本文采用12nm 数字工艺实现了Droop Sensor设计。仿真结果表明，该传感器可在100ps内进行一阶Droop的快速响应，帮助CPU度过瞬间大幅度的压降期；高阶Droop响应的阈值调节精度可达3%，支持CPU的供电水平多阈值控制。]]></description>
<pubDate>2022/12/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨丽琼，章隆兵，肖俊华，王剑]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209004&flag=1]]></guid><cfi:id>272</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于顶点度数的图数据分区域重排序]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[图计算在机器学习、数据挖掘、网络安全等领域都有着重要应用。而图数据结构不规则且规模巨大，导致访存成为图应用运行时的瓶颈。由于图数据的顶点度数服从幂律分布，许多研究通过重排序图数据使高度数顶点连续储存在相邻位置，从而提升图数据被访问时的时间与空间局部性。然而重排序会破坏原始图数据中存在的群落结构，导致目前基于顶点度数信息的重排序算法在高结构性图数据集上无法产生性能提升。本文针对上述问题提出了一种新的保护图数据结构性的重排序算法，通过对自然图数据集中存在的群落结构进行研究，结合处理器访存结构特性，将图数据集合理划分成不同区域后进行重排序，保护其群落存储顺序以提高重排序后访存时的局部性。本文在通用处理器平台上，对6个不同结构性图数据集和3种图计算应用共18个测试点进行了验证，实验结果表明，该重排序方法相对于原始图数据集实现了平均18.86%的性能提升，相对于目前最优的基于顶点度数信息的轻量级重排序算法实现了平均11.3%的性能提升。]]></description>
<pubDate>2022/12/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李策，章隆兵]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209005&flag=1]]></guid><cfi:id>271</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度信息融合的密集目标检测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对密集行人检测精度低的问题，提出基于深度信息融合的密集目标检测方法——YOLOv4-SD。该方法通过将single scale Retinex (SSR)与目标检测算法信息融合，增强输入图像质量，凸显图像中更多的信息元素；并对YOLOv4算法中特征融合层进行改进，增加原始图像特征的利用率，深度优化特征融合层的网络结构。在VOC 2012等数据集上进行对比实验，结果表明在保持检测速度的前提下，该算法的平均检测精度和交并比分别提高了7.7%和5.2。对于数据集中边缘低像素或高重叠的行人目标，YOLOv4-SD算法能够较为准确地检测出特殊目标具体位置。]]></description>
<pubDate>2022/12/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王建浩，呼子宇，张翮翔，代言，郝若欣，高泽航]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209006&flag=1]]></guid><cfi:id>270</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于非对称加密的自动信任协商模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[自动信任协商（ATN）是通过交换数字证书和访问控制策略在陌生人之间建立信任关系的一种重要手段。在协商过程中，可能存在协商模式过于复杂而无法完成协商、用户证书里的敏感信息泄露、因加密算法安全强度不足而遭受攻击等问题。针对这些不足，本文提出了一种基于非对称加密的自动信任协商模型，该模型采用灵活的证书格式、分步骤的证书交换等手段来满足访问控制策略的要求，采用非对称加密技术对传输消息进行加密，防止信息泄漏。]]></description>
<pubDate>2022/12/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[田夏利，熊莹]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209007&flag=1]]></guid><cfi:id>269</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向神威·太湖之光的多核组协同的OpenCL编译方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来，科学领域对高性能计算的需求与日俱增，如何有效利用新型超算架构的计算能力成为研究重点。我国自主研制的神威·太湖之光超算平台，采用了国产异构众核处理器SW26010，其包含4个核组，但未提供核组间的同步机制。为了增加其易编程性，本文提出了面向神威·太湖之光的核组间同步方法，并在SWCL OpenCL编译器中实现了该核组间同步方法。该方法利用跨OpenCL主机内核的数据依赖分析来标识必要的同步操作位置，并通过SW26010的交叉段进行低开销的核组间通信，程序员在不使用消息传递接口(MPI)进行显式控制同步的情况下，可以自动地将一个OpenCL Kernel程序部署到多个核组上。使用SPEC ACCEL 1.2中的OpenCL测试用例在神威·太湖之光平台的实验表明，本方法的加速效果明显优于传统的MPI实现版本。]]></description>
<pubDate>2022/12/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[伍明川* **，刘颖*，李立民*，冯晓兵* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202209008&flag=1]]></guid><cfi:id>268</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向CNN加速器的一种建模与优化设计方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出了一种卷积神经网络（CNN）加速器性能与能耗通用评估模型(CNNGModel)。CNNGModel通过CNN加速器中不同结构的具体设计，可以估计该加速器处理不同任务时需要的时间与能耗。在硬件工程师使用硬件描述语言实现该加速器前，通过CNNGModel可以提前判断当前CNN加速器的设计是否符合应用需求，从而减少后续不必要的工作量。在实验部分，首先设计并实现了3个CNN加速器；其次分析对比CNNGModel、模拟器VTA以及仿真综合3种方式得到的每个加速器在处理不同CNN时的多项结果，其中对于处理时间的估计，CNNGModel与仿真综合的差距低至3.0%，对于功率，差距则低至6.5%；最后依据CNNGModel，从能耗和性能两方面给出了多项CNN加速器优化策略。]]></description>
<pubDate>2022/11/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[祁玉琼* **，张明喆*，吴海彬*，叶笑春*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208003&flag=1]]></guid><cfi:id>267</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于逻辑回归监督学习的大样本日志异常检测优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统基于日志的异常检测方法依赖于人工分析，适用于数据量小的系统，而对于复杂且庞大的日志系统，其检测效率往往很低，无法满足要求。随着机器学习的发展，检测手段发生了根本的转变，检测效率及性能也大幅提高。对于同一个日志系统，针对不同的日志预处理方法及机器学习算法，尤其对日志模板及特征的提取目前还没有统一的成熟模型，导致最后得到较大差异的检测准确率、性能等指标。本文基于监督学习方法提出大样本日志异常检测优化方法，将数据集进行日志解析得到精确的日志模板，再进行日志序列的向量化处理，使用逻辑回归监督学习算法进行分类训练与测试，结合不同的测试指标来选取最佳的参数，最终得到最优模型。实验结果证明，经此方法获取的模型能够达到较优的检测结果。]]></description>
<pubDate>2022/11/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[申罕骥* **，付翔***，李俊*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208004&flag=1]]></guid><cfi:id>266</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于空间注意力和类协方差度量的小样本学习]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来，小样本学习逐渐被学术界广泛研究，其旨在使模型在给定样本较少的情况下完成一系列任务。目前基于度量学习的元学习算法被广泛应用于小样本学习中，本文利用度量学习的思想，对基准元度量学习算法原型网络进行改进，提出了注意力类协方差原型网络。首先，为增加模型的泛化能力，提出IBN-Resnet12作为特征提取器；接着，在特征提取模块后加入了空间注意力模块，有效地增强了局部特征；最后提出类协方差度量作为最终的度量分类器，完成了对图像特征维度间相关性的建模。本文在小样本学习经典数据集上进行实验，证明了模型的有效性；同时还进行了大量消融实验，证明了模型改进中各个部分的有效性。]]></description>
<pubDate>2022/11/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李国强，王天雷，龚宁，王俊妍]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208005&flag=1]]></guid><cfi:id>265</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[工作流网频繁子网挖掘研究进展]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文总结了工作流网频繁子网挖掘的主流研究方向，包括从一维的日志进程中构造工作流网及其子网和从二维工作流网中挖掘其频繁子网结构，总结了其中的代表性方法及其优缺点。工作流网具有复杂、异构拓扑结构和完备性语义的特性，本文详细分析了将频繁模式挖掘（FPM）算法直接用于工作流网频繁子网挖掘存在的问题及缺陷。并给出了工作流网频繁子网挖掘的典型应用，包括异常检测、跨组织变体分析等。最后讨论了工作流网频繁子网挖掘中的研究难点和未来研究趋势。]]></description>
<pubDate>2022/11/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张书涵* ***，费超群* ***，黄锡昆** ***，李阳阳**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208006&flag=1]]></guid><cfi:id>264</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于块坐标下降法的外存异步图计算系统]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有外存图计算系统中，外存I/O带宽不足成为性能瓶颈。使用整体并行模型将导致冗余计算，使用异步并行模型则将引入额外的优先级计算开销和负载不均衡。本文提出了基于块坐标下降法(BCD)的外存异步图计算系统(BCDG)，设计了一次选择多轮优先的调度策略，降低了优先级计算的平均开销；设计了基于优先级的块预取策略，解决了优先选择会破坏顺序执行流水线的问题；设计了计算调度分离的划分策略，实现了均衡地按边计算和按点调度。实验结果表明，相较于目前最先进的外存图计算系统GridGraph和Lumos，所提系统平均性能分别提升10.30倍与8.72倍。整体计算过程中，中央处理器（CPU）等待外存I/O的时间仅占10%~30%。]]></description>
<pubDate>2022/11/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵程，张志斌，郭嘉丰，刘丁玮]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202208007&flag=1]]></guid><cfi:id>263</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[针对图神经网络加速器性能评估的标准测试集]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[图神经网络(GNN)算法在图结构数据处理任务中取得了突破性的成功。然而，针对图神经网络硬件加速器设计的研究缺乏明确的设计目标和统一的评价标准。本文提出一种针对图神经网络硬件加速器性能评估的标准测试集(BenchGNN)。BenchGNN包括宏测试集和微测试集2部分。宏测试集包含了3种主要任务类型的图神经网络算法和5个典型应用领域的数据集。微测试集包含2种微观操作类型和4种不同量化特性的数据集。本文在现有运算设备中央处理器(CPU)、图形处理器(GPU)和图神经网络专用加速器上进行了BenchGNN的实验测试。实验结果表明，CPU由于并行度不高而无法高效处理图神经网络算法。针对图神经网络算法的随机访存行为进行优化的专用加速器取得了优于通用并行处理器GPU的性能功耗表现。根据BenchGNN的评估结果，在图神经网络加速器设计过程中需要重点考虑运算并行度和随机访存优化这两种因素。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[宋新开* ** ***，支天* ***，孔维浩* ** ***，杜子东* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207003&flag=1]]></guid><cfi:id>262</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[FNOD:基于近邻差波动因子的离群点检测算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现存离群点检测算法和剪枝方法存在算法精确度较低和剪枝程度小的问题，提出了一种基于近邻差波动因子的离群点检测方法。该方法首先依据离群点的相互k近邻（MUN）点数远小于参数k这一特点，提出了一种基于近邻关系的剪枝方法；然后提出近邻差的概念来刻画数据对象与其邻居点的分布特征,在变化的参数k下，离群点和正常点的近邻差的变化不同；最后采用近邻差波动衡量每个数据点的离群程度，进而检测出离群点。人工数据集和真实数据集下的实验结果表明，该算法能够有效且较为全面地检测出离群点。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张忠平* ** ***，邓禹*，刘伟雄*，张玉停*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207004&flag=1]]></guid><cfi:id>261</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[二进制张量分解法简化神经网络推理计算]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有的简化神经网络推理计算方法面临模型精度下滑及重训练带来的额外开销问题，本文提出一种在比特级减少乘积累加运算（MAC）的乘加操作数的二进制张量分解法（IBTF）。该方法利用张量分解消除多个卷积核之间由于权值比特位重复导致的计算重复，并保持计算结果不变，即无需重训练。在比特级简化模型计算的IBTF算法与量化、稀疏等数据级简化方法正交，即可以协同使用，从而进一步减少MAC计算量。实验结果表明，在多个主流神经网络中，相较于量化与稀疏后的模型，IBTF进一步使计算量减少了3.32倍，并且IBTF在不同卷积核大小、不同权值位宽及不同稀疏率的卷积运算中都发挥了显著的效果。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郝一帆* **，杜子东*，支天*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207005&flag=1]]></guid><cfi:id>260</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[深度卷积的软硬件协同优化设计与实现]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来,深度学习技术被广泛应用。 由于移动设备同时受到算力和功耗的限制,很多轻量级的网络被提出,比如 Xception、MobileNet 系列等。 在这些轻量级网络中,深度卷积的层数占网络中所有卷积层数的 31% ~ 50% ,故如何优化深度卷积的运算是一个值得研究的问题。 通用中央处理器(CPU)、固定运算器长度的单指令多数据流(SIMD)处理器均无法高效处理神经网络中的各种规模的深度卷积,性能较低。 针对这一问题,本文提出了一种软硬件结合的方法优化深度卷积的计算,通过一个多种权值传输模式的硬件架构设计,结合软件模式选择、数据拆分等优化方式,在提高运算效率的同时减少了访存量。实验结果表明,使用该方法实现的深度卷积加速器,相比通用 CPU 最大可达 9. 3 倍的性能加速,相比运算器长度为 64 的单核 SIMD 处理器最大可达 29. 3 倍的性能加速。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[齐豪*，刘少礼**，李威***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207006&flag=1]]></guid><cfi:id>259</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于区块链的高效能源交易共识与存储优化方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着能源互联网不断渗透，能源数据量与交易量呈指数型增长。为了进一步提升能源交易效率、降低能源数据存储压力、实现能源互联网跨企业之间的数据共享，本文利用区块链共识算法保证数据强一致性、存储安全等特点，提出一种改进的基于节点贡献度的实用拜占庭容错共识机制（NCPBFT），在保证节点可靠性、能源数据不可篡改的同时可降低通信复杂度，提升能源交易效率。其次，提出适用于能源互联网领域的联盟链数据分区存储优化策略，该策略基于节点的地理位置划分出的不同域组，每个域只有两种类型的节点:一个存储节点和若干个普通节点，只有存储节点保存区块链中全部数据，其余节点只需要保存区块头，进一步减轻区块链存储压力。通过实验验证了本文所提方案与现有方案相比能够有效提升能源交易效率，降低区块链存储压力。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[崔蔚*，于卓**，王璇*，吴晓亭**，文治**，张巧莲***，沈韬***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207007&flag=1]]></guid><cfi:id>258</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[具有死区输入的非参数不确定系统误差跟踪迭代学习控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文针对一类具有非对称死区输入的非参数不确定系统设计了一种误差跟踪迭代学习控制（ILC）算法。首先，构造一种新型的期望误差轨迹放宽经典迭代学习控制的初值一致条件。其次，利用微分中值定理将非对称死区转换为线性形式，并利用径向基函数(RBF)神经网络对系统不确定性和死区参数进行估计和补偿。在此基础上，设计误差跟踪迭代学习控制器和组合自适应律，实现系统在指定区间对期望轨迹的高精度跟踪。最后，基于Lyapunov-Like理论进行稳定性分析，并通过仿真验证了本文所提方法的有效性。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈凯杰，施卉辉，陈强]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202207008&flag=1]]></guid><cfi:id>257</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[AccGecko：面向分布式存储系统的尾延迟SLO保证框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[对于分布式存储系统来说，保证多租户尾延迟服务质量目标（SLO）同时获得较高的资源利用率十分重要。现有租户负载建模方法忽略了突发流量的密集程度，采用间接方法来预测尾延迟，导致系统的资源利用率较低。为了解决上述问题，本文基于密度聚类算法（DBScan），从强度、概率及密集程度3个维度对租户负载突发流量进行建模，直接预测连续突发流量期间请求延迟超限的概率。结合固定速率分配方法，本文设计了尾延迟SLO保证框架AccGecko。相比于已有的工作，AccGecko可以使系统平均多承载66%的租户。]]></description>
<pubDate>2022/8/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[冷镇宇，蒋德钧，熊劲]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206003&flag=1]]></guid><cfi:id>256</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一类非参数不确定运动系统的自适应空间重复学习控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对一类在空间区间内重复运行的非参数不确定运动系统，本文提出一种基于李雅普诺夫方法的自适应空间重复学习控制（SRLC）策略。首先，引入空间微分算子将系统从时间域转换到空间域形式，并将系统非参数不确定性划分为空间周期不确定和非周期不确定两部分。其次，设计全饱和空间重复学习律估计和补偿空间周期非参数不确定部分，同时保证被估计值的连续性和有界性。此外，将非周期不确定部分转换为参数化不确定形式，并设计其上界参数的空间自适应更新律用以补偿系统非周期不确定。最后，设计控制器确保系统输出能够精确跟踪空间周期性期望信号。仿真结果验证了所提方法的有效性。]]></description>
<pubDate>2022/8/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈强，胡如海，胡轶]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206004&flag=1]]></guid><cfi:id>255</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[具有旋转运动模糊不变性的卷积神经网络: RMBI-Net]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对高速旋转的相机拍摄图像产生的旋转运动模糊带来的目标分类较为困难的问题，本文主要研究手工特征与卷积神经网络(CNN)的结合，在网络结构底层赋予卷积神经网络不变性，提升网络在分类任务中的准确率。本文基于GaussianHermite（GH）矩旋转运动模糊不变量（RMBGHMI），通过计算卷积神经网络隐藏层特征图上的RMBGHMI来实现将旋转运动模糊不变性引入到卷积神经网络中，使网络本身具有一定的旋转运动模糊不变性，并使网络可从受到严重噪声干扰的旋转运动模糊的图像中直接进行目标分类。实验结果表明，在旋转运动模糊后的MNIST数据集上，相对于经典卷积神经网络，本文方法可以将图像分类准确率提升30%左右；在旋转运动模糊后的CIFAR10数据集上，图像分类准确率可以提升4%~16%。]]></description>
<pubDate>2022/8/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郭锐* **，郝优* **，许溟***，贾丽****，李华* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206005&flag=1]]></guid><cfi:id>254</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向时变复数西尔维斯特方程的有限时间神经网络研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对时变复数西尔维斯特方程的实时求解问题，提出了两种有限时间神经网络(FTNN)模型。该方案基于张神经网络(ZNN)在实数域中的动力学方法，设计面向复数域的神经动力学方程。针对动力学方程中非线性激励函数的数值计算问题，应用两种等价的处理方法。第一种方法是处理复数输入的实部与虚部，第二种方法是处理复数输入的模数。通过使用有限值激励函数加快FTNN模型的求解速度，进一步提高了模型的收敛速度和计算精度。实验结果表明，在求解时变复数西尔维斯特方程时，相比于传统的周期神经网络求解法，所提出的网络模型具有更好的收敛性和稳定性。]]></description>
<pubDate>2022/8/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[高畅，孔颖]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206006&flag=1]]></guid><cfi:id>253</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向中文电子病历的属性挖掘]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[电子病历(EMR)的属性挖掘任务旨在从一组同一科室下的病历文本中抽取该科室医学检查项目。传统的频繁项或序列挖掘技术并不能直接用于该任务。本文提出一种新的不需要人工干预的属性挖掘框架，并借助无标注技术来处理这一难题，即将属性挖掘问题形式化为半结构化的频繁子序列挖掘任务，并提出一种有效的算法从电子病历中挖掘候选的词模式。在中文电子病历上进行的各项综合实验，证明了本文提出的方法可以有效处理属性挖掘任务。]]></description>
<pubDate>2022/8/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[费超群* ** ***，张书涵* ** ***，李阳阳**** *****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206007&flag=1]]></guid><cfi:id>252</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于“平滑水印”的隐蔽性重放攻击检测技术]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[重放攻击在稳定的信息物理系统中对卡方检测器具有隐蔽性。以损失一定的控制性能为代价，向最优控制量中添加水印信号，可以有效应对该问题。水印信号通常是一组独立同分布的高斯噪声序列。然而，很多实际的工业被控对象是慢过程，其自身的大惯性会极大削弱水印信号的效果。针对上述问题，本文提出了一种水印信号改进方法，该方法的核心思想是使用采样和插值算法对水印信号进行“平滑化”处理。平滑之后的水印信号呈现出“低频性”，在慢过程中依然有明显响应，从而使卡方检测器有效识别重放攻击。本文使用单容水箱液位控制系统进行仿真实验，实验结果表明，在适当的平滑周期下，“平滑水印”可以在降低控制性能损失的同时，有效提升攻击检测效果。]]></description>
<pubDate>2022/8/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[史立明*，刘斌**，胡勇***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202206008&flag=1]]></guid><cfi:id>251</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于FPGA的浮点可分离卷积神经网络加速方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对可分离卷积神经网络在星载飞机目标型号分类应用中存在的速度瓶颈以及功耗限制等问题，提出了一种基于现场可编程门阵列（FPGA）数据流调度的浮点深度分离卷积神经网络加速方法，对通用MobileNet的图像分类模型进行加速。采用基于乘法矩阵与前向加法树的深度分离卷积计算阵列设计，解决了深度分离卷积浮点加速的线速吞吐瓶颈。实验结果表明，基于FPGA的目标分类速度为633 FPS，功耗为22.226 W，运算性能为236.04 GFLOPS，计算速度达到了Titan Xp GPU的1.10~2.61倍，计算效能是Titan Xp GPU的7.44~18.66倍。在同类基于FPGA的浮点卷积加速方案中，该方法在运算性能及能效比上达到了最优。同时，该方法提供了与原模型一致性的图像分类准确率，解耦合了软硬件协同开发流程，降低了应用开发人员使用FPGA加速计算的门槛。]]></description>
<pubDate>2022/7/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张志超* ** *** ****，王剑* ** ***，章隆兵* ** ***，肖俊华* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205003&flag=1]]></guid><cfi:id>250</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[二维桥式吊车自适应神经网络消摆控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对含有未建模动态和不确定参数的二维桥式吊车系统，提出一种自适应神经网络消摆控制方法。首先，基于台车位移和摆角误差设计滑模变量，使得当滑模变量收敛至零时，各误差变量均能够收敛至零点，从而保证台车精确位置控制的同时消除负载摆动。其次，设计自适应神经网络控制器，利用神经网络逼近包含未建模动态和不确定参数在内的非线性不确定性，降低对系统模型的依赖性以及避免对其线性化处理。与基于模型的吊车控制方法相比，本文所提方法不依赖系统精确模型，且兼具滑模控制的鲁棒性。最后，通过二维桥式吊车实验对比验证了所提方法的有效性。]]></description>
<pubDate>2022/7/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何熊熊，王逸文，朱铮旸，陈强]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205004&flag=1]]></guid><cfi:id>249</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[分离真伪时钟的处理器FPGA原型性能校准方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现场可编程门阵列（FPGA）原型系统中内存刷新频率过高导致内存延迟变大的问题，提出了一种校准处理器FPGA原型系统性能的方法，搭建了一个精确的FPGA原型性能验证平台，可用于硅前快速准确地评估处理器系统性能。问题的根本原因是FPGA原型系统同时存在真实墙上时钟和由运行频率降低导致的伪墙上时钟，且在内存系统中刷新和访问请求分别按照两个时钟进行，然而真实机器上这两种请求都是按照真墙上时钟进行，因此FPGA内存系统有性能误差。本文通过将两个墙上时钟分离来实现校准，该校准方法准确度高、通用性强，校准后的FPGA原型系统运行SPEC CPU 2006基准测试程序性能分值平均误差由7.49%降至0.36%，最高误差降至2%以下，可快速有效地指导硅前性能优化。]]></description>
<pubDate>2022/7/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郑雅文* ** ***，吴瑞阳****，陈天奇****，汪文祥*** ****，章隆兵* ** ***，王剑* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205005&flag=1]]></guid><cfi:id>248</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于端云协同的商用设备运动纠正系统的设计与实现]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[介绍了一种GymBeats运动纠正系统原型，该系统展示了用户如何独自通过商用设备校正运动中身体姿势的错误。具体而言，本文提出了一种新颖的上下文感知运动纠正方法，包括状态识别和错误识别。此外，开发了一套基于端云协同的系统，并通过一种典型的全范围练习运动来描述系统的可行性。本文面向15位用户对GymBeats的2种反馈形式进行评估，即实时语音反馈和可视化报告反馈。实验结果表明，GymBeats可以以低成本和便捷的方式来提高身体姿势的正确性。]]></description>
<pubDate>2022/7/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐渊* **，刘志刚* **，王卅*，包云岗*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205006&flag=1]]></guid><cfi:id>247</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[GPU-Hi:GPU RTL平台实现及效率分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[实现了寄存器传输级（RTL）图形处理器（GPU）研究平台 ——GPU-Hi。GPU-Hi支持OpenGL 2.0 API，支持统一着色器渲染架构，使用专用集成电路（ASIC）完成图形流水线的固定功能算法，使用单指令多线程（SIMT）架构流处理器完成图形流水线的可编程着色器模块。在使用28nm工艺的情况下，该平台的物理设计面积为7.9μm2。使用glmark2的测试集作为性能测试程序，完成了该平台的功能正确性验证，同时使用该测试集研究了3D图形应用的计算特性，并进行了GPU微结构级的性能分析。测试结果表明，图形应用的光栅化任务与像素着色任务不随图形应用分辨率等比例增大；同时GPU硬件的光栅化模块性能受着色程序处理能力与显存访问能力的影响。本平台的实现对GPU RTL平台的研究发展有重要的借鉴价值，本文中得到的结论对GPU性能优化具有重要参考意义，有力支持了GPU硬件研究的发展。]]></description>
<pubDate>2022/7/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张立志* ** ***，赵士彭* ** ***，章隆兵* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205007&flag=1]]></guid><cfi:id>246</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于事件触发传输机制的分布式融合估计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在网络化多传感器系统中，信息传输往往受到通信带宽和资源的限制。有必要设计一种事件触发传输机制来克服这种缺陷。本文研究了一类通信受限下网络化多传感器系统的分布式融合估计问题，当考虑存在未知有界噪声的网络化多传感器融合系统时，首先引入一种事件触发机制（ETM）以解决网络资源受限问题，并提出一种基于事件触发信息的局部估计器和分布式融合准则。然后基于有界递归优化思想，构建事件触发估计器均方误差上界，通过建立并求解凸优化问题以获得局部估计器增益和分布式加权融合。最后，通过仿真示例验证了本文所提方法的有效性。]]></description>
<pubDate>2022/7/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[岳细鹏，王如生，陈博，俞立]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205008&flag=1]]></guid><cfi:id>245</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[车联网场景联合缓存及内容请求策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205009&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[面向智能网联汽车场景下的大数据量和海量连接等特点，为实现安全高效的行驶以及降低的数据流量，本文构建了车联网（IoV）场景下的内容共享模型，建模了基于车辆社交关系的内容获取代价最小化问题，并将优化问题转化为车辆的局部协作缓存博弈问题。通过分析博弈的纳什均衡，提出基于社交关系的局部协作缓存算法求得优化问题的最优解。仿真结果表明，本文提出的基于社交关系的局部协作缓存算法可有效降低整个系统的内容获取代价，并有较好的收敛性。]]></description>
<pubDate>2022/7/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[余意*，李松* **，王艳芬*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202205009&flag=1]]></guid><cfi:id>244</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于软硬件协同加速的关系网络推理优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对数据中心基于图形处理器（GPU）平台的关系网络推理计算中存在的低效能问题，本文提出了一种基于软硬件协同加速的关系网络优化方法。该方法采用基于GPU提取的支持集特征池与现场可编程门阵列（FPGA）推理异构协同的方式处理关系网络的推理计算，在高效能计算的同时保持关系网络的推理计算与GPU平台一致的准确率。利用基于高级综合（HLS）优化浮点卷积神经网络的计算方式，提高关系网络的处理能效。利用多运算单元异构多核处理的方式，满足FPGA时序收敛的同时，提升FPGA片上吞吐能力。本文在FPGA平台上实现了关系网络推理运算单元，在Omniglot数据集上构建的加速器功耗为15.867W，相对于GPU加速比为1.4~17.2；在miniImageNet数据集上构建的加速器功耗为12.359W，相对于GPU加速比为1.5~3.4。本文方法与同类FPGA加速浮点卷积神经网络相比，达到了最优的计算效能。实验数据表明，该方法有效利用了软硬件协同计算以及FPGA可重构计算的优势，降低了软硬件协同开发的耦合度，在保持关系网络推理计算准确率的同时，提升了关系网络推理的计算效能。]]></description>
<pubDate>2022/6/16 16:44:01</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张志超* ** *** ****，王剑* ** ***，章隆兵* ** ***，肖俊华* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204003&flag=1]]></guid><cfi:id>243</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[特征融合和自校正的多尺度改进KCF目标跟踪算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统核相关滤波(KCF)目标跟踪算法使用单一特征，不监控跟踪输出，且跟踪框的大小是固定的，在跟踪对象发生尺度变化、遮挡等异常情况下容易导致跟踪失败。针对这一问题，本文提出一种改进的KCF目标跟踪算法。首先，在快速方向梯度直方图(FHOG)特征的基础上级联颜色特征(CN)训练和更新滤波器；其次，利用峰值旁瓣比(PSR)检查跟踪输出，当检测到跟踪输出异常时，启动自校正机制校正跟踪输出，从而准确地重新跟踪到目标。最后，融入尺度滤波器来适应目标尺度的变化。本文对该算法进行了仿真和实物实验，实验结果验证了该算法的有效性。]]></description>
<pubDate>2022/6/16 16:44:01</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈志旺，刘旺]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204004&flag=1]]></guid><cfi:id>242</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于图形处理器压缩结构的预取结构设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[图形处理器(GPU)访存利用率已经成为影响其性能的关键瓶颈之一。在处理器设计中，访存的预取结构设计成为了提高访存利用率的主要方法之一。结合图形处理器的访存密集的特点，在提高预取性能的前提下，减小影响图形流水线正常效率成为热门的研究方向。本文基于一种图形处理器无损压缩的结构，提出了一套图形处理器的预取结构设计。本预取结构设计可在访存密集型的图形流水线中有效提高访存利用率，并不影响当前图形流水线的效率。实验结果表明，在Godson GPU图形处理器平台上，与传统预取结构相比，针对访存密集型测试程序，cache命中率可以提高15%以上。针对访存空闲的测试程序，该设计不会对流水线产生负面影响。]]></description>
<pubDate>2022/6/16 16:44:01</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵士彭* ** ***，张立志* ** ***，章隆兵* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204005&flag=1]]></guid><cfi:id>241</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[具有双边时延和丢包的无时间戳网络控制系统的状态镇定]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文考虑具有双边随机时延和丢包的网络控制系统（NCS）的控制器及观测器的设计问题。首先，引入两组伯努利随机分布变量来描述前向通道和反馈通道存在的随机时延和丢包的特性，其中数据包不带有时间戳。然后，通过引入的伯努利随机变量,将系统状态方程增广为新的系统模型。基于李雅普诺夫稳定性理论进行稳定性分析，得到了系统均方指数稳定的充分条件，并通过线性矩阵不等式方法设计系统观测器与控制器参数。最后通过仿真实验验证了该方法的有效性。]]></description>
<pubDate>2022/6/16 16:44:01</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吴兴臣*，刘斌**，胡勇***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204006&flag=1]]></guid><cfi:id>240</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于会话推荐的动态层次意图建模]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决当前基于会话的推荐系统方法在建模用户偏好时存在抽取的用户兴趣表示单一、静态问题，提出了一种动态层次意图学习网络。该网络同时考虑用户的多层意图和动态序列行为，设计了动态卷积神经网络和兴趣聚集门2个模块，并在每层抽取用户的特定粒度意图。此外还提出一个层级意图上下位损失函数，来约束用户意图的层次性。最后使用融合多种粒度的意图会话表示进行推荐。在3个真实数据集上的大量实验表明，模型在准确性和多样性上同时优于其他基于会话的推荐方法。]]></description>
<pubDate>2022/6/16 16:44:01</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张梦菲* **，郭诚* **，潘茂* **，金佳琪* **，辛增卫* **，方金云*，陈树肖***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202204007&flag=1]]></guid><cfi:id>239</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于猫群优化算法的焊缝跟踪自调整规则模糊控制方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[机器人焊缝跟踪系统由于焊接环境的复杂性是一个存在不确定信息的非线性复杂系统，一般的控制方法不能很好地适应受控对象的多变性。对此本文提出了一种基于猫群优化算法(CSO)的机器人焊缝跟踪自调整规则的模糊控制器(CSOFC)，使用解析形式的控制规则表达式，以简化机器人焊缝跟踪中模糊推理过程，并将一个权系数加入到表达式中，不同的权系数代表不同的控制规则，以实现焊缝跟踪的自调整。通过仿真实验，将本文提出的自调整规则模糊控制方法与其他控制方法进行对比和分析，验证了本文方法的有效性和适应性。]]></description>
<pubDate>2022/4/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨璟*，陶永**，任帆**，江山**，巩玥*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203003&flag=1]]></guid><cfi:id>238</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向目标检测的卷积神经网络优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对星载等功耗受限平台下遥感影像目标检测存在的高准确率、低功耗以及高吞吐量等要求，本文提出了一种面向目标检测的现场可编程门阵列(FPGA)卷积神经网络（CNN）优化方法。采用数据流调度技术以及基于乘法矩阵与前向加法链的卷积计算阵列设计对浮点卷积神经网络模型进行加速。利用该方法在FPGA开发板上实现了浮点卷积目标检测网络，在应用中达到了与原模型一致的准确率，平均准确率为97.59%，吞吐量达到了Titan X的22倍。与同类的FPGA加速浮点卷积方法对比，该方法的吞吐量以及能效比达到了最优。实验数据表明，该方案突破了浮点卷积加速的线速吞吐难点，解决了应用中存在的功耗、准确率以及吞吐量三者制衡的问题。]]></description>
<pubDate>2022/4/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张志超* ** *** ****，王剑* ** ***，章隆兵* ** ***，肖俊华* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203004&flag=1]]></guid><cfi:id>237</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于 FPGA 的视频实时目标检测方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对实时目标检测网络在图形处理器(GPU)加速器上实时性低、功耗高和成本高等问题，本文提出了一种结合通道注意力机制与深度可分离卷积的神经网络模型(AtDSSSD)，并将该网络在现场可编程门阵列(FPGA)上进行优化与部署。AtDSSSD网络在SSD模型基础上，将VGG16特征提取网络部分替换成以深度可分离卷积为主体的MobileNet网络，并加入通道注意力模块。本文采用8位的定点量化方法，对网络模型参数进行量化。最后，本文将量化后的AtDSSSD网络模型在ZCU102平台上进行部署，并采用PASCAL VOC数据集进行测试。在平均精度均值只损失0.58%的情况下，加速器性能从85fps提升到311.7fps，测试功耗相当于NVIDIARTX2080Ti的11%。实验数据表明，基于FPGA平台结合注意力机制和深度可分离卷积的网络模型，可以提升计算实时性并降低功耗，减少网络复杂度降低导致的精度损失，从而验证了本文方法的有效性。]]></description>
<pubDate>2022/4/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈朋*，何建彬**，陈诺**，俞天纬*，宦若虹*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203005&flag=1]]></guid><cfi:id>236</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于波束训练的大规模 MIMO 多用户度调度算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在毫米波多用户大规模天线阵列多输入多输出（MIMO）系统中，由于使用混合波束形成结构，使得用户调度问题面临新的挑战，调度问题转变为在同一时频资源选择调度用户子集和用户与基站之间通信波束对的问题，需要从用户和波束两个维度来进行考虑。大规模MIMO由于在基站端和用户端使用大量的天线阵列，如果使用穷举搜索算法运算量极大，在实际应用中是不现实的。本文提出了一种基于波束训练的多用户调度方案，该方案分为2步。第1步，由于波束间的干扰大多数来自于相邻波束，因此对相邻波束进行分组，同时根据用户反馈的信干燥比(SINR)最大值的基站波束索引号把相关的用户映射到对应波束组。第2步，为了减小干扰，每个波束组的最小波束索引根据一定的原则来选取调度用户，然后通过基站和用户之间的波束训练选取最接近于SINR门限值的用户波束来进行通信。仿真结果表明，该方案具有逼近最优穷举方案的性能并且具有较低的计算复杂度。]]></description>
<pubDate>2022/4/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐顺清* ** *** ****，石晶林* ** ***，周一青* ** ***，张宗帅* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203006&flag=1]]></guid><cfi:id>235</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种 FBMC 系统干扰分类预处理方案]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决滤波器组多载波（FBMC）信道估计中导频符号所含虚部干扰的影响，提出了一种发送端导频周围符号的预处理方案。该方案利用干扰系数矩阵通过预消除导频邻域低功率符号的影响，来改善FBMC系统接收端信道估计的复杂度，将导频符号的干扰问题转换为对极少数几个高干扰系数的符号处理，并结合具体方案给出该预处理方案的适用情形，使得一些包括辅助导频法（AP）、编码法（Cod）在内的只可在原理上实现的方案可以直接在实际上得到应用。理论分析和仿真结果表明，当使用该方案后，传统基于离散导频估计FBMC信道所面临的问题都能得到有效解决，并且相对于其他改进方案，该方案进一步实现了频谱效率的优化。]]></description>
<pubDate>2022/4/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵清华，马天鸣，王星]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202203007&flag=1]]></guid><cfi:id>234</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[可调节跳变概率硬件木马检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[研究了芯片设计和制造过程中的硬件木马植入方法和检测技术，考虑到现有的检测方法存在木马激活时间较长或面积开销较大的问题，提出一种可调节跳变概率的加速硬件木马检测方法。该方法根据电路拓扑结构，采用权值替换策略动态选择插入实现跳变概率调节的二路选择器的顺序，提高电路中稀有节点的跳变概率，降低木马激活时间，加速硬件木马检测，优化了面积开销。在ISCAS’89基准电路的实验结果表明，同现有的加速木马检测方法相比，本文方法的面积开销节省了44.1%~68.9%，稀有节点的平均跳变概率提高了19.0%~49.1%，且电路规模越大，效果越明显。]]></description>
<pubDate>2022/4/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[卢新元* ** ***，许超****，陈华军****，章隆兵* ** ***，王玥*****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202003&flag=1]]></guid><cfi:id>233</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于EMD和时序注意力机制的明渠流量预测模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了预防煤矿水害事故的发生，本文提出将经验模态分解(EMD)算法与时序注意力机制（TALSTM）结合的明渠流量预测模型，通过对明渠流量的实时预测来反映矿井涌水量的变化情况。模型首先通过EMD将明渠流量分解为多维子分量，充分提取明渠流量本身的波动特征和趋势特征；然后以长短时记忆网络(LSTM)为基础，融入注意力机制增强历史时间点对当前时刻的信息表达，构造时序注意力机制模型；最后通过该模型分别训练学习EMD分解后各分量的时序规律并进行预测，将各分量预测结果融合得到最终的明渠流量预测值。将此模型与现有其他模型进行了对比实验，其均方根误差和平均绝对百分比误差均小于其他模型。该研究为进一步预测矿井明渠流量提供了有效依据。]]></description>
<pubDate>2022/4/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李占利，邢金莎，靳红梅，李洪安，张蕴]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202004&flag=1]]></guid><cfi:id>232</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向一致性对话生成的对抗匹配网络与目标侧注意力机制研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[序列到序列（seq2seq）方法在开放域对话生成领域中备受研究学者的关注。然而，标准的序列到序列模型容易产生语义冲突和不连贯的对话回复，这种不一致性是现有系统生成的回复显著有别于人类真实对话的重要原因之一。对话生成中的一致性既包括回复内部的语义一致性，也包括上文与其回复之间的外部关联性。本文提出了一个新的对话生成框架，称为基于张量匹配的生成式对抗网络（MatchGAN），以提高对话回复与其上文之间的外部关联性。与传统的基于最大似然估计的方法不同，该框架通过基于序列到序列模型的生成器和基于张量匹配网络的判别器之间的对抗学习来生成与上文相关的回复。通过使用匹配网络对上文与回复之间的多维关系进行建模，该模型所产生的回复更加符合人类对话的特点。此外，本研究进一步引入了目标侧注意力机制来增强所产生回复的内部语义一致性。实验结果表明，本文提出的框架能够产生高质量的对话回复，在量化指标评价和人工评测方面均优于其他基线方法。]]></description>
<pubDate>2022/4/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[蔡恒毅* **，王成瑞* **，宋永浩*，袁旭* **，张程*，赵晓芳*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202005&flag=1]]></guid><cfi:id>231</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于注意力和标签自适应的跨域行人重识别]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有的大多数行人重识别算法都依赖于监督训练，而监督训练中人工标注的数据需要昂贵的资源开销从而限制了其在新场景中拓展应用的问题，提出了基于注意力和标签自适应的跨域行人重识别方法。该方法首先对深度卷积神经网络(DCNN)中不同深度的特征层嵌入注意力机制和BNNeck模块，增强模型在不同数据集下对行人的特征表示能力；其次针对没有任何标签的目标数据集，提出了无监督标签自适应方法，将标签信息逐渐扩展至目标数据集中；最后采用知识蒸馏（KD）的方法不断对模型进行微调，使模型逐渐适应新的场景。该方法在Market1501数据集上的平均精度均值（mAP）为33.1%，在DukeMTMCreID数据集上的mAP为36.1％，与PTGAN、IPGAN等跨域行人重识别算法相比性能有明显提升。]]></description>
<pubDate>2022/4/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈思文，吴怀宇，陈洋]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202006&flag=1]]></guid><cfi:id>230</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种面向嵌入式图形处理器的访存子系统结构设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[嵌入式图形处理器（GPU）随着访存数据量越来越大，访存子系统在性能、面积及功耗等方面的瓶颈已经日益凸显。针对图形处理器的数据特点及访存需求，考虑到嵌入式图形处理器面积及功耗的约束，结合Godson GPU架构平台，提出了一种面向嵌入式图形处理器的访存子系统结构设计。该设计主要针对图形处理流水线的访存特点，对cache的结构进行了优化，并提出了一种基于链表方式的结构，提高了访存的效率，减少了面积且降低了功耗。为了使访存子系统适配并行图形流水线，提出了一种屏幕分区方法，可以在消除cache的一致性问题的同时，使访存子系统的负载更加均衡。该设计为嵌入式图形处理器的访存子系统设计提供了借鉴。]]></description>
<pubDate>2022/4/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵士彭* ** ***，张立志* ** ***，章隆兵* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202007&flag=1]]></guid><cfi:id>229</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[PPTM：一种面向异构系统的主动式任务映射方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在数据高速增长的背景下，异构计算作为满足新兴应用不断提高的算力需求的有效途径，涌现了许多异构加速系统。在这些异构加速系统中，高效的任务映射是充分发挥加速器潜能提升应用程序性能的关键之一。先前工作提出了许多基于有向无环图如何最小化应用程序整体执行时间和最小化异构多处理器之间通信开销等高效的任务映射方法，这些工作通常采用将任务映射到加速器上来提高整个应用的性能。但某些应用程序如果将所有子任务全部映射到加速器上执行，会带来额外的通信开销，进而可能达不到提升性能的预期，甚至造成整个应用程序的性能下降。因此，本文提出了一种基于预测的主动式任务映射算法（PPTM）来应对这样的场景，实现高效的任务映射。实验表明，本文算法能够更准确感知计算任务的运行时状态，大幅提高应用程序的整体性能。]]></description>
<pubDate>2022/4/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[龚施俊* **，鄢贵海*，李晓维*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202202008&flag=1]]></guid><cfi:id>228</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于GPU的子图匹配优化技术]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了解决图挖掘应用中子图匹配任务的性能问题，本文提出了一种基于图形处理单元（GPU）的顶点预剪枝子图匹配系统（GVSM）。GVSM采用黑名单剪枝算法和调度排序来减少冗余搜索。利用前缀树数据结构，GVSM可以对中间结果进行压缩，以便快速索引并降低内存消耗。GVSM将子图匹配的搜索部分卸载到GPU上执行，通过设计软件流水线进行重叠计算和数据移动，在PCI-E接口传输数据图拓扑数据的同时激活中央处理器（CPU）与GPU上的计算，并用动态负载均衡的方法减少计算资源的浪费。实验结果表明，本文方法能够有效提升子图匹配算法的性能，GVSM在性能上相比国际同类算法有显著提升，并且能处理更大规模的数据。]]></description>
<pubDate>2022/3/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孟轲，林志恒，谭光明]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201003&flag=1]]></guid><cfi:id>227</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于CODESYS的五轴点胶机控制系统设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对曲面屏手机点胶的需求，使用CODESYS作为软件开发平台，采用工控机作为硬件平台设计了五轴点胶机控制系统。控制系统使用基于EtherCAT总线的一主多从控制模式，基于SM3CNC库开发了G代码读取以及解析功能，使用DH参数法建立运动学模型并设计了正逆运动学功能块，基于分段3次Hermite插值和3次样条插值算法设计了PVT插补功能块，以Visualization模块为基础设计了可视化界面。以曲面屏手机模型为实验对象，以刀轴矢量始终重合于曲面法向量和点胶速度保持匀速为工艺要求，采用研制的控制系统进行曲面点胶实验，实验结果表明所设计的五轴点胶机控制系统具有工程应用价值。]]></description>
<pubDate>2022/3/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐建明，韩波]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201004&flag=1]]></guid><cfi:id>226</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[旅游场景下的基于深度学习的文本方面级细粒度情感分类]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[方面级细粒度情感分类是指针对文本数据，分析其在指定方面的情感极性。由于获取到的评论样本往往涉及不同的方面，导致各个方面的情感极性不平衡。为了减少不平衡数据对模型训练的影响，本文提出了一种新的数据平衡方法——批处理平衡方法（BB），用来平衡多标签多类别数据。同时，由于评论文本蕴含多个方面，传统模型结构往往每次只能预测一个方面的情感。为了提高情感挖掘效率，本文提出了自动关注不同方面的情感注意力网络——双向循环卷积注意力网络（Attn-Bi-LCNN）模型。模型会同时关注不同方面的不同情感信息形成情感语义矩阵，根据情感矩阵进行情感预测。对比实验表明，模型取得了更好的预测结果和更快的运算速度。]]></description>
<pubDate>2022/3/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘文远，郭智存，郭丁丁]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201005&flag=1]]></guid><cfi:id>225</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[人脸识别技术在智慧校园中的应用研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统的校园管理系统已无法实现对学生智能化管理的问题，本文提出了基于人脸识别的智慧校园管理系统的设计方法。首先对该管理系统进行了需求分析，然后进一步阐述了该管理系统的组成结构和功能以及本系统所涉及到的射频识别（RFID）技术、热成像测温、人脸识别等主要关键技术，最后介绍了该管理系统下的校园门禁系统、考勤管理系统和图书馆管理系统等子系统的功能及应用流程。研究表明，基于人脸识别的智慧校园管理系统可以实现对校园的智能化管理，能够为学生在校园的学习和生活带来更大的便利，使校园管理更加规范化。]]></description>
<pubDate>2022/3/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王兴，李婷，杨柳，郭伟洁]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201006&flag=1]]></guid><cfi:id>224</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进最大相关最小冗余的选择性集成分类器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在构建选择性集成分类器时，寻找分类准确率高且差异性大的最优分类器子集至关重要。为平衡集成子集中基分类器的准确性和多样性，提出了一种基于改进最大相关最小冗余的选择性集成分类器（ImRMRSEC）。首先，将基分类器对验证集的预测结果视为一个个“特征”，把特征选择的思想扩展到集成分类器的约简问题中，基于最大相关最小冗余准则寻找基分类器子集。其次，引入Gram-Schmidt正交化求取“特征”的等价向量，替代原向量输入最大相关最小冗余算法中，并基于距离相关系数(DCC)衡量相关性。同时，利用序列浮动前向选择方法搜索最优子集。实验结果充分展示了所构建分类器卓越的设计性能。]]></description>
<pubDate>2022/3/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吴倩楠，颜学峰]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201007&flag=1]]></guid><cfi:id>223</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进U-Net网络的吹氩图像分割方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统U-Net网络模型参数量大、图片处理时间长、无法满足工业生产实时性要求的问题，提出了一种改进U-Net网络的吹氩图像分割方法。该方法以U-Net框架为主体，使用传统U-Net网络的特征融合模块高效利用图像的特征信息，利用MoblieNet网络中的深度可分离卷积方法替代传统卷积，降低网络的参数量和计算量，缩短了分割所需的时间。实验结果表明，改进的U-Net网络在保持精度的同时，具有良好的实时性。与传统U-Net网络相比，其参数量缩小15倍，在GPU上运行平均耗时降低6倍。改进的U-Net网络处理一张分辨率为224×224像素的图片的平均耗时为30ms，可以满足工业生产对图像处理实时性的要求。]]></description>
<pubDate>2022/3/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄禹康，熊凌，刘洋，邓攀，但斌斌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202201008&flag=1]]></guid><cfi:id>222</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于自监督学习的图转移网络会话推荐算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对基于会话的推荐算法存在建模物品表示缺乏会话间物品协同信息的问题，提出一种基于自监督学习的图转移网络会话推荐算法(S-SGTN)。该算法首先根据所有会话序列组建协同会话图；其次将当前会话与协同会话图中目标物品的邻居节点表示输入双通道图转移网络中，并在网络训练过程中引入自监督学习模块，通过最大化物品全局和局部表示的互信息，作为推荐任务的辅助任务，以改进物品和会话的表示；最后根据生成的匿名用户会话表示预测下一个产生交互的物品。在公开数据集上的实验结果表明，本文的推荐模型在召回率和平均倒数排名指标上的表现优于其他相关方法。]]></description>
<pubDate>2023/3/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[潘茂* **，张梦菲* ** ***，辛增卫* **，金佳琪* **，郭诚* **，方金云*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212003&flag=1]]></guid><cfi:id>221</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[脚本语言执行引擎的模糊测试技术综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[脚本语言作为解释性语言，需要由脚本语言执行引擎动态解释执行。由于脚本语言的广泛应用，其执行引擎也在各种平台上得到广泛部署。因此，脚本语言执行引擎中的安全漏洞往往具有很高的安全影响。模糊测试作为一种有效的自动化漏洞挖掘方法，在挖掘脚本语言执行引擎的软件缺陷和漏洞方面也有重要作用。本文对近年来国内外学者在该领域的研究进行了系统的总结，介绍了模糊测试和脚本语言执行引擎的基本概念，整理了现有的脚本语言执行引擎的模糊测试工作的评价指标，分类梳理了脚本语言执行引擎的模糊测试工作，阐述了该领域所关注的研究问题和解决方法。最后，根据现有工作的不足和研究趋势，提出具有潜力的下一步研究方向。]]></description>
<pubDate>2023/3/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孙力立，武成岗，许佳丽，张培华，唐博文，谢梦瑶]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212004&flag=1]]></guid><cfi:id>220</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[降低冗余检测框数量的目标检测算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在机器视觉领域中，很多无锚框检测算法在处理目标密集的图像时会产生冗余边界框的现象，降低了检测精度。针对这种现象，本文借助RetinaNet的网络结构提出一种可以降低冗余检测框数量的目标检测方法。首先在特征提取阶段，加入一种新的注意力机制来提高特征的表达能力；然后为了减少正样本中标签错误标定的可能，对选取正样本的位置进行筛选，之后将算法选择的正样本输入预测分支得到目标边界框的坐标和置信度；最后根据目标边界框的位置和分类结果，提出一种类内的交并比分数重分配推理策略，该策略能够减少重叠的检测框数量，从而提高算法精度。本文算法的有效性在公开的图像数据集上进行验证，结果表明，所提出的算法可以提高检测精度、优化定位效果，具有较好的应用前景。]]></description>
<pubDate>2023/3/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王宪保，吴梦岚，姚明海]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212005&flag=1]]></guid><cfi:id>219</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于PERCLOS判据的驾驶员疲劳监测系统]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对疲劳驾驶监测常用算法运算效率低的问题，提出了一种基于单位时间内人眼闭合时间所占比例（PERCLOS）判据的驾驶员疲劳监测方案。针对传统顺序执行算法运算效率低的问题，提出了基于流水线算法的人脸检测及人眼跟踪算法。针对传统顺序式算法对硬件要求高的问题，本系统运行在低端现场可编程门阵列（FPGA）上，设备成本大幅降低。并利用PERCLOS判据作为判断驾驶员是否疲劳的依据。实验表明，本文所提出的基于流水线算法的图像处理算法使系统拥有了较高的实时性和较低的资源占用，实现了60fps的处理速度，系统的准确度达到了95%以上。]]></description>
<pubDate>2023/3/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[金梅，薛静芳，张立国，刘强]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212006&flag=1]]></guid><cfi:id>218</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于社区结构的图数据预取器设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[由于图数据规模庞大且结构不规则，图应用运行时会产生大量高延迟内存访问，大幅度降低了通用处理器的运行效率。本文采用软硬件结合的方式设计了图计算专用预取器，利用图数据访存特点以及社区结构的存储规律，通过对图数据进行混合预取，缩短了图计算访存的延迟，在含有较多社区的图数据集上获得了显著的性能收益。在不同图算法与图数据集上的实验表明，该预取器相对于无预取情况、流式预取器及传统图数据预取器，分别实现了65%~176%、 6%～21%和4%~18%的性能提升。]]></description>
<pubDate>2023/3/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李策，章隆兵]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212007&flag=1]]></guid><cfi:id>217</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[无人机技术辅助的车联网：发展与展望]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来，车联网作为智能交通系统的关键使能者，带来了沉浸式的用户体验。然而，车联网系统中仍然存在车辆网络连通性差和数据计算处理效率低等问题。无人机（UAV）因其灵活性高、成本低、易于部署等特点，得到了工业界和学术界的广泛关注和深入研究。无人机技术应用于车联网领域，可以显著提高车联网的数据传输性能，更好地促进车联网的发展。本文对无人机辅助的车联网研究现状及其关键技术进行了系统综述。首先，分别简要介绍了车联网和无人机相关研究背景。其次，从路由协议、轨迹优化、内容缓存、计算卸载和安全隐私等方面详细介绍了无人机技术辅助车联网的相关研究进展。最后，讨论了该研究领域面临的挑战和未来发展趋势。]]></description>
<pubDate>2023/3/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[方宇杰，李萌，司鹏搏，杨睿哲，孙恩昌，张延华]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202212008&flag=1]]></guid><cfi:id>216</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[开放科学云联邦：产生背景、应用架构及关键技术]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[云联邦是云服务在新科研范式下的发展方向之一，其核心特征包括云际交互、跨越平台、动态可变、负载扩展、分布共治等，探索开放科学背景下云联邦的发展需求和架构技术对于拓展云服务边界具有重要意义。本文对开放科学云联邦（OSCF）的产生背景、应用架构和关键技术进行了综述。首先分析了开放科学背景下科研基础设施在资源状态、资源供给、资源处理、资源关系、操作方式等方面面临的新需求；其次梳理了开放科学云和云联邦的发展历程，明确了开放科学云联邦发展的必然性；然后归纳了开放科学云联邦的应用场景、应用特点，并提出了逻辑架构；最后从身份认证、节点信任、资源迁移、资源匹配、资源优化5个方面介绍了开放科学云联邦涉及的若干关键技术。]]></description>
<pubDate>2023/2/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[温亮明* **，李跃鹏* **，张丽丽*，黎建辉*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211003&flag=1]]></guid><cfi:id>215</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[ORB-SLAM系统特征分析研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着自动驾驶汽车、机器人、无人机、虚拟现实和增强现实等应用的飞速发展，其核心技术同步定位和建图（SLAM）成为目前热门研究方向之一。ORB-SLAM系统作为典型的基于特征点法的SLAM系统，具有更好的鲁棒性和更高的计算效率，无论在系统优化层面还是底层硬件架构设计层面一直被广泛关注。然而目前学术界和工业界缺乏面向ORB-SLAM系统底层硬件架构设计的系统特征分析研究。本文从跟踪线程、地图构建线程和回环检测线程出发详细介绍ORB-SLAM系统，选取了ORB-SLAM2系统进行了性能分析实验，得到了ORB特征提取和块求解器2个热点函数，并分析了2个热点函数的执行特征。在Intel i5-6500和ARM Neoverse-N1处理器平台实验对比评估了2个热点函数的IPC、分支预测失效率、一级数据缓存读失效率、最后一级缓存失效率和最后一级缓存MPKI等特征，并总结了对体系结构设计的需求，为面向ORB-SLAM系统的底层硬件架构设计提供了指导性建议。]]></description>
<pubDate>2023/2/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[薛瑞* **，李易* **，李文明*，安述倩*，叶笑春*，唐志敏* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211004&flag=1]]></guid><cfi:id>214</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于图元光栅化触发的高效GPU深度数据预取]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[数据预取技术已经广泛应用在各类中央处理器(CPU)设计领域，取得了很好的效果。而图形处理器(GPU)对存储带宽的需求更为巨大，与图形渲染流水线和图形算法直接相关，且数据访问模式与通用CPU有显著差异，需要更有针对性的有效数据预取机制。针对GPU深度测试关键功能，本文提出一种图元光栅化触发的高效深度数据预取机制——DPRT，通过图元光栅化过程中实时扫描到的片段块地址来触发Z缓存(Z Cache)的深度数据预取，同时为了适应不同实现中流水线处理延迟，为Z Cache数据块增加访问一次标志(OTT)，保证深度数据预取有效性。实验结果表明，DPRT使深度测试时Z Cache访问命中率平均提升9.51%，深度测试延迟平均降低40.43%。]]></description>
<pubDate>2023/2/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[田泽，张骏，许宏杰]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211005&flag=1]]></guid><cfi:id>213</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[死区非线性输入系统的自适应迭代学习控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对一类含有非对称死区输入和任意初态的非线性系统，本文提出了一种实现有限作业区间跟踪控制的神经网络迭代学习控制（ILC）算法。构造新的修正函数形式设计校正参考轨迹，放宽了迭代学习控制初值一致要求。利用径向基函数(RBF)神经网络估计和补偿系统的不确定性及死区参数，从而设计迭代学习控制器。引入一级数收敛序列用于处理重构误差对系统跟踪性能的影响，并给出了未知参数的微分-差分学习律。理论分析表明，该控制器能够实现系统状态在预指定作业区间上对参考轨迹的零误差跟踪。最后的仿真结果验证了所提控制算法的有效性。]]></description>
<pubDate>2023/2/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈建勇]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211006&flag=1]]></guid><cfi:id>212</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向高能效场景的神经网络结构和加速器协同设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[神经网络算法和深度学习加速器已成为推动深度学习方法应用最重要的两股力量，但目前的神经网络结构设计主要围绕模型精度、计算量等指标，忽略了不同模型在目标加速器上计算效率的差异；而加速器设计一般针对既定的神经网络基准程序进行优化，往往难以覆盖到未来不断迭代进化的神经网络模型，这就容易导致加速器在新的网络架构上表现不佳。本质上，神经网络架构与加速器相对独立的设计流程，导致了两者的设计和优化不匹配，从而无法达到最优的深度学习推理性能。为此，本文提出了一种针对图像分类任务的网络结构和加速器软硬件协同设计的框架，将网络结构和加速器设计融合到统一的设计空间中，并针对设计约束，自动搜索最优协同设计方案，实现了端到端的深度学习推理定制和优化。实验表明，在真实的图像分类数据集和脉动阵列架构上，相对于传统的网络结构和加速器分别独立优化的方法，本文提出的协同设计方法实现了平均40%的能耗降低。]]></description>
<pubDate>2023/2/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈维伟* **，王颖*，张磊*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211007&flag=1]]></guid><cfi:id>211</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于卷积稀疏表示的内外部指纹融合方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对多传感器采集的内外指纹质量各有优缺点的问题，提出结合方向确定度(OCL)质量评估和基于卷积稀疏表示的形态成分分析模型(CSMCA)的内外指纹融合方法OCL-CSMCA。通过将内部与外部指纹图像进行分解、添加像素级方向确定度（OCL）约束、融合与重建，实现内外指纹图像融合。对比实验表明，本文融合指纹图像在改善视觉效果、提高指纹质量、增大有效面积、指纹匹配能力以及细节点正确提取等方面表现良好。]]></description>
<pubDate>2023/2/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[崔静静**，王海霞*，陈朋*，蒋莉*，张怡龙*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202211008&flag=1]]></guid><cfi:id>210</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于双重混沌映射算法的深度学习模型梯度安全保护研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在联邦学习任务中，不同用户会上传深度学习模型的梯度到中央服务器进行梯度聚合，然而直接上传模型的原始梯度并不安全，攻击者会利用梯度攻击方法还原出用户的输入数据。当前，基于安全多方计算(SMPC)、差分隐私(DP)和同态加密(HE)来保护梯度安全的方法，存在通信开销较大、精度损失严重和加解密时延开销过大等主要问题。本文提出一种基于双重混沌映射算法的深度学习模型梯度安全保护方法，通过交换深度学习模型梯度的位置能够有效地防止恶意攻击者通过梯度攻击来偷窥用户个人隐私。为了降低时延开销，本文将深度学习模型层的映射问题转化为0-1整数背包问题，并利用动态规划求解出最优的保护方案。在CIFAR-10、CIFAR-100、LFW以及ImageNet数据集上的实验结果表明，本文所提方法能够防御当前最有效的两种梯度攻击，保护了深度学习模型梯度的安全性。此外，在CPU、GPU以及3款手机芯片上的实验结果表明，所提方法运行效率极高仅需要毫秒级就能完成安全保护。]]></description>
<pubDate>2023/1/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[林宁，陈晓明，夏春伟，李文星，叶靖，刘自臻，李晓维]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210003&flag=1]]></guid><cfi:id>209</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于区块链的BGP路由策略检测机制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对路由传播过程中存在的自治域间策略违背的现象开展研究，提出边界网关协议(BGP)路由策略检测机制（BRPM2），设计包含策略链以及验证模块的系统架构。通过理论分析、原型设计与仿真验证，证明了提出的检测算法和系统架构可充分利用资源公钥基础设施（RPKI）技术资源，使RPKI依赖方承载验证功能并与路由器通信，实现功能解耦，便于部署应用。同时BRPM2具备验证方法简单、支持增量部署的优点，可在无需修改路由协议的前提下，提升域间路由系统安全。]]></description>
<pubDate>2023/1/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[冷峰* ** ***，赵琦**，延志伟**，曾宇* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210004&flag=1]]></guid><cfi:id>208</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[城市车联网中公交VANET的连通性估算方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对城市车联网中以公交车作为辅助中继节点的公交车载自组织网络(VANET)通信性能估算问题，提出了公交VANET网络连通概率模型来估算VANET的连通性、传输延时和连通延续时间。该模型根据区域车辆密度表征城市车流的间歇性中断特点，在分析天线高度和公交专用道对公交车通信能力和行驶规律的影响基础上，采用双斜率路径损耗模型和概率分析方法，按是否含有公交车节点分别建立道路上任意两车的直接连通关系，然后对公交专用道措施和公交车借助异构网络构成移动骨干网策略下公交VANET的通信性能进行估算分析。仿真结果显示公交VANET在低区域车流密度和远距离传输时的网络连通概率明显高于无公交车场景，且在车道数量较少以及公交车发车间隔较小时，改善效果更显著，此外，公交VANET传输延时和网络拓扑稳定性也有改善。]]></description>
<pubDate>2023/1/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[林盈盈* **，董红召*，郝伟娜*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210005&flag=1]]></guid><cfi:id>207</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于卷积神经网络的皮肤病诊断多二分类器研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来，随着深度学习技术的日益普及与发展，卷积神经网络（CNN）被广泛应用于辅助医学诊断，并在医学影像诊断领域取得了重要的研究成果。本研究基于皮肤病数据种类繁多、特征不显著等特点，引入多二分类的研究方法搭建了从医学影像到计算机辅助诊断的框架，解决了目前皮肤病难以区分的问题，并在常见的皮肤病分类识别问题中得到具体检验。首先，本研究以3类常见的皮肤病数据集（白癜风、痤疮和银屑病）为例，实现了图像数据的增强、分割、多二分类器的构建、图像块的分类、皮肤病的判别等完整的工作流程。其次，在分组数据交叉验证下，三分类判别准确率为0.8320，四分类判别的准确率达到0.9125。最后，为了获得更高的准确率，在随机森林方法结果不理想的情况下，本研究引入了多二分类器网络架构，准确率达到了0.9377。]]></description>
<pubDate>2023/1/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[代闯闯* **，栾海晶* **，杨雪莹* **，过晓冰***，牛北方* **，陆忠华* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210006&flag=1]]></guid><cfi:id>206</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[蜂窝移动网络拥塞控制机制研究综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[网络拥塞控制是保证提供可靠公平的网络服务的基础。5G网络在组网架构、网络性能和业务需求等方面的升级，给网络拥塞控制提出了新的挑战。针对5G网络特征，研究人员提出了多种具有针对性的网络拥塞算法。本文首先从5G网络整体框架、5G网络关键技术、蜂窝网络常用模型和部署情况等方面，分析5G网络的特征。然后介绍传统拥塞控制算法，分析传统拥塞算法在5G蜂窝网络中的局限性。根据5G网络特征，分类分析针对蜂窝移动网络的拥塞控制算法。最后分析针对5G网络，拥塞控制算法可能的新的优化方向。]]></description>
<pubDate>2023/1/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李莉莉*，周建二* **，李清**，段经璞* **，王志强***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202210007&flag=1]]></guid><cfi:id>205</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于压缩卷积神经网络的心律不齐分类方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[心律不齐是一种常见的心脏疾病，严重时可能会危及生命，因此对该疾病开展早期筛查和分类在临床医学中具有重要意义。搭载心电信号（ECG）传感器的可穿戴设备凭借低成本和便捷等特点，是实现日常心脏健康监测的理想平台之一。然而受制于计算能力等因素的限制，可穿戴设备需要将数据上传到云端进行分析，增加了等待时延和用户隐私泄露风险。另一方面，现有心律不齐分类算法在训练时受疾病样本分布不平衡等因素的影响，在识别部分异常病症时的表现不尽人意，限制了其应用范围。为解决上述问题，本文提出了一种基于压缩卷积神经网络的心律不齐分类算法，增强了其在移动平台上的部署能力。同时在训练过程中通过将类别先验分布引入损失函数中，提升了算法对异常病症的识别能力。实验结果表明，本文提出的压缩模型相比经典模型在减少98.2%参数量的同时，超越了许多相关工作取得了0.759的宏F1值。]]></description>
<pubDate>2023/10/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[韩传奇* **，崔莉*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309003&flag=1]]></guid><cfi:id>204</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向5G终端基带处理的高量化信噪比FFT加速器设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对第5代移动通信系统（5G）终端基带处理芯片的设计要求，本文提出一种基于新型块浮点（BFP）技术的快速傅里叶变换（FFT）加速器。为了降低FFT计算过程中的量化误差，本文实现了一种逐级迭代、动态调整共享指数的块浮点技术，并在此基础上，引入“银行家舍入规则”处理BFP尾数缩放过程中的舍入误差，进一步提高该加速器的整体精度。此外，为了实现5G基带连续FFT处理需求，本文还实现了一种无地址冲突的顺序访存机制。实验结果表明，该加速器从128点至4096点FFT处理的量化信噪比（SQNR）都超过75dB，比未采用块浮点的方案高8~15dB；与其他较优秀的设计相比，在高点数（2048点、4096点）上也有3dB的优势。本文FFT加速器在TSMC 28nm工艺库下综合显示，总面积为0.193mm2，最高支持600MHz时钟频率，计算4096点FFT平均功耗为16.3mW。]]></description>
<pubDate>2023/10/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈洋* **，石晶林* **，刘攀***，王磊***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309004&flag=1]]></guid><cfi:id>203</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于顶级域解析日志的递归DNS识别方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[递归域名系统（DNS）根据其服务的开放性、进行递归查询的目的等可分为不同的类型，递归DNS类型的准确识别，对于对根、顶级和各级权威DNS的分析与运行具有重要意义。针对递归DNS的准确识别问题，本文通过分析 .CN国家顶级域名系统的解析日志，提出基于递归查询的行为特征识别递归DNS类型的方法。该方法从多个维度信息来筛选甄别表征全量日志信息，基于无监督特征选择方法选择重要特征，实现同类型递归DNS的准确聚类。实验结果表明，该方法能高效准确识别出递归DNS类型。]]></description>
<pubDate>2023/10/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡安磊* ** ****，谢高岗*** ****，苑卫国**，魏金侠*** ****，付豪*** ****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309005&flag=1]]></guid><cfi:id>202</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于DDPG算法的云数据中心任务节能调度研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[承载云计算产业的数据中心近年来数量和规模迅速增加，产生巨大电力消耗。因此，数据中心节能减排迫在眉睫。本文提出一种节能调度策略，其核心思想是使用准入控制和优先级控制对队列任务进行筛选和排序，然后基于深度确定性策略梯度（DDPG）算法对任务进行在线调度，以适应云计算负载的高度动态性，使能耗最小化。仿真实验结果表明，本文所采用的调度方案在降低云数据中心能耗和减小任务的响应时间方面具有有效性。]]></description>
<pubDate>2023/10/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王立红，张延华，孟德彬，李萌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309006&flag=1]]></guid><cfi:id>201</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于轨迹预测与改进人工势场法的机械臂动态避障规划方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在人机共存环境中，人可能会成为机器人执行任务过程中的动态障碍物，因此，在机器人的运动过程中需要动态地避障规划，从而避免机器人危害到用户安全。人工势场法是常用的动态路径规划算法，具有实现简单、计算实时性高等优点。传统的人工势场法根据虚拟的引力场和斥力场得到合力，从而引导机器人的运动，但是当引力和斥力等大反向时，存在局部极小值问题。针对该问题，本文提出了基于平面位置采样的改进人工势场法。每次计算得到合力向量后，以该向量的指向为中心，在垂直于地面、包含合力向量的平面上以特定的角度间隔分别逆时针和顺时针方向采样90°范围内的运动方向，然后分别计算引力值和斥力值，最后根据引力值和斥力值的加权和最小确定机器人的最佳运动方向。为了应对用户运动导致机器人运动路径突变的情况，本文依据用户手臂运动和头部转动的关联关系，通过检测用户的头部姿态，并利用手臂当前的运动信息预测手臂接下来的运动位置。最后设计了基于轨迹预测与改进人工势场法的机械臂动态避障规划方法，实验结果表明，该方法可以有效地进行动态避障，并且规划的路径更加平滑、长度更短。]]></description>
<pubDate>2023/10/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吴芳，赵云波]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309007&flag=1]]></guid><cfi:id>200</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于上下文编码器的图像修复算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于数学的传统模型在纹理学习上的效果比较好，但是在图像内容和语义上有所缺失。近年来，随着深度学习的兴起，将深度学习应用于图像修复的方法十分热门，对各种残缺图像的修补也取得了较好的结果。本文使用的基于上下文编码器的图像修复方法，结合自编码器（AE）和生成对抗网络（GAN）。其中，使用AE进行图像特征的学习，生成待修补区域的预测图；使用GAN的对抗学习来优化模型；使用由重建损失和对抗损失组成的联合损失函数。经过训练后的卷积神经网络(CNN)，能够根据图像周边的像素特征，对丢失的区域进行合理推断，生成缺失部分。最后，本文对比了使用联合损失函数和单独使用重建损失与对抗损失函数的效果，并将本文算法与另外2种模型对比，采用客观评价指标，即平均绝对误差(MAE)、峰值信噪比(PSNR)以及结构相似性(SSIM)进行评价，其结果表明本模型在修复残缺图像时效果均较好，普适性更强。]]></description>
<pubDate>2023/10/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[任鹏博*，毛克彪**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202309008&flag=1]]></guid><cfi:id>199</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向应用定义优先级调度的用户态协议栈研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对数据中心负载中混杂请求对延迟敏感型请求响应尾延迟产生干扰，而现有研究无法在不同负载场景下为延迟敏感型请求提供灵活优先调度的问题，本文提出了应用定义优先级调度的用户态协议栈。该设计利用用户态协议栈在数据中心请求处理所处的关键位置，支持上层应用根据负载特征灵活定制优先级识别与调度策略，并由协议栈为优先级识别提供数据包、传输控制协议(TCP)流等丰富的状态信息，实现了不需要改动网络协议栈，就可以对不同负载场景实现灵活的应用定义优先级识别与调度，从而避免延迟敏感型请求受到其他混杂负载请求带来的排队延迟与阻塞延迟干扰。实验结果表明，在不同的负载场景下，通过灵活准确的应用定义优先级调度，可以将延迟敏感型请求的响应尾延迟降低98.5%，有效保障了用户体验。]]></description>
<pubDate>2023/9/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[沈逸凡* **，张文力*，刘珂*，陈明宇***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308003&flag=1]]></guid><cfi:id>198</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于知识-数据混合驱动的综合能源系统多元负荷预测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[当前的综合能源系统(IES)负荷预测方法几乎都是单一的数据驱动方法，忽略了IES中的能量耦合关系。此外，在现有的研究中，数据驱动方法的训练数据主要集中于历史负荷、气象等影响因素，较少考虑可再生能源出力以及不同能源供应给IES负荷预测结果带来的影响。针对上述问题，本文提出一种知识-数据混合驱动的IES多元负荷预测方法。该方法首先通过解析模型对IES中的能量耦合特性知识进行描述，并利用该知识模型对原始样本数据进行重构。然后将重构后的新样本数据作为数据驱动模型的训练样本，并使用基于随机森林算法的特征选择方法和Dropout技术提高模型的泛化能力。最后采用某IES工业园区的实际数据对本文所提方法的有效性进行了验证。仿真结果表明，该方法相较于传统单一数据驱动模型具有更好的预测效果和较高的可靠性。]]></description>
<pubDate>2023/9/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王力成* **，王子非*，邓宝华*，凌锋*，张有兵*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308004&flag=1]]></guid><cfi:id>197</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于参数自适应与模板更新的孪生网络跟踪算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[孪生网络跟踪算法在跟踪过程中网络参数固定，跟踪模板仅仅使用第1帧给定的目标，这导致算法的鲁棒性较差。为此，提出基于参数自适应(PA)与模板更新的孪生网络跟踪算法。首先，利用通道注意力和空间注意力对目标特征进行调整，提高网络对跟踪目标的关注度；其次，利用滤波器参数更新策略滤除背景的干扰，提高网络对当前目标的辨识能力；最后，增加与主网络平行的子网络，通过更新子网络的跟踪模板，使网络能适应目标的变化。在VOT 2018、VOT 2019 2个标准数据集上进行测试，期望重叠率（EAO）分别达到0.455和0.331，验证了本算法的有效性。]]></description>
<pubDate>2023/9/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈志旺* **，郭金华*，吕昌昊***，雷春明*，彭勇****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308005&flag=1]]></guid><cfi:id>196</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Hammerstein-Wiener时变系统的带遗忘因子学习辨识算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对一类有限区间上重复运行的Hammerstein-Wiener非线性时变系统，将Hammerstein-Wiener系统输出非线性部分进行多项式展开以构造回归模型，采用带遗忘因子迭代学习梯度算法和带遗忘因子迭代学习最小二乘算法，估计系统的时变参数。当系统参数沿时间轴快变、沿迭代轴缓变时，修正遗忘因子提高算法的辨识精度。文中分别给出了2种算法的推导过程并进行仿真对比验证，结果表明，带遗忘因子迭代学习最小二乘算法收敛速度更快、精度更高，达到相同性能指标时所需迭代次数更少，验证了所提学习算法的有效性。]]></description>
<pubDate>2023/9/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[仲国民，俞其乐，汪黎明]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308006&flag=1]]></guid><cfi:id>195</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于层间融合的神经网络访存密集型层加速]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来，随着深度神经网络在各领域的广泛应用，针对不同的应用场景，都需要对神经网络模型进行训练以获得更优的参数，于是对训练速度的需求不断提升。然而，现有的研究通常只关注了计算密集型层的加速，忽略了访存密集型层的加速。访存密集型层的操作主要由访存带宽决定执行效率，单独提升运算速度对性能影响不大。本文从执行顺序的角度出发，提出了将访存密集型层与其前后的计算密集型层融合为一个新层执行的方式，将访存密集型层的操作作为对融合新层中输入数据的前处理或输出数据的后处理进行，大幅减少了访存密集型层在训练过程中对片外内存的访问，提升了性能；并针对该融合执行方案，设计实现了一个面向训练的加速器，采用了暂存前处理结果、后处理操作与计算密集型层操作并行执行的优化策略，进一步提升了融合新层的训练性能。实验结果显示，在面积增加6.4%、功耗增加10.3%的开销下，训练的前向阶段、反向阶段的性能分别实现了67.7%、77.6%的提升。]]></description>
<pubDate>2023/9/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨灿，王重熙，章隆兵]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202308007&flag=1]]></guid><cfi:id>194</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于对比学习增强句子语义的事件检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[事件检测旨在识别文本中提到的事件及其类型。基于触发词的事件检测方法需要额外的人工成本标注事件触发词。本文从无触发词的文本语义提取出发，提出了一种基于对比学习增强句子语义的事件检测方法。该方法首先在事件检测数据集上通过自监督学习对预训练的语言模型基于转换器的双向编码表示器(BERT)调优，提高语言模型的领域适应性。然后利用掩码（mask）操作和丢弃（dropout）操作构建自监督对比样例，增加监督对比样例，实现了自监督对比和监督对比2种句子语义增强的方法。此外在训练过程中自动调整对比损失和事件分类的交叉熵损失的权重，以降低人工调参的成本，同时提高模型收敛速度。在自动内容抽取（ACE）2005中英文语料上的实验结果表明，本文方法比先前无触发词事件检测方法取得更好的结果，与利用预训练BERT模型微调的事件检测方法相比也具有优势。]]></description>
<pubDate>2023/9/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[梁冬* **，张程*，史骁*，谭文婷* **，吕存驰* **，赵晓芳* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307003&flag=1]]></guid><cfi:id>193</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于独立分量分析和普鲁克分析的运动想象迁移学习策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统上基于运动想象的脑机接口系统在应用之前需要进行枯燥冗长的校准实验的问题，提出基于独立分量分析（ICA）和普鲁克分析的迁移学习算法。该算法采用独立分量分析对脑电信号进行空间滤波，对比应用多种对齐变换方法，实现对样本数据的平移和缩放。并提出欧氏空间下的旋转变换方法，以进一步匹配目标受试者与其他受试者的样本分布，实现有效的跨受试者和跨数据集的迁移学习。所提算法相较基于黎曼普鲁克分析的方法具有更好的分类性能以及计算效率，并在公共数据集PhysionetMI和BCI-IV-2a上较传统机器学习算法将平均kappa值提高了约0.1和0.04。结果表明该方法能有效提高小样本下的分类正确率，这有助于降低对校准数据量的需求，从而减少校准实验的耗时。]]></description>
<pubDate>2023/9/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[毛传波，杨庆华，蔡世波，王志恒]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307004&flag=1]]></guid><cfi:id>192</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度学习的自然资源政策文本分类研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[政策文本分类是一项涉及自然语言处理（NLP）、机器学习、政策解析等多领域的综合性技术，在政策管理、研究以及信息服务等方面有重要应用。首先，针对目前政策文本领域公共资源较少的问题，提出结合领域知识和NLP构建政策文本分类数据集的半自动化方法，构建了句子级自然资源政策文本分类数据集；其次，挖掘政策文本自身特点，提出基于深度学习的标题信息自适应增强政策文本分类方法，并在现有主流深度学习模型上进行扩展应用；最后，在自然资源政策文本分类数据集上的实验表明，应用该方法后，5个常用深度学习分类模型的准确率获得了3%以上提升，宏平均F1值获得了5%以上提升。]]></description>
<pubDate>2023/9/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡容波* ** ***，郭诚* ***，王锦浩* ***，方金云*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307005&flag=1]]></guid><cfi:id>191</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于生成对抗网络的CT图像无监督超分辨率分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[提高计算机断层成像(CT)医疗影像的分辨率有助于医生更精确地识别病变部位，具有重要临床诊断意义。本文研究在没有高低分辨率图像对数据的条件下，使用仅包含低分辨率图像的数据集，通过降质网络和注入噪声获得与真实图像同域的低分辨率图像，进而构造接近天然图像对的训练数据集。并且设计了包括超分辨生成器、超分辨鉴别器和超分辨特征提取器的超分辨率生成对抗网络（DeSRGAN），实现对CT影像4倍超分辨率分析。实验测试表明，超分辨率分析生成的4倍CT图像在NIQE、BRISQUE和PIQE等无参考图像质量评估指标的定量对比中，DeSRGAN方法均优于最新的单图像超分辨率的增强型深度残差网络（EDSR）、残差信道注意力网络（RCAN）、增强型超分辨率生成对抗性网络（ESRGAN）等方法生成的图像。同时在直观视觉效果上，DeSRGAN方法生成的图像具有更清晰细节和更好感知效果。]]></description>
<pubDate>2023/9/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李云鹤*，陈伦强*，赵慧岩**，吴绍华***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307006&flag=1]]></guid><cfi:id>190</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于数据建模和参数压缩的连续干燥过程温湿度预测控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为精确控制干燥物料的含水率和干燥温度，提出基于数据建模和参数压缩的连续干燥过程温湿度预测控制算法。首先通过子空间辨识法建立连续干燥过程的子空间模型组，然后采用控制增量状态空间预测模型和阶梯式策略，描述具有约束的模型预测控制（MPC）的优化控制问题。在此基础上，将原二次规划问题的优化变量进行合理排序，再采用原始障碍内点法在线优化计算控制增量值，提高预测控制器的在线计算效率。最后通过对比仿真实验验证本文算法的有效性和优越性。]]></description>
<pubDate>2023/9/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[岑江晖，何德峰，朱威]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307007&flag=1]]></guid><cfi:id>189</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于自适应镶嵌的地震剖面数据可视化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[地震剖面数据三维可视化可以比传统地震剖面显示更好地展现地震数据信息，但在网格镶嵌方面存在镶嵌错误的问题。为解决错误镶嵌问题，本文提出了新的低倾斜相关自适应镶嵌方法，首先在像素着色器中计算出下一道上与当前样点最相关的样点；然后将其在时间方向上的相对偏移映射为倾斜方式并渲染到纹理，填充顶点索引时，充分考虑同一道上相邻样点的倾斜方式以实现顶点的自适应镶嵌；最后，通过实验验证了所提方法的有效性。]]></description>
<pubDate>2023/9/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈雷*，石家琦*，石太昆**，张婷***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202307008&flag=1]]></guid><cfi:id>188</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于混合预测的低轨卫星多普勒频偏预补偿]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[低轨(LEO)卫星高动态特性导致多普勒频偏，加大了接收端的信号恢复难度。针对低轨卫星通信系统的多普勒频偏问题，本文提出基于混合预测的低轨卫星多普勒频偏预补偿(MF-DPC)算法，通过神经网络和线性拟合实现对轨道参数的混合预测，使用预测的轨道参数和传统轨道外推算法计算相对位置和速度，最后得到多普勒频偏，实现多普勒频偏预补偿。仿真结果表明，基于混合预测的低轨卫星多普勒频偏预补偿算法比基于TwoBody、J2和J4轨道外推预补偿算法的有效频偏占比提高60%以上；比基于简化常规摄动模型(SGP4)预补偿算法运算时间降低近10倍。基于混合预测的低轨卫星多普勒频偏预补偿算法为终端同步接入提供了快速可靠的预补偿机制。]]></description>
<pubDate>2023/7/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘垚圻* ** ***，李红光* **，石晶林* **，周一青* **，张杰坦***，吴志强****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306003&flag=1]]></guid><cfi:id>187</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向训练的卷积神经网络加速器设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着深度神经网络的广泛应用，对神经网络模型的训练速度需求也不断增长，各类面向训练的加速器应运而生。然而，在训练过程的各阶段，同一个层展现出了巨大的计算差异，计算差异性使得单一数据流结构的加速器在某些阶段的处理上达不到最高的效率。而图形处理器（GPU）等通用性设计通常不能充分地利用各阶段操作的特性使得利用率较低。为了解决这个问题，本文针对卷积神经网络（CNN）训练不同阶段的操作，分别提出了高效的执行方案，设计了一个统一的加速器处理单元硬件结构，能够将所有阶段的执行方案高效地映射到其上运行，并以这个统一的处理单元为基础实现了一个高效的支持训练的卷积神经网络加速器。实验结果显示，基于4个常用的卷积神经网络模型，卷积层训练的前向过程、反向过程的运算资源利用率分别达到了77.6%、67.3%，相比于现有主流的利用Tensor核心加速深度学习任务的GPU，运算资源利用率提高了45.1%和41.7%。]]></description>
<pubDate>2023/7/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨灿，王重熙，章隆兵]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306004&flag=1]]></guid><cfi:id>186</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于一种新的三模集的低通FIR数字滤波器设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文对低通有限脉冲响应（FIR）数字滤波器的设计进行了研究；在对常用三模集和传统的具有脉冲响应系数的FIR数字滤波器分析的基础上，提出将一种新的三模集应用于低通FIR数字滤波器设计的新方法。该FIR滤波器由多个乘法-累加器单元构成，实现正向转换器、并行算术通道和逆向转换器的功能。正向转换器将一个二进制数编码成一个关于模集的余数表示的数，每个算术通道对模集的每个模进行模乘和累加，逆向转换器将一个余数表示的数解码为其等效的二进制数，算术通道以完全并行的架构工作，从而实现轻量化的计算和简单的结构；最后的仿真实验结果不仅验证了本文提出的设计方法的有效性，而且相比于传统的单向转换设计，本文提出的设计方法有更小的滤波器系数偏差和更好的频率响应等波纹特性。]]></description>
<pubDate>2023/7/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵海军，陈毅红，贺春林，蒲斌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306005&flag=1]]></guid><cfi:id>185</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于离散化动态图的协同过滤推荐算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于图卷积网络（GCN）模型在学习用户/物品表示方面表现出了强大的性能，给传统的协作过滤（CF）算法带来了新的研究突破。然而，现有的基于GCN的CF方法仍然都是针对静态图建模，而在实际场景中，用户与物品的交互不是一成不变的，会随着时间的推移而持续演化；GCN中的过平滑问题会极大地限制现有推荐算法的表示学习建模。为解决上述问题，提出了基于动态图的协同过滤算法（DynGCF），其目的是通过同时捕获图的结构和时态演化信息来学习用户和物品的嵌入表示。DynGCF首先采用GCN学习每个离散快照图上的用户/物品嵌入，然后应用时间卷积网络（TCN）和自注意力机制学习，最终嵌入表示。为缓解过平滑问题，本文改进了传统GCN中的关键模块，即邻域聚合，通过在1阶交互图和2阶共现图建模用户和物品的交互。在4个真实数据集上与基于GCN的CF方法和动态图的基线方法对比，验证了DynGCF的性能提升，并分析验证了改进的方法能有效缓解过平滑问题。]]></description>
<pubDate>2023/7/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[金佳琪* **，张梦菲***，潘茂* **，褚志海****，方金云*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306006&flag=1]]></guid><cfi:id>184</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于投影感知的水下声呐目标检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有基于深度学习的水下声呐图像目标检测方法受限于水下声呐图像噪声大、信噪比低，因而检测精度有限。针对该问题，本文提出了基于投影感知和声呐参数信息嵌入的水下声呐图像目标检测方法SonarNet。提出的非参数化的投影感知对齐模块（PAA）在不引入额外的训练参数且无需额外标注的情况下，通过提取水下目标的投影区域特征与目标本身特征融合来提升目标检测精度。同时为了提升算法在不同声呐工作参数下的鲁棒性，本文设计了一个轻量级的声呐全连接网络SonarMLP，将声呐设备的工作参数信息以嵌入信息的形式引入到目标检测过程中。本文在声呐图像目标检测数据集上对算法的有效性进行了验证，在有效检测出水下目标的同时，比现有常用深度学习方法有更高的检测精度，能够提升3%以上的各类平均精确度（mAP）。]]></description>
<pubDate>2023/7/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郑烨* **，崔莉*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306007&flag=1]]></guid><cfi:id>183</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于无锚框的孪生网络目标跟踪改进算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[视觉目标跟踪在车辆、人机交互以及监控等领域应用广泛，虽然近年来取得了很大的进展，但是在跟踪过程中，仍然存在许多的干扰因素。针对跟踪过程存在目标尺度和长宽的比例会随着目标或跟踪设备的变化而变化以及背景干扰的问题，设计了一种基于无锚框的孪生神经网络的跟踪方法。首先，改进了特征提取网络，提高了跟踪的准确性。其次，增加了非局部感知网络，能够更好地利用模板和搜索分支更深度的特征。对于分类来说，增加了选择分支，用于抑制较低的得分，选择更高更准确的得分，从而能够进行更好的回归预测。其采样策略也不同于之前的网络，并对损失部分进行了优化。在对网络进行整体的训练及实验之后，该算法能够很好地跟踪目标，提高了跟踪的成功率和精确度。]]></description>
<pubDate>2023/7/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张立国，张升，章玉鹏，耿星硕，金梅]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306008&flag=1]]></guid><cfi:id>182</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度迁移学习的肠道息肉癌变风险评估]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306009&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对肠道息肉分类中不同类型息肉难以区分的问题，提出了一种基于深度迁移学习的肠道息肉癌变风险评估方法。该方法首先在主干网络中引入通道注意力进行息肉特征提取；然后将任务网络注意力图分支输出的注意力图加权到主干网络输出的特征图上，获取更精确的病灶特征；最后将加权后的特征图输入到任务网络的感知分支，使用2个分支的损失函数以端到端的方式优化模型，以进行息肉癌变风险评估。本文方法对数据集进行了增强，并结合迁移学习进一步提升分类效果，最优模型的灵敏度、特异度、精准度、F1分数及曲线下方的面积（AUC）分别为99.38%、98.15%、98.17%、98.77%和0.9996。实验结果表明，本文方法能有效地对肠道息肉癌变风险进行评估，性能优于该领域流行的深度学习方法。]]></description>
<pubDate>2023/7/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[程珊*，叶然**，曹婧*，姚佳锋*，李胜*，何熊熊*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202306009&flag=1]]></guid><cfi:id>181</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[DTRC:针对变频时钟功耗优化片上谐振网络]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对片上谐振时钟网络在变频环境下功耗优化能力减弱问题,提出了一种基于可调数字延时控制单元的谐振时钟网络结构———关断调节式谐振时钟电路( DTRC),该结构可有效改善谐振电路在变频环境下的整体功耗优化情况。产生这一问题的根本原因是在系统电感和电容值确定后,电路本征谐振频率固定,对于传统结构,当时钟工作频率偏移谐振频率,谐振电路功耗优化能力减弱,甚至恶化。本文在12 nm Fin-FET 工艺下实现完整时钟分布网络(CDN),后仿结果表明,通过调整谐振电路驱动单元关断时间,在时钟1 ~5 GHz频率范围内,相比传统无谐振电路实现18% ~46%功耗优化,相比已有谐振时钟电路实现13% ~54%功耗优化。]]></description>
<pubDate>2023/7/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[贾　柯* ** ***，陈烨波*****，王　成*****，杨　梁****，王　剑* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305003&flag=1]]></guid><cfi:id>180</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Dice 匹配的改进型匹配追踪算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[内积匹配准则作为一种搜索最匹配原子的方法,被广泛应用在传统压缩感知(CS)算法中。然而,由于该准则无法对相似向量进行准确度量,通常会导致最匹配原子的误判率高,无法满足更高精度的数据重构需求。针对这一问题,本文提出一种基于骰子(Dice)匹配的二次筛选选择性回溯匹配追踪( DSS-SBMP) 算法,引入Dice 系数匹配准则解决内积匹配准则对两向量间相似度度量不准确的问题;通过对原子进行二次筛选来减少原子所对应支撑集内的错误索引数,同时引入选择性回溯克服迭代过程中存在的回溯过度现象。仿真结果表明,DSS-SBMP 算法在迭代过程中能够保留更多的正确原子,算法迭代次数小于子空间追踪(SP)算法,重构性能优于同类贪婪算法。]]></description>
<pubDate>2023/7/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何继爱，王倩宇，王志文]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305004&flag=1]]></guid><cfi:id>179</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[改进强跟踪EKF 算法在MEMS 姿态解算中的研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文针对四旋翼姿态解算,提出了一种噪声自适应强跟踪扩展卡尔曼滤波算法(ASTEKF)。当机体从平稳状态向机动状态过渡时,由于量测噪声影响会导致算法估计不准确,因此本文首先证明不同时刻新息序列方差满足正交性原理,正交性原理表明,量测噪声对观测值的准确性影响很大;其次,引入Sage-Husa 噪声自适应估计器较准确估计系统量测噪声均值和方差,使观测值更准确;最后,通过满足正交性原理条件公式计算次优渐消因子,将次优渐消因子引入协方差一步预测运算式中,得到强跟踪滤波器。次优渐消因子的引入使得一步预测协方差矩阵增大,即增大强跟踪扩展卡尔曼滤波器增益,使系统增加对观测值权重,得到更准确的状态估计值。离线仿真实验和在线实物实验结果表明了所设计算法的有效性。]]></description>
<pubDate>2023/7/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈志旺* **，姚权允*，吕昌昊**，郭金华*，彭　勇***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305005&flag=1]]></guid><cfi:id>178</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于用户意图消歧的解离协同过滤算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[协同过滤(CF)是推荐算法中一个重要的研究方向,近期的工作表明CF 可以有效地挖掘用户-物品交互背后的潜在意图来精细化建模用户和物品的表示,从而服务下游的推荐任务。然而,本文认为现有的工作没有很好地解决用户-物品交互无偏化问题,它们一般根据假定的而非显式建模的意图生成用户和物品的解离表示。对此,本文提出了一个新的无偏差解离协同过滤(DebiasedCF) 推荐框架,该框架利用用户的个人历史来提取其潜在意图,用于表示学习。具体地说,首先利用意图提取模块对用户意图进行显式建模;然后分别对各意图子图进行无偏化;再执行嵌入传播,从而为每个意图生成相应的解离表示;最后设计了一个意图嵌入聚合层来进一步融合在不同意图子图中学得的解离表示。实证结果表明,本文的框架能够在最先进的基线方法基础上取得实质性的改进。进一步的分析验证了提取的用户意图在去偏差和用户-物品表示建模方面的优势。]]></description>
<pubDate>2023/7/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[金佳琪* **，张梦菲***，潘　茂* **，褚志海****，方金云*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305006&flag=1]]></guid><cfi:id>177</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于旷场实验的社交行为分类学习方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[旷场实验是动物行为学与药物实验分析中常用的实验方法。为了获取药物对小鼠情感变化的影响程度,通常需要多只小鼠来进行实验。在记录多只小鼠行为状态的过程中,不可避免地会产生遮挡问题,导致对小鼠行为差异的观测精确度降低,从而影响对药物疗效的判断。为了解决此问题,本文以真实状态下拍摄的数据集作为研究对象,提出虚拟柔态模型来对遮挡部分信息进行预测,对所分类的特征进行数据增强,进而提高了社交行为分类的准确率。在测试中,该方法对于3 种行为分类的准确率分别为92. 8%、99. 7%、99. 0%。另外,本文提出的虚拟柔态模型是基于单相机拍摄,有效减少了拍摄时的人为误差以及成本耗费,其社交行为分类准确率与三维空间拍摄的分类准确率相似,但在硬件设施上以及数据集处理方面优于现有的分类方法。]]></description>
<pubDate>2023/7/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡春海，姜　楠，刘　斌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305007&flag=1]]></guid><cfi:id>176</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于超图卷积网络的重复性消费会话推荐算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对基于会话的推荐算法(SBRS)在建模会话表示时,缺乏考虑会话中物品之间多元关联关系和用户重复性消费的行为模式,提出一种基于超图卷积网络的重复性消费会话推荐算法。算法首先根据用户的会话序列组建超图和线图,并通过超图卷积网络建模会话内物品之间多元关联关系和会话间交叉信息;接着通过注意力网络生成用户的意图表示;然后构建重复—探索模块以建模用户重复消费的行为模式;最后根据生成的会话表示预测下一个产生交互的物品评分,进行推荐。在2 个公开的现实数据集上的大量实验结果表明,所提模型在召回率和平均倒数排名指标上优于其他基线算法。]]></description>
<pubDate>2023/7/14 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[潘　茂* **，张梦菲***，辛增卫* **，金佳琪* **，陈　娟* **，方金云*，刘晓东*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202305008&flag=1]]></guid><cfi:id>175</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于DSSIM非范数约束增强的对抗训练方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对当前对抗训练（AT）中存在的鲁棒过拟合问题，即在对抗训练超过一定轮次后，网络模型对抗防御能力出现不升反降的现象，本文提出了一种基于结构相异性非范数约束增强的对抗训练方法（DSSIM-AT）。该方法将非范数约束引入到对抗训练过程中用于对抗样本生成，根据样本间的结构相异度剔除对抗样本中的无语义特征，使得生成的对抗样本更适合于对抗训练。该方法进一步设计了梯度异步更新机制，优化对抗样本生成与模型参数更新耗时问题。实验结果表明，该方法可有效缓解对抗训练鲁棒过拟合情况，相比于已有对抗训练方法，可以将CIFAR10数据集上的干净样本识别准确率提高约3%，同时对抗样本识别准确率提高约4%~8%。]]></description>
<pubDate>2023/6/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王保利* **，范鑫鑫**，景全亮* **，毕经平**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304003&flag=1]]></guid><cfi:id>174</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于双分支加权卷积神经网络的视网膜图像质量评价方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来，眼底图像分析已成为一种直观且高效的辅助诊断技术。专家根据眼底相机捕获的视网膜图像对眼底疾病患者进行诊断，因此，眼底视网膜图像的质量对于医生提供及时且准确的疾病诊断至关重要。本文提出一种端到端的眼底视网膜图像质量评价方法，通过空间横向和纵向卷积的双分支模块进行特征提取，并对双分支所提取的特征进行加权融合，以提高模型的特征提取能力。通过自有数据集的训练，本文提出的模型准确率达到85.14%，AUC为0.9173，F1分数为0.7838。为验证模型的有效性，使用DRIMDB公开数据集进行测试，准确率达到92.11 %，AUC为0.9911，F1为0.8966。实验结果表明，提出的方法对于眼底图像质量评价是有效的，具有优越的性能和高效的收敛速率。]]></description>
<pubDate>2023/6/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘义鹏*，吕雅俊**，钟琦*，李湛青*，陈朋*，蒋莉*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304004&flag=1]]></guid><cfi:id>173</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Go语言并发缺陷检测研究进展]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[Go语言是Google公司专为并发编程设计的开源语言，自2009年发布以来就在工业界和学术界获得了广泛的关注和应用。为了在运行时更好地支持用户态线程，Go语言提供了丰富多样的并发原语，尽管它们带来了编程上的便利，但同时也引入了更多复杂的并发缺陷。为了帮助研究者和开发者深入了解Go语言并发缺陷，本文归纳和总结了它们的特征及其相关研究。同时为了分析最新静态和动态检测工具的原理和使用效果，本文使用开源基准测试集GoBench对它们进行了评估。实验表明，目前的检测工具的检测效果和实用性仍有不足，本文针对这些不足对未来Go语言并发缺陷研究提出了展望。]]></description>
<pubDate>2023/6/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[袁挺，陆杰，李炼]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304005&flag=1]]></guid><cfi:id>172</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多指标感知的命名数据网络自适应拥塞控制算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决命名数据网络拥塞控制算法普遍存在的瓶颈链路缓存队列积压问题，提出一种基于多指标感知的命名数据网络自适应拥塞控制（MACC）算法。在网内节点，根据实时监测的接收端数据接收速率、数据包排队时延、链路带宽等多个指标估计链路负载程度，并通告终端节点。在终端节点，根据Data包携带的链路负载信息，自适应地调整发送窗口，以实现高吞吐、低时延目标。基于ndnSIM的仿真结果表明，该算法能有效实现终端高吞吐量、瓶颈链路低队列，并在实现流间公平性方面具有显著优势。]]></description>
<pubDate>2023/6/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[石珊姗* **，吴海博* **，许瑶恭* **，马宇翔***，李俊* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304006&flag=1]]></guid><cfi:id>171</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合行为交互图的兴趣感知新闻推荐算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[个性化新闻推荐的关键是候选新闻和用户兴趣的精准匹配，现有基于顺序模型的方法通过建模行为序列的单向交互仅能捕获单一的用户兴趣，而基于图的方法通常忽略了用户行为序列内部的高阶转换关系。针对上述问题，提出了融合行为交互图的兴趣感知新闻推荐模型，以全局和局部的角度建模用户动态兴趣。该模型结合知识图谱和深度预训练网络以多视图学习方式提取新闻深层语义信息，采用融合上下文位置信息的线性自注意力机制捕获局部用户兴趣。此外，将用户行为序列构建为有向交互图，使用门控图神经网络递归地聚合邻域信息捕获序列间的高阶转换关系，从而挖掘全局用户兴趣。在2个公开数据集上的实验结果表明，本文提出的模型在各个指标上均优于基线模型，并且有效提高了新闻推荐效果。]]></description>
<pubDate>2023/6/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[袁嘉栋*，潘善亮*，张元园**，袁嘉霁***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304007&flag=1]]></guid><cfi:id>170</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于边缘计算与区块链的车载计算资源智能调度研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着车联网(IoV)的快速发展及部署，用户对网络服务质量的要求也随之提高。车联网数据计算作为网络服务的重要内容之一，越来越受到关注。移动边缘计算（MEC）作为一种允许车辆将计算任务卸载到车联网系统边缘服务器的技术，能够有效降低计算时延，提升数据处理效率。然而，车联网的数据流量日益增加，导致边缘计算设备的需求量大幅提高且存在数据安全可靠性问题。对此，本文面向车联网中移动车辆计算卸载的场景，提出一种基于区块链的停放车辆辅助计算的系统模型。通过联合考虑服务器计算资源、车辆机动性等条件，利用深度强化学习(DRL)对计算卸载和资源分配策略进行优化，减少系统能耗和数据传输时延，并提高区块链系统的交易吞吐量。仿真结果表明，本文所提优化方法可以有效提升系统性能，同时具有良好的收敛性能和稳定性。]]></description>
<pubDate>2023/6/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[田琳琳* **，李萌* **，司鹏搏* **，张延华* **，李余***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202304008&flag=1]]></guid><cfi:id>169</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于类型间关系学习的细粒度实体分类]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[细粒度实体分类旨在为构建知识图谱过程中所抽取的实体或实体提及确定一个或多个层次化、细粒度的类型,以便更好地为下游任务提供支持。现有细粒度实体分类方法存在细粒度分类精度不高、部分实体难以有效分类的问题。另一方面,直观来说,掌握细粒度类型之间的语义区别有助于实体的细粒度分类。但由于已有面向该任务的数据集缺少可用于学习细粒度类型间语义差别的数据,因此目前没有将细粒度类型之间的语义区别应用于细粒度实体分类的研究。为此,本文提出一种基于Freebase 知识库学习细粒度类型语义区别的方法,并将学习到的语义信息应用在细粒度实体分类任务中。具体地,利用SPARQL 从Freebase 中获取类型之间的关系数据,据此学习细粒度实体类型之间的语义区别信息,进而结合实体提及及其上下文的文本信息进行细粒度实体分类。实验表明,本文提出的方法可以有效学习细粒度类型之间的语义区别,能够达到提升细粒度实体分类准确率的效果。]]></description>
<pubDate>2023/6/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[席鹏弼* **，靳小龙* **，白　硕***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303003&flag=1]]></guid><cfi:id>168</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[标签到标签通信系统中相位对消问题研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在反向散射标签到标签(BBTT)通信系统中,标签与标签之间通过反向散射和接收环境信号进行通信。来自信号源的环境信号和来自发射标签的反向散射信号在接收标签处产生叠加信号,由于相位的不确定性,在接收标签处可能造成相位对消问题,导致解调错误。首先,本文分析了相位对消问题存在的原因和造成的影响。其次,针对低信噪比(SNR)、接收标签对误符号率(SER)要求高的场景提出基于三电平二进制的二阶调制方案。针对高阶调制下的相位对消问题,本文采用非对称星座图,并在发射标签端采用最小二分法确定延迟并主动增加延迟来降低相位对消问题对解调的影响。最后,设计了动态调制方法以适应不同信道环境下的反向散射通信。仿真实验表明,本文设计的调制方案能有效降低标签到标签反向散射通信的误符号率。]]></description>
<pubDate>2023/6/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄庭培*，于向洋**，李世宝**，刘建航*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303004&flag=1]]></guid><cfi:id>167</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[JavaScript 引擎JIT 代码的类型混淆缺陷检测器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[类型混淆漏洞是近期在JavaScript 引擎中集中爆发的一类漏洞。但是,受即时编译(JIT)代码的限制,以往的类型混淆缺陷的检测方法,无法用于检测JavaScript 引擎JIT代码的类型混淆缺陷。本文提出了一种针对该类型缺陷的检测方法,并实现了检测器名为TC-JIT-San 的JIT 代码类型混淆缺陷检测器。该方法利用JIT 代码执行流和数据类型之间关联性,将从JIT 代码中识别数据类型的难题转为观察执行流的变化。TC-JIT-San通过观察执行流的变化情况是否符合正常执行逻辑,从而检测出类型混淆缺陷。实验结果表明,TC-JIT-San 具有低开销、低漏报和误报的特点。其运行时开销是正常执行的1. 84倍,平均漏报率和误报率为0%和0. 11%。]]></description>
<pubDate>2023/6/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孙力立，张培华，武成岗，王　喆]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303005&flag=1]]></guid><cfi:id>166</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于共有特征学习和数据增强的农作物病害识别算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对农作物病害图像类间差异较小,传统机器学习方法在农作物病害数据集上识别精度低、模型训练复杂等问题,本文提出一种基于共有特征学习和数据增强的农作物病害识别算法。首先,对于农作物病害数据集类间数据不均衡等问题,本文使用Mixup 数据增强算法对数据集进行扩充,丰富样本数量;然后,对于特征提取模块,本文在深度残差网络中嵌入通道注意力模块,使之侧重学习农作物叶片病害特征,忽略背景信息对模型带来的干扰;最后,在提取完图像特征后,将特征图送入到共有特征学习模块中,提高图像之间线性关联,增强模型泛化性能和鲁棒性。为验证所提模型的有效性和实用性,本文在Plant Diagnosis Dataset 农作物病害数据集上进行训练及测试,实验结果表明,所提模型准确率达到97. 9%,可有效提高农作物病害图像识别精度。]]></description>
<pubDate>2023/6/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李国强，王俊妍，王天雷]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303006&flag=1]]></guid><cfi:id>165</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于丢包率估计的无线网络化控制系统的逼近控制策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文针对丢包为分段伯努利过程的无线网络化控制系统进行了控制器设计和稳定性分析。丢包满足分段伯努利过程是指未知丢包率将在未知时刻突变到另一个未知概率上并保持一段时间。针对这一丢包特点,本文提出了基于丢包率估计的逼近控制策略以保证系统稳定性。首先设计了丢包率估计器和逼近控制器,使系统在线估计丢包率,并利用丢包率估计得到控制量。然后为平衡系统性能和网络信道资源设计了信道调度机制。最后设计了丢包率突变检测器使系统自适应丢包率突变。在此基础上得到了保证闭环系统均方最终一致有界的充分条件和控制增益计算方法。数值仿真验证了控制策略的有效性。]]></description>
<pubDate>2023/6/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吴　芳，梁启鹏，叶睿卿，赵云波]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303007&flag=1]]></guid><cfi:id>164</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多段插值拟合的深度神经网络非线性层加速方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统量化算法无法应用于非线性运算层的问题,本文提出了一种基于多段插值拟合的非线性层加速方法,利用插值表存储插值函数的参数,通过查表来计算得到非线性层的输出结果。使用本方法,可以在对非线性层进行有效加速的同时实现拟合误差可控。此外在硬件部署时,仅需要基础硬件指令支持,在边缘端和服务器都可以部署。实验结果表明,使用本文提出的多段插值方法拟合多种非线性层,可以取得平均1. 44 倍的加速效果。这种非线性层可以方便快捷地部署在图像分类、自然语言处理和机器翻译等多种任务模型上,并且每个模型对拟合精度有不同需求的情况下,均可以保证推理和训练精度损失小于0. 5%。]]></description>
<pubDate>2023/6/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄一凡*，张　欣**，支　天**，张　蕊**，张曦珊**，周学海*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202303008&flag=1]]></guid><cfi:id>163</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[紧耦合异构线程处理器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[异构计算为系统达到更高的性能功耗比提供了新的思路和方向，但异构系统中中央处理器（CPU）和加速器协同执行任务的过程中大量的控制信号传输和数据搬运始终是系统性能的一个重要瓶颈。对此，本文提出了一种紧耦合异构线程处理器结构，包括一个硬件CPU线程和一个硬件加速器线程，二者采用流水线紧耦合的硬件线程间通信接口和共享存储的方式降低了通信代价，大幅提高了系统性能。为验证该结构的优势，本文在开源BOOM核的基础上设计了硬件线程间通信接口，实现了一个具有高级加密标淮(AES)加速器的紧耦合异构线程处理器，并在现场可编程门阵列(FPGA)上进行了评估。结果显示，在加密任务中，该处理器吞吐量约是Intel Comet Lake使用AES指令集（AESNI）的5.7倍，是BOOM平台上仅使用通用指令的4000倍。实验进一步验证了通过CPU和加速器快速通信实现的细粒度并行可以取得更多的性能收益。由此得出结论：该结构能敏捷地将加速器整合到CPU周围，有效降低了通信时间，实现CPU线程和加速器线程的细粒度并行，有效地发挥出异构计算的优势，取得可观的性能收益。]]></description>
<pubDate>2023/5/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李文青，齐寒，肖子原，朱威浦，王剑]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302003&flag=1]]></guid><cfi:id>162</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[大规模时空图数据存储和分析的优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[时空图数据在数据量和数据更新速率两方面具有独特的特征，可以用来优化存储和查询分析。然而，现有的成熟的大数据存储和分析系统提供统一化的支持，没有考虑结合数据特征和查询特征做针对性的优化，因而无法很好地应对大规模数据的挑战，存储和分析能力都有待加强。本文利用时空图数据的数据特征，提出了针对不同类型的顶点和边的差异化存储方案；利用时空图数据的查询特征，提出了差异化的存储布局和基于此的查询执行优化方案。实验结果表明，和现有方案相比，本研究提出的优化方法能减少1.7~5.4倍的存储空间，查询性能可以提高1~4个数量级。]]></description>
<pubDate>2023/5/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[丁梦苏* **，杨慕乔***，陈世敏* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302004&flag=1]]></guid><cfi:id>161</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度学习的无线电信号对抗样本检测研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对无线电信号的攻击愈来愈频繁的情况，本文在数据流形理论基础上，使用深度神经网络（DNN）检测无线电信号对抗样本及其攻击方法。首先使用5种不同攻击方法对无线电信号进行攻击产生对抗样本，其次使用3种不同的神经网络检测对抗样本，最后用残差神经网络（ResNet）检测对抗样本的攻击方法。在信噪比(SNR)为30dB和20dB的无线电信号数据上的实验结果表明，本文所使用的残差神经网络检测精度接近100%，在信噪比为10dB的无线电信号数据上的检测精度仍然在90%以上。结果表明本文所用的残差神经网络能有效检测无线电信号的对抗样本及其攻击方法。]]></description>
<pubDate>2023/5/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐东伟，郝海洋，宣琦，杨浩，周晴]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302005&flag=1]]></guid><cfi:id>160</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向室内人员被动感知的CSI幅值平稳性分析方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[室内复杂环境下，多径效应导致无线信号的接收信号强度（RSS）分辨率较低，非视距条件造成室内人员的检测准确率不佳，现有技术对室内静态人员的漏检率与设备成本偏高，且构建系统较复杂。针对以上问题，提出一种仅使用单接入点（AP）的面向室内人员被动感知的信道状态信息（CSI）幅值平稳性分析方法。首先对采集的CSI提取幅值矩阵并进行数据预处理；在此基础上分别计算CSI幅值的全局稳定度与局部稳定度，最终基于双阈值联合判定方法实现室内有无人员的轻量化快速判定。实验结果表明，该方法在视距下对动态人员的被动感知准确率达99.6%，在非视距条件下对静态人员感知准确率仍可达91.87%。该方法突破了需要携带并修改设备、部署传感器和视距等条件限制，在降低成本的同时有效提高了系统的可靠性与易用性。]]></description>
<pubDate>2023/5/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[薛明明* **，刘之洋*，吴虹* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302006&flag=1]]></guid><cfi:id>159</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Bi-Attention：面向终端的细粒度识别网络加速方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[细粒度识别是针对具有微小差异的对象进行分类的图像识别任务，深度学习模型在细粒度识别任务上取得了较大的进步。然而现有的细粒度识别深度神经网络模型采用多个模型结构叠加，无法在手机、无人机等资源受限终端设备上部署。本文提出BiAttention细粒度识别模型加速方法，使用高效的TensorSketch运算以及权重共享机制，在Stanford Cars数据集上的准确率为91.6%，且比现有最先进的模型提高1.2%。本文提出一种结构化剪枝训练方法，通过LASSO正则化算法，在模型训练过程删除批归一化(BN)操作中不重要的扩展因子。实验结果表明，该剪枝方法可以降低BiAttention模型大小为原来的1/4。]]></description>
<pubDate>2023/5/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[钟巧灵，汪啸，张志斌，李冰，程学旗]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302007&flag=1]]></guid><cfi:id>158</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于超混沌的三层量子图像加密算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[具有高效运算能力的量子计算机的提出使得基于经典计算机的图像加密算法安全性大大降低，如何将图像转移到量子计算机表示并进行加密传输是一个难点。针对这一问题，设计了基于NEQR模型的3层量子图像加密算法。首先，利用希尔伯特（Hilbert）矩阵实现量子块级置乱；然后，利用超Lorenz混沌系统生成的随机序列，打乱量子像素中的位顺序，实现位级置乱；最后，利用量子随机图像对原始量子图像进行CNOT操作并进行位本身CNOT操作，实现位级扩散，得到最后的加密图像。实验结果表明，加密图像的相关系数较低，加密算法的密钥空间大，加密图像的像素改变率、归一化平均变化强度和熵值接近理论值，具有良好的安全性和可行性。]]></description>
<pubDate>2023/5/11 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘帅* **，邓文博*，刘福才* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202302008&flag=1]]></guid><cfi:id>157</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于BagR-CNN检测模型的物联网网关安全加固方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[物联网（IoT）网关作为多种网络间异构数据传输与交换的关键节点近年来长期遭受大规模攻击，可靠性差，大规模流量处理延时大、抗攻击能力差等问题显著。而现有对物联网网关的可靠性研究主要集中在加密技术和可信认证机制方面，没有解决大规模攻击环境下物联网的可靠性及安全性问题。因此，本文提出了基于BagR-CNN检测模型的物联网网关安全加固方法，设计了可低功耗集成在物联网网关上并能够快速检测出大规模多步骤攻击的模型。首先，不同于传统的单一流量分类，本方法将相关流量聚合到一个包中，并利用基于信息熵相关性的特征增强算法提高检测准确率。其次，区别于传统的特征提取与约简方法，本文提出基于包内相似度的特征扩展方法，挖掘出隐藏的关联信息并能保证包内数据在噪声扰动下的不变性。最后，本文提出基于高斯混合模型（GMM）的特征压缩算法，将聚合包映射为一维向量并由此训练简单的卷积神经网络，以提高检测效率。实验结果表明，基于BagR-CNN检测模型在准确率、召回率和F1值等方面均优于目前对于大规模多步骤攻击的检测方法。同时，在模拟网关上运行时平均CPU利用率(不使用GPU)低于20%，证明该方法适合集成到网关而不影响网关正常的数据传输工作。]]></description>
<pubDate>2023/4/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵静* **，李俊* **，龙春* **，吴玉磊***，万巍* **，魏金侠*，王显珉****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301003&flag=1]]></guid><cfi:id>156</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度学习的水体色度分类算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[运用深度学习技术进行非接触、快速水体色度检测与分类，采用无人机采集水体图像，运用色度仪对标定的图像完成分类，建立数据集。采用图像归一化处理减少环境因素对分类结果的影响，设计多特征的分步边缘检测算法，检测水域图像边缘，剔除无关像素。对VGG 16、GoogleNet-V3和ResNet 18卷积神经网络进行水体色度分类模型构建与训练，后筛选Inception结构和残差结构为基本构建单元，设计专门用于水体色度分类的WCNet 15与WCNet 21神经网络模型。在训练集上训练参数并利用验证集完成对2个模型的准确率的比较，筛选准确率高的WCNet 21模型作为最终水体色度分类模型。WCNet 21模型的最优准确率可达97.8%，满足水体色度分类需求,可应用到具体的水体色度分类工作当中。]]></description>
<pubDate>2023/4/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈勇，陈键，陈燚，裴植，易文超，王成，张文珠]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301004&flag=1]]></guid><cfi:id>155</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[BOOM-KV：基于RDMA的高性能NVM键值数据库]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着英特尔傲腾数据中心持久化内存模块(DCPMM)开始进入市场以及远程直接内存访问(RDMA)硬件成本的降低，设计融合非易失性内存(NVM)和RDMA的键值(KV)数据库面临新的机遇和挑战。构建基于NVM和RDMA的KV数据库的关键在于设计一个高效的通信协议。遗憾的是，现有工作或采用NVM不感知的RDMA协议，或采用低效的NVM感知的RDMA协议，这导致它们无法最大化KV数据库的性能。本文提出了BOOM协议——一种新型的NVM感知的RDMA协议。相较于NVM不感知的协议，BOOM协议允许直接对远端NVM进行RDMA操作，消除了冗余的数据拷贝；相较于现有的NVM感知的协议，它可以显著减少元数据请求，降低KV请求的端对端延迟。在BOOM协议的基础上构建了BOOMKV，并针对服务端中央处理器（CPU）利用率和宕机持久化等问题进一步进行优化。将BOOMKV与最新的研究成果进行对比，结果表明，BOOMKV能显著降低请求延迟，其中PUT延迟最大降低了42%，GET延迟最大降低了41%，并且展现出良好的扩展性。]]></description>
<pubDate>2023/4/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李文捷* ** ***，蒋德钧* ** ***，熊劲* **，包云岗* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301005&flag=1]]></guid><cfi:id>154</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向Kafka共识消息传输的负载均衡算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[Kafka是一种高吞吐量消息中间件，但该算法存在负载均衡导致消费者消息处理效率下降的问题。本文提出一种改进的Kafka负载均衡算法，其中协调者基于消费者和分区的对应关系，根据不同的负载均衡场景优化调整消费者数目，按照业务负载倒序的方式更新消费者和分区的对应关系，优先处理负载较大的业务分区，提高消息传输效率，并且搭建Fabric联盟链验证分析算法的性能。实验结果表明，本算法在中央处理器(CPU)资源消耗比其他算法低5%的情况下，共识速度提升了2%~7%，并且在6个Kafka节点中3个宕机的情况下仍然能共识上链，提升了Kafka负载均衡算法的效率和稳定性。]]></description>
<pubDate>2023/4/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[苏玉钊，孙恩昌，杨睿哲，李萌，张延华，司鹏搏，张卉]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301006&flag=1]]></guid><cfi:id>153</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于闪存固态盘的存储系统性能优化关键技术综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[闪存固态盘（SSD）具有高并行性、复杂的内部事务以及具有计算能力等特性。现有的存储系统是针对磁盘设计的，无法充分利用闪存固态盘的性能。本文介绍闪存固态盘给现有存储系统带来的问题与挑战，并从提高系统总带宽、减少固态盘内部事务对性能的影响、性能服务质量保证与利用固态盘的计算能力4方面阐述其性能优化关键技术，最后讨论了基于闪存固态盘的存储系统的发展方向。本文归纳指出，软硬件协同的设计方式是优化基于闪存固态盘的存储系统的发展趋势，软硬件协同设计有助于提供可预测的性能及可控的端到端延迟。]]></description>
<pubDate>2023/4/19 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李天祥* **，蒋德钧* ** ***，熊劲* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202301007&flag=1]]></guid><cfi:id>152</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[对等代理模式开放科学云联邦系统框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[开放科学旨在促进全球科技合作以解决诸如新冠肺炎、碳中和、自然灾害等全球性问题与挑战，然而不同机构建设的开放科学云平台之间相互独立，无法实现最大化的资源共享与科研协作，因此研究云平台互联系统结构与资源共享技术方法成为开放科学领域的一个重要课题。本文针对开放科学云平台资源管理特点，提出了一种对等代理模式的云联邦系统框架(PBMFCS)，设计了云联邦系统的总体架构、逻辑架构及部署模型，讨论分析了框架的系统特性及关键技术问题。在此基础上，结合“全球开放科学云”项目需求设计实现了一个可提供基础设施服务(IaaS)层联邦云服务的原型系统，初步验证了对等代理模式云联邦系统框架的可行性与有效性，为“中国科技云”(CSTCloud)与“全球开放科学云”(GOSC)项目的未来建设与发展提供了技术参考。]]></description>
<pubDate>2024/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李跃鹏* **，张海明*，张丽丽*，黎建辉*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312003&flag=1]]></guid><cfi:id>151</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[SCMA-D2D混合网络卷积自编码器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为满足物联网通信大连接、低功耗的需求，高效利用有限的频谱资源成为一项重要的挑战。在应用了稀疏码分多址接入(SCMA)技术的蜂窝网络中增加设备对设备(D2D)用户对，两者共享频谱资源，可以进一步提高频谱利用率，满足大规模连接和低功耗的通信需求。然而，当不同类型的用户共享相同的频谱资源时会导致严重的用户间干扰，导致多用户检测精度降低，译码复杂度增高。本文使用卷积神经网络(CNN)进行SCMA-D2D混合网络自编码器设计，通过端到端的联合训练，设计出合适的神经网络结构。用CNN单元实现混合网络的编码，学习SCMA蜂窝用户和D2D用户的有效码本；将混合网络的多用户检测问题建模为一个基于共享层机制的多任务分类解码问题，建立多用户分类解码器。实验结果表明，本文提出的自编码器能够生成对系统适应性更强的码本，结合接收端的多任务分类解码器能够有效地提高整个混合网络系统的误码率性能，同时减小译码计算复杂度。]]></description>
<pubDate>2024/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[许耀华* **，周鑫源* **，黄兴* **，蒋芳* **，王翊* **，王跃* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312004&flag=1]]></guid><cfi:id>150</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[MACO：基于访存视角的卷积网络自动代码优化]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[推理自动优化一直是人工智能（AI）与系统结构领域交叉的研究重点，但以访存为出发点的自动优化研究方案较少。本文从全局和局部两方面出发，针对数据布局和内核的自动优化问题，以访存的视角对卷积神经网络（CNN）自动代码优化中优化时间成本过高的问题进行研究。为有效分析访存，本文改进了经典的红蓝卵石访存模型的建模方法，提出了新的I/O下界估计方法，降低了多阶段复合算法的下界估计难度，并基于改进后的模型估计了卷积的I/O下界。根据卷积下界估计的结论，本文对数据流进行合理设计，有针对性地优化了自动模板生成技术下巨大的搜索空间，避免了大量无效搜索过程，使内核搜索效率较在未经优化的搜索空间中得到显著加速，并在一般性的卷积参数下较cuDNN有平均2.24倍的性能提升，保证了内核性能。同时本文借助神经网络实现了不同数据布局下的卷积性能预测，R2得分高于传统机器学习模型，且在ResNet-18、AlexNet和VGG-11模型中采用基于数据布局回溯算法和预测模型的混合布局策略较默认布局策略分别有1.28倍、1.32倍和1.29倍的性能提升。]]></description>
<pubDate>2024/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张晓扬* **，肖俊敏*，姚家树* **，谭光明*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312005&flag=1]]></guid><cfi:id>149</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于联邦元学习的安全移动边缘计算卸载框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[移动边缘计算(MEC)技术通过卸载部分计算任务到边缘服务器，可将第5代网络(5G)、云计算、大数据和人工智能等技术延伸到物联网终端。针对如何高效卸载计算任务和保障边缘数据隐私安全2个关键问题，在综述计算卸载性能优化研究基础上，本文提出了一种融合联邦学习和元学习的计算卸载应用框架，通过对计算任务的计算卸载以及计算资源的联合优化，从而实现系统加权时延和最小。在不泄露用户数据隐私的前提下，联合多个边缘服务器共同训练一个全局模型，并实现边缘服务器个性化计算卸载应用。在新的计算任务场景下，全局模型的网络参数仅用少量训练样本就能快速收敛。实验测试结果表明，本文提出的基于联邦元学习的计算卸载框架可适应未来边缘计算应用的隐私安全需求。]]></description>
<pubDate>2024/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨仕成*，陈保罗**，陈铁明**，黄亮**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312006&flag=1]]></guid><cfi:id>148</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向知识蒸馏的自动梯度混合方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在知识蒸馏(KD)中，学生网络会同时受到真实数据的监督和来自教师网络的监督，因此在训练中，其损失函数包含有来自真实标签的任务损失和来自教师网络的蒸馏损失，而如何有效配置损失函数的权重至今仍是一个未解决的问题。为了克服这个问题，本文提出了一种自动梯度混合(AGB)方法，通过搜索这2个损失的最佳混合梯度来自动有效地找到合适的损失权重。在知识蒸馏的原始设计中，蒸馏损失是用来辅助任务损失进行训练，因此本文将混合梯度的模长约束为任务损失对应梯度模长，仅仅只搜索梯度向量的方向，从而显著缩减了搜索空间。在搜索得到最佳混合梯度后，2个损失的损失权重可以被自动计算出来，从而避免了耗时的手动调节过程。本文在13种不同的师生网络组合以及10种不同的知识蒸馏方法间进行了大量的实验。结果表明，自动梯度混合方法能够在使用更少计算资源的条件下，在70%的蒸馏方法上比手动调节方法结果更优。]]></description>
<pubDate>2024/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[曹炅宣* ** ***，常明***，张蕊** ***，支天** ***，张曦珊** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312007&flag=1]]></guid><cfi:id>147</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于优先级预测器的无线网络化控制系统的动态传输策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文针对无线通信网络中存在丢包的多包传输无线网络化控制系统（WNCSs），提出了一种基于预测器的动态传输策略，在几乎不增加信道资源占用的情况下显著提升系统稳定性。在多包传输的无线网络化控制系统中，由于通信资源的限制，传感器到控制器间的数据传输中出现丢包问题，影响控制系统性能。针对这个问题，本文首先设计了优先级预测器来预测下一时刻每个传感器数据对系统稳定性的影响，帮助系统决策每个传感器的发送优先级；再通过传输调节器对不同优先级传感器补偿相应的随机退避时间上限，进而让优先级高的传感器在随机退避的方式下优先传输；然后在此策略下设计控制器使系统稳定；最后通过数值仿真验证了本文策略的有效性。]]></description>
<pubDate>2024/1/4 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[闫文晓，赵云波]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202312008&flag=1]]></guid><cfi:id>146</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于FPGA的软硬件协同的多表哈希连接加速器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[多表连接操作难以实现硬件加速。一方面，多表连接请求中表的数目不确定且连接方式多变，这种灵活的计算请求与固定的硬件行为之间存在矛盾；另一方面，多表连接的中间结果随表的增加而扩充，数据结构的管理和维护也要求更高的硬件开销。为支持灵活高效的多表连接计算，本文提出一种软硬件协同的优化方法。软件部分，将多表连接抽象为正向和反向2种计算模式并支持不同方式的多表连接。硬件设计采用访存和计算协同优化的方法：设计一种规则的硬件哈希表结构以提高内存访存带宽；设计支持正反向计算的同构专用计算引擎，配置多数据通道和指令控制系统实现高效的并行运算，提升多表哈希连接的计算效率。实验结果表明，相比中央处理器(CPU)执行表连接操作，单计算引擎能够提升性能9.2～11.0倍。通过多路并行的技术，实现8路并行的多表哈希引擎，能够充分利用板卡片外(DDR)内存带宽，实现相比CPU超过71.1倍的性能提升。]]></description>
<pubDate>2023/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吴婧雅，卢文岩，鄢贵海，李晓维]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311003&flag=1]]></guid><cfi:id>145</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于BERT提示的矿产资源管理规则检测方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[政策文本中管理规则检测是一个新兴的自然语言处理任务，在政策冲突检测、政策智能检索、事项合规性检查以及政务系统需求工程等方面具有重要应用价值。本文以矿产资源管理规则检测为研究目标，提出基于转换器的双向编码表征（BERT）提示的政策文本管理规则检测方法。该方法通过构建融入管理规则信息、带有［MASK］标记的提示模板，可以充分发挥掩码语言模型的自编码优势，有效激发BERT模型提取与管理规则相关的文本特征，增加模型稳定性；提出基于BERT模型进行管理规则检测的新应用模式，放弃使用［CLS］隐向量而采用［MASK］隐向量进行分类预测；在矿产资源管理规则数据集上的实验结果表明，该方法的准确率、宏平均F1值、加权平均F1值均优于基线方法，在公开数据集上的实验结果也表明了该方法的有效性。]]></description>
<pubDate>2023/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡容波* ** ***，张广发* ***，王雅雯* ***，方金云*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311004&flag=1]]></guid><cfi:id>144</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[MRC：谐振时钟数字集成全局功耗优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[]]></description>
<pubDate>2023/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[贾柯* ** ***，杨梁****，王剑* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311005&flag=1]]></guid><cfi:id>143</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于自适应静态数据布局策略的深度学习张量程序自动生成框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[如何确定静态数据布局是深度学习张量程序自动生成框架面临的重大挑战。Ansor作为目前应用最广泛、最具前景的此类框架，其根据预先指定的单一静态数据布局策略，训练性能预测模型，依据该模型搜索最佳性能的张量程序。但其存在单一策略非最优和性能预测模型不准确的问题。为此，本文提出基于自适应静态数据布局（AL）策略的深度学习张量程序自动生成框架AL-Ansor。AL-Ansor在搜索过程中自适应地选取多种静态数据布局策略，共同训练性能预测模型，从而搜索得到性能更高的张量程序。本文以32核Intel Xeon CPU为目标硬件平台，在多个卷积层上进行实验，结果表明，在同样的搜索次数下，相较于基于3种指定静态数据布局策略的Ansor，AL-Ansor生成的张量程序分别有13.81%、12.41%和16.59%的平均性能提升。]]></description>
<pubDate>2023/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[樊哲* **，南子渊* **，郝一帆*，杜子东*，陈云霁* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311006&flag=1]]></guid><cfi:id>142</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于知识迁移的深度学习无线电信号聚类方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有的无线电信号调制识别方法在先验数据不足时通常很难对无类标信号进行有效识别。针对这个问题，本文提出了一种基于知识迁移的深度学习无线电信号聚类方法（DTC）。该方法基于样本对比，分析样本间的相似性，并利用卷积神经网络（CNN）提取无线电信号的特征，同时设计了一种预训练框架，通过迁移同领域数据集的知识，有效提升了CNN特征提取能力，实现了引导聚类方向、提升聚类性能的目标。实验结果表明，该方法在多个公开数据集上的聚类性能都显著优于现有的聚类方法。与现有方法相比，DTC在RML 2016.10A和RML 2016.04C数据集上的聚类精度分别提升了30.34%和28.04%。]]></description>
<pubDate>2023/12/15 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李晓慧*，陈壮志*，徐东伟*，赵文红**，宣琦*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202311007&flag=1]]></guid><cfi:id>141</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[软硬件协同的远端内存系统研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对当前远端内存系统中页面预取与页面替换因操作系统与应用程序之间语义鸿沟导致的局限性问题，本文提出一个软硬件协同的远端内存系统。通过在内存控制器中增加热点页面提取表，将实时访存的热点页面信息通过内存中的缓冲区传送给操作系统。同时，通过对访存信息的学习，构建了高精度的异步预取框架与替换框架，降低应用关键数据路径的开销，提升远端内存系统的性能。本文利用内存跟踪工具构建了一个原型仿真系统。实验证明，在拥有全局实时访存信息后，预取框架可以实现超过90%的准确率与覆盖率，与谷歌提出的远端内存系统Fastswap相比，性能提升59%。相比于内核默认替换框架，替换框架使应用性能提升30%。]]></description>
<pubDate>2023/11/13 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李海锋* **，刘珂*，陈明宇* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310003&flag=1]]></guid><cfi:id>140</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于注意力机制的对抗性协同过滤推荐算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对协同过滤推荐算法中用户所交互的物品对其决策的不同贡献度问题，提出了一种基于相关注意力的协同过滤推荐算法。该算法结合深度学习中的注意力机制为不同物品分配不同的权值来捕获与目标物品最相关的物品，探索不同物品的权重对模型预测的影响并以此提升推荐的准确度；在此基础上，为了解决推荐算法鲁棒性低的问题，进一步提出了注意力协同对抗性训练的推荐算法，通过对抗性学习的方法并使用快速梯度符号算法(FGSM)构建对抗样本输入模型进行对抗训练，缓解模型受扰动的影响从而提升算法鲁棒性。在Pinterest和MovieLens-1M这2个数据集上的实验结果表明，所提算法不仅有效提升了推荐算法的准确度，同时也增强了推荐系统的鲁棒性。]]></description>
<pubDate>2023/11/13 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吴哲夫，程界斌，方路平]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310004&flag=1]]></guid><cfi:id>139</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于SWIPT混合协议及联合解码的能量效率研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对无线通信网络中小区边缘用户通信质量问题，采用传感中继进行协作通信，为解决引入传感中继所引起的能耗问题，提出了基于无线携能通信（SWIPT）混合协议及联合最大比解码（MRC）方式的能量优化方法。将以最大化主用户信号遍历链路能量效率（EE）为目标的分式规划问题，转化为易求解的非分式规划问题；从功率控制、功率/时间分割因子2个角度分析EE；利用Dinkelbach迭代算法优化基站发射功率，并结合遗传算法联合优化功率分配因子和时间分割因子，以实现遍历链路EE最大化。仿真实验结果表明，该方法在无线认知传感中继网络中能够更好地提升能量效率。]]></description>
<pubDate>2023/11/13 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何继爱，王志文，王倩宇，李志鑫]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310005&flag=1]]></guid><cfi:id>138</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于数据面加速器的工业5G协议处理架构研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[伴随5G标准的不断演进和商用网络的规模部署，5G已成为引领我国智能制造高质量发展的新引擎。与此同时，以高带宽、高频次小包通信为特征的工业应用也对5G终端基带芯片协议处理提出了挑战。本文提出一种以数据面加速器（DPA）为核心的高性能软硬件协同5G协议处理架构，该架构将异构芯片计算资源与协议处理功能进行了合理映射，并通过并行化设计大幅提升5G用户面数据处理性能。实验结果表明，相比纯软件的实现方案本文提出的协同架构在不同业务负载条件下，数据包处理时延平均下降28.3%，包处理通量平均提升38%。在0.5ms的时隙周期配置下，本文架构的数据包处理速率大于2000包/s，可以满足工业5G大规模现场节点集中式数据采集的需求。]]></description>
<pubDate>2023/11/13 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨喜宁，周一青，陈洋]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310006&flag=1]]></guid><cfi:id>137</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于时间序列模型的Kafka系统智能化管理方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[区块链是分布式的数据存储系统，共识算法为区块链实现安全存储数据提供支撑和保障。Kafka作为共识算法中的一种，其高吞吐速率、低时延的特点受到青睐。但使用Kafka算法的系统接受大量交易时，易产生数据倾斜，即分布式系统的多节点结构中，大量数据集中在少数节点，导致系统资源被占用、性能下降。为解决上述问题，本文提出基于时间序列模型长短期记忆网络(LSTM)的智能优化方法。通过学习过往生产者接收到的交易量，预测下一时刻面临的交易量，动态调整生产者节点数量，减少数据集中在少数节点的情况。实验结果显示，本文方法可以将Kafka系统时延降低2~3倍，吞吐速率提升2~3倍，与优化前相比系统效率提升52.62%，比2种传统优化方法分别提升近3%和40%，能耗仅小幅提升，系统使用情况保持更加合理。]]></description>
<pubDate>2023/11/13 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[周宇泽，司鹏搏，张延华，李萌，杨睿哲]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310007&flag=1]]></guid><cfi:id>136</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[FPGA实现卷积神经网络加速器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[卷积神经网络传统的应用平台是中央处理器(CPU)和图形处理器(GPU)，其体积和功耗不能适应轻量化的行业，轻量化的专用集成电路(ASIC)平台专用加速器的开发成本又不能适应愈发复杂和深层次的网络结构。针对上述问题，设计一种基于现场可编程门阵列(FPGA)的卷积神经网络（CNN）加速器，既满足轻量化应用场景，又有低开发成本的特性。设计浮点加法器和浮点乘法器组合成卷积运算的基本运算单元，完成16bits浮点数乘累加操作只需要消耗一个数字信号处理器(DSP)资源；针对FPGA运算特性设计了基于ReLU函数的激活层模块；设计可调节并行度的各层模块，可根据平台资源在性能、功耗和面积上取得平衡；设计用比较器简化的SoftMax模块。实验结果表明，在100MHz工作频率下，峰值算力可达44.8GFLOPS，功率仅为4.51W。]]></description>
<pubDate>2023/11/13 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张立国，黄文汉，金梅]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310008&flag=1]]></guid><cfi:id>135</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于 T-CNN 的 3D-HEVC 深度图帧内快速编码算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310009&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[3D-HEVC标准中引入了具有大面积平坦区域、陡峭边缘和低纹理复杂度特性的深度图。针对深度图编码过程中编码单元（CU）率失真优化导致编码复杂度过高这一问题，本文在分析深度图编码所具有的特点的基础上，构建了深度图划分深度数据集，并提出了一种基于两通道特征传递卷积神经网络（T-CNN）的划分深度预测算法。使用本文提出的算法替换原始编码器中各视点下深度图CU划分模块，可以在一定的率失真性能损失下，将原始HTM-16.0编码器编码时间平均减少76%左右，编码效率得到了显著提升。]]></description>
<pubDate>2023/11/13 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[于源，贾克斌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202310009&flag=1]]></guid><cfi:id>134</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[OODAFlow：面向智能无人系统的流式数据处理框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[智能无人系统是一种能够在复杂环境中自主进行实时推理、决策和制定行动方案的计算系统。智能无人系统实现实时决策的关键在于对流式数据的实时处理，然而随着人工智能技术和传感器技术的快速发展，智能无人系统需要处理的数据规模不断增长，数据类型变得更加复杂。面对不断增长的数据处理性能需求，智能无人系统需要一个充分优化的专用流式数据处理框架来提升其数据处理性能。针对该问题，本文提出了一种面向智能无人系统的流式数据处理框架OODAFlow，该框架将智能无人系统的硬件特征和智能计算任务的数据特征与观察-判断-决策-行动(OODA)模型思想相融合，实现了OODA任务创建、任务调度、资源调度等功能，能够实现对智能无人系统异构资源的调度和智能计算任务的处理。本文在智能无人系统上搭建了一套OODA任务处理系统，验证了所提OODAFlow框架的可行性。通过提出的图像预处理过程优化、流水线优化以及判断节点并行加速优化等方法，提高了系统的数据吞吐性能和资源利用率。无人机智能控制任务的实验表明，采用本文提出的OODAFlow框架后，智能无人系统的数据处理性能提升了73倍。]]></description>
<pubDate>2024/10/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[全振宇* **，尹龙祥*，陈晓明*，韩银和*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409003&flag=1]]></guid><cfi:id>133</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[模式与深度学习融合抽取因果事件三元组]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[因果事件三元组对人们理解事件之间的逻辑联系至关重要。针对从文本中抽取因果事件三元组面临的缺乏高质量的数据集和因果知识覆盖范围有限的问题，本文提出了一种结合模式和深度学习的方法，从Web语料库中抽取因果事件三元组。首先，设计了反映因果关系的词法句法模式，并在Web语料库中进行匹配。其次，通过逆向文本频率和因果事件边界词策略，过滤模式匹配结果中的噪音。随后，采用规则的方法对因果事件进行规范化处理，形成了一个高质量的因果事件三元组数据集。最后，在双向长短期记忆-条件随机场（BiLSTM-CRF）模型中将字、词、词性、因果模式特征词和因果事件边界词进行了有效融合，并引入了深度学习策略。经过在因果事件三元组数据集上的训练，本文模型在抽取大规模且涵盖广泛领域知识的Web语料库的因果事件三元组任务中表现出色。实验结果表明，模型抽取因果事件三元组的F1值高达92.44%，边界词识别精确率达到94.00%。该结果证明了模式与深度学习的高效结合、构建数据集的高质量，以及该文模型在实际应用中对抽取Web语料库的因果事件三元组具有显著价值。]]></description>
<pubDate>2024/10/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄俏娟* **，曹存根*，陈志文* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409004&flag=1]]></guid><cfi:id>132</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于沙漏状数据处理单元和分组RBF单元的对抗性免疫防御方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对深度神经网络（DNN）容易受到对抗样本攻击的问题，研究人员提出了许多防御方法，可分为外部防御方法（EDM）和免疫防御方法（IDM）。外部防御方法试图在将对抗性样本输入DNN之前去除其中存在的对抗干扰，而免疫防御方法则致力于提升DNN本身的鲁棒性，本文重点研究免疫防御方法。现有的免疫防御方法主要基于鲁棒优化策略来提升DNN的鲁棒性，为DNN构建鲁棒模块的工作较少。本文在DNN中引入了2个新的鲁棒单元：基于特征压缩和精度注入的沙漏状数据处理单元，用以减小对抗性扰动的干扰；分组径向基函数单元，用于增强DNN的非线性和适应类内变化的能力。在优化过程中使用标签平滑、退火策略和权值衰减来进一步提高鲁棒性。在2个数据集（MNIST和CIFAR-10）以及2个流行的DNN模型（LeNet5和VGG16）上的实验表明，将所提出的鲁棒单元集成到DNN中可以大幅提高其对对抗性攻击的免疫能力，同时保持其在干净样本上的识别性能。]]></description>
<pubDate>2024/10/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[丁伟杰* **，郑文浩* ***，方怡* ***，王琦晖****，李小薪* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409005&flag=1]]></guid><cfi:id>131</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于区域信息聚合的轻量化人群计数方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对高密人群图像中细节信息丢失、背景噪声易与人群特征混淆以及网络模型复杂度高等问题，本文提出一种基于区域信息聚合的轻量化人群计数方法。首先，为获取高密图像中细粒度化的多尺度特征，设计了基于通道激活的多尺度特征提取模块，此模块通过引入Ghost卷积构建了层间分级类残差连接结构，同时对每级特征辅以通道激活，以轻量化的方式实现了网络感受野的逐级扩张。其次，提出一种自注意力区域信息聚合模块获取不同尺度区域的特征信息，该模块通过轻量级自注意力机制分别从通道和空间维度集成区域信息，增强对人群特征的关注，从而弱化背景噪声对计数的影响。最后，考虑到原始计数损失收敛过程中的不稳定性，在DM-Count损失的基础上引入一种新型计数损失，提高了模型稳定性和计数敏感性，进一步提升了计数性能。在Shanghai Tech、UCF-QNRF、JHU-CROWD++以及NWPU-Crowd这4个公开数据集的实验结果表明，本文所提方法对比其他主流轻量级人群计数方法有一定的提升，且模型参数量保持在较低水平。]]></description>
<pubDate>2024/10/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[席志国，刘光辉]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202409006&flag=1]]></guid><cfi:id>130</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[为上下文显式独立建模的中文实体识别方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有中文命名实体识别（NER）模型在公开数据集上的表现相对成熟，但有研究指出，模型过度依赖实体文本的字面特征，而上下文对实体识别的影响却未得到重视。现有的模型在简单的泛化测试中表现较差，因此本文提出显式地为上下文独立建模，令模型对上下文和实体的字面信息进行区分。为此，也提出了相应的数据增强方法用于训练模型中的上下文模块、实体字面模块和综合模块。实验结果表明，本文提出的方法在不损失测试集识别效果的情况下，明显改善了模型在不变性测试中的表现，较基准模型其失败率降低了2.3%。]]></description>
<pubDate>2024/9/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈点* **，曹逸轩* **，罗平* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408003&flag=1]]></guid><cfi:id>129</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于数据包头序列的物联网恶意流量检测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有的基于机器学习（ML）的恶意流量检测方法，通常以高维的流量特征作为输入，并采用复杂模型，在实践中产生高误报率且资源占用较高。更重要的是，加密协议的广泛使用，使得数据包有效载荷特征很难被访问。幸运的是，物联网（IoT）设备的网络行为通常是有规律和周期性的，该特征反映在通信数据包序列上，每个数据包一定程度上描述了一次网络事件。基于此，本文提出了基于数据包头序列的恶意流量检测方法。它将流量序列转换为网络事件序列，并计算一组特征（即序列性、频率性、周期性和爆发性）来描述网络行为。实验环境包含一组真实的物联网设备，并将提出的方法部署在树莓派模拟的网关上。实验结果表明，与最新的检测方法相比，本文提出的方法能够在复杂网络环境下保持高准确性和低误报率，并提升了处理速率。]]></description>
<pubDate>2024/9/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[卫重波* **，谢高岗***，刁祖龙* ****，张广兴*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408004&flag=1]]></guid><cfi:id>128</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[高性能稀疏矩阵向量乘的程序设计综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[稀疏矩阵向量乘(SpMV)广泛应用于科学计算、图计算、数据分析等领域，是自现代计算机诞生以来经久不衰且挑战依旧的研究热点。本文系统回顾了20世纪70年代以来稀疏矩阵向量乘程序设计的发展脉络和各阶段的代表性工作；分析比较了这一领域4条技术路线，即人工程序设计、自动调优器、稀疏编译器和自动程序设计器，在当今的流行方法；并在此基础上对高性能稀疏矩阵向量乘程序设计的研究趋势做出预测，力图给学习者和研究者带来有益的知识与启示。]]></description>
<pubDate>2024/9/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杜臻* **，谭光明*，孙凝晖*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408005&flag=1]]></guid><cfi:id>127</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[X-Debugger：基于FPGA的扫描调试器设计及实现]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对芯片硅后调试面临内部信号可观测性差、可控制性弱、内部状态不易恢复重建等问题，本文设计和实现了一款基于现场可编程门阵列(FPGA）的快速扫描调试器X-Debugger。该调试器复用传统可测试设计(DFT)扫描链路逻辑，在芯片的设计阶段插入基于功能模块前导码的扫描控制电路，实现了芯片内部各数字逻辑模块信号100%可见；通过基于FPGA的扫描调试器X-Debugger可以快速完成芯片内部寄存器状态获取和修改，并结合硬件加速器可以完成芯片内部逻辑状态的快速重建，从而形成硅后调试闭环。在某处理器芯片硅后调试实践中的结果表明，对于小于100万触发器的功能模块可以在1s内完成内部状态获取、修改和重建，全芯片通过X-Debugger内部信号获取和重建小于1min，极大提高了该处理器芯片的硅后调试效率。]]></description>
<pubDate>2024/9/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李小波，唐志敏]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408006&flag=1]]></guid><cfi:id>126</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度学习的非合作目标关键点检测及匹配方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对非合作目标相对位姿测量任务中特征点检测及双目匹配环节易受环境干扰、鲁棒性弱的问题，提出一种更具实用价值的方法。首先，将具有代表性的某型号卫星模型视为非合作目标实验对象，并针对其结构特点开发了关键点标注软件，以生成数据集并用于深度卷积神经网络 (DCNN) 模型的训练；之后使用不同算法对DCNN模型输出的两类信息进行分析，完成关键点检测；最后通过对识别对象进行双目匹配，从而间接完成关键点双目匹配。将该方法应用到自主搭建的系统平台，并与传统算法进行对比，结果表明，该算法可在实际应用环境中完成非合作目标的关键点检测及其双目匹配，并具有较强的鲁棒性，为非合作目标相对位姿测量任务的关键环节提供了一种新思路。]]></description>
<pubDate>2024/9/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[宋佳秋* **，朱浩然**，刘福才**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408007&flag=1]]></guid><cfi:id>125</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向设备直通的高效低延时的中断直通方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对对称多处理器（SMP）虚拟机（VM）的虚拟中央处理器（vCPU）调度延迟会降低虚拟机输入/输出(I/O)响应性的问题，本文基于设备直通提出了一种高效低延迟的中断直通方法。该方法基于硬件辅助技术，搭建了中断直通架构，并设计了中断重定向机制，将直通设备中断从被抢占的vCPU重定向至正在运行的vCPU。实验结果表明，网络往返时延平均减少了34.1%，吞吐量最高提升7.9%，Apache测试每个服务器请求所需时间平均减少了13.6%，磁盘I/O操作时延平均减少了6.7%~8.4%。实验结果证明，该方法能有效减少虚拟机虚拟CPU调度对I/O延迟的影响，提高虚拟机I/O响应性。]]></description>
<pubDate>2024/9/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[吕晨* ** ***，张福新* ** ***，朱琛****，毛碧波****，邓平科*****，潘筱涵*****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202408008&flag=1]]></guid><cfi:id>124</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于动态压缩的高存储效率末级分支目标缓冲]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着软件系统规模及复杂度的增长，数量庞大的指令使指令高速缓存和分支目标缓冲(BTB)频繁地发生缺失，导致中央处理器(CPU)性能下降。现代工业CPU设计在分离式前端中使用充分大的多级BTB以减少缺失导致的性能损失。由于实际芯片的存储资源有限，大容量的末级BTB需要更高的存储效率。然而，现有压缩BTB采用静态分配目标偏移量存储空间的方法，无法按照分支的实际存储需求进行调整，导致其存储效率较低。针对上述问题，提出一种基于动态压缩的BTB——ZBTB。ZBTB通过可变长编码表示目标偏移量，动态分配目标偏移量存储空间，结合无额外存储的最近最少使用（LRU）和偏斜相联等方法缓解冲突，提升了存储效率。基于以第1届指令预取锦标赛(IPC-1)所发布轨迹数据进行的评估，与现有BTB相比，ZBTB在33.5kB容量下可将误预测次数降低66%。]]></description>
<pubDate>2024/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谭弘泽，王剑]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407003&flag=1]]></guid><cfi:id>123</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于无裁剪图形流水线的三维图形处理器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统的三维图形处理器通过裁剪操作获取三角形的可见区域。然而，裁剪操作的延迟长且硬件开销高，大量的裁剪操作会降低图形处理器的性能。本文设计了一款基于OpenGL ES 2.0标准的三维图形处理器芯片，采用了统一渲染架构。该图形处理器采用高效的无裁剪图形流水线结构，消除了裁剪所带来的硬件开销和性能损耗。此外，本文为该图形处理器设计了一个符合IEEE-754标准的三维向量内积（DP3）计算单元，用于固定功能流水线，以提高图形处理器的性能，并消除图形渲染过程中浮点乘加操作的误差，增强了图形处理器的图形渲染鲁棒性。该三维图形处理器每秒能够处理500M个顶点和8G个纹素，功耗为1000mW，采用了28nm工艺，面积为7.92mm2。实现结果表明，与之前的工作相比，本文设计的图形处理器的性能-功耗比提高了27.8%。]]></description>
<pubDate>2024/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵皓宇，王重熙，宋鹏皓，章隆兵]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407004&flag=1]]></guid><cfi:id>122</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合全局聚合与局部挖掘的建筑图像检索]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对建筑图像易受到尺度变化和局部遮挡干扰而导致检索准确率低的问题，本文提出了一种融合全局聚合与局部挖掘的建筑图像检索网络。以ResNet50为骨干网络并在其后引入多尺度特征聚合的全局分支和注意力引导特征挖掘的局部分支，再通过正交融合策略高效整合双分支互补特征。其中，多尺度特征聚合模块结合混合空洞卷积和通道注意力对全局不同尺度的目标进行自适应加权聚合，增强网络对建筑多尺度显著特征的提取；注意力引导特征挖掘模块通过信息互补注意力对最显著特征标记擦除，实现对局部区域中潜在的细节信息的挖掘。所提方法在主流建筑数据集ROxf和RPar上的平均精度均值(mAP)指标分别达到了 81.54%（M）、62.43 %（H）和 90.28 %（M）、78.35%（H）。实验结果表明，该方法有效克服了尺度变化和局部遮挡的干扰，显著提升了建筑图像检索的准确率。]]></description>
<pubDate>2024/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孟月波，张紫琴，刘光辉，徐胜军]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407005&flag=1]]></guid><cfi:id>121</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[北斗三号系统已完成建设，该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域，北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时，利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题，在采用地面数字多媒体广播信号辅助北斗定位的基础上，利用基于精度因子与距离残差的加权最小二乘算法进行定位，相比于利用最小二乘算法进行定位，定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。]]></description>
<pubDate>2024/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李旋* **，杨海效* **，李济源* **，翟悦峰* **，吴虹* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407006&flag=1]]></guid><cfi:id>120</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[针对深度学习中不规则内存访问的高吞吐内存管理单元]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[人工智能应用的多样化与复杂化导致了算法模型的不规则内存访问，即集中突发的访问请求与稀疏的访问地址，从而给智能应用在内存资源严格受限的移动端设备的部署带来了挑战。这种不规则的内存访问导致了现有架构中内存管理单元（MMU）的地址转换面临低吞吐和长延迟的问题，使其成为系统访存通路的瓶颈。针对上述问题，本文提出了一种新的高吞吐MMU架构方案（HTMMU），通过多流并行，加强冗余请求的过滤，合理地分配有限的片上存储资源等手段，从而能高吞吐、低延迟地处理不规则访问的地址转换，提升系统访存效率。实验结果表明，在处理人工智能算法内突发的稀疏访存时，相较于当前主流MMU设计方案，HTMMU平均获得了2.43倍的性能提升，而平均访问延迟降低为原先的34.1%，同时将额外面积开销控制在3.0%以内。]]></description>
<pubDate>2024/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[丁峰，李曦]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407007&flag=1]]></guid><cfi:id>119</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于三维卷积时空融合网络的压缩视频质量增强算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[视频数据在存储与网络传输时，通常使用标准压缩算法对原始视频进行压缩。针对压缩后视频存在压缩伪影导致视频质量下降的问题，本文提出一种基于深度学习的后处理方法提高压缩视频质量。首先，提出一种新的三维卷积时空融合网络(3D-CSTF)，通过三维卷积的滤波特性提取连续视频帧之间的时空信息，并利用视频帧之间信息的强相关性来提高视频质量。其中，设计了一种用于映射和提取视频帧特征的质量增强网络(Qe-Net)。其次，将7个连续的视频帧送到网络进行端到端训练，利用前3帧和后3帧的信息增强当前帧。最后，在MFQE数据集上进行训练和测试。实验结果表明，该方法在视频质量评估标准峰值信噪比 (PSNR）上取得了良好的性能。当量化参数(QP)等于37、32、27和22时，相比压缩后的视频，PSNR分别增加0.82dB、0.83dB、0.79dB和0.74dB。]]></description>
<pubDate>2024/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄威威，贾克斌]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202407008&flag=1]]></guid><cfi:id>118</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于语言类任务的概念化强化学习框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[语言类强化学习任务可以促进强化学习策略的泛化性，其关键问题是自动化学习观测和语言描述的通用表示。现有方法往往隐式学习联合表示，不可避免地引入训练集中的虚假相关信息，进而损伤策略的泛化性和训练效率。针对这一问题，本文提出了概念化强化学习框架（CRL），其利用概念化这种从实体提取相似性生成抽象表示的认知方式，通过基于注意力机制的概念编码器和限制性损失函数显式地学习概括且抽象的概念化表示作为强化学习策略的输入。本文在常用的语言条件任务和文本游戏任务上验证了CRL的有效性，结果显示概念化表示大幅提升了策略的训练效率（最多70%）和泛化性能（最多30%），并有效提升了策略的可解释性。]]></description>
<pubDate>2024/7/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[彭少辉* ** ***，胡杏*，支天*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406003&flag=1]]></guid><cfi:id>117</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于自适应PoT量化的无乘法神经网络训练方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[当前的深度神经网络的训练过程中需要包含大量的全精度乘累加（MAC）操作，导致神经网络模型的线性层（包含卷积层和全连接层）的计算过程所需的能耗占整体能耗的绝大部分，达90%以上。本文提出了一种自适应逐层缩放的量化训练方法，可支持在神经网络计算全流程（前向传播和后向传播）将全部线性层中的全精度乘法替换为4位定点数加法计算和1位异或运算。实验结果表明，上述方法在能耗和准确率方面都优于现有方法，可支撑在训练过程中减少达95.8%的线性层能耗，在ImageNet数据集上的卷积神经网络和在WMT En-De任务上的Transformer网络得到小于1%的精度损失。]]></description>
<pubDate>2024/7/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘畅* **，张蕊** ***，支天** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406004&flag=1]]></guid><cfi:id>116</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[时序数据的因果关系交互式可视分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对时序数据中因果关系检测算法效率低、错误率高、可解释性低的问题，本文提出一种新颖的用于时序数据的因果关系检测模型。该模型整合了泛函贪婪等价搜索(F-GES)模型与格兰杰(Granger)因果关系模型，展开因果关系的抽取和推断，并提出了因果关系可视分析方法，以交互式地分析时序数据中变量间的因果关系。可视分析方法形成了参数视图用于提高因果关系探索效率、因果关系树图用于直观有效地展示变量之间的因果关系、时间视图用于比较原始时序数据、堆叠流图用于帮助用户探索时序数据的层次演变以及平行坐标图用于进行相关性分析。基于真实数据形成的原型系统交互式地验证和总结时序数据中的因果关系，从而更高效地挖掘和理解时序数据中变量之间蕴含的因果规律以帮助决策。]]></description>
<pubDate>2024/7/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[丁伟杰* ** ******，华东***，袁莹**，孙国道****，尤芷芊*****，梁荣华****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406005&flag=1]]></guid><cfi:id>115</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题，本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先，为建模视频多尺度空间关联以加强对细粒度视频数据的空间表征能力，模型使用多尺度“特征压缩、特征激发”方式，使网络所提取空间特征更加丰富有效。然后，为充分利用细粒度视频数据时间维度上的运动信息，本文引入时间窗口自注意力机制，利用自注意力机制强大的远程依赖建模能力同时只在时间维度上进行自注意力操作，以较低计算成本建模远程时间依赖关系。最后，考虑到所提取时空特征对不同类型动作分类的贡献不均等，本文引入自适应特征融合模块，为特征动态赋予不同权重实现自适应特征融合。模型在2个细粒度动作识别数据集Diving48和Something-somethingV1上识别准确率分别达到86.0%和46.9%，分别使原始主干网络识别准确率提升3.8%和1.3%。实验结果表明，在只使用视频帧信息作为输入的情况下，本模型达到与现有基于Transformer和三维卷积神经网络(3D CNN)算法相当的识别准确率。]]></description>
<pubDate>2024/7/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡正平* **，王昕宇*，董佳伟*，赵艳霜*，刘洋*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406006&flag=1]]></guid><cfi:id>114</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于稠密连接的通道混合式PCANet的低分辨率有遮挡人脸识别]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对低分辨率有遮挡人脸识别问题提出了基于稠密连接的通道混合式主成分分析网络(DCH-PCANet)。现有的PCANet模型的卷积层只使用了通道无关式卷积(CIC)。通道无关式卷积由于未考虑特征图在通道方向上的相关性，可以更好地凸显单个特征图的局部纹理特征，对于补偿因低分辨率、遮挡等因素导致的特征损失具有重要意义，但也会强化遮挡区域的特征，从而放大坏特征的影响范围；而通道相关式卷积(CDC)由于充分考虑了各特征图在通道方向上的相关性，可以较好地抑制坏特征的作用，形成较为稀疏的特征图。在PCANet中添加了基于通道相关式卷积的特征图提取分支，形成了通道混合式PCANet；并且引入了稠密连接，以充分利用低阶特征提升有遮挡图像识别的鲁棒性。针对如下4种数据集进行了实验：受控环境、真实遮挡和模拟低分辨率的人脸数据集（AR人脸数据集），非受控环境、真实遮挡和模拟低分辨率的人脸数据集（MFR2和PKU-Masked-Face），非受控环境、真实遮挡和真实低分辨率的人脸数据集（自建数据集）。实验结果表明，与现有方法相比，所提出的基于稠密连接的通道混合式PCANet具更好的遮挡鲁棒性和低分辨率鲁棒性，可以作为前沿方法的有效补充，提升其识别性能。]]></description>
<pubDate>2024/7/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[秦娥*，何佳瑶*，刘银伟*，朱娅妮**，李小薪*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406007&flag=1]]></guid><cfi:id>113</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于现场可编程门阵列的水果识别系统设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对目前大多数水果识别系统实时性差和成本较高的问题，本文提出一种基于现场可编程门阵列（FPGA）的水果识别系统。整体硬件设计包含图像采集、检测识别和显示模块。软件部分通过图像采集平台将水果图像存储至双倍数据率同步动态随机存储器（DDR3）控制模块，进行图像灰度化处理，并创造性地提出背景帧差法对水果图像进行分割。通过融合水果颜色和几何特征，实现对水果数量、颜色和种类的识别。整个水果识别系统在不同光照下对常见水果进行了测试。实验结果表明，水果平均识别准确率达到93.25%，识别速度约为16.67ms，FPGA硬件资源消耗率仅占28.02%，可以满足实时性需求。]]></description>
<pubDate>2024/7/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[金梅*，曾欣*，张立国*，冯景瑞**，吴文哲*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202406008&flag=1]]></guid><cfi:id>112</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[处理器时间侧信道攻防技术综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现代处理器优化机制众多，设计人员在追求性能提升时，往往忽略背后的安全风险。时间侧信道攻击因其影响面广且隐蔽性好已成为最主要的安全威胁之一。随着瞬态执行攻击的出现，时间侧信道攻击的能力被进一步扩展，计算系统的安全基础被动摇。为此，处理器厂商及安全人员提出了大量防御机制。这些机制具有不同的防护能力及性能开销。与此同时，新的瞬态执行漏洞和隐蔽信道也不断被发现，已提出的防御机制被不断突破。围绕处理器时间侧信道攻防技术的博弈日益激烈。本文从基本攻击原理出发，对现有时间侧信道攻击进行了归纳总结，并在此基础上进一步分析了相关防御机制的保护能力和性能瓶颈，从而梳理出时间侧信道攻防技术的发展趋势，为未来软硬件系统开发和安全技术探索提供参考。]]></description>
<pubDate>2024/6/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[唐博文，武成岗，王喆]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405003&flag=1]]></guid><cfi:id>111</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多维语义特征与层次注意力机制的讽刺识别]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[讽刺是一种复杂的语言表达方式，在日常交流中发挥着重要作用。随着人工智能和社交网络的快速发展，讽刺识别已成为自然语言处理领域的热点研究课题之一。现有的讽刺识别研究往往从单一维度对讽刺文本特征进行表示，忽视了讽刺文本特征的细微差异及其重要程度。本文将讽刺识别视为文本分类任务，在特征提取阶段，将讽刺文本根据其不一致性特征、情感特征、句法结构特征和风格特征进行多维语义特征表示。在特征融合阶段，针对不同维度特征对整体特征贡献和关联程度不同，采用层次注意力机制调整不同讽刺语言学特征对模型整体性能的影响。实验结果表明，所提出的模型能够从多个维度提取讽刺文本的潜在语义特征，其在公开数据集IAC、Tweets和Reddit上的实验性能均有明显提升。]]></description>
<pubDate>2024/6/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[宋留静* **，赵泽方* **，马宇翔***，申罕骥*，李俊* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405004&flag=1]]></guid><cfi:id>110</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于GRU的密集连接时空图注意力网络的城市交通预测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[城市道路拓扑结构的复杂性、交通流量的实时变化以及多元的外部环境等因素给交通预测带来了极大的困难。现有方法对交通路网的时空特征挖掘性不足，缺乏对外部因素的考虑，为此本文提出了一种基于门控循环单元(GRU)的时空图注意力密集连接网络，通过门控循环单元来捕获路网数据的动态规律，并以图注意力密集连接网络来提取路网复杂的空间结构特征，建立城市交通网络对时空的依赖关系。针对外部客观因素，采用独热编码的方式对城市各路段发生的交通事件进行数据建模，增强交通网络的信息属性。以杭州申花路及周围共309个路段为例，对所提出模型的预测能力和可行性进行验证。实验结果表明，模型预测精度最高达到了81.64%，与传统数学模型和主流的神经网络模型对比，预测精度较ARIMA提高了35.42%，较图注意力网络(GAT)和GRU神经网络分别提高了17.45%和3.02%。实验证明该方法可以适应复杂的交通流进行长期的交通预测任务，同时也能增强交通管理能力，减少交通拥堵成本。]]></description>
<pubDate>2024/6/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郭海锋*，许宏伟**，周子盛**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405005&flag=1]]></guid><cfi:id>109</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于任务资源需求预测的人工智能算力调度]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为提升人工智能（AI）算力的任务执行效率和资源利用率，本文提出一种基于任务资源需求预测的AI算力调度方法，指导资源调度过程。相比于以往大多数研究工作仅围绕着图形处理器（GPU）资源设计的AI算力调度方法，本文充分考虑了多个维度资源对用户任务运行效率和计算集群资源利用的影响。本文基于机器学习方法构建任务资源需求预测模型，分析多维度资源对任务性能的影响，进而完成自适应资源伸缩调度，解决用户超额申请问题。实验结果表明，在相同时间内，该方法实现了更多任务的部署和执行。任务部署量提升25.3%，部署任务的完成率提升15.2%， GPU和内存利用率分别提升7.2%和8.0%，提升了算力资源的总体利用率。]]></description>
<pubDate>2024/6/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨明烜* **，洪学海*，唐宏伟* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405006&flag=1]]></guid><cfi:id>108</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进HopeNet的头部姿态估计方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对基于无需先验知识的头部姿态估计算法在复杂背景图像和多尺度图像场景下精度较差的问题，提出了一种基于改进HopeNet的头部姿态估计方法。首先在主干网络结构上增加特征融合结构使得模型能够充分利用网络的深层特征信息与浅层特征信息，提升模型的特征解析力；然后在主干网络的残差结构中增加特征压缩激励模块，使得网络能够自适应学习不同特征层重要程度的权重信息，让模型更加关注目标信息。实验结果表明，相较于HopeNet，本文方法在AFLW2000数据集上精度提升了31.15%，平均误差降到4.20°，同时在复杂背景图像场景下有较好的鲁棒性。]]></description>
<pubDate>2024/6/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张立国，胡林]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405007&flag=1]]></guid><cfi:id>107</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于边界分布注意引导的结直肠腺体分割网络]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[从结直肠组织病理图中自动精确地分割腺体轮廓对结直肠病理诊断有极大帮助，然而，腺体之间间隙狭小且不同等级的腺体具有形态变异性，准确地分割出每个腺体实例具有很大的挑战。为此，本文提出了一种基于注意力的边界引导网络用于腺体分割。具体来说，本方法在边界分支中使用理想的边界图进行监督，引入全局特征整合模块提取腺体边界，并输入后续的解码阶段辅助腺体分割。通过多尺度注意力模块提取多尺度上下文信息，增大模型的感受野。提出边界注意融合模块补充边界细节信息，进一步细化分割结果，得到最终的腺体分割图。所提出模型的有效性在公开的结直肠腺癌数据集GlaS上得到了验证，取得了优于其他网络的性能。]]></description>
<pubDate>2024/6/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[凡振邦*，石淑玲*，马悦**，李胜*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202405008&flag=1]]></guid><cfi:id>106</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向高性能计算环境的多维自适应授权访问策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[高性能计算能力是国家综合实力和创新能力的重要体现，是支撑我国科技持续发展的关键技术之一。随着高性能计算的发展，越来越多领域的科研人员开始关注并使用高性能计算环境。高性能计算环境目前面临资源有限、用户数目增多等挑战。为保证环境的安全性、提高环境资源的利用率，需设置一定的授权访问策略来约束用户的访问行为。本文针对高性能计算环境服务对象用户和应用社区或业务平台，基于机器学习算法对用户行为进行分析获取相关属性，设计并实现了一种多维自适应授权访问策略（MAAC）。实验表明，MAAC可实现对环境资源有效和灵活访问控制，同时该策略的决策时间可控制在1ms内，与策略响应时间相比可忽略不计。]]></description>
<pubDate>2024/5/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[和荣* **，王小宁*，肖海力*，卢莎莎*，赵一宁*，迟学斌* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404003&flag=1]]></guid><cfi:id>105</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于样本动态权重的课程式半监督学习方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文针对半监督场景中极度匮乏的监督信号导致的标签传播困难、模型训练严重受噪声干扰等问题展开研究。伪标签化带来的噪声和低数据利用率导致的确认偏差，会随着自训练过程造成错误累积，进而形成不可逆偏差，损害性能。本文提出基于样本动态权重的课程式半监督学习方法，旨在通过非离散的课程设计，鼓励模型由简单至困难地利用样本，逐步构建分类面，进而缓解伪标签化过程中的噪声产生，增强模型泛化能力。从类内角度，提供弱监督信号的高置信度伪标签被混合用于构建特征原型，估计样本的学习难度。从类间角度，标签嵌入被用于评估类间语义相关度，课程式地减弱训练前期对语义相关类别间的辨别。在通用的半监督学习基准数据集上进行了广泛的实验和分析，证明了方法的有效性。]]></description>
<pubDate>2024/5/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[朱徽* **，胡斌*，宋怡宁***，赵晓芳* ****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404004&flag=1]]></guid><cfi:id>104</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[针对嵌入式设备的YOLO目标检测算法改进方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对算法在资源有限的嵌入式设备实现困难的问题，本文基于YOLO系列算法提出适应嵌入式设备实现的轻量化改进方法。方法具体包括：基于YOLOv4-Tiny算法结构，引入GhostNet思想改进其网络主干，大量降低网络参数量和计算量；通过加强颈部网络特征融合效果，减少模型压缩导致的精度损失；采用训练中量化的方式将网络模型参数从32位浮点型数据转换为适合嵌入式设备计算的8位定点型参数。实验结果表明，改进后的网络在检测精度满足应用要求的情况下，模型尺寸相对原算法降低57%，在嵌入式设备上实现功耗仅3.795W。]]></description>
<pubDate>2024/5/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张立国，孟子杰，金梅]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404005&flag=1]]></guid><cfi:id>103</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种日志结构块存储系统一致性模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着物理设备容量增大，日志结构块存储系统一致性模型及异常恢复的时间和空间复杂度都在增加。一致性状态作用域大小与异常恢复复杂度成反比，与写请求冲突概率成正比。首先，提出单一一致性状态定义（CTS），降低异常恢复复杂度。其次，分析一致性状态生成的充要条件和开销，引入WSL链表设计一致性状态生成算法；在一致性状态生成算法的基础上，本文提出多WMT元数据管理结构MCT，将一致性状态生成与用户写请求冲突降低至链表结点级别。最后，以一致性模型为基础设计异常恢复算法，并设计实现日志结构块存储系统SCB。实验表明，相对于ASD系统，SCB系统吞吐率提升135.59%，99.90%尾延迟降低42.89%，fileserver负载性能提升25.00%，异常恢复时间为ASD的1/23。相对于dm-thin系统，SCB系统吞吐率提升225.72%，varmail负载性能提升46.67%。]]></description>
<pubDate>2024/5/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[杨勇鹏，蒋德钧]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404006&flag=1]]></guid><cfi:id>102</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于微状态的抑郁症静息态脑电信号分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[抑郁症(MDD)患者存在认知功能障碍，但其瞬时神经异常活动尚未研究清楚，对此采用脑电(EEG)微状态方法对抑郁症患者的脑电数据进行研究。比较22名抑郁症患者和25名正常人的128导闭眼脑电数据微状态特征，进行差异性分析并探索与量表得分之间的相关性。结果发现，相对于健康对照组，抑郁症患者微状态C的出现次数和涵盖比更高，且与其他微状态之间的转换概率较高，而其微状态D的平均持续时间较低，且与微状态B之间的转换次数减少。此外，微状态C和微状态D与抑郁量表和焦虑量表均呈显著相关性，表明基于脑电微状态方法可以捕捉到抑郁症患者异常大脑动态特性，为抑郁症临床早期诊治提供客观参考。]]></description>
<pubDate>2024/5/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈学莹*，齐晓英**，史周晰*，独盟盟*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202404007&flag=1]]></guid><cfi:id>101</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Cloudless-Training:基于serverless的高效跨地域分布式ML训练框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[跨地域分布式机器学习（ML）训练能够联合多区域的云资源协作训练，可满足许多新兴ML场景（比如大型模型训练、联邦学习）的训练需求。但其训练效率仍受2方面挑战的制约。首先，多区域云资源缺乏有效的弹性调度，这会影响训练的资源利用率和性能；其次，模型跨地域同步需要在广域网(WAN)上高频通信，受WAN的低带宽和高波动的影响，会产生巨大通信开销。本文提出Cloudless-Training，从3个方面实现高效的跨地域分布式ML训练。首先，它基于serverless计算模式实现，使用控制层和训练执行层的2层架构，支持多云区域的弹性调度和通信。其次，它提供一种弹性调度策略，根据可用云资源的异构性和训练数据集的分布自适应地部署训练工作流。最后，它提供了2种高效的跨云同步策略，包括基于梯度累积的异步随机梯度下降(ASGDGA)和跨云参数服务器(PS)间的模型平均（MA）。Cloudless-Training是基于OpenFaaS实现的，并被部署在腾讯云上评估，实验结果表明Cloudless-Training可显著地提高跨地域分布式ML训练的资源利用率（训练成本降低了9.2%~24.0%）和同步效率（训练速度最多比基线快1.7倍），并能保证模型的收敛精度。]]></description>
<pubDate>2024/4/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谭文婷* **，吕存驰* **，史骁* ***，赵晓芳* ****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403003&flag=1]]></guid><cfi:id>100</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于注意力与密集重参数化的目标检测算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对目标检测任务中背景复杂、目标尺寸差异大等因素导致目标检测结果较差的问题，本文提出基于注意力和密集重参数化的目标检测算法。首先，基于CSPDarkNet提出高效的特征提取网络，主要包括密集重参数化模块和CASA模块2个设计。前者利用密集连接保留浅层特征，又通过重参数化结构降低网络复杂度；后者CASA模块用于获取需要的目标信息。其次，特征融合在特征金字塔(FPN)和路径聚合网络(PAN)的基础上，引入内容感知特征重组（CARAFE）进行上采样，有效解决了邻近插值法等未能捕捉丰富语义信息的问题；提出更高效的C3-G模块，获取丰富的梯度信息，增强模型表达能力和感知能力；同时，引入深度可分离卷积提升运算效率。最后，检测输出采用在更大范围上跨领域正负样本匹配策略扩充正样本数量，提升检测效果。该算法在MS COCO和PASCAL VOC数据集上的mAP@0.5分别达到了57.5%和83.0%，充分说明了本文算法的先进性。]]></description>
<pubDate>2024/4/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈志旺* **，雷春明*，吕昌昊***，王婷*，彭勇****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403004&flag=1]]></guid><cfi:id>99</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于行内局部性的内存控制器端预取]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出一种基于行内局部性的内存控制器端预取。采用位图的数据结构记录行内每个数据块的状态；并且对每一行进行区域划分，量化每个区域的访问局部性；根据区域内的局部性高低决定预取的激进程度。对于局部性较低的区域，预取区域内未被访问过的数据块；对于局部性较高的区域，同时采用跨区域的预取。通过动态调整区域规模的大小来适应局部性程度的变化。上述预取方法在龙芯3A6000处理器上实现并评测，评测程序采用SPEC CPU2006访存密集型应用。评测结果显示本文的预取方法将每周期指令数(IPC)平均提升6.51%，将单线程IPC最高提升46.80%（bwaves），将双核四线程IPC最高提升26.22%（lbm）。]]></description>
<pubDate>2024/4/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[周叔欣* ** ***，张见齐****，王焕东****，章隆兵* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403005&flag=1]]></guid><cfi:id>98</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[结合先验知识的多智能体博弈对抗研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无实时奖励的复杂对抗环境是目前深度强化学习（DRL）领域的研究热点，面对此类环境，纯粹使用深度强化学习算法会导致智能体训练无法快速收敛以及对抗效果不佳等问题。基于此，本文提出了一种基于先验知识与深度强化学习相结合的智能博弈流程框架，设计了数据处理、增强机制以及动作决策3个模块，通过威胁评估、任务调度和损失比率3种增强机制来提升智能体在复杂对抗环境下的收敛速度和对抗效果。在数据堡垒(DC)平台上进行仿真，实验结果验证了本文所提出的智能博弈流程框架训练的智能体相较于单纯基于深度强化学习的智能体拥有更快的收敛速度以及更高的胜率。]]></description>
<pubDate>2024/4/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[袁婷帅，冯宇，李永强]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403006&flag=1]]></guid><cfi:id>97</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于真值表的函数自动生成的神经网络模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[作为目前最常见的程序综合问题，示例编程通过用户提供的输入/输出示例生成程序，为编程能力不足的开发者提供了便利。近年来，示例编程已经被应用于Microsoft Office Excel办公软件的自动编程，以及勘探、测井、航空航天等领域。鉴于目前示例编程鲜有关于二进制流的研究，本文针对基于真值表函数自动生成问题具有函数表达式的语法符号序列中各语法符号的关系与它们的距离大小无关、函数表达式的生成语义规则与布尔向量函数采样的结果长度无关的特点，设计了一种神经网络模型和算法，在程序综合、功能等价和序列匹配的指标上分别取得了70.56%、64.66%、0.6355的结果，分别优于现有最先进的程序综合模型55.07%、49.70%、0.5690。]]></description>
<pubDate>2024/4/16 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[贺文凯* ** ***，支天*，胡杏*，张曦珊* ***，张蕊* ***，杜子东*，郭崎*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202403007&flag=1]]></guid><cfi:id>96</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[利用类型语义表示进行标签降噪的细粒度实体分类]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[细粒度实体分类(FET)任务的训练数据往往利用已有知识库中的知识通过远程监督方法进行生成，生成过程中不可避免地引入多余的噪音标签。现有考虑训练数据中噪音问题的工作通常只建模训练数据和标注类型的概率分布，对细粒度类型的语义信息学习不足，造成在标注了多个细粒度类型的训练数据上选择了与实体上下文不相关的类型进行模型的学习。本文提出一种利用细粒度类型的语义表示进行标签降噪的细粒度实体分类方法。首先利用训练数据中具有唯一细粒度类型路径的数据学习一部分细粒度类型的表示，进而结合细粒度类型间的关系信息学习其他细粒度类型的表示；其次在标注了细粒度类型的训练数据中选取与实体上下文的语义信息最相似的细粒度类型为目标类型，从数据集中选择TopK个相似数据进行细粒度类型语义信息的聚合；最后在聚合信息上学习最终的细粒度实体分类模型。实验结果表明，该方法可以有效地从标注了细粒度类型的训练数据中选出与实体上下文的语义信息最相符的细粒度类型，达到提升细粒度实体分类准确率的效果。]]></description>
<pubDate>2024/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[席鹏弼* **，靳小龙* **，白硕***，程学旗* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402003&flag=1]]></guid><cfi:id>95</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[改进的局部最小像素先验遥感图像盲复原算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了解决遥感图像盲复原时模糊核估计不准确、复原图像存在振铃效应的问题，提出改进的局部最小像素先验遥感图像盲复原算法。该算法首先引入极端通道先验与局部最小像素先验结合，对图像的强度进行更好的约束，有利于得到更好的潜在清晰图像；然后采用基于梯度的方法估计模糊核，模糊核估计与中间潜在清晰图像估计交替迭代进行，获得较为理想的模糊核；最后引入联合双边滤波器，采用改进的拉普拉斯与正则化图像复原算法抑制图像复原的振铃效应。实验结果表明，本文方法对遥感图像复原效果较好，恢复的图像边缘清晰，振铃伪影得到抑制且模糊核较为理想；客观评价指标峰值信噪比(PSNR)较前沿复原算法平均提高约1.40dB，结构相似度(SSIM)平均提高约0.02。]]></description>
<pubDate>2024/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[朱兵*，王晨**，朱福珍**，王曼威**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402004&flag=1]]></guid><cfi:id>94</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于向量叉乘标签分配的遥感图像目标检测算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来遥感图像目标检测受到了广泛的关注，主流的遥感图像目标检测器通过预设锚框与真实框之间的交并比（IoU）进行正负样本的划分。为了解决基于IoU的标签分配方法在遥感图像小而密集目标中存在复检和漏检的问题，本文提出了一种基于向量叉乘标签分配的遥感图像目标检测算法YOLOXR。首先，提出了一种标签粗分配策略，通过向量叉乘的方法判断特征图的像素点是否在旋转目标内或者目标中心点附近的旋转正方形框内，从而确定其是否为候选正样本。其次，为了降低边缘低质量候选正样本对标签分配的影响，提出了旋转中心度量方法，通过向量叉乘判断像素点距离中心点的远近程度进而赋予不同的权重。最后，基于最优传输的方法(simOTA)选取真实框和样本点的最优匹配对，使得总体代价最小，进而为旋转目标分配合适的标签。此外，为了解决旋转IoU损失不可导以及Smooth L1损失难以权衡旋转框各个参数的问题，通过计算真实框和预测框二维高斯分布的Kullback-Leibler散度(KLD)来替代IoU。在公开的遥感图像目标检测数据DOTA、HRSC 2016和UCAS-AOD上的大量实验表明，所提方法优于目前绝大多数旋转目标检测算法。]]></description>
<pubDate>2024/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[禹鑫燚，林密，卢江平，欧林林]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402005&flag=1]]></guid><cfi:id>93</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[OFDM系统PAPR和OOB辐射联合抑制算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[正交频分复用（OFDM）技术具有频谱效率高和抗多径衰落能力强的优点，但存在高峰值平均功率比（PAPR）和高带外（OOB）辐射的固有缺点。部分PAPR抑制算法会导致OOB辐射升高，因此需要一种联合抑制OFDM系统的PAPR和OOB辐射的算法。本文提出了一种新的结合线性压扩和简化限幅滤波的混合式PAPR和OOB辐射联合抑制算法，该算法采用连续分段线性压扩（CPLC）算法抑制信号PAPR，并对压扩后的信号进行频域滤波；然后采用简化限幅滤波（SCF）算法降低频域滤波导致的峰值再生，保证信号的OOB辐射不再升高。接收端采用迭代接收算法提高系统的误码率性能。仿真结果表明，与CPLC、SCF方案相比，所提算法可以达到更好的PAPR和OOB辐射联合抑制性能，同时通过迭代接收算法获得与原始信号相近的误码率(BER)性能。]]></description>
<pubDate>2024/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王浩，刘凯明]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402006&flag=1]]></guid><cfi:id>92</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度学习的不良应用域名早期识别方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[不良应用网站依赖域名系统（DNS）实现不良内容传播，严重影响互联网的健康发展。尽早识别出不良应用网站对应的域名（即不良应用域名），并进行相应治理，对域名系统的管理与运行至关重要。本文从国家顶级域名(.CN)管理的角度出发，关注如何在注册阶段识别不良应用域名。分析发现不良应用域名在注册特征与文本结构2个维度，与正常域名存在显著差异。为此，提出了一种基于深度学习的不良应用域名早期识别方法。该方法首先提取域名的注册信息特征，并利用预训练语言模型基于Transformer的双向编码器（BERT）提取域名本身的文本语义特征，其次基于注意力机制融合2类特征，并最终使用全连接神经网络，构建域名分类器，实现不良应用域名的早期识别。基于真实网络数据的实验结果表明，所提方法分类准确率（F1分数）可达到0.99；消融实验结果也验证了所选特征的有效性和必要性。]]></description>
<pubDate>2024/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡安磊* ** ****，田语* ****，陈勇**，李振宇* ****，谢高岗*** ****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402007&flag=1]]></guid><cfi:id>91</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[非完全信息下协作式入侵检测系统检测库配置研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文研究了有限时间下非完全信息协作式入侵检测系统（IDS）的检测库配置。针对各入侵检测系统面对不同类型攻击时的最优检测库的配置以及检测库分配的矛盾，提出了一种双层检测库配置方法。第1层研究的是各攻击者的策略制定以及对应入侵检测系统的最优检测库配置方案；第2层研究的是如何解决多个入侵检测系统加载同一检测库的矛盾，给出了基于策略共享的集中式分配方法。第1层研究又可分为2步解决：第1步针对攻击者无法获知系统的真实状态、与入侵检测系统之间存在着信息不对称的问题，提出构建一个基于信念的随机博弈框架，通过后向递归算法求解，并证明该解就是博弈的稳态纳什均衡（SNE）策略；第2步通过求解混合Markov决策过程得到各入侵检测系统的最优检测库配置方案。仿真结果表明，本文所提方法能有效地得到协作式入侵检测系统面对不同类型攻击时的最优检测库配置方案。]]></description>
<pubDate>2024/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[石月楼，杨旦杰，冯宇，李永强]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202402008&flag=1]]></guid><cfi:id>90</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于持续强化学习的自动驾驶赛车决策算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[赛道形状与路面材质变化对自动驾驶赛车的行为决策带来了严峻挑战。为应对道路间的动力学差异，本文提出一种基于持续强化学习（CRL）的高速赛车决策算法。该算法将不同道路看作独立任务。算法的第1训练阶段负责提取描述不同任务上赛车动力学的低维特征，从而计算出任务间的相似性关系。算法的第2训练阶段负责为策略学习过程提供2个持续强化学习约束：其一是权重正则化约束，策略网络中对于旧任务重要的权重将在新任务学习期间被限制更新，其限制力度由任务相似性自适应调节；其二是奖励函数约束，鼓励在新任务学习期间策略的旧任务性能不下降。设计不同任务排序下的赛车实验和持续强化学习评价指标以评估算法性能。实验结果表明，所提算法能在既不存储旧任务数据也不扩展策略网络的条件下获得比基准方法更出色的驾驶性能。]]></description>
<pubDate>2024/1/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[牛京玉* **，胡瑜* **，李玮*，韩银和* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401003&flag=1]]></guid><cfi:id>89</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于双通路视觉系统的自适应轮廓检测模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在轮廓检测领域，背景纹理的干扰容易造成轮廓提取不完整。针对这一问题，本文提出了一种基于双通路视觉系统的自适应轮廓检测模型。首先从皮层下通路的信息采集与评估过程出发，对图像整体的显著性进行评估，以此获得轮廓信息的可能性分布；然后采用自适应尺度的高斯导函数对经典视觉通路中感受野的动态特性进行模拟，加强了模型对轮廓细节的捕获；最后在外周抑制算法的基础上，结合像素的空间分布对所有边缘的稀疏性进行度量，更加准确地区分了轮廓和纹理边缘。实验结果表明，本文模型可以有效抑制背景纹理，提升轮廓连续性，具有较好的轮廓检测性能。]]></description>
<pubDate>2024/1/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王宪保，陈斌，项圣，陈德富，姚明海]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401004&flag=1]]></guid><cfi:id>88</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于功耗计数器的处理器功耗实时估算方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有的2类处理器功耗实时估算方法的不足，本文开发了一种基于功耗计数器的处理器功耗实时估算方法。该方法结合了基于性能事件计数器和基于电路信号方法的优点，利用功耗计数器记录与处理器功耗密切相关的电路信号的变化次数，能够以较小的观测粒度实时估算处理器的功耗，并且具有较低的硬件开销。本文在龙芯GS364处理器上实现并评估了该方法。结果表明，使用16个功耗计数器可以在512个时钟周期的粒度内实现0.83%的估算误差，与此同时，它的硬件开销只占处理器总面积的0.063%。]]></description>
<pubDate>2024/1/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[贾凡，章隆兵]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401005&flag=1]]></guid><cfi:id>87</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于软硬件协同的细粒度安全域隔离机制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于内存篡改的攻击能够恶意地修改程序执行环境的关键数据，给程序提供一个安全可信的执行环境是抑制恶意软件的有效手段。本文提出了一种基于软硬件协同的解决方案，能够以函数调用为粒度，为程序执行提供相对隔离的安全执行环境。为了配合软件，在底层提供了2大硬件支撑：load/store指令在访存时都要进行地址检查，同时也设置了访问属性；在硬件页表上增加了函数调用隔离域(CFID)，在TLB转换时进行安全隔离的检查。提供了2种不同场合的数据共享访问策略，在GEM5上实现了原型系统，通过运行安全测试集，能够有效地隔离非安全环境。相比于虚拟机和特权级切换的方法，本文的硬件实现几乎没有切换损耗。在SPEC CPU 2006的测试集中，本文提出的硬件隔离机制总体性能损耗低于3%。]]></description>
<pubDate>2024/1/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李亚伟，章隆兵，王剑]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202401006&flag=1]]></guid><cfi:id>86</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Bi-SCNN：二值随机混合神经网络加速器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[二值神经网络（BNN）具有硬件友好的特性，但为了保证计算精度，在输入层仍需要使用浮点或定点计算，增加了硬件开销。针对该问题，本文将另一种同样具有硬件友好特性的随机计算方法应用于BNN，实现了BNN输入层的高效计算，并设计了二值随机混合计算架构Bi-SCNN。首先，在BNN输入层使用高精度的随机运算单元，实现了与定点计算近似的精度；其次，通过在处理单元（PE）内和PE间2个层次对随机数生成器进行复用，并优化运算单元，有效降低了硬件开销；最后，根据输入数据的特性对权值配置方式进行优化，进而降低了整体计算延迟。相比于现有性能最优的BNN加速器，Bi-SCNN在保证计算精度的前提下，实现了2.4倍的吞吐量、12.6倍的能效比和2.2倍的面积效率提升，分别达到2.2 TOPS、7.3 TOPS·W-1和1.8 TOPS·mm-2。]]></description>
<pubDate>2025/1/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[于启航* **，文渊博*，杜子东* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412003&flag=1]]></guid><cfi:id>85</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于VHIP模型的主动躯干关节四足机器人抗侧向冲击控制策略]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了提高主动躯干四足机器人抗侧向冲击能力，提出一种基于可变高度倒立摆(VHIP)模型的捕获点控制策略。将机器人Trot步态下的侧向运动抽象成VHIP捕获点模型，通过零力矩点(ZMP)判定冲击类型。根据受到冲击后机器人的扰动特性来规划理想的侧向落足点，并利用质心轨迹能量模型规划躯干关节运动。在此基础上，利用中枢模式发生器(CPG)生成关节控制信号，并给出冲击后机器人的偏航姿态调节方法和躯干腿的耦合策略。仿真和实验结果表明，本文控制策略可以减小机身受冲击时的扰动幅度，且与传统捕获点策略相比，本文策略能够缩短机器人侧向瞬时捕获距离并有效抑制机身的偏航。]]></description>
<pubDate>2025/1/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[艾青林，徐坚，宋国正，童行胜]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412004&flag=1]]></guid><cfi:id>84</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[多视角解耦增强整合的细粒度分类算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对细粒度图像分类中由于背景环境、光照条件、样本姿态和拍摄角度等外部因素导致类内差异显著增加的问题，本文提出了多视角解耦增强整合的细粒度分类算法。首先，为了降低图像中外部因素的干扰，设计多视角注意力（MPA）模块，此模块通过将模型分解为数个视角，迫使每个视角关注不同尺度，实现干扰因素的解耦，并通过对特征进行自注意力建模，引导各个视角进一步挖掘关键特征。其次，提出递进式动态加权融合（PDWF）策略，旨在有效整合解耦后的多个视角信息，该策略通过获取不同视角下通道和空间关系动态调整融合系数，实现多尺度信息的高阶融合。最后，采用递进式训练方法促进视角交互，进一步捕获和整合多尺度特征的互补语义信息。在CUB-200-2011、Stanford-Cars、FGVC-Aircraft公开数据集上进行实验，实验结果表明所提方法分类准确率分别达到90.5%、95.5%和94.2%，优于当前细粒度图像分类任务主流方法。]]></description>
<pubDate>2025/1/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孟月波，王博，刘光辉]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412005&flag=1]]></guid><cfi:id>83</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于大数据与区块链的智能平台身份认证技术]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统身份认证系统因集中式管理导致的易受单点故障、隐私泄露和身份盗用等问题，本文提出一种基于大数据与区块链的智能分析平台身份认证技术。首先，构建基于私有区块链的身份认证系统模型，确保身份认证信息分布式存储安全，有效避免单点故障。其次，针对隐私泄露与身份盗用问题，提出基于单向哈希链技术的身份认证算法，通过对访问密钥的密文存储与动态生成，确保身份注册与认证全流程安全并提高处理效率。仿真结果表明，所提身份认证技术可以实现身份信息安全存储，确保身份数据的准确性和一致性，同时提高身份认证效率，在数智化平台身份认证应用中具有重要意义。]]></description>
<pubDate>2025/1/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张朝阳*，王建祥**，侯乃明***，郭靖**，关宇晗**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412006&flag=1]]></guid><cfi:id>82</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于交叉谱方法的三维波束形成声源定位性能研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[近年来声学麦克风阵列及相关的信号处理技术被广泛用于声源定位。其中，基于波束形成的声学成像方法(BBAI)在二维平面阵列上实现了对噪声源的三维成像，并可识别噪声源深度。然而，基于平面麦克风阵列，客观地发现了在阵列深度方向上出现了完全相似的伪声源。此外，基于传统波束形成算法的三维声源成像图中有明显的主瓣宽度大、空间分辨率较低（特别是深度方向上）的问题。本文在基于波束形成的声学成像方法上，分别在BBAI基础上提出了2种结合交叉谱方法（CSM）的波束形成声学成像算法——CSM-B和CSM-EF，并通过三维锥型阵列(CSA)和二维轮辐阵列(SWA)比较了CSM-B和CSM-EF在主瓣宽度和总运行时间上的性能。通过对单极子声源的测试，对3种算法进行了理论评估，并在全消音室中进行了实验评估。结果表明，从阵列角度上看，相较于二维轮辐阵列，三维锥型阵列能有效地减小主瓣宽度，尤其是在特定的声源深度范围内，效果较为明显。此外，从3种算法的角度上看，CSM-EF以牺牲较大的计算时间为代价，有效解决了主瓣宽度大、旁瓣数量多的声源定位问题，提供了最好的三维声源成像图，效果最佳。]]></description>
<pubDate>2025/1/17 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄信圣*，丁浩**，黄琦***，高增梁*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202412007&flag=1]]></guid><cfi:id>81</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[ARM架构下硬件辅助的内存隔离机制综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[内存隔离是一项缓解软件潜在安全危害、提高软件安全性和鲁棒性的重要防御机制。内存隔离机制保护不同组件中的敏感数据，强制敏感数据仅由组件信任的代码访问。虽然软件漏洞无法避免，但内存隔离机制可以在代码存在漏洞时依旧提供有效的敏感数据隔离保护，使得攻击者无法直接窃取或篡改被隔离的数据。出于性能考虑，依靠硬件辅助的内存隔离机制得到了广泛重视，该方向力求在提供有效安全保证的前提下，利用硬件大幅减少内存隔离机制给软件带来的额外开销。因此大量研究都着力于挖掘硬件潜力，从而支持高效、安全和完备的内存隔离机制。本文针对主流架构之一的ARM，系统性地总结了近年ARM架构硬件辅助的内存隔离机制的相关研究，并进一步归纳出它们的研究现状和适用场景。最后，针对现有硬件辅助内存隔离机制面临的安全现状和新场景，展望了该领域未来的发展方向。]]></description>
<pubDate>2024/12/18 14:31:14</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[许佳丽，武成岗，王喆]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411003&flag=1]]></guid><cfi:id>80</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向EOV联盟链的高效隔离性校验方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[Hyperledger Fabric等采用交易预执行(EOV)模型的区块链系统，通常采用多版本并发控制（MVCC）方法校验交易，其基本思想是在提交前校验当前交易的读集合是否已经被跨块和块内的交易修改过，以保证交易隔离性和正确性，然而MVCC常因为并行化低和频繁底层数据库访问成为整个交易周期的性能瓶颈。为解决此问题，本文提出了2种新MVCC算法：C-MVCC和P-MVCC。C-MVCC以内存作为缓存，减少MVCC校验时对底层数据库系统的访问，并且针对跨片校验阶段引入并行化机制；P-MVCC则是在C-MVCC的基础上进一步拆解交易间的依赖关系，同时实现了跨块和块内校验的并行化，从而消除分片场景下过高的跨片校验时延累积。实验结果表明，C-MVCC在一般场景下相较于当前的算法可以带来7.5倍的校验效率提升，而P-MVCC在分片场景中可以带来9.0倍的校验效率提升。]]></description>
<pubDate>2024/12/18 14:31:15</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[薛晗，包云岗]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411004&flag=1]]></guid><cfi:id>79</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于行为特征的网络靶场大规模攻击流量生成方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[网络靶场是进行网络安全研究和攻防对抗演练的重要基础设施，生成攻击流量是网络靶场复杂行为模拟的主要组成内容。现有的攻击流量生成方法存在攻击类型有限、生成速率低下、流量内容单一等问题，难以满足网络靶场的应用需求。针对上述问题，本文提出了一种基于行为特征的网络靶场大规模攻击流量生成方法，根据攻击的动作序列和关键载荷等行为特征构建攻击模型，通过动态填充数据包模板的方式高速生成内容可变的大规模攻击流量。在此基础上，本文实现了攻击流量生成系统FATG。实验结果表明，与现有工具相比，FATG在攻击类型、可扩展性、流量内容灵活性以及生成速率等方面均存在优势，能够有效地模拟漏洞利用、拒绝服务等攻击行为支撑对网络靶场各类靶标设备的安全测试。]]></description>
<pubDate>2024/12/18 14:31:15</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王梦雨* **，朱树永*，张玉军* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411005&flag=1]]></guid><cfi:id>78</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[无人机自组织网络移动性管理仿真与性能评估]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无人机（UAV）网络能够以较低的成本进行动态部署并根据需求提供灵活的覆盖，可以作为地面网络的补充和扩展，提升网络服务性能。然而，无人机的高移动性为网络优化和移动性管理带来了挑战。利用自组织网络（SON）技术，可以满足高动态UAV网络中移动性管理的需要。本文参考3GPP标准和技术规范，构建从自组织网络建立到用户接入、切换全过程的UAV自组织网络仿真平台，并对UAV自组织网络进行移动性管理仿真与性能评估。仿真结果表明，本文所构建的仿真平台能够实现网络的自配置功能，且能够在参数不合理时进行自优化，实现较传统方法更优的网络服务性能。]]></description>
<pubDate>2024/12/18 14:31:15</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孙傲*，杨枫*，吴文君*，孙腾**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411006&flag=1]]></guid><cfi:id>77</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[LightShaper：一个高精度通用流量整形工具]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[模拟流量通常是系统能力与服务质量评估和优化的常见手段，而常用工具往往存在硬件模拟成本高、不灵活、软件模拟流量特征精度差的问题。如何低成本精确再现负载流量特征是一个挑战。为此，本文提出了一种高精度、低成本的方法实现对测试负载的流量特征控制。使用独立的流量特征控制中间件LightShaper对流量负载进行缓冲、汇聚、同步，并使用一种基于占位包填充的软件方法，在标准网卡上实现了高精度的包间隔控制。LightShaper能按需塑造流量负载的速率波形与包间隔分布波形，提供了流量整形、多源同步、延迟变换、流内乱序变换等不同功能，达到接近硬件的包间隔控制精度。在随机包间隔分布测试中，LightShaper在均方误差和KL散度这2个分布拟合度指标上，相比传统基于计时器的软件方法，分别实现了6.67~28.10倍和2.01~18.88倍的提升，便于低成本灵活复现评测负载。]]></description>
<pubDate>2024/12/18 14:31:15</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王浩昆，张文力，张钊，陈明宇]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202411007&flag=1]]></guid><cfi:id>76</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于倒谱特征数据增强的真实场景合成语音检测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有合成语音检测系统在真实场景下性能损失严重。 本文提出了一种基于频域掩蔽的倒谱特征数据增强方法。 该方法对输入信号的线性滤波器组特征(LFBs)进行频域掩蔽,以引入符合真实场景的语音失真;计算掩蔽特征的线性频率倒谱系数(LFCC),以降低特征维度,提升检测性能。 本文利用轻量级卷积神经网络( LCNN)、深度残差网络(ResNet)和一维卷积 Transformer 模型(OCT)建立了 3 种检测系统,用于验证所提方法的有效性。 真实场景数据集上的实验结果表明,所提方法可使不同合成语音检测系统的等错误率(EER)相较无增强的基线降低 6. 39% ~ 25. 95% 。 将所提方法与基于音频编解码的增强技术相结合时,不同系统的 EER 比基线降低 31. 71% ~ 42. 47% ,进一步提升了系统对真实场景的泛化能力,且性能优于现有数据增强方法。]]></description>
<pubDate>2024/11/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[万伊* **，李春国***，杨飞然*，杨军* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410003&flag=1]]></guid><cfi:id>75</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[IR-GCN:二值图卷积神经网络推理加速器]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对图卷积神经网络(GCN)中数据规模庞大、不适合边缘端低功耗处理器高效推理计算的问题,本文提出一种将新型二值数据量化算法(IR-Net)应用于 GCN 模型推理计算的方法,并设计了对应的硬件加速器 IR-GCN。 同时,针对计算过程中工作负载分布不均衡的问题,实现了一种负载均衡模块设计,显著提高了计算效率。 实验结果表明,在较小精度损失范围内,IR-GCN 加速器可以同时降低计算延迟以及访存开销。 与现有性能最优的研究相比,IR-GCN 加速器平均具有 2. 4 倍的计算加速比、7. 9 倍的功耗降低、13. 7倍的芯片面积减少以及 21. 0 倍的访存量降低。]]></description>
<pubDate>2024/11/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[于启航* **，文渊博*，杜子东*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410004&flag=1]]></guid><cfi:id>74</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[深度学习程序内存预测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[深度学习程序在广泛领域取得了巨大成功,然而其内部错误可能导致严重的资源浪费,甚至引发灾难性故障。 本文分析了导致程序在实际运行中出现任务执行失败的典型缺陷及其关键影响因素,提出基于静态分析与自注意力机制网络的深度学习程序内存预测方法,在程序内存估计任务上达到平均 8. 38% 的相对预测误差,可以有效预防内存溢出问题、协助合理优化硬件资源配置。]]></description>
<pubDate>2024/11/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘晨，陆杰，李炼]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410005&flag=1]]></guid><cfi:id>73</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于 SVD-Schmidt 正交化的压缩感知测量矩阵的优化]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[压缩感知(CS)理论中测量矩阵的性能优劣直接影响信号重构性能。 为了优化测量矩阵提高其重构性能,本文提出了一种基于奇异值分解-施密特( SVD-Schmidt)正交化的 CS 测量矩阵优化方法。 首先对测量矩阵进行奇异值分解(SVD)并选择最大的奇异值替换原来的奇异值形成新的矩阵,同时对其进行施密特正交化,对矩阵的列进行单位化,通过行和列不断循环交替自适应迭代优化得到优化后的测量矩阵。 通过一维信号和二维图像的仿真实验验证所提方法的优越性。 一方面,本文方法优化的测量矩阵互相关性明显降低;另一方面,实验仿真结果证明了测量矩阵经过优化之后提高了信号重构性能,本文方法重构性能优于现有的 SVD 法和特征值分解法。]]></description>
<pubDate>2024/11/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王月，覃亚丽]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410006&flag=1]]></guid><cfi:id>72</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[引入词汇信息的中文医学命名识别模型研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[医学领域文本存在大量的专业词汇,相比于通用领域更容易出现分词错误和未登录词的问题,其结果会导致上下文语义缺失,并影响命名实体识别(NER) 的准确率。为了解决上述问题,本文提出了引入词汇信息的基于门控循环单元的中文医学命名实体识别模型 WI-NER。 首先,基于中文医学数据集的特点,描述了中文医学领域的命名实体识别的任务定义、实体位置和实体类别标签,并将模型在嵌入层对匹配专业词的字符进行特征嵌入与向量融合;其次,在上下文编码层添加词汇门控单元,利用循环神经网络的记忆与遗忘机制,自动提取实体识别所需的特征,并通过引入词汇信息和先验知识,实现了中文医学命名实体识别效果的提升;最后,对本模型在 3 个数据集上进行了实验验证,结果表明,本文提出的中文医学命名实体识别模型在准确率方面优于基线模型,达到了预期的医学领域特性。]]></description>
<pubDate>2024/11/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈晶*，孙亚轩** ***，邢珂萱** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410007&flag=1]]></guid><cfi:id>71</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Fokker-Planck 方程的算子分裂算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为减少传统 Runge-Kutta 有限单元法求解福克-普朗克(FP)方程所需的冗长时间,提出一种有限单元法结合算子分裂法的 FP 方程数值求解新方法。 该方法通过对有限元矩阵方程的拆分,得到算子分裂子矩阵组,进而使用具有一阶和二阶精度的算子分裂法对 FP 方程进行数值求解。 针对线性系统和非线性 Duffing 系统进行了 FP 方程数值求解的验证,检验了拆分为对流项和扩散项算子的计算精度和计算时间。 实验结果表明,相对于传统的 Runge-Kutta 求解方法,在相同的数值解精度下,结合算子分裂法的求解时间仅为纯有限单元法的 1% ~ 5% 。 有限单元法结合算子分裂是一种具有较快速计算潜力的 FP 方程数值求解方法。]]></description>
<pubDate>2024/11/20 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[付航宇，韩涛，D. M. McFarland，程相乐，卢奂采]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202410008&flag=1]]></guid><cfi:id>70</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于链分裂的超级账本纵向可扩展方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[以超级账本（hyperledger fabric ，HF）为代表的联盟链技术在区块链应用市场有巨大潜力，能有效推动区块链技术在公共服务及特定领域中的集成应用创新发展。HF通过横向增加多链的方式实现可扩展性，它构造出的扁平的多链结构难以适配应用多级管理组织结构，同时横向的可扩展能力仍显不足且存在资源利用率低的状况。为解决前述问题，本文提出基于链分裂的自适应弹性纵向可扩展方法（chain division based adaptive elastic scalable method towards hyperledger fabric，Daes）。Daes依照有向无环图结构通过链分裂的纵向扩展方法提升HF的可扩展性，提升节点资源利用率，并能够生成灵活适配应用多级管理的多链结构。Daes通过交易机制实现扩展分裂，可以确保分裂过程的时耗可控、交易一致性以及子链策略安全。实验结果表明，较之传统的HF，Daes可以在等量节点资源下提供更高的交易吞吐量，并且纵向扩展机制能够灵活适配应用层级管理需要。在本文的实验环境下，Daes比传统HF可以提升60%~67%的交易吞吐量。]]></description>
<pubDate>2025/10/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡斌*，黄有为**，桑晓龙**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509003&flag=1]]></guid><cfi:id>69</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[轻量化改进型YOLOv8的多类别绝缘子缺陷检测]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为推动输电线路智能化巡检模式，本文针对人机协同巡检模式下的图像差异大及干扰因素多等问题，提出一种轻量化改进型YOLOv8(you only look once version 8)的多类别绝缘子缺陷检测算法。首先在特征提取网络中融合可变形大核注意力的同时进行轻量化，提升网络对不同目标轮廓与尺寸的适用性；其次引入渐进的特征融合策略以改善不同层次特征间的语义差距，提高网络的检测精度；并设计轻量化非对称检测头，进一步减少参数冗余；最后改进边框损失函数有效降低由密集遮挡造成的漏检和误检数量。实验结果表明，本文算法相较于原算法检测精度提升了7.7%，参数量和计算量分别减少了26.4%和30.2%，并在密集、遮挡、多类别目标缺陷检测中的评价指标均领先于当前主流的几类目标检测算法，显著提高了复杂环境下的多类别绝缘子缺陷检测，实现了检测精度和速度的双重提升。]]></description>
<pubDate>2025/10/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[薛阳*，蔡畅*，卢秋红**，徐笑*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509004&flag=1]]></guid><cfi:id>68</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[自动流水设计中的门级依赖分析算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[自动流水设计是一种经典的电子设计自动化（electronic design automation，EDA）技术，在处理器电路设计、高层次综合领域被广泛研究。其核心挑战在于处理“写后读”数据依赖。现有方法中的“写后读”依赖分析基于高层次人工规则，缺乏细粒度门级电路信息，导致设计过于保守，使得自动流水设计的并行效率和面积开销均无法与人类设计相比。本文提出一种数据驱动的门级依赖分析算法，其核心观察是流水设计的“写后读”依赖可以由电路模拟执行得到的输入-输出采样进行更精确的细粒度描述。基于此，算法形式化给出自动流水设计中的功能约束和性能约束，对“写后读”依赖分析问题进行更细粒度的建模，并构建基于二元推测图拓展的机器学习算法进行求解。本文在标准电路数据集上进行实验，结果表明，自动流水设计的并行性能和人类设计相当，综合性能超越了现有的自动流水设计方法，吞吐量平均性能提高19.0%。]]></description>
<pubDate>2025/10/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[承书尧* **，郝一帆*，杜子东*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509005&flag=1]]></guid><cfi:id>67</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于非奇异快速终端滑模的磁控胶囊内窥镜姿态控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对磁控胶囊内窥镜姿态角度跟踪控制中存在的建模误差和外部扰动等不确定信息的问题，本文研究了一种带有扩张状态观测器的非奇异快速终端滑模控制方法。首先，综合考虑磁控胶囊内窥镜的系统结构，建立了简化的胶囊内窥镜动力学模型；其次，将控制过程中的不确定信息视为集总干扰，利用扩张状态观测器对其进行估计；然后，基于估计信息和改进的滑模控制算法，选取带有变系数的双幂次趋近律，构造非奇异快速终端滑模控制器；最后，构建 Lyapunov 函数证明胶囊内窥镜系统的闭环稳定性，并进行对比仿真实验。实验结果表明，本文所设计的控制器能有效提高系统的抗干扰能力和姿态角度追踪精度。]]></description>
<pubDate>2025/10/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[何熊熊，龚明睿，欧县华]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509006&flag=1]]></guid><cfi:id>66</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于列向量稀疏的神经网络剪枝方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[权重剪枝是减少神经网络模型大小和计算成本极为有效的方法。然而，非零权重通常在稀疏网络模型中随机分布，这使得在通用硬件（如图形处理器（graphics processing unit，GPU））上相对于原稠密模型的实现，稀疏模型的实际计算加速变得非常困难。当前有2种加速解决方案：第1种是通过修改硬件结构以支持不规则内存访问，第2种则是使用部分结构化的稀疏模式。然而这2种方法都无法实现实用有效的加速。为了解决该问题，本文提出了一种基于新型OVW（out-vector-wise）稀疏格式的算法-软件协同设计的稀疏卷积。OVW格式将V×1向量视为一个剪枝整体，这种基于列向量完整性的格式可以在卷积至矩阵乘的映射中保留其对内存访问的连续性。为了减少稀疏性引起的网络精度损失，本文提出了一种计算等效的矩阵变换过程，即行通道排列重排序，将权重大小分布相似的行聚集在一起。实验结果表明，在NVIDIA V100上，本文的方法在75%稀疏度下，相对于SOTA(state-of-the-art)解决方案和ResNet50的密集卷积，实现了3.2倍的加速，同时只有微不足道的精度损失。此外，与仅在60%或更高稀疏度的数据上实现加速的SOTA解决方案相比，本文的方法在仅具有10%稀疏度的数据上也开始获得加速。]]></description>
<pubDate>2025/10/28 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谭懿峻* **，杜子东* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202509007&flag=1]]></guid><cfi:id>65</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种软硬件协同的访存踪迹实时分析处理工具]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出一种软硬件协同的访存踪迹实时分析处理工具，通过硬件采集并实时回传访存踪迹、实时分析处理访存踪迹、提取语义信息即时指导访存系统调控，解决了当前基于访存踪迹信息进行访存调控的软硬件系统研究中缺乏有效的实时分析处理手段的问题。该工具通过定制现场可编程门阵列(field programmable gate array，FPGA)采集卡，在双路Intel E5 2680 v4服务器平台中实现同机访存踪迹回传和实时分析处理。基准测试表明该工具的最低传输延迟为1.5μs，能够实时处理DDR4-1600速率下的高带宽访存，在安全监测场景实验中的平均异常检测响应时间为28.0μs，基于该工具的实时远端内存预取方案性能在25.0%和50.0%本地内存负载下分别比Fastswap高24.9%和32.0 %。]]></description>
<pubDate>2025/10/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李作骏，卢天越，朱晨光，陈明宇]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508003&flag=1]]></guid><cfi:id>64</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[微处理器安全推测执行研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[幽灵、熔断等瞬态执行攻击打破了基于微处理器的软件逻辑隔离，给信息系统安全带来了巨大挑战。针对基于软件的防御策略有很高的性能开销且需要升级所有已经存在的软件，学术界提出了很多基于硬件或者软硬件结合的防御策略，但都存在不能覆盖所有已知攻击和高性能开销等问题。本文深入研究瞬态执行攻击，分析总结其行为模式，提出并建立了一种安全推测执行模型，在保留推测执行带来的微处理器性能增益的前提下，消除了其安全隐患。基于安全推测执行模型，设计并实现了一种安全缓存(Cache)，能够抵御基于Cache侧信道的瞬态执行攻击。评估结果表明，安全Cache能够达到安全设计目标。与目前最先进的瞬态执行攻击防御研究GhostMinion相比，安全Cache将安全设计带来的单核性能开销降低了19.18%，多核性能开销基本可以忽略不计。]]></description>
<pubDate>2025/10/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[余发洪* **，唐志敏* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508004&flag=1]]></guid><cfi:id>63</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度图信息增强的以太坊异常检测算法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着区块链技术的普及应用，以太坊已发展成为去中心化交易生态的核心基础设施。与此同时，钓鱼节点的存在导致异常交易行为频发，因此针对以太坊的异常检测问题变得尤为紧迫。但是，以太坊的庞大数据及正、异常样本比例的极不均衡，使得现有方法缺乏足够的可扩展性，检测成本高昂。针对此问题，本文提出了一个基于深度图信息增强策略的自监督对比学习框架（residual graph infomax contrastive learning，ResGI-CL）。首先，利用交易信息构建交易图网络，根据用户自身的资金能力与用户同邻居之间的互动能力提出节点邻居置信度（neighbor confidence，NC）策略，以获取增强子图。然后，对子图数据进行深度增强，生成图信息差异化的正向样本和负向样本。最后，模型引入了残差图神经网络来对比高正负数据差异以实现钓鱼节点检测。实验结果表明，本文的异常检测模型在小样本数据上比多种代表性方法的性能提升了7.4%，模型中提出的子图采样策略对其他方法有普遍的增强效果，同时该模型在均衡数据集上表现出稳定的检测性能，为钓鱼节点检测提供了新的研究思路和理论支持。]]></description>
<pubDate>2025/10/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[俞山青，唐政，彭松涛]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508005&flag=1]]></guid><cfi:id>62</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Transformer的多尺度分组空洞自注意力机制在复杂场景分割方面的研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对基于复杂场景的图像处理所存在的不同分割场景、定位困难、超负荷的计算量等挑战，本文提出了一种基于Transformer的多尺度分组空洞自注意力机制，通过在进行局部的分组层面上以非倍数的形式进行空洞自注意力机制的注意力提取，并避免了棋盘效应；同时使用局部增强位置编码（local-enhanced positional encoding，LePE）进行局部位置编码信息的处理；在局部自注意力之间使用边缘自注意力机制提取，并与组间自注意力机制提取进一步融合，随后使用条件位置编码(conditional positional encodings，CPE)进行全局位置信息的再次整合，以增强对于图像特征提取的准确性。本文所提出的方法分别在图像分类、行人重识别、语义分割数据集上进行了相应的实验。本文所提出的基于Transformer的多尺度分组空洞自注意力机制在图像分类ImageNet数据集、行人重识别Market-1501和MSMT17数据集、语义分割ADE20K和Cityscapes数据集上取得了与当前多数典型架构相当的性能。在多个公共数据集上进行的相关实验，充分验证了本文方法的有效性，并为未来图像处理的技术研究提供了更多思考的前沿方向。]]></description>
<pubDate>2025/10/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[韩昌*，朱祯琳**，柴欣灵**，王润民**，熊正强*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508006&flag=1]]></guid><cfi:id>61</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于动态分布计算资源的昂贵多目标优化算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[代理模型辅助的多目标优化算法广泛用于求解评价昂贵的多目标优化问题，其中，采用样本更新模型是提高算法性能的必要过程。然而，传统方法未对模型的状态进行评估而同时更新所有模型，浪费了大量的计算资源。针对该问题，本文提出基于动态分布计算资源的昂贵多目标优化算法，该算法提出了自适应选择模型更新策略。具体地，依据模型对当前种群估值的不确定度来判断模型的性能，当种群中解不确定度的中值大于均值时，该目标函数模型被选择进行更新；当种群中的解不确定度的中值小于均值时，该模型不被更新。为了验证该策略的有效性，将该策略用于代理模型辅助的自适应贝叶斯优化算法(an adaptive Bayesian approach to surrogate-assisted evolutionary algorithm，ABSAEA)和代理模型辅助的参考向量引导的进化算法(surrogate-assisted reference vector guided evolutionary algorithm，KRVEA)中，并且在DTLZ函数上进行实验。实验结果表明，该算法可以显著降低昂贵多目标优化算法的计算复杂度。]]></description>
<pubDate>2025/10/24 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张晶*，裴东兴** ***，马瑾*，沈大伟** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202508007&flag=1]]></guid><cfi:id>60</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[PPFG:基于查询图划分的并行子图匹配算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着查询复杂度的提升,现有子图匹配算法面临过滤候选集筛选力度不足等问题,严重制约匹配效率。 据此,本文提出了基于查询图划分的并行子图匹配算法(parallel partition filter gather,PPFG)。 首先,提出基于贪心策略的星形划分方法,把查询图划分为若干精简子图并提前实施剪枝处理;其次,提出基于权值和邻居相交的过滤方法,将查询图和数据图的邻居节点信息作为权重来筛选候选集以缩小验证规模;最后,提出基于负载均衡的并行合并方法,依据不同划分子图在同一个节点取值相同和查询图与数据图的点位双射关系将划分结果合并。 实验结果表明,在 Xeon E5-2683v3 服务器上该算法相比过滤-验证算法(label and degree filtering,LDF)在测试数据集上缩小 10% ~ 50% 候选集,最优加速比达到 1. 2 倍,平均查找时间随着查找数目的增加明显下降,相比核心-森林-叶子分层框架(core-forest-leaf,CFL)算法最优可达 18% 以上的速率提升。]]></description>
<pubDate>2025/9/26 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张萍* ** ***，范晓宣* **，曹华伟* **，梁彦* **，安学军* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507003&flag=1]]></guid><cfi:id>59</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于紧耦合内存复制加速器的Java垃圾收集优化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[垃圾收集(garbage collection,GC)是 Java 虚拟机(Java virtual machine,JVM)的重要组成部分,它在确保内存安全性的同时,提高了应用的开发效率。 然而,垃圾收集会导致应用程序吞吐率下降或长时间暂停。 对象移动开销大是影响主流垃圾收集器效率的常见问题,本文提出了一种 Java 垃圾收集优化方法。 此方法采用紧耦合内存复制加速器来加速垃圾收集过程中耗时的对象移动,并将对象复制和遍历任务细粒度并行执行,从而充分发挥将对象复制任务卸载到加速器执行的性能优势。 实验结果表明,此方法能够有效提高垃圾收集效率,减少应用程序暂停时间。 在 DaCapo 和 SPECjvm 2008 基准测试集中,与默认的 G1(garbage-first)垃圾收集器相比,此方法垃圾收集吞吐量分别平均提高8. 59% 和8. 81% , 最高可达 74. 69% 。 此外, 其暂停时间平均分别减少了 5. 08% 和5. 96% ,最多减少了 40. 44% 。]]></description>
<pubDate>2025/9/26 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王雪* **，李文青* **，张福新* **，王剑* **，敖琪***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507004&flag=1]]></guid><cfi:id>58</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向多模型工作负载的弹性计算加速器架构研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对多模型工作负载在深度神经网络(deep neural network,DNN)加速器上部署时服务质量下降的问题,本文提出新的加速器体系结构 EnsBooster,该架构能够为多模型的高效推理提供经济高效的并行执行模式。 首先,设计了弹性脉动阵列,将较大的脉动阵列划分为多个较小的脉动子阵列,以满足多模型并行执行的灵活性和可扩展性需求。其次,提出了时空复用资源分配策略,充分利用时空共享来提高底层计算资源的使用效率。 最后,提出分层调度机制,在粗粒度层面,采用提前退出调度来降低多模型推理的计算负担;在细粒度层面,采用抢占调度机制利用多模型的互补性和数据局部性抢占空闲计算资源,最大限度地提高硬件资源和带宽利用率。 使用一组不同的多模型工作负载基准进行的评估表明,EnsBooster 架构在吞吐量、能耗降低方面有显著提高。]]></description>
<pubDate>2025/9/26 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张军*，王兴宾**，苏玉兰**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507005&flag=1]]></guid><cfi:id>57</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[pBBR:面向应用性能偏好的帕累托最优拥塞控制机制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[作为网络传输控制机制的核心,拥塞控制关注如何在异构网络环境中最优化特定传输性能目标。 已有拥塞控制机制忽略了不同应用的性能偏好在吞吐量-时延两个维度上的帕累托最优前沿(Pareto optimal frontier,POF)分布,难以满足差异化应用的性能需求。 针对上述问题,本文提出了一种面向应用性能偏好的帕累托最优拥塞控制机制 pBBR(Pareto-optimal BBR),结合离线网络场景学习和在线控制参数优化的思想,最大程度满足应用的差异化性能偏好。 实验结果表明,pBBR 能够在一个采集-识别周期内判断出网络场景的切换,从而快速选择当前网络场景的最优控制参数。 每个网络场景下,pBBR 都能够最大化满足不同的应用性能偏好:针对吞吐量敏感业务,pBBR 可以达到 Cubic(吞吐优先)的 97% ,且时延只有 Cubic 的 52% ;针对时延敏感业务,pBBR 的时延可以达到 Sprout (时延优先) 的95% ,同时吞吐量损失只有 1% 。 此外,多参数优化可进一步提升 pBBR 性能,例如在高铁长期演进技术(long term evolution, LTE)通信场景下,单参数 pBBR 的吞吐量、时延分别是 Cubic 的 94%和 99% ,而三参数 pBBR 则分别提升到 Cubic 的 101%和 93% (优于 Cubic)。]]></description>
<pubDate>2025/9/26 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[钟植任* **，潘恒***，武庆华* **，谢高岗** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507006&flag=1]]></guid><cfi:id>56</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合关联语义信息的工程领域标准规范表格检索方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[根据工程标准规范中表格的特点,提出通过构建问句和表格多属性之间的关注联合表示,实现经由问句自动检索其关联表格的方法。 该方法先计算问句关键词与表格标题、表头以及单元内容等属性之间的预关注度,得到问句与表格的关注度向量。 然后,通过双向长短期记忆网络(bidirectional long short term memory network,Bi-LSTM)和多头自注意力机制(multi-headed self-attention,MHA)形成问句与表格的联合向量。 利用关注向量与联合向量的连接构成问句与表格的关注联合表示,并将其作为单层感知机的输入,得到问句与表格之间的相似度。 在公开的中文表格数据集和工程领域的表格数据集上进行实验,结果表明本文方法在检索准确率上具有显著优越性。]]></description>
<pubDate>2025/9/26 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐雪松* **，肖刚**，刘星光***，张侠*，叶江涛**，程振波**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507007&flag=1]]></guid><cfi:id>55</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于ANFIS-MBTI的人格类型指标自动检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[迈尔斯-布里格斯人格类型指标分类(Myers-Briggs type indicator,MBTI)测验被认为是预测人格类型最热门和最可靠的方法之一,但传统的问卷调查或专业人士咨询的检测方式在实施过程中面临着高昂的人力和时间成本以及潜在的隐私泄露风险。 针对这类问题,本文提出一种基于自适应神经模糊推理系统( adaptive-network-based fuzzy inference system,ANFIS)的 MBTI 模型(ANFIS-MBTI)。 该模型将深度神经网络与模糊逻辑推理有机融合,使其能够通过自学习和参数优化策略,灵活适应并精准捕捉社交文本数据中隐含的非线性、模糊和不确定性特征,自动识别出分析社交媒体数据集中的用户行为模式,从而揭示其在信息获取、决策制定及行为方式等方面的心理特质和性格特点。实验结果表明,本文构建的 ANFIS-MBTI 模型能够高效而准确地从社交文本中挖掘出 16种不同的 MBTI 人格类型,其多层级特征融合机制使人格分类任务的自动化程度显著提升;同时通过模糊规则约束有效控制人工干预需求与数据隐私风险,为大规模在线人格分析提供了具有可扩展性的创新技术路径。]]></description>
<pubDate>2025/9/26 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘昱昕，张延华]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202507008&flag=1]]></guid><cfi:id>54</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[远端内存访问性能优化关键技术综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在数据中心，应用对于内存的需求越来越大。一系列提供更大容量但访问延迟也更高的远端内存技术被引入到数据中心中。然而，其较长的访存延迟和高波动性对于传统的处理器体系结构构成了全新的挑战。本文系统性地总结了远端内存对传统处理器设计带来的挑战，并综述了近年来的优化访存延迟的关键技术及其在远端内存应用上的优缺点。本文归纳指出，解决远端内存访存问题需要采用软硬件结合的方案。硬件提供足够的资源维护并发的访存请求，软件辅助参与指令调度；在支持大量并发访存请求的基础上，需要平衡专用性与通用性，尽量不牺牲通用处理器的性能。此外，还需考虑优化分支误预测的处理机制，减少猜测执行失败回滚对系统性能造成的影响。]]></description>
<pubDate>2025/9/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王鹿鸣，卢天越，陈明宇]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506003&flag=1]]></guid><cfi:id>53</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[VS-NRM：基于数据划分的PageRank并行图算法优化]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[PageRank算法是用于评估图中节点重要性的核心算法，应用范围十分广泛，然而PageRank图数据处理算法访存局部性差的问题严重制约算法运行效率。本文提出了顶点排序重映射方法(vertex sort-node ReMap，VS-NRM)：基于图数据划分的PageRank并行图算法优化，通过提高访存局部性优化PageRank算法性能。首先，提出了基于均匀分区的目的-源节点排序数据划分方法，该方法在均匀分区的基础上，把目的节点相同的边划分到同一分区；根据目的节点对每个节点集的传出边进行排序，对于相同目的节点的边集按照源节点进行局部排序，从而提升访存的局部性。其次，提出了基于宽度优先的重编号局部映射数据划分方法，该方法能够有效降低相邻节点编号的跳跃性，减少同一目的节点的多个源节点编号差距太大产生的随机访存。最后，提出了基于幂图性质的高度数节点优先编号数据划分方法，该方法优先给高度数节点编号，提高大量低度数节点编号的顺序性，进一步提高了访存局部性。测试结果显示，该算法优化后比典型图计算算法性能提高20%以上。]]></description>
<pubDate>2025/9/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张萍* ** ***，曹华伟* **，杨莫凡****，梁彦* **，安学军* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506004&flag=1]]></guid><cfi:id>52</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于服务器无感知计算架构的并行计算通信框架]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着云计算技术的发展与成熟，并行计算在云环境中得到了越来越多的实践。服务器无感知计算作为云计算中的一种新型的应用部署与计算方式，允许用户弹性分配资源并实现负载均衡，并提供了更强的可扩展性和更大的灵活性。然而，无状态的特性导致服务器无感知计算框架并不完全适用于传统并行计算，其中通信是一个关键问题。本文提出了一个具有服务质量(quality of service，QoS)保障的通信框架FreeParallel，旨在基于服务器无感知计算中的函数即服务(function as a service，FaaS)平台构建面向并行计算的通信能力。FreeParallel结合了消息传递接口(message passing interface，MPI)并行计算编程模型，有效地保证了通信服务的质量；并采用代理模型来支持并行函数的识别和转换，并以服务形式灵活部署在多个FaaS或虚拟化平台上。此外，本研究还提出了函数间通信流量的QoS管理策略fmClock，在保证传输公平性的前提下，实现基于请求和限制的通信原语级网络资源分配。实验结果表明，点对点通信场景下FreeParallel与虚拟化平台的覆盖网络相比传输性能略有不足，但比当前服务器无感知计算状态共享方案的传输效率有至少89.5%的提升。并且FreeParallel在集合通信场景下表现极佳，比基线方法提升了59.9%~83.1%。同时，带有fmClock策略的FreeParallel能够实现原语级按比例分配策略，避免了不同原语间请求的交叉干扰，案例表明，策略的加入降低了应用25.0%的完成时间。]]></description>
<pubDate>2025/9/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[袁雨馨* **，李庆文* **，史骁*，赵晓芳*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506005&flag=1]]></guid><cfi:id>51</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Graphormer的时空间多源数据微服务故障定位算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[微服务场景下的故障定位对提高数据中心和云计算的效率、保障用户服务质量起着至关重要的作用。但现有的故障定位方法只针对单一类型数据进行分析，难以找到合适的方法对多类型数据进行兼顾。并且基于图数据的算法往往只分析具有直接或间接调用的服务之间的关系，这使得非依赖关系的微服务之间的物理资源竞争问题无法得到很好的解决。为此，本文充分考虑多类型数据分析和资源竞争问题，提出了一种基于Graphormer的多类型时空间数据联合故障诊断的方法GTA(Graphormer-based temporal analysis)。与现有算法相比,本文成功地利用Graphormer对微服务的所有可观测数据进行分析，包括日志、指标和调用链。通过基于调用链依赖信息构建空间矩阵，以及基于微服务的性能指标和日志信息构建时间特征向量，能够同时从空间和时间维度捕捉关键信息。本文通过真实的大型银行系统的微服务系统数据和2个开源仿真平台下的实验结果证明了GTA的高精度性、高效性，GTA在这些数据集上的预测误差相比其他方法至少降低了15%。]]></description>
<pubDate>2025/9/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[任锐* **，王阳*，关洪涛*，谢高岗** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202506006&flag=1]]></guid><cfi:id>50</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于权力信号的跨表格迁移学习方法研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了有效监督和审计政府行使公权力，本文提出了一种基于权力信号的跨表格迁移学习方法，目的是从政务信息系统的表格数据（简称政务表格数据）中自动检测出权力滥用问题。权力信号是公权力行使过程中的关键特征，由关键人、决策、资金、项目和物资5个要素构成。这些权力信号分布在不同的政务表格数据中，政务表格数据结构多样，对权力信号跨表格学习带来挑战。本文设计了一种基于权力信号的跨表格迁移学习框架PowerTab（power tabular transformer），旨在引导模型在政务表格数据上学习通用的权力信号表征，并使用迁移学习将其应用到目标任务的检测模型中。该框架实现了一种在政务表格数据中提取词元级权力特征的方法，使得检测模型具有零样本学习能力。在5个数据集上的实验结果表明本文方法优于基线方法，为政务表格数据的大数据监督提供了一种有效的手段。]]></description>
<pubDate>2025/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张广发* **，陈加乐* **，方金云*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505003&flag=1]]></guid><cfi:id>49</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合自监督学习与主动学习的DNS隧道检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对监督学习方法采集攻击样本困难以及无监督学习方法检测精度不足的问题，提出一种融合自监督学习与主动学习的域名系统(domain name system，DNS) 隧道检测方法。该方法采用异常检测框架，无需获取攻击样本，同时，通过自监督学习引入训练指导过程，通过主动学习引入反馈调节过程，显著提升了检测精度。构建基于Transformer架构的自编码器，通过对正常样本特征进行自监督学习，实现了DNS数据包级别的异常检测。以此为基础，将主动学习方法应用于反馈引导的孤立森林(feedback-guided isolated forest，FBIF)，实现了DNS交互流级别的异常检测，将检出的异常流视为与隧道攻击活动相关。实验结果表明，该检测方法在无需获取攻击样本的前提下，能准确检测出多种类型的隧道攻击，且在资源消耗方面具备高可扩展性。]]></description>
<pubDate>2025/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[熊威* **，关洪涛**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505004&flag=1]]></guid><cfi:id>48</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于GCN-LSTM的多交叉口信号灯控制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[强化学习(reinforcement learning，RL)由于其解决高度动态环境中复杂决策问题的能力，成为信号灯控制中一种具有前景的解决方案。大多数基于强化学习的方法独立生成智能体的动作，它们可能导致交叉口的动作冲突、道路资源浪费。因此，本文提出了基于图卷积网络和长短期记忆（graph convolution network-long short-term memory，GCN-LSTM）的多交叉口信号灯控制方法。首先，基于二进制权重网络对多交叉口进行构图。其次，通过图卷积网络聚合周围交叉口的空间状态信息，利用长短期记忆(long short-term memory，LSTM) 获得交叉口的历史状态信息。最后，通过基于竞争网络框架的Q值网络进行动作的选择，实现对交叉口相位的控制。实验结果表明，与其他强化学习方法相比，本文方法在多交叉口的信号灯控制中能够减少交叉口的队列长度，并使道路网络中的车辆获得更少的等待时间。]]></description>
<pubDate>2025/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐东伟*，朱宏俊**，郭海锋*，周晓刚***，汤立新****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505005&flag=1]]></guid><cfi:id>47</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于前递预取的SoC内存控制器精准仿真方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出一种基于现场可编辑门阵列(field programmable gate array，FPGA)的内存控制器性能精确仿真评估方法，通过高速可扩展接口（advanced extensible interface，AXI）总线前递、访存预取和数据缓存的方式解决了FPGA芯片内外访存时序需求不一致的问题，从而实现了在真实处理器系统应用仿真场景下对内存控制器的精确性能评估。与香山开源第5代精简指令集计算机（reduced instruction set computer-five，RISC-V）处理器雁栖湖架构硅后芯片对比，SPEC CPU2006基准测试程序的执行时间平均偏差为1.29%，最大偏差为3.45%。该方法解决了因为内存控制器模型不准确而导致FPGA片上系统（system of chip，SoC）原型系统中真实应用仿真性能评估与流片后实际性能存在较大偏差的问题，同时无需进行大量修改就能用于任何支持AXI和双倍数据速率物理层接口（DDR PHY interface，DFI）协议的标准内存控制器精确仿真。]]></description>
<pubDate>2025/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李作骏，卢天越，陈明宇]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505006&flag=1]]></guid><cfi:id>46</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[联合图像生成和图像重构的对抗样本检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[对抗样本攻击是识别网络面临的主要安全威胁之一。针对对抗样本检测过程中由分类边界模糊导致识别准确率低及需大量对抗样本参与训练导致模型收敛速率慢等问题，本文提出一种联合图像重构技术和图像生成技术实现的对抗样本检测方法。首先，设计由卷积层和Swin-Transformer联合实现的图像重构网络，还原图像的语义信息并消除对抗性扰动；然后，利用条件生成式对抗网络依据标签信息生成对应类别图像；最后，将重构图像和生成图像送至卷积识别网络，依据分类结果一致性判断是否为对抗样本。该方法将对抗样本检测问题转化为图像分类问题，无需对抗样本参与训练，无需先验地了解攻击者的攻击类型和被攻击模型的结构和参数即可直接检测对抗样本。在VGG-16、ResNet-18、GoogLeNet分类网络和MNIST、GTSRB数据集上的实验结果表明，该检测方法相较于其他经典检测方法，平均识别准确率提升了4.75%~22.86%，F1分数提升了3.40%~13.64%，证明了其优越性。]]></description>
<pubDate>2025/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李宝平，夏瑜昊]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505007&flag=1]]></guid><cfi:id>45</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于联邦学习的多源机会信号融合指纹定位]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[目前基于联邦学习的指纹定位研究主要基于单一信号，未能充分利用空间中广泛存在的无线信号。本文提出了一个基于联邦学习的多源机会信号融合指纹定位系统。首先，设计了一个基于两级注意力机制的深度学习模型融合多种机会信号，包括单个机会信号特征提取和多种机会信号融合，这个模型作为用户本地模型；然后，在模型聚合阶段，考虑到用户之间的数据异质性会降低模型训练性能，提出基于用户本地数据的采样密度和信息熵来确定本地模型在聚合过程中的权重；最后，基于实际采集的数据开展了实验验证，结果表明融合多种机会信号可以有效提高定位精度，并且在用户数据非独立同分布的场景下本文所提出的联邦学习聚合算法优于传统的联邦学习聚合算法。]]></description>
<pubDate>2025/8/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘斌*，黎晨*，史秀纺** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202505008&flag=1]]></guid><cfi:id>44</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[系统级二进制翻译器的并行刷新机制]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[系统级二进制翻译器可以模拟完整的客户机操作系统，从而支持运行各种客户机应用程序。对于一个操作系统来说，进程切换的性能是一个重要指标。然而在翻译器的模拟环境下，客户机进程切换过程更加复杂，面临着更大的开销。本文深入分析了系统级二进制翻译器中客户机进程切换的行为，发现其瓶颈在于翻译器内部软件缓存结构的刷新。为了解决这个问题，本文提出了并行刷新机制，将软件缓存结构的刷新操作从负责模拟客户机处理器运行的线程中分离，避免阻塞客户机处理器的运行。测试结果表明优化后进程切换的效率明显提高，平均达31.30%。此外，刷新操作的分离使得软件缓存结构的容量可以更大，有利于进一步提高性能。SPEC CPU2000测试结果表明，性能提升最高可达38.00%，平均达到15.00%。]]></description>
<pubDate>2025/7/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[牛根，张福新]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504003&flag=1]]></guid><cfi:id>43</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于HQAM和资源映射的UEP方案]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文针对宽带无线通信中视频流的差错保护进行了研究。首先，建立了应用于本文方案的H.264/AVC应用层和IEEE 802.16m物理层跨层系统模型；然后，通过对多天线不等差错保护(unequal error protection，UEP)和单天线分层正交调幅不等差错保护的深入分析，提出了一种在物理层实现对具有不同优先级数据的不同保护级别的资源映射方法，从而实现将多天线的不等差错保护和分层正交调幅(hierarchical quadrature amplitude modulation，HQAM) 单天线的不等差错保护相结合的新的HQAM-多输入多输出(multiple-input multiple-output，MIMO)不等差错保护方案。仿真实验结果表明，本文提出的基于HQAM 和资源映射的MIMO 不等差错保护方案，无论在获得的数据包差错性能和非应答(negative-acknowledgement，NACK)比性能方面，还是在获得的视频峰值信噪比(peak signal-to-noise ratio，PSNR)性能方面都优于传统的多天线的不等差错保护方案和单天线的HQAM 不等差错保护方案。]]></description>
<pubDate>2025/7/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵海军*，陈华月*，崔梦天**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504004&flag=1]]></guid><cfi:id>42</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于标签置信度的弱监督自训练视频异常检测算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在公共安全领域，如何借助视频监控设备实现实时、高效的异常事件检测，已成为一个的重要研究课题。为此，本文提出一种基于隐式类激活特征和标签置信度的弱监督视频异常检测算法。针对正常与异常之间的界限模糊并会随着不同的场景而有所变化的问题，提出使用隐式类激活模块差异化正常和异常的类间特征表达。针对多示例学习框架引入的标签噪声问题，采用基于标签置信度感知的自训练策略，通过计算伪标签的置信度，在模型迭代过程不断提高伪标签的质量。本文算法在ShanghaiTech和UCF-Crime这2个公开数据集上的曲线下面积 (area under curve，AUC) 分别达到97.63%和86.38%。模型在制造业工厂实际场景中进行测试，实验结果表明所提算法能够有效检测视频中的异常事件。]]></description>
<pubDate>2025/7/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵义正]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504005&flag=1]]></guid><cfi:id>41</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[PDM-Shuffle：基于被动分离式内存的数据混洗系统设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[利用存算分离架构，可以将数据混洗的计算和存储过程解耦，从而提高分布式数据处理应用的可扩展性。然而，将混洗数据传输到远端存储节点的过程增加了额外网络开销，存储节点将成为新的通信瓶颈。为应对引入存算分离架构后数据混洗过程面临的新挑战，本文提出一种基于被动分离式内存的数据混洗（passive disaggregated memory-shuffle，PDM-Shuffle）系统，利用新型一致性总线互连协议计算快速链接（compute express link，CXL）直连共享内存设备存储并交换混洗中间数据，避免了数据的硬盘存储及传输控制协议/网际协议（transmission control protocol/Internet protocol，TCP/IP）的传输过程。鉴于内存设备仅支持被动数据写入，本文采用了内存预分区和元数据控制节点分配内存地址等方法来保证同分区数据的预聚合和共享内存的一致性访问管理。实验结果表明，在处理大规模数据集时，与传统的集中式架构相比，PDMShuffle系统可将排序和图计算的综合类应用程序Terasort和PageRank的单个作业完成时间分别减少49%和65%，相对于存算分离架构下已有的优化方案Zeus，分别提升了36%和18%。]]></description>
<pubDate>2025/7/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[程丽云* **，吴婧雅*，卢文岩*，钟浪辉***，鄢贵海*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504006&flag=1]]></guid><cfi:id>40</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向MTC的新型多信道ALOHA随机接入方案]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对机器类通信（machine type communication，MTC）中海量用户接入网络造成的低成功接入概率问题，本文提出了一种面向MTC的新型多信道ALOHA(additive links on-line Hawaii area)随机接入方案。该方案分为导频传输阶段和数据传输阶段：导频传输阶段允许一个信道被多个用户使用，而数据传输阶段根据用户的不同接入时延需求采用不同的数据传输策略，并且采用接入等级限制对数据传输的用户进行拥塞控制，进而提升用户成功接入概率。仿真结果表明，与现有多信道ALOHA随机接入方案相比，该方案能够极大地提升时延敏感用户成功接入概率和总用户成功接入概率。]]></description>
<pubDate>2025/7/3 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[韩会梅，王康琪，卢为党]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202504007&flag=1]]></guid><cfi:id>39</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Web应用访问控制漏洞检测研究进展]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[访问控制机制在维护Web应用安全方面扮演着至关重要的角色。然而，不安全的访问控制机制已经成为威胁Web应用安全的主要风险来源之一。为了保护Web应用安全，及早地检测并报告访问控制漏洞至关重要。为了帮助安全研究者和程序开发者更深入地了解Web应用的访问控制漏洞以及现有工作的研究进展，本文对该领域的相关工作进行了系统总结，概括了访问控制漏洞的基本概念与特征，归纳了检测访问控制漏洞的关键步骤和核心思想。此外，本文进一步针对功能级、对象级和对象属性级3类高危访问控制漏洞，详细分析和讨论了现有工作的漏洞检测能力。最后，对Web应用访问控制漏洞检测技术的发展进行了总结与展望。]]></description>
<pubDate>2025/5/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孟海宁，陆杰，李昊峰，黄永恒，曹立庆，李炼]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503003&flag=1]]></guid><cfi:id>38</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[微处理器性能分析与优化：基于SPEC CPU2017的对比研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[运行标准测试程序是进行微处理器设计空间探索的基本手段。横向对比分析国内外主流处理器在标准测试程序场景下的各项性能指标，有助于识别国产处理器的性能瓶颈，为进一步的性能优化指明方向。本文基于SPEC CPU2017对3款微处理器进行同频性能测试和对比分析，分别是龙芯LA464架构的3A5000微处理器、AMD ZEN1架构的R3-1200以及Intel Skylake架构的i3-9100f。根据测试结果，3A5000定点性能与R3-1200基本相同，比i3-9100f低10%左右；3A5000浮点性能相当于另2款微处理器的70%左右。本文从动态指令数和每周期指令数(instruction per cycle，IPC)2个角度对微处理器进行比较和分析。基于SPEC CPU2017的结果显示，3A5000定点动态指令数和浮点动态指令数分别比另2款微处理器多约10%和25%。在3A5000上使用激进的自动向量化编译优化策略、优化立即数乘法编译效率等手段可以将其性能提升10%左右。3A5000的定点IPC比另外2款微处理器高4%左右，浮点IPC低8%左右。发射宽度、执行单元数量、功能和延迟等微结构参数接近是3款微处理器IPC差别较小的主要原因。]]></description>
<pubDate>2025/5/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[徐晗，郭振江，肖俊华]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503004&flag=1]]></guid><cfi:id>37</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于通用图形处理器的神经网络并行推理加速]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[通用图形处理器(general purpose graphics processing unit，GPGPU)是目前加速人工智能（artificial intelligence，AI）负载最主要的算力来源，其内存带宽和峰值算力随着AI模型的发展而迅速提高。然而，在神经网络的推理过程中，单样本或小批量的推理难以同时充分利用通用图形处理器中不同的计算、存储和访存资源，造成部分资源闲置。对此，本文提出了基于通用图形处理器的神经网络并行推理加速方法，在通用图形处理器上同时推理多个神经网络，通过同时执行互补的神经网络层充分利用通用图形处理器中的各类资源。首先，使用PyTorch中的统一计算设备架构(compute unified device architecture，CUDA)流以及直接在CUDA流中调用CUDA基础线性代数子程序库(CUDA basic linear algebra subprograms，cuBLAS)和CUDA深度神经网络库(CUDA deep neural network library，cuDNN)2种方式，在它们并行加速效果不及预期的情况下，根据性能分析结果确定了NVIDIA通用图形处理器负载调度机制中对多负载并行的限制因素。随后，基于特定的调度机制，提出了更适合多负载并行核函数的设计方法，并实现了主要的神经网络算子，基于此方法在真实的通用图形处理器平台上实现了神经网络并行推理加速。在RTX3080通用图形处理器上的测试结果表明，该神经网络并行推理加速方法对主流神经网络的并行推理达到了平均1.94倍的加速效果，相较于直接调用cuBLAS和cuDNN库平均1.34倍的加速效果提高了45%，不仅验证了在通用图形处理器上实现神经网络并行推理加速的可行性，同时也为其他各类负载在通用图形处理器上的多负载并行加速提供了道路。]]></description>
<pubDate>2025/5/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王重熙，章隆兵]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503005&flag=1]]></guid><cfi:id>36</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于混合注意力和类型感知的方面级情感分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决方面级情感分析（aspect-based sentiment analysis，ABSA）任务中，未充分利用依赖树中的句法信息及语义信息提取不充分等问题，提出了基于混合注意力和类型感知的双图卷积网络模型。首先，设计了混合注意力模块，用于更全面地提取句子的语义信息，该模块采用方面感知注意力机制，学习与方面项相关的局部语义特征，再结合自注意力机制学习句子的全局语义特征。其次，为了更充分地利用依赖树中的句法信息，设计了利用依赖关系类型构建类型感知图模块，并采用注意力机制区分不同依赖类型的重要程度，重构带有权重的类型感知图。最后，通过图神经网络来挖掘更深层次的语义和句法信息。在Restaurant14、Laptop14和Twitter公开数据集上进行实验，实验结果表明，与基准模型相比，本文提出的模型具有更好的分类效果。]]></description>
<pubDate>2025/5/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王红霞，张佳慧，聂振凯]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503006&flag=1]]></guid><cfi:id>35</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于激光雷达的移动小车实时避障算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出了一种适用于移动小车在未知环境下实时避障的方法。首先，采用欧式聚类方法将2D激光雷达点云聚类为不同的簇，通过主成分分析法将每一簇障碍物描述为有向闭环矩形；其次，建立了方位K维(K-dimensional，KD)树，实现障碍物顶点存储和当前避障所需考虑的障碍物顶点的快速查找；进一步，通过几何法获得线性凸的避障速度区域，在该区间设计具有最小改变量的避障速度，并与目标速度矢量合成得到小车的指令跟踪速度。实验结果表明，该算法能够快速实现障碍物建模和所需障碍物点查找；基于几何规划获得的指令跟踪速度有明确的物理意义，在给定场景下规划的路径具有可重复性；同时该算法对传感器的要求低、计算量小，适用于低配置移动小车在动态环境的避障运动控制。]]></description>
<pubDate>2025/5/29 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[马转转，陈丽，梁天]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202503007&flag=1]]></guid><cfi:id>34</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[片间互连总线协议层关键技术研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着以数据分析、网络搜索和虚拟现实为核心的新数据中心和高性能计算应用程序的开发，高性能计算平台上需要传输的数据量不断增加，数据密集型应用对片间数据传输带宽需求的增长从未停止，片间互连总线被视为系统瓶颈的潜在来源。相比于在物理层提高总线传输速率和增加信号数量提升带宽的传统做法，在总线协议层通过结构设计优化提高带宽利用率也是提升总带宽的重要解决思路。相比前者，后者不会引入额外成本开销，并且具有能耗友好的优势。本文在协议层提出了3个关键技术，分别是数据命令分离的片内语义到跨片语义转换方案、基于年龄(Age)策略的仲裁算法和片间数据压缩技术。数据命令分离的语义策略具有很强的跨架构通用性，是仲裁和压缩的前提。片间总线协议层仲裁和压缩技术通过结构的方法大幅提高了总线带宽利用率。在Synopsys Zebu仿真加速平台上的实验结果表明，本文方法的总线架构在关闭和开启数据压缩情形下带宽利用率分别为45.8%和69.7%，达到国际先进水平。]]></description>
<pubDate>2025/4/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[邢世远* ** ****，张见齐***，王焕东***，吴学智* ** ****，吴瑞阳***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502003&flag=1]]></guid><cfi:id>33</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于用户级兼容技术的高效打印机驱动迁移方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[打印机驱动匮乏长期困扰着全球Linux桌面用户。在办公环境中存在大量老旧打印机，这些打印机通常只支持X86 Windows的打印机驱动。然而，国产计算机平台普遍使用Linux操作系统，且存在多种非X86指令集。在信息技术应用创新的背景下，迫切需要解决在国产计算机平台上复用这些老旧打印机的问题。现有方法采用系统级二进制翻译运行Windows操作系统进行打印，存在效率低下且需额外授权的不足。为此，本文提出了一种基于用户级兼容技术的打印机驱动迁移方法，高效地将X86 Windows打印机驱动迁移至国产计算机平台。该方法由操作系统兼容层和用户级二进制翻译两部分组成。操作系统兼容层负责将打印机驱动相关的系统库调用转换成宿主操作系统的调用，用户级二进制翻译负责将X86指令翻译成宿主中央处理器(central processing unit，CPU)的指令。由于无需运行Windows操作系统，本文提出的迁移方法相较于系统级二进制翻译的方法更为高效且无额外授权成本。实验结果表明，采用本方法打印相同内容比系统级二进制翻译方法快10倍左右。该方法已成功应用于搭载了龙芯CPU的国产计算机平台，其可行性和稳定性已得到市场的检验。]]></description>
<pubDate>2025/4/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谢本壹，张福新]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502004&flag=1]]></guid><cfi:id>32</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于扩展的PCANet的有遮挡人脸识别方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对有遮挡人脸识别问题，本文将现有的卷积神经网络（convolutional neural networks，CNN）模型与主成分分析模型(principal component analysis network，PCANet)相结合，提出了扩展的PCANet(extended PCANet，xPCANet)模型。为了有效消除人脸图像中可能包含的遮挡信息造成的影响，通常需要充分利用网络的底层特征并构建尽可能丰富的特征。PCANet的2个不足在于：(1)由于正交性约束，各卷积层的滤波器高度相似，降低了滤波器响应的多样性；(2)在进行模式图编码时，对特征图进行了二值化处理，并采用了跨度较大的编码方式，从而丢弃了过多的信息。为了使PCANet能够更好地适配现有的CNN模型，在PCANet模型中引入了2个稠密连接：(1)在各卷积层之间引入了稠密连接，以充分利用底层卷积层提取的特征，并尽可能降低卷积层之间滤波器的相似性；(2)在PCANet的模式图编码阶段引入了加权稠密编码，以充分利用卷积层输出的特征生成更多的模式图。这2种稠密连接或编码方案都会进一步提升PCANet最终输出的柱状图特征的维度，并生成更为丰富的特征。在受控环境和有真实遮挡的人脸数据集（增强现实（AR）人脸数据集）、非受控环境和有模拟遮挡的数据集（LFW和CFP）、非受控环境和有真实遮挡的数据集（MFR2和PKU-Masked-Face）上的实验结果表明，所提扩展的PCANet模型能够有效处理实物遮挡和因光照引发的遮挡，也可以作为前沿方法的有效补充，提升前沿方法的遮挡鲁棒性。]]></description>
<pubDate>2025/4/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[秦娥*，卢天宇*，李卫锋**，刘银伟*，朱娅妮***，李小薪*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502005&flag=1]]></guid><cfi:id>31</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于数据压缩和异步通信策略的分布式图算法优化研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[图是一种非常重要的数据结构形式，被广泛用于社交网络、交通网络和搜索引擎等领域。随着图数据规模爆发式增长，存储容量受限，分布式图计算成为处理大规模图数据的焦点。宽度优先搜索(breadth first search，BFS)算法是图遍历和许多图分析算法的基础，而在分布式图计算过程中存在严重的通信开销。针对上述问题，本文提出了一种综合的数据压缩编码优化方案，结合位图和变长压缩数组，通过更高的压缩率来降低数据通信开销；此外，还提出了一种点对点异步环形通信策略，进一步降低分布式图计算中计算-通信的同步开销。通过这些优化手段，本文在8节点的分布式集群上对优化后BFS算法的性能进行了系统评估，结果表明，当图数据规模为28时，优化后的BFS算法平均性能为46.79亿条边每秒遍历(giga-traversed edges per second，GTEPS)，性能比优化前提升了接近7.82%。]]></description>
<pubDate>2025/4/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[梁彦，聂娜，曹华伟，马丽娜，叶笑春，范东睿]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502006&flag=1]]></guid><cfi:id>30</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[免疫疗法联合病毒疗法治疗癌症的数学模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[建立了一个包含肿瘤细胞、免疫细胞和溶瘤病毒的数学模型。不考虑治疗，验证了模型的有效性，找到了模型3个符合生物学意义的平衡点，对模型进行了参数敏感性分析。模型中引入了2种治疗方法，分别为细胞免疫治疗和溶瘤病毒治疗（oncolytic virus therapy，OVT）。病毒治疗需要周期性给药，成本较高且有一定危害。免疫治疗可以有效地消除小肿瘤，但对于大肿瘤杀伤作用不明显。本文假设病毒治疗改为单次注射，同时在不同时间使用免疫治疗，并模拟和讨论了不同治疗方案下的肿瘤细胞生长趋势。数值模拟证明了2种治疗单一使用都无法完全消除肿瘤，而联合治疗方法可以完全消除肿瘤，同时证明了合适的注射时间可以达到更好的效果。]]></description>
<pubDate>2025/4/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[曹发坤，张立成，李胜]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502007&flag=1]]></guid><cfi:id>29</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[Lite-IJformer：面向长序列Transformer的轻量化方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对面向长序列的Transformer计算复杂度高的问题，本文提出了一种Transformer轻量化方法Lite-IJformer。其核心思路分为2步：（1）对自注意力(self-attention)进行线性化，将Transformer的计算复杂度从输入序列的平方降至线性；（2）基于低秩矩阵分解理论对KV矩阵乘法进行降维，进一步减少计算规模。在长序列竞技基准测试上的实验表明，当输入长度为1000～2000时，线性化可以将self-attention计算量降低13～26倍，将Transformer的推理速度提升4.75～5.72倍而无精度损失；在经过降维后，self-attention的计算量进一步减少了17.0%，模型推理速度提升了1.17倍，精度损失在0.5%以内。]]></description>
<pubDate>2025/4/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[连家诚* ** ***，郝一帆**，张曦珊** ***，支天**，孙广中*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502008&flag=1]]></guid><cfi:id>28</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于毫米波大规模MIMO的共享型阵列混合波束成形算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502009&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[考虑到毫米波大规模多输入输出（multiple input multiple output，MIMO）系统中传统的全数字波束成形算法能耗较高、成本较大且模拟预编码算法性能较差，提出了一种共享型阵列的混合波束成形算法。首先通过信道矩阵的奇异值分解，提取它们的相位信息作为模拟预编码和模拟合成矩阵，然后将得到的模拟预编码和模拟合成矩阵与信道矩阵一起作为等效信道矩阵，再次进行奇异值分解，即可得到相应的数字预编码矩阵和数字合成矩阵。仿真结果表明，本文所提混合波束成形算法，当射频链路数与数据流数配置相等时，其频谱效率和能效都要明显优于传统的混合波束成形算法，且在工程上易于实现。]]></description>
<pubDate>2025/4/30 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李光远*，付辉*，张凯**，韩芳*，徐顺清***，孟溪****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202502009&flag=1]]></guid><cfi:id>27</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[粒子滤波优化算法及其在路线优化中的应用]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[路线优化即路径规划问题是指在环境信息已知的情况下,找到一条路程最短且避免与障碍物碰撞的有效路线。该问题的求解算法由于环境信息的复杂多变存在很多局限性,目前用于求解路径长度最小化的算法在求解过程中容易陷入局部最优问题,且收敛速度也较慢。针对这类问题,提出了一种基于粒子滤波优化方法的求解思路。 首先,在环境信息已知的情况下,确定了其起点与终点的位置信息,其最优路径就是固定的,可以把求解路径最优问题看成是一个对路径长度的优化问题;然后,利用粒子滤波的方法对其进行最优求解估计;同时,引用蚁群算法的信息素思想进一步改进其优化过程,使优化更快地进行收敛,找到其最优解。仿真实验表明,采用粒子滤波优化方法能够精确找到路径最优路线,并且其收敛速度性能良好。]]></description>
<pubDate>2025/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[黄国兴*，郭靖*，张泓栩*，袁韬雅**，王静文***，卢为党*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501003&flag=1]]></guid><cfi:id>26</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于相关矩阵Toeplitz特性的5G终端基带信道估计算法设计]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[第五代移动通信技术(5th-generation mobile communication technology,5G)网络对高速率、低时延、高可靠性的移动通信处理需求不断增加,对终端基带信道估计算法的高性能和低复杂度设计、矩阵处理动态范围提出挑战。 针对上述问题,本文提出一种基于相关矩阵托普利兹(Toeplitz)特性的信道估计算法。依据信道的相干带宽特性计算信道相关矩阵并保留必要的较低矩阵阶数;基于相关矩阵的 Toeplitz 特性设计低复杂度的递归求逆算法,并针对加权矩阵乘法的元素重复性将矩阵乘法化简为矩阵点乘,简化加权矩阵运算;同时引入跟踪信噪比变化的缩放补偿因子对计算过程和结果分别进行缩放和补偿。 理论分析和仿真结果显示,本文所提算法可在达到优异的信道估计性能条件下,有效降低运算复杂度,并极大降低算法矩阵处理的动态范围。]]></description>
<pubDate>2025/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[冯雪林* ** ***，石晶林* **，戴曼*，刘林*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501004&flag=1]]></guid><cfi:id>25</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[NUMA感知的云平台负载调度系统]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着互联网的高速发展,云计算逐渐走向了云原生时代。在云原生领域中,对容器进行调度与编排的标准系统是 Kubernetes。 Kubernetes 有着开源、可扩展、部署难度低等诸多优点,然而,随着容器化应用的多样化和底层资源的多元化,Kubernetes 在以非统一存储访问(non-uniform memory access,NUMA)资源为代表的细粒度资源调度方面仍然存在不足,集群中计算资源利用率低、使用不均衡、系统关键资源争用等情况常常发生。本文以 Kubernetes 系统为基础,探究以 NUMA 为代表的细粒度资源的优化调度机制,具体研究点如下:(1)建立缓存管理器,对集群中基于容器的典型应用进行性能的建模与特征分析;(2)设计 NUMA 管理器,实现细粒度资源划分;(3)优化面向细粒度资源调度的算法,细粒度分配 NUMA 资源。 通过 NUMA 感知的调度优化,本文所提方案提高了系统的关键资源利用率,提升了应用的运行速度,减少了集群中资源的争用以及资源使用上不均衡的现象。]]></description>
<pubDate>2025/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[娄杰，段宏键，曹华伟，叶笑春]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501005&flag=1]]></guid><cfi:id>24</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多尺度图卷积网络的骨架行为识别方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有基于骨架行为识别的方法缺乏对远距离节点之间关系的建模从而导致识别准确率低和泛化能力差的问题,提出一种基于多尺度图卷积网络(multi-scale graphconvolutional metwork,MS-GCN)的行为识别方法。 首先,通过多跳邻接矩阵实现扩张图卷积的构建,并结合不同跳数的扩张图卷积构建多尺度空间图卷积;其次,提出空间通道注意力(spatial channel attention,SCA)以激发空间敏感通道进一步增强空间特征;最后,采用均匀采样的数据增强方式生成多样化的训练样本,增强模型的鲁棒性和泛化能力。 所提方法在数据集 NTU-RGB + D 60、NTU-RGB + D 120 和 Northwestern-UCLA 上准确率分别达到了 97. 24% (X-View)、90. 43% (X-Set)和 96. 34% ,验证了该方法的有效性。]]></description>
<pubDate>2025/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[安文志，冯宇平，李云文，赵军，董金宇]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501006&flag=1]]></guid><cfi:id>23</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于需求分类的中继卫星系统增量式软件工程方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[中继卫星系统为中低轨航天器、火箭等提供数据中继服务，应用十分广泛。由于所服务的目标技术特点不同，中继卫星系统必须不断开展增量式软件开发以适应这种变化性。增量式软件开发采用瀑布模型，该方法逐步暴露出自动化手段不足、效率低等问题，在长期的实践应用过程中，逐步形成了一种快速高效的软件工程方法来完成增量式开发。该方法以传统瀑布模型为基础，结合中继卫星系统软件增量式开发特点，按照描述方式不同将软件需求进行分类，并根据不同类型的软件需求，定制化开展软件设计、软件更动和软件测试。具体包括：一是针对参数型软件需求，设计了需求形式化方法，实现了从需求描述到软件实现的自动化；二是针对需求分类，定制化构建4类软件更动的方式，提出了软件更动的量化评价方法，降低了软件设计过程对于人员经验的依赖；三是面向不同类型的软件更动，设计了软件更动和软件测试的并行方法，突破了瀑布模型的效能瓶颈。应用数据表明，在中继卫星系统增量式软件开发上，该方法可以大幅提高软件开发效率和软件质量。]]></description>
<pubDate>2025/3/12 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[单长胜*，尹斌*，同兰娟*，郝静**，李婉钰*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202501007&flag=1]]></guid><cfi:id>22</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[海光深度计算处理器上分析模型驱动的矩阵乘性能优化]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出一种国产海光深度计算处理器（deep compute unit，DCU）上基于分析模型的稠密矩阵乘优化方法。高性能的算法实现需要将软件优化精确映射到硬件特性上。在各种不同的中央处理器（central processing unit，CPU）架构上，分析模型已被证明是一种有效的优化方法，可以根据不同的架构参数确定软件参数并获得与专家优化实现相当的性能。国产海光DCU加速器是国产高性能芯片的成功代表之一，对国产芯片自主可控有重要意义。然而DCU加速器上算法优化却缺乏方法指导，面临关键算法参数确定难、性能低、过度依赖经验等问题。本文以矩阵乘法的优化作为研究案例，提出了基于海光DCU架构的矩阵乘分析模型。首先，从硬件和算法2个方面入手，分别对海光DCU的一般架构特征和矩阵乘算法进行建模。在此基础上，本研究从带宽分析、延迟分析和资源分析3个角度建立了矩阵乘法的算法参数选择与底层硬件架构之间的联系，以此快速确定不同类型矩阵乘法在不同架构DCU上的关键算法参数。实验结果表明，根据分析模型推导的算法参数与专家选择的一致，模型驱动优化实现的矩阵乘性能可以达到与专家实现相当的水平。分析模型驱动的矩阵乘性能优化研究不仅可以为国产海光DCU上其他稠密计算优化提供参考，还为隐式优化经验的方法化提供了一种可行思路。]]></description>
<pubDate>2026/1/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[水超洋，谭光明]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512003&flag=1]]></guid><cfi:id>21</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于ARM架构的线性标度三维分块算法优化及性能分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着半导体器件尺寸缩小到纳米级，量子效应对半导体器件模拟的影响显著增强，迫使计算机辅助设计引入电子结构计算。面对大规模电子结构计算在计算复杂度和通信负载上的双重挑战，本文在超级计算机富岳平台上对线性标度三维分块算法(linear scaling three dimensional fragment，LS3DF)进行了算法和系统级优化，显著提升了计算效率和扩展性。算法层面优化包括采用混合精度策略和对全能带共轭梯度算法进行角度优化。在系统方面，提出采用粗粒度并行策略、能带分块策略和三维快速傅立叶变换(fast Fourier transform，FFT)策略。上述优化措施使得计算效率提高4.61倍，并且大规模测试中在2 560个节点上计算效率达到93.69%。此外，从研究中抽象出了一套性能模型，其估计时间与实际运行时间的误差小于5.00%。]]></description>
<pubDate>2026/1/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[严昱瑾* **，谭光明* **，贾伟乐* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512004&flag=1]]></guid><cfi:id>20</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[混合量化下大规模多输入多输出的非正交多址接入系统性能研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无人机(unmanned air vehicle，UAV)可以作为无线通信系统的放大转发(amplify and forward，AF)中继。为提高无人机辅助中继的通信系统性能，本文考虑了一种配备混合精度模数转换器(analog-to-digital converters，ADCs)的全双工(full duplex，FD)大规模多输入多输出(multiple-input multiple-output，MIMO)的非正交多址接入(non-orthogonal multiple access，NOMA)传输方案，该方案中无人机在悬停状态下为地面用户提供服务。本文采用了最大比合并/最大比传输（maximum ratio combining/maximum ratio transmission，MRC/MRT）方案，并考虑非完美串行干扰消除(successive interference cancellation，SIC)等非理想条件的影响，以系统的频谱效率(spectral efficiency，SE)和能量效率(energy efficiency，EE)为指标对系统性能进行研究和分析。仿真结果表明，系统的性能与中继天线数、用户发射功率、量化比特数等参数有关，同时也证明了混合精度量化系统的优势。]]></description>
<pubDate>2026/1/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈慧，李金文，姜乐华]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512005&flag=1]]></guid><cfi:id>19</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[地震数据驱动的城市出行智能评估模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[城市出行强度是衡量人类活动的重要指标，为预测趋势并理解人类活动对环境和社会的影响提供了关键参考。然而，受限于出行数据的全面性、准确性和隐私保护，量化城市出行强度面临巨大挑战。本研究提出了一种创新方法，利用连续地震数据来量化城市出行强度，从而有效解决了大规模数据收集和隐私问题。我们构建了结合梯度提升树和长短期记忆（long short-term memory,LSTM）网络的机器学习框架，以应对地震数据的复杂性和多样性，提取与出行强度相关的特征。研究结果表明，模型在湖北省、河北省和山西省的训练精度表现优异，并在其他8个城市中展现出良好的泛化性能。模型预测的出行强度变化准确反映了COVID-19疫情期间不同阶段的出行模式变化。本研究提供了一种客观、低成本且保护隐私的城市出行强度评估方法，为可持续的城市规划和政策制定提供了科学依据。]]></description>
<pubDate>2026/1/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[郭凯* **，黎建辉* ***，师亮*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512006&flag=1]]></guid><cfi:id>18</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于传统体系结构的CDN内容分发服务性能分析]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着移动互联网和物联网的快速发展，越来越多的终端设备接入网络边缘节点，数据量呈现爆炸式增长，其中流媒体数据占比超80%。网络边缘设备需要从数据中心请求数据，导致主干网络流量压力剧增，进而导致数据传输延迟增加，用户服务质量难以得到有效保障。内容分发网络(content distribution networks，CDN)是缓解主干网络压力、提高服务质量的有效手段。CDN将一定区域内用户经常访问的数据缓存在靠近用户的网络边缘节点，从而减少网络带宽压力，降低数据传输时延，提高服务质量。然而，网络数据内容分发，尤其是流媒体处理，对服务器体系结构性能和功耗有着非常严格的要求，而且网络数据内容分发应用具有不同于传统高性能应用的特征。因此，如何设计高能效CDN服务器体系结构成为亟需解决的问题。基于此，本文对CDN应用在传统服务器体系结构上的性能进行全面的测试，包括应用类型、中央处理器(central processing unit，CPU)利用率、分支预测失误率、缓存(Cache)失效率、网络带宽、时延以及片外存储性能等；基于测试结果，分析了CDN应用对体系结构不同于传统高性能计算应用的需求；基于分析结果，对面向CDN应用的体系结构给出了相应的设计建议和优化方向。本文的研究结果对面向未来高能效的CDN服务器体系结构设计具有一定的借鉴意义和实用价值。]]></description>
<pubDate>2026/1/22 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[马丽娜* ** ***，张承龙*，曹华伟*，梁彦* **，叶笑春*，范东睿* ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202512007&flag=1]]></guid><cfi:id>17</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于昇腾处理器的小样本声呐图像分割方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[声呐设备是目前常用的水下探测设备，针对声呐图像数据涉及敏感信息、获取困难、样本少导致需要大规模数据集训练的传统神经网络性能欠缺的问题，本文提出了元学习融合局部参数冻结机制和注意力机制的声呐图像小样本分割模型MAUNet(Meta-attention-Unet)。该模型通过引入注意力机制增强模型提取关键信息的能力;引入元学习模块快速适应分割任务，在元学习模块中通过局部参数冻结机制达到对目标域任务的适应能力。实验结果表明，在公开声呐数据集上，平均交并比(mean intersection over union，mIoU)达到了67.2%，优于现有的主流小样本分割模型。将算法移植到昇腾处理器后，在杭州千岛湖进行测试达到了6.2Hz的准实时性，并对算法在不同硬件平台的性能作了对比实验，形成了完整的数据采集和实时图像分割系统。]]></description>
<pubDate>2025/12/25 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵冬冬*，王宇行*，陈朋*，李亦然*，郭新新**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511003&flag=1]]></guid><cfi:id>16</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[生成式对话的差异感知对比学习方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[对比学习作为一种有效的微调方法得到了广泛应用，然而，其中的数据增强技术仍面临一些挑战。由于自然语言的离散性，传统数据增强方法可能引起语义的显著变化；同时，模型可能对表面特征过度敏感，而忽略关键的语义差异。为应对这些问题，本文提出了一种差异感知的对比学习方法。该方法通过等价对比增强使模型能够对语义等价的增强数据保持不敏感，同时使用非等价差异判别器来捕获增强样本中的语义变化，进而让模型对潜在的非等价增强数据保持敏感。在2个开放域对话数据集上的实验结果表明，采用本文方法进行微调的模型与之前微调方法的基线模型相比在量化评估和人工测评上性能均取得了显著提升。同时本文进行了消融实验，实验结果验证了本文方法中不同模块的有效性。]]></description>
<pubDate>2025/12/25 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[王成瑞* **，陈宏申***，蔡恒毅***，李天浩***，徐夙龙***，赵晓芳* ****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511004&flag=1]]></guid><cfi:id>15</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[深度神经网络驱动的第一性原理精度分子动力学的研究进展]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[神经网络力场（neural network force fields，NNFF）成为了分子动力学（molecular dynamics，MD）模拟的新范式，本文根据神经网络力场描述符的固定与否，将神经网络力场模型分为描述符固定的神经网络力场和描述符可学习的神经网络力场，并挑选出一些有代表性的模型进行介绍。本文挑选两体高斯基组和深度势能模型这2个有代表性的方法，分别分析了其设计原则，同时探讨不同类型的神经网络力场的特点，并在4个真实数据集上进行测试，对不同类型神经网络力场模型进行比较。]]></description>
<pubDate>2025/12/25 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[胡思宇* **，李继梅*，贾伟乐* **，谭光明* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511005&flag=1]]></guid><cfi:id>14</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[博弈论视角下无人机通信网络中资源管理优化研究综述]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着无人机(unmanned aerial vehicle，UAV)通信网络在民用和军用领域应用的不断扩大，高效、可靠、低时延的无人机通信网络资源管理变得至关重要。本文从博弈论的视角综合分析了无人机通信网络中的资源管理优化问题，包括空域、通信资源、能源和计算资源等关键资源的管理挑战。探讨了博弈论在无人机资源管理优化中的应用，涉及潜在博弈、演化博弈、联盟博弈、斯塔克伯格博弈及图博弈等多种博弈论模型，并通过案例研究展示了这些理论模型在频谱与信道带宽优化、计算卸载优化、路径规划与避免冲突以及合作任务与效用优化等方面的应用。此外，还探讨了博弈论与强化学习的有效结合，以及多个博弈论模型的集成应用，为未来无人机通信网络资源管理优化的研究提供了新的视角和方法。]]></description>
<pubDate>2025/12/25 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[左怀宇，张二青，唐宇龙，董武]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511006&flag=1]]></guid><cfi:id>13</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于GOQPSO-Swin Transformer的画作风格分类模型研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[智能、快速、精准的画作风格分类技术对推动艺术教育、艺术鉴赏、绘画创作和文化遗产保护等领域的智能化发展具有重要意义。卷积神经网络（convolutional neural network，CNN）作为当前画作风格分类的主流算法，在计算原理上的不足严重影响分类性能。计算机视觉领域表现优异的Swin Transformer在画作风格分类任务中展现了新的潜力，但其性能高度依赖于超参数设定。因此，本文以广义反向量子粒子群算法（generalized opposition quantum-behaved particle swarm optimization，GOQPSO）优化Swin Transformer，构建了GOQPSO-Swin Transformer画作风格分类模型。实验结果表明，该方法具备优异的参数优化能力，能够自动发现并利用有效的非常规超参数组合，在参数优化阶段取得了85.63%的适应度，并在画作风格数据集上最终取得了87.81%的首位准确率，与对比模型相比，各项指标提升了1.42%~13.93%。实验结果证明较主流CNN算法，Swin Transformer在画作风格分类任务中更具优势；同时证明本文所构建的GOQPSO-Swin Transformer模型能够充分挖掘模型在画作风格分类任务中的潜力，为该任务提供了新的智能技术路径。]]></description>
<pubDate>2025/12/25 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[蒋语昕*，陈玲洁*，郭晨阳**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202511007&flag=1]]></guid><cfi:id>12</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于重用的作业合并执行优化技术]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着大数据分析和云计算的兴起，大规模作业服务在分布式集群中运行时通常具有频繁的作业重复。为了降低海量大规模数据处理应用中数据重用和计算重用导致的作业延迟和内存占用，如何有效搜索和重用不同目标层次的计算重叠是处理重复性作业面临的难题，对此本文提出了一种基于重用的作业合并执行系统MergeLap。MergeLap采用作业结构签名机制和基于成本模型的公共子结构选择策略来快速识别和搜索极大公共子结构(common substracture，CS)；利用子结构缓存的链式缓存结构，可以对中间结果进行压缩缓存，以便快速索引并降低内存消耗。实验结果表明，本文方法能够有效减少批量作业的执行时间，提升内存的使用效率；性能上与原生SparkSQL相比，MergeLap能够对多工作负载中批量作业最高减少46.5%的运行时间和60.7%的缓存占用。]]></description>
<pubDate>2025/11/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[张进东* **，谭光明*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510003&flag=1]]></guid><cfi:id>11</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进横向轨迹规划的禁飞区规避方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对高速高机动飞行器飞行过程中的禁飞区规避问题，提出一种新的飞行器横向制导算法，利用改进的扰动流体(interfered fluid dynamic system，IFDS)算法求取期望航向角，在飞行过程中实时更新航向角误差范围走廊，利用倾侧角反转逻辑控制飞行器横向运动，同时利用禁飞区绕飞判断准则和禁飞区威胁度排序两种策略提升禁飞区的规避效果。仿真实验证明该算法在复杂过程约束和终端约束条件下具有较好的禁飞区规避能力。]]></description>
<pubDate>2025/11/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[赵本东*，林蒙**，邵铭禄**，李明杰*，赖剑奇*，王梽人*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510004&flag=1]]></guid><cfi:id>10</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[GCANet：面向视觉物联网的标签文本检测方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对复杂环境下含标签货物实时记录困难的问题，提出一种面向视觉物联网（visual Internet of Things，VIoT）的文本检测方法。在视觉物联网中设计并引入基于全局上下文注意力和坐标注意力的文本检测网络（text detection network based on global context attention and coordinate attention，GCANet），首先提出一种改进型坐标注意力模块，通过水平和垂直2个并行的一维池化操作，避免了因二维全局池化造成的位置信息丢失；然后引入全局上下文注意力模块，避免在复杂的背景对文本检测的影响，并防止密集或较远间隔的文本被错误地检测。该系统中提出的GCANet在公共数据集ICDAR2015、MSRA-TD500和Total-Text上的综合指标F值分别达到87.4%、86.9%和86.3%。在工业标签数据集Label-Text上平均准确率、平均召回率和平均F值分别达到93.4%、90.9%和92.1%。此外，GCANet在矿井下的标签数据集Mine-Text上准确率、召回率和F值分别达到94.4%、84.9%和89.9%。实验结果表明，本文提出的面向视觉物联网的文本检测方法效果优异。]]></description>
<pubDate>2025/11/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[孔二伟*，窦泽亚**，张亚邦*，贾运红***，王满利**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510005&flag=1]]></guid><cfi:id>9</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合情感簇的混合神经网络短文本情感分类模型]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对文本分类的深度学习主流模型中存在的特征提取不全面、位置结构信息缺失等问题，提出一种融合情感簇的混合神经网络短文本情感分类模型（sentiment clustering and fusion of multiple neural networks，SCMN）。该方法首先通过双向变换器模型(bidirectional encoder representations from Transformers，BERT)预训练模型生成词向量，并进行情感簇聚类和情感权重增强；然后使用带有注意力机制的双向长短期记忆网络（bidirectional long short term memory，BiLSTM），捕获文本的上下文特征；再通过胶囊网络(capsual network，CapsNet)提取带有句子结构信息的局部语义特征并完成分类。基于公开数据集和自爬取数据集，将本文模型与深度学习主流分类模型进行对比实验及不同组件的消融实验。实验结果表明，相较于其他方法，本文模型精确率实现了平均5.5%的增长，证实了不同组件能为模型带来有效增益，提升文本情感分类效果。]]></description>
<pubDate>2025/11/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[谢修娟*，刘雪娟**]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510006&flag=1]]></guid><cfi:id>8</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[多能互补交直流混合微电网多模式自主协同控制策略研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对交直流微电网中多种能源间的协同控制能力和利用效率较差这一问题，本文考虑将冰蓄冷系统集成到交直流混合微电网中，并提出了一种基于双向接口变流器的多能互补交直流混合微电网多模式自主协同控制策略。分析了系统运行在以下几种情况时所提策略的准确性：（1）在储能期内，冰蓄冷系统和储能系统可根据其额定容量吸收能量。（2）在能量释放期，冰蓄冷系统首先投入运行，其余冷负荷和电力负荷由储能系统根据其额定容量比共享。（3）在发生故障时，系统能迅速回到稳定状态。在PSCAD/EMTDC中进行仿真分析，验证了所提策略的有效性。]]></description>
<pubDate>2025/11/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[朱嘉炜，周丹]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510007&flag=1]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[无人机影像Robert特征增强拼接算法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对无人机影像拼接单应性误差积累和建筑物错位重影问题，提出一种Robert特征增强KAZE（kernel-based accelerated feature extraction）拼接算法。该算法在影像拼接前实施梯度运算，将检测边缘与原始影像灰度图进行叠加，以图像信息熵为指标筛选梯度计算最优方法。特征增强预处理后，对左右图像实施仿射透视平移双变换后再进行拼合。对拼接图像实施渐进渐出融合处理，实现像素自然过渡和匀光匀色处理。实验结果表明，Harris、SIFT(scale-invariant feature transform)、SURF(speeded up robust features)、shi-Tomasi和KAZE这5种特征检测方法中，KAZE、SIFT和SURF算法具有相似的检测精度，然而在特征匹配方面，KAZE特征点对正确匹配率明显大于SIFT和SURF，具有较高的普适性和鲁棒性。Robert增强KAZE算法解决了建筑物拼接错位重影问题，降低了单应性误差积累，保持了图像的平均梯度，适用于大场景无人机影像连续性拼接。]]></description>
<pubDate>2025/11/21 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[刘艳，武广臣]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202510008&flag=1]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于编译的Linux内核地址空间布局控制方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着即时返回导向编程攻击（just-in-time return-oriented programming，JIT-ROP）等控制流劫持攻击技术的出现，内核地址空间布局随机化（kernel address space layout randomization，KASLR）面临严峻挑战，正朝着细粒度和持续化的方向发展。现有方法普遍基于源码修改或二进制重写，效率低且不够灵活。为了解决这一问题，本文设计了一种基于编译的地址空间布局控制方法（compile-based address space layout control，CAC）。CAC为目标文件的函数引入固定入口，通过编译生成能够支撑函数粒度持续随机化的目标文件，具备自动化和灵活控制的特征。实验结果表明，CAC可以正常编译和装载1700余个内核模块；与现有方法相比，不仅单个模块的目标文件生成效率更高，而且CAC所生成的目标文件在运行时的随机化开销降低了至少15.0%。]]></description>
<pubDate>2026/3/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[李润宽* ** ***，胡斌* ** ***，赵晓芳* *** ****，史骁* ***** ******，蒋德钧* ** ***]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601003&flag=1]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Q空间轨迹成像具有半正定约束的扩散偏度成像]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[Q空间轨迹成像（Q-space trajectory imaging，QTI）旨在通过扩散张量分布（diffusion tensor distribution，DTD）模型对微观组织结构进行探索，从而提高微环境中组织结构的区分度。在这项工作中，考虑到被测信号的不规则性，单靠低阶项拟合会丢弃较多的有用信息，为丰富结构信息并提高指标精确性，引入了具有更高阶数的偏度张量。针对拓展后的模型，为保证结果的合理性，提出了扩散张量、协方差张量和偏度张量应满足的3个约束条件，并证明其必要性。为便于约束条件加入到计算中，使用半正定规划（semidefinite programming，SDP）对问题进行求解。此外，本文还引入一个滤波函数，对微观组织结构进行表征。最后，在预处理后的数据集中加入高斯噪声，研究噪声对所提方法的影响。通过对约束条件必要性的讨论可以发现，若不对模型执行严格非负性，最终得到的结果会出现较大的误差，从而影响组织结构的分析。相应地，本文对高斯噪声可能带来的影响进行了测试，从实验结果可以看出，噪声的出现会给结果带来一定的误差，且误差不可以忽略。]]></description>
<pubDate>2026/3/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[陈赞，滕召翼，冯远静]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601004&flag=1]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[处理器硅前性能评估仿真点全局贪心分配方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[仿真点(simulation point，SimPoint)作为一种代表性采样技术被广泛应用于处理器硅前性能评估中。SimPoint为每个待评估的程序根据贝叶斯信息准则确定仿真点数目。然而，标准测试集内不同程序有着不同的行为复杂程度，需要不同数目的仿真点来准确刻画其程序行为。SimPoint无法识别出不同程序间的复杂度差异，无法做到在总仿真点数目一定的情况下，将更多的仿真点分配给行为复杂的程序以降低这些程序的性能评估误差，将更少的仿真点分配给行为简单的程序而不损失这些程序的性能评估精度。由于没有在测试集内合理地进行仿真点分配，SimPoint虽然可以给出比较准确的平均性能评估误差，但是某些行为复杂的测试子项的性能评估误差依然较大。针对这一问题，本文优化了SimPoint的仿真点局部分配方式，提出了一种全局贪心分配方法——贪心点(greedy point，GreedyPoint)方法。该方法将仿真点的分配问题抽象为含约束的优化问题，使用微架构无关特征计算表征误差，通过全局贪心算法来求解该优化问题。实验数据表明，在相同仿真开销下，与SimPoint相比，GreedyPoint可以将SPEC CPU 2017测试套件的平均性能评估误差由3.23%降低到2.08%，最大性能评估误差由21.22%大幅降低至7.01%。]]></description>
<pubDate>2026/3/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[韩晨吉* **，薛峰* **，吴钰轩***，汪文祥***，张福新*]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601005&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于应用程序接口依赖关系图路径搜索的工作流生成方法]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[工作流编程日益成为重要的软件开发模式，智能辅助工作流生成服务能够显著提升用户开发效率。然而，现有的工作流平台仅提供基本的辅助功能，如候选节点推荐或边连接的限制。尽管大语言模型驱动的智能编程服务在代码生成上取得了显著进展，但在工作流生成中仍然面临诸多挑战。本文分析了大语言模型在工作流生成过程中常见的幻觉问题，并提出了一种基于应用程序接口（application programming interface，API）依赖关系图路径搜索的工作流生成方法。通过引导模型沿API依赖关系图搜索生成路径，限制其输出解码空间，有效缓解了模型幻觉现象。此外，本文引入多种路径搜索策略，包括出边路径搜索和入边路径搜索，为工作流生成提供了全新的思维链方法。实验结果表明，本文方法在工作流生成质量上优于先前的思维链技术，并显著降低了模型幻觉率。]]></description>
<pubDate>2026/3/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[梁冬* **，史骁* ****，吕存驰* **，赵晓芳* ** *** *****]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601006&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向边缘异构算力的高通量视频分析优化研究]]></title>
<link><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[大数据时代，视频数据占据了数据流量的82%以上，是名副其实的大数据。如何快速有效地从视频数据中获取价值信息以支持视频驱动的信息服务系统具有十分重要的价值。为了提高视频数据的并发处理能力、降低带宽成本，当前视频分析系统通常部署在靠近数据源头的边缘计算中心，依靠集成异构硬件的边缘计算处理方式来提高处理效果，但相关工作未能充分发挥异构加速芯片的能力。本文针对上述问题，提出了面向异构硬件加速设备的高通量视频分析方法。通过采用解码优化策略和多发射异步执行策略，该方法能够充分利用异构芯片资源，实现了单芯片解码速度提升1.49倍，推理速度提升1.44倍。此外，本文提出的优化策略确保了良好的线性扩展性。在一个由12颗解码芯片和18颗推理芯片组成的有限算力的边缘异构平台上，分别实现了17.71倍解码加速、25.52倍推理加速以及33.22倍的视频内容分析全流程加速效果。]]></description>
<pubDate>2026/3/18 0:00:00</pubDate>
<category><![CDATA[计算机与通信技术]]></category>
<author><![CDATA[马丽娜* ** ***，严龙*，曹华伟*，梁彦* **，叶笑春*，范东睿* **]]></author>
<guid><![CDATA[http://www.hitech863.com/gjstxcn/ch/reader/view_abstract.aspx?file_no=202601007&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>