首页期刊导航|计算机工程
期刊信息/Journal information
计算机工程
华东计算技术研究所　上海市计算机学会
计算机工程

华东计算技术研究所　上海市计算机学会

游小明

月刊

1000-3428

hdsce@sohu265359.sohuvip.net

021-54972331

200233

上海市桂林路418号

计算机工程/Journal Computer EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中国电子科技集团公司第三十二研究所（华东计算技术研究所）主办的学术性刊物，是上海市计算机学会会刊。主要特点：以最快的速度、科学求实的精神，精选刊登代表计算机行业前沿科研、技术、工程方面的高、精、尖优秀论文。贯彻党的“双百”方针，繁荣科技创作，促进国内外学术交流，探讨和传播计算机科学的理论和实践，加速和促进我国计算机事业的发展。
正式出版
收录年代

    GPGPU和CUDA统一内存研究现状综述

    庞文豪王嘉伦翁楚良
    1-15页
    查看更多>>摘要：在大数据背景下，随着科学计算、人工智能等领域的快速发展，各领域对硬件的算力要求越来越高。图形处理器(GPU)特殊的硬件架构，使其适合进行高并行度的计算，并且近年来GPU与人工智能、科学计算等领域互相发展促进，使GPU功能细化，逐渐发展出了成熟的通用图形处理器(GPGPU)，目前GPGPU已成为中央处理器(CPU)最重要的协处理器之一。然而，GPU硬件配置在出厂后不容易更改且显存容量有限，在处理大数据集时显存容量不足的缺点对计算性能造成较大的影响。统一计算设备架构(CUDA)6。0推出了统一内存，使GPGPU和CPU可以共享虚拟内存空间，以此来简化异构编程和扩展GPGPU可访问的内存空间。统一内存为GPGPU处理大数据集提供了一项可行的解决方案，在一定程度上缓解了 GPU显存容量较小的问题，但是统一内存的使用也带来了一些性能问题，如何在统一内存中做好内存管理成为性能提升的关键。本研究对CUDA统一内存的发展和应用进行综述，包括CUDA统一内存的特性、发展、优势和局限性以及在人工智能、大数据处理系统等领域的应用和未来的发展前景，为未来使用和优化CUDA统一内存的研究工作提供有价值的参考。

    通用图形处理器统一内存显存超额订阅数据管理异构系统

      原文链接:
    • 万方数据
    • 维普

    目标检测中注意力机制综述

    任书玉汪晓丁林晖
    16-32页
    查看更多>>摘要：Transformer在自然语言处理中表现出优越的性能激励了研究人员开始探索其在计算机视觉任务中的应用。基于Transformer的目标检测模型DETR将目标检测视为一个集合预测问题，引入Transformer模型来解决目标检测任务，从而避免了传统方法中的提案生成和后处理步骤。最初的DETR在训练收敛和小物体检测方面存在速度慢、效率低的问题。为了解决这些问题，研究人员进行了多方面改进，提升了 DETR的性能。对DETR的基本模块和增强模块进行深入研究，包括对主干结构的修改、查询设计策略和注意力机制的改进，同时对各种检测器进行比较分析，评估它们的性能和网络架构，探讨了 DETR在计算机视觉任务中的潜力和应用前景以及目前存在的局限性和面临的挑战，并对相关模型进行分析与总结。根据目标检测发展的现状，分析注意力模型的优势与局限性，并对注意力模型在目标检测领域的研究方向加以展望。

    注意力机制计算机视觉深度学习DETR模型目标检测

      原文链接:
    • 万方数据
    • 维普

    深度学习技术在指纹识别中的应用

    李硕赵朝阳屈音璇罗亚平...
    33-47页
    查看更多>>摘要：指纹识别是应用最早、使用最成熟的一项生物特征识别技术，在民用领域的门禁考勤、移动支付以及刑侦领域检视嫌疑人线索等方面均有着广泛的应用。近年来，深度学习技术给计算机视觉以及生物特征领域带来了深刻变革，也给指纹研究人员提供了一种自动处理以及应用融合特征有效表示指纹的新方法，在指纹识别的各个阶段均有着优异的效果。概述指纹识别的发展历史与应用背景，阐述指纹识别图像预处理、特征提取以及指纹匹配3个阶段的主要处理流程，分别对深度学习技术在不同阶段的应用现状进行归纳和总结，比较不同深度神经网络在图像分割、图像增强、方向场估计、细节特征提取以及指纹匹配等具体环节的应用效果。最后，分析当前指纹识别领域存在的一些问题与挑战，并对构建公开指纹数据集、进行多尺度指纹特征提取以及训练端到端指纹识别模型等未来的发展方向进行展望。

    指纹识别深度学习卷积神经网络指纹自动识别系统指纹检验

      原文链接:
    • 万方数据
    • 维普

    早期工作阶段滚动轴承剩余寿命预测算法

    郝金骁王龑郭倩宇张文强...
    48-58页
    查看更多>>摘要：传统寿命预测算法在包含退化阶段数据的滚动轴承寿命预测方面已取得不错的效果，但是由于刚运行和运行一段时间数据相似，因此在只有正常工作阶段数据的情况下难以准确预测。储备池计算(RC)可根据之前时刻数据预测多个时间步长之后的数据，通过数据模拟补充退化数据，提高了将早期预测转化为传统预测的可能性。回声状态网络(ESN)可在充分利用时序信息的基础上输出当前时刻的相关维度。针对早期阶段轴承寿命预测，提出一个基于RC和ESN的递归可重构神经(RRN)网络的算法。首先设计一个基于RC的特征模拟网络，根据早期特征模拟包含退化数据的全寿命周期数据;然后提出一个基于ESN的寿命预测网络，根据输入的模拟特征输出剩余寿命。在PHM 2012数据集上验证了该算法的有效性，实验结果表明，与目前效果较好的算法相比，该算法在原测试数据实验与早期阶段剩余寿命预测的实验平均误差分别降低了 61。35％和53。14％，具有较优的预测性能。

    早期剩余寿命预测滚动轴承数据模拟储备池计算回声状态网络递归可重构神经网络

      原文链接:
    • 万方数据
    • 维普

    基于对抗学习和引导机制的视盘和视杯联合分割

    马晓月陈媛媛
    59-69页
    查看更多>>摘要：准确的视盘(OD)和视杯(OC)分割能够有效地辅助青光眼的诊断和监测，从而进一步提高治疗效果。然而，现有方法没有考虑到眼底图像不同通道之间的差异，并且难以实现对OC边界的精确分割。针对这个问题，提出一种基于对抗学习和引导机制的网络框架ALG-Net，旨在提高OD和OC的分割性能。ALG-Net由分割网络和鉴别器两部分组成。在分割网络中，构建引导融合模块(GFM)，该模块将单通道特征信息与RGB图像特征融合，使网络充分学习眼底图像不同通道之间的差异信息，引导分割网络聚焦于关键区域。ALG-Net网络框架还采用了鉴别器，通过对抗学习的方式促进分割网络生成更真实的分割结果。在REFUGE和Drishti-GS数据集上进行广泛的实验评估，实验结果表明，ALG-Net在RUFUGE数据集上OD和OC分割的平衡精度分别达到了98。6％和95。9％，在Drishti-GS数据集上也表现出优异的性能。此外，ALG-Net的分割结果应用于青光眼分类任务，在RUFUGE数据集上ROC曲线下面积(AUC)为0。983，相较于经典UNet算法提高了 0。015，为青光眼的早期诊断和监测提供了有力的支持。

    青光眼诊断视盘分割视杯分割UNet模型注意力机制引导机制对抗学习

      原文链接:
    • 万方数据
    • 维普

    面向数据差量压缩的高效压缩率估计方法

    邹翔宇魏灿夏文李诗逸...
    70-82页
    查看更多>>摘要：差量压缩不仅会消除数据中相同的数据块，还会消除数据中相似数据块之间的重复部分，因此可以实现比数据去重更高的数据压缩率。目前它已经被应用于许多商业产品中。然而，进一步挖掘数据的可压缩性会额外引入大量的开销，包括从存储设备中读取相似的数据块以获知它们的重复部分，这使得差量压缩的速度通常只有数据去重的1/7。但是如此大的开销不能保证总是可以得到更好的压缩率，因为并不是所有的数据都有足够的可压缩性可供挖掘。因此，当考虑在存储系统中使用差量压缩时，需要迅速了解当前的数据是否值得进行差量压缩。提出差量压缩估计框架EDCR，它通过数据块的相似特征值来快速判断它们之间的可压缩性，从而对数据进行差量压缩的价值做出快速而准确的判断。另外，该框架引入采样和补偿方案，进一步提升了压缩率估计的效率和准确性。最终，在多个真实数据集上的测试表明，EDCR的估计错误率可以控制在1。5％以下。同时，相对于实际的差量压缩框架，EDCR估计框架在固态硬盘(SSD)上的运行速度快18～24倍，在机械磁盘(HDD)上的运行速度快16～146倍。

    差量压缩压缩率估计相似性特征采样估计修正

      原文链接:
    • 万方数据
    • 维普

    基于增强记忆网络的会话推荐算法

    魏星孙浩曹健祝晓斌...
    83-89页
    查看更多>>摘要：作为协助用户从海量数据中找到匹配兴趣和需求内容的关键，会话推荐系统的目标是基于匿名会话预测用户的下一个行为。目前常见的推荐算法对于用户整体兴趣表示不足，而且很少考虑物品间的位置关系。提出一种基于增强记忆网络的会话推荐模型SR-MAN，旨在分析全局用户兴趣表征和物品顺序问题。首先，在物品嵌入向量生成时引入位置编码，凸显不同位置对序列的影响，再借助神经图灵机存储近期会话信息，并设计注意力网络学习长期偏好，结合用户末次点击作为当前兴趣偏好。最后，通过整合长期与当前偏好进行预测，推荐用户感兴趣的项目。在算法训练的过程中，使用贝叶斯个性化排序(BPR)来估计模型参数，并在3个数据集上的实验验证了所提方法的有效性。

    会话推荐记忆网络位置编码注意力网络兴趣提取

      原文链接:
    • 万方数据
    • 维普

    用于方面情感三元组抽取的双向级联网络

    郑阿勇顾幸生
    90-98页
    查看更多>>摘要：方面情感三元组抽取(ASTE)是基于方面的情感分析子任务之一，其目标是从给定文本序列中抽取所有提及的方面及其对应的观点、观点表达的情感倾向，构成三元组。基于跨度级交互和端到端两个前提，提出双向级联网络。在编码块里应用条件层归一化让方面跨度和观点跨度的特征进行深层交互，实现两者间的级联;在"方面到观点"和"观点到方面"两个方向上进行三元组抽取，并设计解码策略聚合两个方向上的结果;为缓解类别不平衡问题，在多标签交叉熵损失中加入稀疏因子来提高训练环节对稀疏正类的惩罚力度;为缓解曝光偏差问题，设计跨度漂移和输出采样两种策略来构造负样本加入训练。在ASTE-Data-V2-EMNLP2020数据集上进行实验，结果表明，所提模型在4个子数据集14LAP、14RES、15RES、16RES上较SBN-ASTE模型的F1值分别提高0。91、0。17、2。0、1。56 个百分点。

    深层交互双向级联双向聚合曝光偏差类别不平衡

      原文链接:
    • 万方数据
    • 维普

    基于二次分解和IDBO-DABiLSTM的短期风电功率预测模型

    卢苡锋王霄
    99-109页
    查看更多>>摘要：为提高风电功率预测精度，针对风电的强波动性和高随机性，提出一种基于二次分解和改进蜣螂优化算法(IDBO)-双重注意力双向长短期记忆(DABiLSTM)网络的风电功率预测模型。首先，采用自适应噪声的完全集合经验模态分解(CEEMDAN)和小波包分解(WPD)构成一种二次分解方法对历史风电功率和风速数据进行分解，降低初始序列的随机性和非平稳性。其次，在BiLSTM网络的基础上，加入特征和时间注意力机制，建立DABiLSTM模型，充分挖掘特征间的关联性和时间序列间的长时间依赖性。最后，采用黄金正弦算法来优化滚球蜣螂的位置，从而增强算法在局部和全局的探索能力，同时引入动态权重系数改进偷窃蜣螂的位置，以平衡算法在全局和局部的探索能力，提出IDBO，并用其优化DABiLSTM网络的超参数，防止网络陷入局部最优解。采用贵州某风电场实际数据对所提模型进行实验，结果表明该方法能有效提升模型的预测能力，所提出的模型的均方根误差(RMSE)和平均绝对误差(MAE)在单步预测下分别为0。044 9和0。031 2 MW，与其他模型相比，分别平均降低了 36。9％和31。7％，表现出较好的预测精度和鲁棒性。

    风电功率预测二次分解双向长短期记忆网络改进蜣螂优化算法注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于BERT-HAN增强人机对话的计算思维评估模型

    詹泽慧钟煊妍邹萱萱骆丽霞...
    110-123页
    查看更多>>摘要：思维过程的精准量化和思维品质的高效诊断是思维型教学智能化开展的难题。现有的思维分析方法普遍存在静态局限性，割裂了事理逻辑和动态情境对思维的影响。人机对话作为思维外显和评估的重要载体，为计算思维自动化评估提供了潜在可能。为提高人机对话环境下计算思维水平预测的准确性和可解释性，构建基于BERT-异质图注意力网络(HAN)的计算思维自动化评估模型。采集人机对话过程中所获取的时序性文本作为学习者计算思维的外部表征，通过BERT-HAN模型从人机对话文本数据中提取句子级语义特征表示，将这些特征作为异质图的节点特征输入到HAN中。模型耦合了基于余弦相似度的句子语义特征和基于关系词列表的元路径嵌入，进一步提取语句之间的语义关系。在此过程中，通过注意力机制生成学习节点间的关系权重，形成具有丰富语义信息的事理图谱。事理图谱的构建不仅考虑语句之间的直接关系，还可以基于多头注意力机制灵活捕捉并处理异质图中不同关系类型的特征。最终，根据这些特征，利用Softmax分类器进行计算思维水平的识别和预测，以实现自动化评估。实验结果表明，该模型的预测准确率为0。869，召回率为1，AUC值为0。998，相较于BERT、TextCNN、LSTM-HAN等模型具有更好的性能。

    人机对话事理图谱计算思维文本分析异质图注意力网络

      原文链接:
    • 万方数据
    • 维普