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

    基于预训练和多模态融合的假新闻检测

    周昊玮刘勇玄萍
    289-295页
    查看更多>>摘要：现有的多模态检测模型通常对每个模态的特征进行简单拼接，不能对模态之间的相关性进行有效建模，而且很难迁移到标签稀少的领域。提出一种基于预训练和多模态融合的假新闻检测模型PMFD。提取新闻附带图像不同区域的特征作为图像原始向量，合并图像原始向量作为图像引导向量，设计早期融合、中期融合、后期融合3种不同的多模态融合方式。在早期融合阶段，通过图像引导向量初始化文本特征提取器，获取文本原始向量，合并文本原始向量作为文本引导向量。在中期融合阶段，使用模态的原始向量集合与其他模态的引导向量构造模态的特征表示。在后期融合阶段，融合不同模态的特征表示，构造新闻的特征表示。为提高模型的泛化能力，在标签丰富的数据上对PMFD进行预训练，然后再在标签稀少的数据上对PMFD进行微调。在公开数据集上的实验结果表明，PMFD能有效检测假新闻结果，相对传统模型CNN、LSTM、BERT等有 10%以上的提升，相对EANN、M_model多模态假新闻检测模型有2%～3%的提升。

    假新闻检测预训练多模态融合引导向量跨模态共享特征阶段融合

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于多模态学习的乳腺癌生存预测研究

    曹广硕黄瑞章陈艳平秦永彬...
    296-305页
    查看更多>>摘要：乳腺癌是最常见的癌症之一，基于患者的基因组学数据进行预后5年生存预测是乳腺癌研究中的常见任务。针对乳腺癌患者基因组学数据中存在嘈杂性、异质性、序列长以及正负样本不平衡等问题，提出基于多模态学习的乳腺癌预后5年生存预测模型MLBSP。利用单模态模块提取基因表达数据、基因突变累积数、单核苷酸变异以及基因拷贝数变异数4种模态数据的有效信息。在此基础上，为了减少单一模态数据异质性对全局特征造成的影响，将深度可分离卷积和多头自注意力机制作为多模态模块架构对数据进行特征融合，捕获患者多模态基因组数据的全局信息，并使用Focal Loss解决正负样本不平衡的问题，以指导预后 5年生存预测。实验结果表明，MLBSP模型在乳腺癌患者真实数据集BRCA Cell、METABRIC、PanCancer Altas上的AUC分别达到 91。18%、71。49%、77。37%，与XGBoost、随机森林等主流癌症生存预测方法相比，平均提升了17。69%、6。51%、10。24%。此外，通过通路分析发现一些生物标志物 SLC8A3、TP 53等，进一步验证多模态研究的新颖性和有效性。

    乳腺癌基因组学深度学习深度可分离卷积多头自注意力多模态学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    面向借贷案件的相似案例匹配模型

    曹发鑫孙媛媛王治政潘丁豪...
    306-312页
    查看更多>>摘要：相似案例匹配任务是文本匹配在司法领域的具体应用之一，目的在于区分法律文书是否相似，对类案检索具有重要意义。与传统文本匹配任务相比，法律文本通常篇幅较长，同时相似案例匹配是针对相同案由案件的匹配，案情文本之间的差异较小，以往的文本匹配方法很难计算文本相似度。针对借贷案件文本匹配存在的问题，建立一种融合借贷案件关键要素的相似案例匹配模型。为了获取文本中更丰富的语义特征，构建正则表达式获得借贷案件的特定案件要素，如借款交付形式、借款人基本属性等，并与原有的案情文本相结合，联合学习法律文本与案件关键要素的语义特征。同时，利用共享权重的预训练模型分别对不同的文书进行编码，并且对预训练模型特定编码层的输出进行融合，得到更加丰富的语义信息。引入有监督对比学习框架，更好地利用样本信息，进一步提高相似案例匹配的性能。在CAIL2019-SCM数据集上的实验结果表明，与LFESM模型相比，该模型在测试集上的准确率提高了1。05个百分点。

    相似案例匹配孪生网络对比学习预训练模型法律关键要素

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于优势后见经验回放的强化学习导航方法

    王少桐况立群韩慧妍熊风光...
    313-319页
    查看更多>>摘要：目前强化学习在移动机器人领域表现出了强大的潜力，将强化学习算法与机器人导航相结合，不需要依赖先验知识就可以实现移动机器人的自主导航，但是在机器人强化学习过程中存在样本利用率低且泛化能力不强的问题。针对上述问题，在D3QN算法的基础上提出优势后见经验回放算法用于经验样本的回放。首先计算轨迹样本中轨迹点的优势函数值，选择优势函数最大值的点作为目标点，然后对轨迹样本进行重新标记，将新旧轨迹样本一同放入经验池中增加经验样本的多样性，使智能体利用失败的经验样本学习，更高效地实现到目标点的导航。为评估该方法的有效性，基于Gazebo平台搭建不同的实验环境，并采用TurtleBot3机器人在仿真环境下进行导航训练与迁移测试，结果表明，该算法在训练环境下导航成功率高于当前主流算法，在迁移测试环境中导航成功率可达86。33%，能够有效提高导航样本利用率，降低导航策略学习难度，增强移动机器人在不同环境中的自主导航能力和迁移泛化能力。

    强化学习移动机器人后见经验回放神经网络样本利用率

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    非结构化网格下海洋流场的特征提取与种子点选取算法

    李忠伟宫凯旋李永刘格格...
    320-328页
    查看更多>>摘要：对于非结构化网格流场数据，现有研究存在不能定位流场中临界点的具体位置、无法对临界点精细分类以及缺乏适用于非结构化网格的种子点选取算法等问题。针对上述问题，基于非结构化网格流场数据，分别在临界点提取和种子点选取方法上进行改进创新。提出非结构化网格中临界点的定位及分类方法，通过庞加莱指数法判断存在临界点的三角网格。构造质心迭代法定位临界点在网格中的准确位置，并设计三角网格内雅克比矩阵的构造方法，将临界点精细分类。基于非结构化网格提出基于最大得分和网格密度的种子点选取算法，先比较相邻格点的标量值大小来计算每个格点的得分，形成"最大得分"标量场，再按照网格密度动态设置阈值，将得分大于阈值的格点选为种子点，接着以种子点为起始点生成流线，生成的流线可以表达出流场的关键特征与全局信息。基于多个海域流场数据的实验结果表明，临界点分类的准确率可达99%以上，证明了临界点提取算法的准确性以及种子点选取算法对提升流场可视化效果的有效性。

    非结构化三角网格临界点提取种子点选取最大得分流场可视化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    融合多层感知注意力的电极微观图像分割方法

    徐威付晓薇李曦汪尧坤...
    329-338页
    查看更多>>摘要：针对氮氧传感器电极微观图像存在的物质边缘模糊、伪影、灰度不均等问题，将U-Net作为基础模型，提出融合多层感知注意力的电极微观图像语义分割方法。首先对U-Net编码层的不同尺度输出特征图使用3×3卷积进行降维，利用双线性插值统一特征尺度，以实现多尺度特征融合，增强特征信息提取能力并补偿编码下采样中的特征损失;其次通过加入空间金字塔池化来提取多尺度信息并通过1×1卷积减小计算量，同时提出多层感知注意力模块，以捕获主干特征图和增强语义信息特征图的空间位置与通道依赖关系;最后计算不同语义信息特征图的相似度关系，结合交叉熵损失提出具有捕获空间相似性能力的损失函数，在训练过程中对关键信息进行监督，辅助主干特征图学习空间位置信息，增强分割性能。实验结果表明，该方法的类别平均像素准确率为96。75%，平均交并比为94。04%，微观F1分数为96。92%，浮点运算次数为7。78×109，网络所含参数量为8。08×106。相对U-Net、SegNet等模型，该方法在提高少量模型复杂度的情况下，能有效改善边缘模糊及物质伪影问题，捕获空间位置与通道信息，保留图像细节特征，提高分割准确率。

    电极微观图像氮氧传感器语义分割感知注意力

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于多邻域感知的石油数据资产图谱实体对齐

    王志宝江树涛李菲高俊涛...
    339-347页
    查看更多>>摘要：实体对齐在自动融合多源异构的石油领域数据资产知识图谱过程中起着至关重要的作用。目前主流基于图神经网络的实体对齐模型多关注实体和图结构的信息，忽略了实体之间的关系、属性与属性值等多邻域的语义信息，在命名规则差异性大、行业特殊、语义实体多的石油领域数据资产知识图谱融合过程中性能一般。提出一种基于图注意力网络改进的多邻域感知网络(MNAN)模型，用于实体对齐。使用基于BERT的多语言预训练模型得到实体及多邻域的初始特征，通过带有Highway Networks的图卷积神经网络聚合邻域实体与图结构特征，利用多邻域感知和实体增强注意力网络聚合实体的多邻域特征，使用最小化基于边际的损失函数训练模型。在石油领域数据资产知识图谱数据集中的2个知识图谱上进行实体对齐实验，实验结果表明，MNAN模型优于所有对比的基于图神经网络实体对齐模型，Hits@1值达86。7%，优于表现最好的对比模型约2。3个百分点。

    实体对齐多邻域感知图注意力网络石油领域数据资产知识图谱

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于各向异性注意力的双分支血管分割模型

    徐晓峰黄韫栀徐军
    348-356页
    查看更多>>摘要：血管分割对于血管疾病的诊断和治疗具有重要意义，但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大，因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性注意力的新型三维血管分割网络CAU-Net。针对血管分割的难点，对基础网络结构ResU-Net进行改进，构建各向异性注意力模块，该模块根据管腔结构特有的空间各向异性，从3个方向提取血管空间各向异性特征，并对特征通道间的相关性进行建模，学习血管的三维空间信息。采用主-辅双分支模型，b-Net对血管进行语义分割，a-Net学习血管中心线的连续性特征，约束b-Net的血管分割结果，保证血管分割结果的完整性。在公开数据集 3D-IRCADb-01上的实验结果表明，对于门静脉及肝静脉的分割，CAU-Net分别取得(74。80±8。05)%和(76。14±6。89)%的Dice系数、(54。80±8。09)%和(50。40±5。22)%的NSD系数、(72。43±8。26)%和(70。84±6。05)%的clDice系数、(46。47±12。89)%和(39。19±7。97)%的分支检测率以及(67。08±15。59)%和(61。47±9。32)%的树长检测率。在公开脑血管数据集IXI上进行组件消融实验，模型在验证集上的平均Dice、NSD、clDice、BD和TD分别为(94。11±0。39)%、(96。53±0。37)%、(95。83±0。59)%、(98。64±1。63)%和(95。44±1。22)%，相比于 Baseline分别提升了 0。92%、0。82%、0。92%、1。11%和1。60%。CAU-Net血管分割模型能够显著提升血管分割的精度和完整度。

    血管分割中心线约束各向异性注意力机制双分支模型

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    投稿须知

    《计算机工程》编辑部
    封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据