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

    面向边缘智能的神经网络模型生成与部署研究

    谭郁松李恬张钰森
    1-12页
    查看更多>>摘要：随着移动计算、第五代移动通信技术(5G)以及物联网(IoT)技术的不断演进，各类终端设备的数量呈现指数级增长。这种激增的终端设备连接到网络产生了巨大的数据流，对于需要实时处理和快速响应用户任务的需求提出了新的挑战。尤其是在这些海量数据中，半结构化和非结构化数据所占比例较大，这使得神经网络因其独特的优势而得到了广泛应用。为了提高数据处理能力和推理精度，神经网络模型会被设计得非常复杂，其存储和运行均需要消耗大量的计算资源。然而，边缘设备通常只配置有限的计算资源，无法满足存储和运行复杂神经网络模型的需求，需要借助云计算中心来完成这些任务。这种云协同会引发响应延时和增加网络带宽消耗，并带来用户隐私数据泄露等潜在风险。为了解决这些问题，提出一种面向边缘智能的神经网络模型快速生成与自动化部署(NGD)方法，根据边缘设备的硬件配置和承载的具体计算任务需求，生成与其匹配的神经网络模型，并将其快速部署在目标设备上，实现设备本地推理。在3种典型的硬件平台上的神经网络模型生成与部署实验结果表明，NGD方法能够高效地为资源受限的边缘设备生成匹配的神经网络模型，并快速地将其部署在设备上进行推理任务。

    边缘智能设备端推理模型生成自动化部署边缘设备

      原文链接:
    • 万方数据
    • 维普

    基于字形特征的血管外科命名实体识别

    张华青夏张涛陆晓庆童基均...
    13-21页
    查看更多>>摘要：电子病历(EMR)作为医疗信息化建设的核心，蕴含着众多有价值的医疗实体，对电子病历进行命名实体识别有助于推进医学研究。为解决血管外科电子病历研究数据匮乏、实体复杂识别困难等问题，基于某三甲医院血管外科的真实临床数据，构建一个小规模的专科数据集作为实验数据集，并提出一种基于字形特征的命名实体识别模型。首先，采用掩码校正的来自Transformer的双向编码器表示(MacBERT)生成动态字向量，引入汉字四角码与汉字五笔两个维度的字形信息;然后，将文本表示传入双向门控循环单元(BiGRU)与门控空洞卷积神经网络(DGCNN)进行特征提取，并对输出结果进行拼接;最后，通过多头自注意力机制捕捉序列内部元素间的关系，利用条件随机场(CRF)进行标签解码。实验结果表明，所提模型在自建血管外科数据集上的精确率、召回率、F1值分别为96。45％、97。77％、97。10％，均优于对比模型，具有更好的实体识别性能。

    电子病历血管外科命名实体识别特征融合深度学习

      原文链接:
    • 万方数据
    • 维普

    面向废旧电缆检测的轻量化网络模型

    饶日昕王怡文曾砺志童心恬...
    22-30页
    查看更多>>摘要：目前我国废旧电缆回收主要依靠人工分拣，存在耗时耗力、准确性低的问题。为了更好地将模型部署至小型化硬件设备并提高检测实时性，提出基于改进YOLOv5s的废旧电缆检测网络模型。首先，将主干网络中的标准卷积模块替换为轻量化的幻象(Ghost)模块以减小网络的复杂度，并且在快速空间金字塔池化(SPPF)模块前引入卷积块注意力模块(CBAM)，提高了特征提取和融合的效率。其次，将网络中Neck部分的C3模块结合有效通道注意力模块(ECA)，实现了跨通道的信息交互，提高了网络特征融合能力。最后，在损失函数的计算部分使用Wise-交并比(WIoU)作为新的边界框损失函数以提升回归效果，加快模型的收敛速度。实验结果表明:改进模型的平均检测精度为96。3％，相比单点多框检测器(SSD)提高了 1。2个百分点;参数量为5。15 × 106，相比YOLOv5s模型减少了 27。0％;在小型嵌入式设备LubanCat-1上的推理速度达到8。49帧/s，具有良好的实时性，适用于废旧电缆的实时检测与分类。

    废旧电缆检测YOLOv5s模型轻量化注意力机制嵌入式设备

      原文链接:
    • 万方数据
    • 维普

    基于知识图谱增强的领域多模态实体识别

    李华昱张智康闫阳岳阳...
    31-39页
    查看更多>>摘要：针对特定领域中文命名实体识别存在的局限性，提出一种利用学科图谱和图像提高实体识别准确率的模型，旨在利用领域图谱和图像提高计算机学科领域短文本中实体识别的准确率。使用基于BERT-BiLSTM-Attention的模型提取文本特征，使用ResNet152提取图像特征，并使用分词工具获得句子中的名词实体。通过BERT将名词实体与图谱节点进行特征嵌入，利用余弦相似度查找句子中的分词在学科图谱中最相似的节点，保留到该节点距离为1的邻居节点，生成最佳匹配子图，作为句子的语义补充。使用多层感知机(MLP)将文本、图像和子图3种特征映射到同一空间，并通过独特的门控机制实现文本和图像的细粒度跨模态特征融合。最后，通过交叉注意力机制将多模态特征与子图特征进行融合，输入解码器进行实体标记。在Twitter2015、Twitter2017和自建计算机学科数据集上同基线模型进行实验比较，结果显示，所提方法在领域数据集上的精确率、召回率和F1值分别可达88。56％、87。47％和88。01％，与最优基线模型相比，F1值提高了 1。36个百分点，表明利用领域知识图谱能有效提升实体识别效果。

    命名实体识别多模态领域知识图谱跨模态特征融合注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于卷积神经网络的隐匿性旁路预测模型

    王蕾党时鹏潘丰
    40-49页
    查看更多>>摘要：隐匿性旁路(CAP)是一种引起心跳突然加速、心悸和胸闷的心脏疾病。针对目前临床医师尚无法通过窦性心律心电图(ECG)对隐匿性旁路进行诊断的现状，基于临床病例建立包含隐匿性旁路患者术前窦性心律心电图及健康对照人群心电图的数据集，并提出一种以ResNet26为基线网络的利用窦性心律心电图自动识别预测隐匿性旁路患者的卷积神经网络CAPNet。创建初始模块(IB)，提升模型非线性表达能力。引入非对称卷积以改进瓶颈残差模块，更好地捕捉心电特征的水平和垂直方向信息，丰富特征空间。使用注意力机制，加强模型对心电图中重点波段区域的关注。实验结果表明，CAPNet模型的预测性能优于对比的经典卷积神经网络模型，与ResNet26相比，F1值、准确率、灵敏度和精确率分别提升了 2。41、0。89、4。34和0。47个百分点。上述实验结果验证了CAPNet模型的有效性与优越性。

    图像识别卷积神经网络心电图非对称卷积模块注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于融合模型与语义网络的App用户意图识别研究

    陈瀚赵春蕾蒋昊达王春东...
    50-63页
    查看更多>>摘要：随着手机应用软件的流行，应用市场上出现了大量非结构化的中文用户评论。基于用户评论识别App用户意图，可以帮助开发人员对App软件进行有针对性的维护和改善。为了从中准确识别用户意图，提出一种基于融合模型和语义网络的App用户意图识别方法FSAUIR。使用百度工具Senta判断评论的情感倾向，构建基于RoBERTa的融合意图分类模型RBMS，通过RoBERTa模型将用户评论转化为语义特征表示，并将其输入到双向门控循环单元中，以提取评论的全局上下文语义信息，同时利用多头自注意力机制和SoftPool获取关键的特征信息，保留主要特征，通过Softmax进行归一化处理，得到意图分类结果。在意图分类的基础上，引入PositionRank模型提取各意图类别下评论的关键词，计算关键词之间的共现关系，构建关键词语义网络，从而更细粒度地识别用户意图。实验结果表明，相比BERT、RoBERTa、RoBERTa-CNN等模型，RBMS模型在人工标注数据集上具有较优的分类性能，准确率、精确率、召回率、F1值分别为87。75％、88。09％、87。80％、87。88％。此外，在意图分类的结果集中，FSAUIR构建的语义网络可以高效地挖掘出用户评论中有价值的信息。

    意图识别意图分类RoBERTa模型双向循环门控单元PositionRank模型多头自注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于多流语义图卷积网络的人体行为识别

    刘锁兰王炎王洪元朱生升...
    64-74页
    查看更多>>摘要：与基于图像的行为识别方法相比，利用人体骨架信息进行识别能有效克服复杂背景、光照变化以及外貌变化等因素影响。但是，目前主流的基于人体骨架的行为识别方法存在参数量过大、运算速度慢等问题。对此，提出一种多流轻量级语义图卷积的行为识别方法。设计多流语义引导的图卷积网络(MS-SGN)，将骨架信息分别表达为骨长流、关节流和细粒度流3种数据流形式，再对嵌入语义信息的数据流通过自适应图卷积提取空间特征，并采用不同内核和膨胀率的多尺度时域卷积提取时域特征，最后对各流分类结果进行加权融合。实验结果表明，该方法在NTU60 RGB+D数据集上的识别精度分别为90。0％(X-Sub)和95。83％(X-View)，在NTU120 RGB+D数据集上的识别精度分别为83。4％(X-Sub)和84。0％(X-View)，优于SGN、Logsin-RNN等主流方法，且网络框架更为轻量化。

    行为识别人体骨架特征融合图卷积网络多尺度

      原文链接:
    • 万方数据
    • 维普

    基于上下文知识增强型Transformer网络的抑郁检测

    张亚洲和玉戎璐王祥凯...
    75-85页
    查看更多>>摘要：抑郁症作为一种常见的心理健康问题，严重影响人们的日常生活甚至是生命安全。鉴于目前的抑郁症检测存在主观性和人工干预等缺点，基于深度学习的自动检测方式成为热门研究方向。对于最易获取的文本模态而言，主要的挑战在于如何建模抑郁文本中的长距离依赖与序列依赖。为解决该问题，提出一种基于上下文知识的增强型Transformer网络模型RoBERTa-BiLSTM，旨在从抑郁文本序列中充分提取和利用上下文特征。结合序列模型与Transformer模型优点，建模单词间上下文交互，为抑郁类别揭示与信息表征提供参考。首先，利用RoBERTa方法将词汇嵌入到语义向量空间;其次，利用双向长短期记忆网络(BiLSTM)模型有效捕获长距离上下文语义;最后，在DAIC-WOZ和EATD-Corpus 2个大规模数据集上进行实证研究。实验结果显示，RoBERTa-BiLSTM模型的准确率分别达到0。74和0。93以上，召回率分别达到0。66和0。56以上，能够准确地检测抑郁症。

    抑郁检测序列模型深度学习Transformer模型双向长短期记忆模型

      原文链接:
    • 万方数据
    • 维普

    改进A*算法融合改进动态窗口法的移动机器人路径规划

    王志特罗丽平廖义奎
    86-101页
    查看更多>>摘要：针对机器人路径规划对于路径最短、搜索效率以及平滑度的性能要求，提出一种改进A*算法与改进动态窗口法(DWA)相融合的算法。针对传统A*算法在复杂场景下输出非最优路径、寻路效率低等问题，结合曼哈顿距离和对角线距离设计新的启发函数，并对其动态分配权重，实现全局路径最短，减少寻路时间。针对传统8邻域8方向搜索方式搜索效率低、耗时长等问题，提出一种基于8邻域改进的搜索策略，对当前节点实时动态分配最优的搜索方向。针对路径存在多余无用节点的问题，使用Floyd算法去除冗余节点，减少转向次数，缩短路径长度。针对传统动态窗口法规划的路径非全局最优、目标点附近存在障碍物时规划的路径长度增加或者规划失败的问题，加入全局关键节点信息和引入目标点距离评估子函数。针对关键节点距离较长导致融合算法规划的路径偏离全局最优路径的问题，提出关键点密集化策略。最后，将提出的改进A*算法、融合算法和已有的其他改进算法进行比较，仿真结果表明:改进的A*算法能够在复杂环境中生成最短全局路径，平均转向次数减少16。3％，平均寻路时间缩短55。66％;融合算法在临时障碍物环境下，平均路径长度和平均运行时间分别缩短6。1％和14。7％，在移动障碍物环境下，平均路径长度和平均运行时间分别缩短1。6％和39。8％。

    路径规划A*算法动态窗口法复杂环境时间效率

      原文链接:
    • 万方数据
    • 维普

    基于改进PIDNet的水位线检测算法

    李仲冒睿瑞王晓龙王根一...
    102-112页
    查看更多>>摘要：PIDNet是三分支网络构成的语义分割模型，在众多竞赛数据集中均保持优秀的分割精度。然而，积分分支中进行多次下采样和金字塔池化模块中多分支特征融合冗余的缺点限制了算法精度的提高。在水位线检测任务中，现有算法的缺点会导致局部细节信息丢失，使得水体边缘精细化检测的能力有所下降。为了缓解这个问题，提出一种基于改进PIDNet的水位线检测算法。首先设计一种结合通道注意力的轻量化像素增强模块，在积分分支下采样过程中进行像素增强，减少局部信息丢失。然后对金字塔池化模块进行重构，在减小池化输出特征大小的基础上减少并行分支数，同时在特征融合时结合通道注意力进一步加强关注重要特征的能力，提高水位线边缘的分割精度。此外，融合多场景的河流数据集，避免复杂场景下检测出的水位线位置发生偏移和断线。实验结果表明，所提方法(S和M)在水位线检测任务中相对原算法(S和M)在3个性能指标上都有所提高，以M规模为例，像素正确率提高了 1。47个百分点，平均交并比提高了 1。04个百分点，检测延迟降低了 0。9 ms。

    语义分割水位线检测金字塔池化模块注意力多场景

      原文链接:
    • 万方数据
    • 维普