首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    基于GPU的特征脸算法优化研究

    李繁严星张晓宇
    197-204页
    查看更多>>摘要：特征脸算法是基于脸部表征的常用人脸辨识方法之一.当训练数据量较大时,不管是训练还是测试模块都非常耗时.基于此,采用CUDA并行运算架构实现GPU加速特征脸算法.针对GPU并行运算的效果取决于硬件规格、算法本身的复杂度和可并行性,以及程序开发者使用GPU的并行化方式等因素,文中首先提出在特征脸算法训练阶段的计算平均值、zero mean、正规化特征脸等计算步骤以及测试阶段的投影到特征脸空间、计算欧几里得距离等计算步骤使用GPU优化加速;其次在相应计算步骤采用不同的并行化加速方法并做出效能评估.实验结果表明,在人脸训练数据量在320～1920的范围内,各计算步骤加速效果明显.与Intel i7-5960X相比,GTX1060显示适配器在训练模块中可达到平均约71.7倍的加速效果,在测试模块中可达到平均约34.1倍的加速效果.

    人脸辨识特征脸GPU并行运算旋转运算核心函数

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于FPGA的CNN图像识别加速与优化

    齐延荣周夏冰李斌周清雷...
    205-212页
    查看更多>>摘要：目前,CNN已广泛应用于许多应用场景中,包括图像分类、语音识别、视频分析、文档分析等.由于CNN计算密集,常以GPU进行加速,但GPU功耗高,不适用于CNN推理阶段.基于此,文中研究了基于FPGA的CNN图像识别加速与优化的应用方法,利用Intel FPGA提供的OpenCL SDK,在FPGA板卡上设计并优化了CNN前向模型.首先,针对计算量问题,通过功能模块划分,充分发挥FPGA的高计算效能优势.其次,优化核心算法,提高运行速度;分析特征图处理操作,利用参数共享策略降低数据存储量;采用通道传输数据,减少访问片外存储次数.最后,对数据缓存、数据流、循环进行优化设计,缓解了FP-GA片上的资源限制;通过量化参数降低FPGA内存资源占用量.实验结果表明,FPGA具有较低的功耗,CPU的功耗是其2.1倍,而GPU的功耗是其6.5倍;与近年来相关领域文献中提出的方法相比,所提方法具有较高的吞吐量和计算性能.

    CNNFPGA图像识别OpenCL模块划分数据流优化

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    学习者知识追踪研究进展综述

    张暖江波
    213-222页
    查看更多>>摘要：学习者建模是自适应学习系统的支撑技术之一,其中以知识追踪为代表的学习者知识状态建模研究最为广泛.3种代表性的知识追踪技术分别为基于隐马尔可夫模型的贝叶斯知识追踪、基于逻辑回归模型的可加性因素模型、基于循环神经网络的深度知识追踪.通过综述发现,贝叶斯知识追踪模型适用于含单一知识点的学习任务的知识追踪,可加性因素模型和深度知识追踪模型适用于含多知识点的学习任务的知识追踪,但深度知识追踪模型的教学可解释性不佳.在综述现有研究的基础上,受到知识空间理论的启发,将知识点之间的先决关系融入到知识追踪模型是未来的一个重要研究方向,并初步提出了一种融合知识点先决关系的可加因素模型.

    自适应学习系统知识追踪贝叶斯知识追踪可加性因素模型深度知识追踪知识空间理论

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于平均神经网络参数的DQN算法

    黄志勇吴昊霖王壮李辉...
    223-228页
    查看更多>>摘要：在深度强化学习领域,如何有效地探索环境是一个难题.深度Q网络(Deep Q-Network,DQN)使用ε-贪婪策略来探索环境,ε的大小和衰减需要人工进行调节,而调节不当会导致性能变差.这种探索策略不够高效,不能有效解决深度探索问题.针对DQN的ε-贪婪策略探索效率不够高的问题,提出一种基于平均神经网络参数的DQN算法(Averaged Parameters DQN,AP-DQN).该算法在回合开始时,将智能体之前学习到的多个在线值网络参数进行平均,得到一个扰动神经网络参数,然后通过扰动神经网络进行动作选择,从而提高智能体的探索效率.实验结果表明,AP-DQN算法在面对深度探索问题时的探索效率优于DQN,在5个Atari游戏环境中相比DQN获得了更高的平均每回合奖励,归一化后的得分相比DQN最多提升了112.50％,最少提升了19.07％.

    深度强化学习深度Q网络神经网络参数深度探索

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于网络嵌入与局部合力的复杂网络社区划分算法

    杨旭华王晨
    229-236页
    查看更多>>摘要：社区划分可以揭示复杂网络中的内在结构和行为动态特点,是当前的研究热点.文中提出了一种基于网络嵌入和局部合力的社区划分算法.该算法将网络的拓扑空间转化成欧氏空间,把网络节点转换成向量表示的数据点,首先基于重力模型和网络拓扑结构,提出局部合力和局部合力余弦中心性指标(Local Resultant Force Cosine Centrality,LFC),通过节点的LFC和节点间的距离来确定各个初始小社区的中心节点,然后将网络中其他的非中心节点划入与其最近的中心节点所在的初始小社区内,最后通过优化模块度的方法来合并初始小社区并找到最优的网络社区结构.在6个现实世界网络和可调参数人工网络上与6种知名社区划分方法进行比较,比较结果表明了新算法良好的社区划分的性能.

    社区划分网络嵌入引力模型局部合力局部合力余弦中心性

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    面向中文电子病历的多粒度医疗实体识别

    周晓进徐陈铭阮彤
    237-242页
    查看更多>>摘要：在现有的面向中文临床电子病历的命名实体识别任务中,实体标注粒度通常过细或过粗,过细的标注结果难以找到实际应用场景,而过粗的标注结果通常需要在进行复杂的处理后,才能明确实体的规范形式和语义类型,以便于后续的数据挖掘应用.为简化处理步骤,根据常见的7类粗粒度临床实体的特点,定义了用以解释粗粒度实体的9类细粒度解析实体.同时,针对多粒度实体的特点,提出了基于多任务学习和自注意力机制的多粒度临床实体识别模型,并在真实的医院电子病历库中标注了5000条包含多粒度实体的文本以验证模型的效果.实验结果表明,该模型优于主流的序列标注模型,在粗、细粒度实体识别任务中,两者的F 1值分别达到了92.88和85.48.

    电子病历多粒度实体识别多任务学习

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于最大后验估计的谣言源定位器

    鲍志强陈卫东
    243-248页
    查看更多>>摘要：随着互联网的普及,信息能够通过互联网以极快的速度被传播给大众.但同时,一些虚假信息比如谣言也借助网络的级联效应泛滥成灾,因此如何在传播网络中快速准确地确定谣言传播源成为一个亟待解决的问题.文章针对社交网络提出了一种谣言源定位的方法,与现有的基于最大后验(Maximum-a-posteriori,MAP)概率估计的方法不同,该方法首先考虑全局和局部感染点、非感染点的影响,使用效果更优的MAP先验概率估计(Prior Probability Estimation,PPE)计算方式.然后基于最小生成树贪心算法来稀疏化社交网络,让MAP中的似然估计(Likelihood Estimation,LE)计算更符合真实的传播结构.最后,采用新的MAP值来估计传播网络中节点为传播源的可能性,从而更准确地定位谣言源点.将所提方法与现有的几种方法分别在模型网络和真实网络中进行了对比,实验结果表明,所提方法优于现有的谣言源定位方法.

    谣言源源定位稀疏化网络最大后验概率估计社交网络

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于字词联合表示的中文事件检测方法

    吴凡朱培培王中卿李培峰...
    249-253页
    查看更多>>摘要：事件检测作为事件抽取的一个子任务,是当前信息抽取的研究热点之一.它在构建知识图谱、问答系统的意图识别和阅读理解等应用中有着重要的作用.与英文字母不同,中文中的字在很多场合作为单字词具有特定的语义信息,且中文词语内部也存在特定的结构形式.根据中文的这一特点,文中提出了一种基于字词联合表示的图卷积模型JRCW-GCN(Joint Repre-sentation of Characters and Words by Graph Convolution Neural Network),用于中文事件检测.JRCW-GCN首先通过最新的BERT预训练语言模型以及Transformer模型分别编码字和词的语义信息,然后利用词和字之间的关系构建对应的边,最后使用图卷积模型同时融合字词级别的语义信息进行事件句中触发词的检测.在ACE2005中文语料库上的实验结果表明,JRCW-GCN的性能明显优于目前性能最好的基准模型.

    中文事件检测联合表示图卷积

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    双领导者樽海鞘群算法

    俞家珊吴雷
    254-260页
    查看更多>>摘要：为了提升樽海鞘群(Salp Swarm Algorithm,SSA)算法的求解精度和全局搜索能力,提出了一种基于正态过程搜索和差分进化(Differential Evolution,DE)算法的改进樽海鞘群算法——双领导者樽海鞘群算法(Two Types of Leaders Salp Swarm Algorithm,TTLSSA).该算法设置了两类领导者和两种跟随群体,其中执行正态过程搜索的领导者需要进行正态过程游走、交叉、选择等操作,主要用于全局勘探;当前最优解附近的领导者在随迭代次数呈锯齿状变化的参数gap的影响下,兼顾了全局搜索和局部开发两种功能.用18个不同类型的标准测试函数检验所提算法的性能,并与DE、SSA、正弦余弦算法(Sines and Cosines Algorithm,SCA)、灰狼优化(Grey Wolf Optimizer,GWO)算法以及鲸鱼优化算法(Whale Optimization Algorithm,WOA)做对比,TTLSSA在16个测试函数上的平均精度排名第1或并列第1,在2个测试函数上的平均精度排名第2,在6种算法中平均耗时排名第2,说明了TTLSSA在没有增加SSA时间成本的前提下,显著提升了优化能力.

    差分进化樽海鞘群算法正态过程测试函数

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    无服务器平台资源调度综述

    马泽华刘波林伟伟李加伟...
    261-267页
    查看更多>>摘要：无服务器(Serverless)计算正成为部署云应用程序的一种具有广阔发展前景的范式.其实现了一种真正的现收现付的计费方式,并且不会浪费资源.开发人员无需担心计算平台的底层细节,只需在处理请求或事件时付费,从而降低了开发人员的门槛.无服务器模式的转变虽然带来了机遇,但也带来了平台函数冷启动延迟、资源利用不足等问题.为此,文中对无服务器计算平台的资源调度技术做了深入的调查和分析,重点阐述了面向资源利用、响应时间延迟以及多目标优化的无服务器平台资源调度的技术原理和相关研究现状,并在此基础上分析总结并指明了无服务器平台资源调度未来的主要研究方向:即面向不同应用类型负载的调度优化、响应时间与资源利用率的折衷调度、虚拟机与无服务器平台的联合调度以及无服务器资源调度的混合算法.

    无服务器计算函数即服务资源调度

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据