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

    无人机辅助的高能效边缘联邦学习综述

    卢彦丰吴韬刘春生颜康...
    270-279页
    查看更多>>摘要：随着移动通信技术的快速发展和物联网终端设备数量激增,丰富多样的智能应用及海量数据在网络边缘产生,边缘智能应运而生.当前,联邦学习作为一种新兴的分布式机器学习方法,可以在不共享终端设备原始数据的情况下协作完成模型训练任务,是实现边缘智能的重要方式.传统的边缘智能网络以地面通信基站为参数服务器,其服务范围相对固定,无法适应复杂多变的异构网络环境.无人机由于其灵活性和机动性被引入联邦学习中,可以有效地在边缘智能网络中提供通信/计算/缓存服务,增强地面网络的通信容量,弥补传统地面网络通信范围受限、通信开销大、数据传输延迟高等缺点.无人机辅助的联邦学习具有通信覆盖范围广、通信开销低、即时响应等明显优势,同时也面临通信带宽受限、不可靠的通信环境、飞行环境的不确定性等挑战,上述挑战可能导致低能效问题.无人机辅助的高能效边缘联邦学习是将无人机作为边缘服务器的计算能耗、计算频率、时间分配等纳入考虑,研究无人机辅助联邦学习系统的能效优化方案.针对无人机作为边缘服务器这一场景,依据最小化能耗、最小化延迟和最小化能耗延迟加权和等不同的优化目标,对当前无人机辅助的高能效边缘联邦学习研究进行了分类和总结,并对未来研究方向进行了思考和展望.

    联邦学习无人机能效优化边缘智能无线网络

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

    基于观测重构的多智能体强化学习方法

    史殿习胡浩萌宋林娜杨焕焕...
    280-290页
    查看更多>>摘要：共同知识是多智能体系统内众所周知的知识集.如何充分利用共同知识进行策略学习,是多智能体独立学习系统中的一个挑战性问题.针对这一问题,围绕共同知识提取和独立学习网络设计,提出了 一种基于观测重构的多智能体强化学习方法IPPO-CKOR.首先,对智能体的观测信息进行共同知识特征的计算与融合,得到融合共同知识特征的观测信息;其次,采用基于共同知识的智能体选择算法,选择关系密切的智能体,并使用重构特征生成机制构建它们的特征信息,其与融合共同知识特征的观测信息组成重构观测信息,用于智能体策略的学习与执行;最后,设计了 一个基于观测重构的独立学习网络,使用多头自注意力机制对重构观测信息进行处理,使用一维卷积和GRU层处理观测信息序列,使得智能体能够从观测信息序列中提取出更有效的特征,有效缓解了环境非平稳与部分可观测问题带来的影响.实验结果表明,相较于现有典型的采用独立学习的多智能体强化学习方法,所提方法在性能上有显著提升.

    观测重构多智能体协作策略多智能体强化学习独立学习

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

    基于可穿戴设备的开放集动作识别技术研究

    王佳昊闫航胡鑫赵德鑫...
    291-298页
    查看更多>>摘要：随着智能手表、手环等可穿戴设备的普及,将其用于人体行为识别领域并从中解码出人类行为活动,对于健康监测、日常行为分析、智能家居等应用具有重要意义.然而,传统的动作识别算法存在特征提取困难、识别准确率较低等问题,并且均基于封闭集假设,即所有的训练数据和测试数据均来自同一个标签空间,而现实世界中大多都是开放集(Open-Set)场景,在测试阶段可能会将未知标签样本送入模型,从而导致分类错误.文中针对人体动作识别问题,提出了多通道自适应卷积网络(Multi-channel Adaptive Convolutional Network,MCACN),针对传统CNN网络特征提取仅局限于一个小范围内的问题,自适应卷积模块能够使用不同大小的卷积核提取不同时间跨度的特征,并自动计算权重求和.此外MCACN的多通道结构使各传感器数据得以分头进行处理,获得能够区分相近动作的特征细节.最后,设计了基于标签的多元变分自编码器,提出了用于开放集识别的模型MC ACN-V AE.该模型能够通过计算重建误差来识别未知类,聚焦于已知类别动作,提高了模型的健壮性.实验结果表明,在封闭集实验中,MCACN模型能够有效地对动作进行识别,对7种日常动作的识别准确率均达到了 91％以上,总体准确率达到了 95％.在开放集实验中,MCACN-VAE在不同开放度下对于已知类别的总体识别准确率均达到了 89％以上,对于未知动作片段的识别准确率也保持在75％以上,证明了所提模型能够有效拒绝未知类,识别已知类.

    可穿戴设备动作识别自适应卷积开放集识别

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

    基于语义扩充和HDGCN的虚假新闻联合检测技术

    张明道周欣吴晓红卿粼波...
    299-306页
    查看更多>>摘要：虚假新闻检测的方法有很多种,单一的方法通常只关注新闻内容、社交上下文或外部事实等信息;而联合检测方法则通过整合多种模式信息达到检测目的.Pref-FEND即为一种整合新闻内容与外部事实的联合检测方法,它从新闻内容和外部事实中提取3种词语表示,利用动态图卷积网络获得词节点之间的关系.但其在如何让两种模式更加专注于自己的偏好部分方面仍存在不足.因此,对Pref-FEND模型进行了改进,利用语义挖掘扩充新闻中的风格词,利用实体链接扩充新闻中的实体词,共得到5种词语并将其作为图网络的节点表示,从而更有效地建模图神经网络的节点表征;同时,引入深度异构图卷积网络(HDGCN)进行偏好学习,它的深度策略和多层注意力机制可以让两种模型更加专注于自身需要的偏好感知并减少冗余信息.实验结果表明,在公开数据集Weibo和Twitter上,与当前主流的基于内容的单一模型LDAVAE相比,改进后的框架F1值分别提高了 2.8％和1.9％;与基于事实的单一模型GET相比,F1值分别提高了 2.1％和1.8％;同时,在LDAVAE+GET联合检测的情况下,比Pref-FEND的F1值分别提高了 1.1％和1.3％.实验结果验证了所改进模型的有效性.

    虚假新闻图卷积网络实体抽取注意力机制自然语言处理

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

    改进的跨模态关联歧义学习的虚假信息检测方法研究

    段钰潇胡艳丽郭浩谭真...
    307-313页
    查看更多>>摘要：近年来,随着互联网及多媒体技术的迅猛发展,人们获取信息更加方便快捷,然而虚假信息在网络上的传播也日益严重,负面影响不断扩大.为了增强信息的可信度和欺骗性,虚假信息呈现多模态发展趋势,使得检测工作面临更大挑战.现有的多模态虚假信息检测方法大多关注多模态特征的形成,对于跨模态歧义和不同模态特征在检测中的贡献率的研究尚不完善,忽略了不同模态特征间固有差异性对虚假信息检测的影响.为解决该问题,提出了构建改进的跨模态关联歧义学习的虚假信息检测模型,通过对文本和图像特征进行跨模态歧义学习,利用歧义得分更新单模态与融合特征的权重,自适应地拼接单模态与融合特征;同时采用网格搜索动态分配文本、图像特征权重,提高检测准确率.在Twitter数据集上对该模型的有效性进行验证,其相比基线模型准确率提高了 6％,相比未进行动态权重分配的检测方法性能提升了 1.6％.

    虚假信息检测多模态跨模态关联歧义学习融合特征

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

    基于残差网络融合多关系评论特征的虚假评论检测

    雒泽阳田华窦英通李曼文...
    314-323页
    查看更多>>摘要：随着电子商务和短视频社区平台的兴起,涌现出的虚假评论严重影响了用户体验.甚至为了对抗平台检测,伪装的评论(Review Camouflage)更加难以辨别.当前基于图神经网络(Graph Neural Networks,GNNs)的虚假评论检测方法在深层训练过程中容易出现网络退化和梯度消失问题.同时评论伪装导致评论标记更加倾斜,从而影响GNNs检测模型的鲁棒性.针对以上问题,提出了一种基于残差网络的检测方法MRDRN,可融合多关系评论特征进行虚假评论识别.首先,为了减缓网络退化,结合残差网络进行深层评论特征提取,并给出一种新的邻居混合采样策略,可根据评论之间的特征相似性进行低阶及高阶邻居混合采样,从而缓解评论标记不均衡的问题并学习更加丰富的评论特征.其次,提出了一种多关系评论特征融合策略,通过关系内评论网络拓扑与多关系间评论特征的整体融合,来减小评论伪装的影响.在3个真实数据集上进行实验,结果表明,MRDRN相比基准方法具有更高的检测能力和更强的鲁棒性.

    虚假评论检测图神经网络残差网络评论伪装多关系特征融合

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

    融合方面语义和网格标记的多语言意见元组抽取

    古文霞早克热·卡德尔杨乾艾山·吾买尔...
    324-333页
    查看更多>>摘要：面向方面的细粒度意见抽取(Aspect-oriented Fine-grained Opinion Extraction,AFOE)任务的目的是以意见对的形式抽取文本评论中的方面和意见词或者再抽取情感极性,形成意见三元组.以往的研究通常以管道方式抽取意见元素,容易出现错误传播的问题,而且大多数只关注方面词和意见词的单个子任务抽取,忽略了不同意见元素之间的相互影响和指示信息,导致意见挖掘任务不完整.此外,面向中文的意见元素抽取任务的研究较少.针对以上问题,文中提出了融合方面语义和网格标记的多语言意见元组抽取模型.首先,使用向内LSTM(Inward-LSTM)和向外LSTM(Outward-LSTM)编码方面词及其对应的上下文信息建立方面和候选意见词的关联,再结合全局信息生成特定方面语义特征的上下文表示,有利于提高下游意见元素抽取的性能.其次,使用网格标记方案的推理策略,利用方面和意见词之间的依赖指示信息进行更准确的抽取,以端到端的方式处理AFOE任务.相比基线模型,对于方面意见对抽取任务,改进的模型在中英文数据集上的F1值提高了 0.89％～4.11％,对于三元组抽取任务提高了 1.36％～3.11％,实验结果表明,改进的模型能有效地对中英文评论的意见元素进行抽取,性能显著优于基线模型.

    方面意见对抽取三元组抽取网格标记方案方面语义面向方面的细粒度意见抽取

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

    非结构化场景下的无人车轨迹规划研究

    朱威杨世博滕帆何德峰...
    334-343页
    查看更多>>摘要：针对传统无人车轨迹规划算法在非结构化场景下存在实时性较低和轨迹平滑性较差等问题,提出了一种前后端分离的轨迹规划算法.该算法的前端路径搜索部分对Hybrid A*算法在控制空间进行搜索范围的剪枝且保留了车辆的运动学约束,并通过优化启发函数的计算方式,提高了图搜索的实时性.该算法的后端轨迹优化部分分为两个阶段:第一阶段设计了一个软约束非线性多 目标优化器对路径进行局部优化,生成离散的轨迹位姿点和时间分配值;第二阶段基于五次样条曲线利用最小化Jerk的思想对离散位姿点进行平滑连接,提高了轨迹的平滑性.最后在室外停车场环境下对所提算法进行了实车测试,前端路径搜索和后端轨迹优化的实验结果表明该算法具有较高的实时性和轨迹平滑性.

    轨迹规划无人车非结构化场景多目标优化样条曲线

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

    基于动态选择预测器的深度强化学习投资组合模型

    赵淼谢良林文静徐海蛟...
    344-352页
    查看更多>>摘要：近年来,投资组合管理问题在人工智能领域得到了广泛的研究,但现有的基于深度学习的量化交易方法还存在一些问题.首先,对股票的预测模式单一,通常一个模型只能训练出一个交易专家,交易决策也仅根据模型预测结果作出;其次,模型使用的数据源相对单一,只考虑了股票自身数据,忽略了整个市场风险对股票的影响.针对上述问题,提出了基于动态选择预测器的强化学习模型(DSDRL).该模型分为3部分,首先提取股票数据的特征并传入多个预测器中,针对不同的投资策略训练多个预测模型,用动态选择器得到当前最优预测结果;其次,利用市场环境评价模块对当前市场风险进行量化,得到合适的投资金额比例;最后,在前两个模块的基础上建立了一种深度强化学习模型模拟真实的交易环境,基于预测的结果和投资金额比例得到实际投资组合策略.文中使用中证500和标普500的日k线数据进行测试验证,结果表明,此模型在夏普率等指标上均优于其他参照模型.

    强化学习LSTM投资组合股市预测神经网络

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

    CCF科学普及工作委员会召开2024年度工作会议

    CCF微信公众号
    352页
      原文链接:
    • NETL
    • NSTL
    • 万方数据