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

    知识图谱的可视化文献计量分析

    何静赵睿张恒硕
    1-10页
    查看更多>>摘要：随着网络社会不断发展,人们对信息检索提出了更高要求,知识图谱的产生和发展为其提供支持.因此知识图谱研究逐渐受到学者关注,与各领域融合的相关研究也逐渐增加.为洞察知识图谱研究历程及发展趋势,文中使用CiteSpace软件,对中国知网(CNKI)和 Web of Science(WOS)数据库中知识图谱的研究进行可视化分析,按年发文量、机构共现、作者共现、关键词共现、关键词聚类及突显词对2013-2022年的文献进行梳理.文中选取中文研究中的深度学习、人工智能、文献计量、可视化,外文研究中的社会网络分析、任务分析、数据采掘、多智能体系统为研究热点进行关键词综述.通过研究发现,现阶段知识图谱相关研究尽管呈现全面深入发展趋势,但中文研究中存在联系性不强、稳定性较弱、研究范围较窄的情况,可在后续研究中进行相应完善.

    知识图谱CiteSpace可视化分析研究热点研究前沿

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

    神经网络模型轻量化方法综述

    高杨曹仰杰段鹏松
    11-21页
    查看更多>>摘要：近年来,神经网络模型凭借着较强的特征提取能力在各行各业的应用越来越广泛,并取得了不错的效果.然而,随着数据量的不断增大以及人们对高准确率的不断追求,神经网络模型的参数规模急剧增大,网络复杂度不断提高,导致计算、存储等资源开销不断扩大,使其在资源受限场景下的部署面临极大挑战.因此,如何在不影响模型性能的前提下实现模型轻量化,进而降低模型训练和部署的成本成为当前的研究热点之一.为此,文中从复杂模型压缩以及轻量化模型设计两方面入手,对当前典型的模型轻量化方法进行总结和分析,以期厘清模型压缩技术的发展脉络.其中,复杂模型压缩技术从模型剪枝、模型量化、低秩分解、知识蒸馏及混合方式5方面进行归纳,而轻量化模型设计则从空间卷积设计、移位卷积设计和NAS架构搜索3方面进行梳理.

    神经网络模型压缩模型剪枝模型量化模型轻量化

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

    基于值函数分解的多智能体深度强化学习方法研究综述

    高玉钊聂一鸣
    22-30页
    查看更多>>摘要：多智能体深度强化学习方法是深度强化学习方法在多智能体问题上的扩展,其中基于值函数分解的多智能体深度强化学习方法取得了较好的表现效果,是目前研究和应用的热点.文中介绍了基于值函数分解的多智能体深度强化学习方法的主要原理和框架;根据近期相关研究,总结出了提高混合网络拟合能力问题、提高收敛效果问题和提高算法可扩展性问题3个研究热点,从算法约束、环境复杂度、神经网络限制等方面分析了3个热点问题产生的原因;根据拟解决的问题和使用的方法对现有研究进行了分类梳理,总结了同类方法的共同点,分析了不同方法的优缺点;对基于值函数分解的多智能体深度强化学习方法在网络节点控制、无人编队控制两个热点领域的应用进行了阐述.

    多智能体深度强化学习值函数分解拟合能力收敛效果可扩展性

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

    基于图卷积神经网络的点云语义分割综述

    黄海新蔡明启王钰瑶
    31-37页
    查看更多>>摘要：随着点云在自动驾驶、地图测绘和矿山测量等领域的广泛应用,人们愈发关注这种蕴含丰富信息的数据表示形式.点云语义分割作为点云数据处理的重要手段,因具有极高的研究价值和应用前景而受到广泛关注.由于点云所具有的置换不变性和旋转不变性等特点,传统的卷积神经网络无法直接处理不规则的点云数据,而图卷积神经网络却可以使用图卷积算子直接提取点云特征,逐步成为当前点云分割领域的研究热点.虽已有综述性文章对点云分割方法做出总结,但这些文章对图卷积的介绍较为粗略.因而对近几年基于图卷积的点云分割方法进行了分析和归类,总结每类方法的研究思路和特点;然后,介绍了一些在点云语义分割领域中主流的点云数据集和评价指标,并对提及的分割方法的实验结果进行对比;最后,对各类方法的发展方向进行了展望.

    语义分割点云图卷积神经网络深度学习计算机视觉

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

    基于预训练语言模型的机器翻译最新进展

    杨滨瑕罗旭东孙凯丽
    38-45页
    查看更多>>摘要：自然语言处理涉及许多重要主题,其中之一是机器翻译.预训练语言模型,如BERT和GPT,是用于处理包括机器翻译在内的各种自然语言处理任务的先进方法.因此,许多研究人员使用预训练语言模型来解决机器翻译问题.为推动研究向前发展,首先概述了这一领域的最新进展,包括主要的研究问题和基于各种预训练语言模型的解决方案;其次比较了这些解决方案的动机、共性、差异和局限性;然后总结了训练这类机器翻译模型常用的数据集,以及评估这些模型的指标;最后讨论了进一步的研究方向.

    自然语言处理机器翻译预训练语言模型BERTGPT

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

    基于softmax的加权Double Q-Learning算法

    钟雨昂袁伟伟关东海
    46-50页
    查看更多>>摘要：强化学习作为机器学习的一个分支,用于描述和解决智能体在与环境的交互过程中,通过学习策略以达成回报最大化的问题.Q-Learning作为无模型强化学习的经典方法,存在过估计引起的最大化偏差问题,并且在环境中奖励存在噪声时表现不佳.Double Q-Learning(DQL)的出现解决了过估计问题,但同时造成了低估问题.为解决以上算法的高低估问题,提出了基于softmax的加权Q-Learning算法,并将其与DQL相结合,提出了一种新的基于softmax的加权Double Q-Learning算法(WDQL-Softmax).该算法基于加权双估计器的构造,对样本期望值进行softmax操作得到权重,使用权重估计动作价值,有效平衡对动作价值的高估和低估问题,使估计值更加接近理论值.实验结果表明,在离散动作空间中,相比于Q-Learning算法、DQL算法和 WDQL算法,WDQL-Softmax算法的收敛速度更快且估计值与理论值的误差更小.

    强化学习Q-LearningDoubleQ-LearningSoftmax

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

    面向工业数字孪生的三层知识图谱结构设计方法

    唐昕孙宇菲王钰珏石敏...
    51-56页
    查看更多>>摘要：随着工业领域数字化和智能化的发展,企业正面临着提高生产效率、降低生产成本、优化生产过程以及实现实时监控等挑战.数字孪生技术作为一种有效的解决方案,受到了广泛关注.然而,工业建设数字孪生过程中存在数据获取与整合、模型构建与更新以及实时性与精度等难点.为解决这些问题,提出了一种基于数字孪生的知识图谱概念-实例-模块结构设计方法.数字孪生知识图谱模型采用概念-实例-模块三层架构,概念层通过知识图谱建立全面有机的知识网络;实例层进行数字化建模,实现理论参数的真实再现;知识模块层则将前两层知识进行融合,形成功能模块,以实现全面监测和控制.这一模型能够对工业加工知识进行更为准确、细致的建模和分析,帮助企业实现数字化建模、精确仿真模拟、预测分析、异常检测等高级应用功能.

    数字孪生知识图谱智能制造生产优化质量控制

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

    基于改进飞蛾扑火优化算法的船机桨匹配设计研究

    陈振霖罗亮郑龙姬胜晨...
    57-65页
    查看更多>>摘要：基于改进飞蛾扑火优化(Improved Moth-Flame Optimization,IMFO)算法,以两艘现有船舶为计算实例,展开了综合考虑螺旋桨推进效率、空泡性能和桨叶强度的船机桨匹配工作.以遗传算法(Genetic Algorithm,GA)和原始飞蛾扑火优化(Moth-Flame Optimization,MFO)算法为对比算法,分析了IMFO辅助船机桨匹配工作时的性能.数值实验的结果表明,在解决船机桨匹配问题时,IMFO算法的收敛时间相比GA算法在两个算例中分别缩短了44.24％和54.14％,相比MFO算法分别缩短了23.9％和23.12％.此外,在求解精度方面,在计算示例1中,IMFO算法相比GA算法和MFO算法略有提升;而在计算示例2中,IMFO算法相比GA算法提高了3.66％,较MFO算法提高了0.98％.最后,通过对两个算例的可行解空间进行可视化表示,进一步讨论了IMFO算法的求解性能.上述结果对比证明了IMFO算法具备强大的全局搜索能力,在解决船机桨匹配问题时具有良好的竞争力和鲁棒性.

    改进飞蛾扑火优化算法优化设计群智能优化算法船机桨匹配船用螺旋桨

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

    基于改进自适应蚁群算法的移动机器人路径规划

    魏书鑫王群京李国丽许家紫...
    66-74页
    查看更多>>摘要：针对传统的蚁群算法(Ant Colony Optimization,ACO)存在收敛速度慢、效率低、容易陷入局部最优值等缺点,提出了一种新的ACO变体.首先引入了一种新的具有方向信息的启发式机制,在迭代过程中添加方向指导,进一步提高了算法的收敛速度.其次,提出了一种改进的启发式函数,以增强目标的目的性并减少路径的转弯次数.然后,引入了一种改进的状态转移概率规则,提高了搜索效率并增加了种群多样性.此外,提出了一种不均匀分布初始信息素浓度的新方法,以避免盲目搜索.形成的新的ACO变体称为改进的自适应蚁群优化算法(Modified Adaptive Ant Colony Optimization,MAACO).为了验证所提出的MAAC O的有效性,基于3种不同的空间环境模式,与现有其他7种算法进行了一系列实验.在所有的仿真实验中,所提出的MAACO生成了标准偏差为零的最短路径,并且在最小收敛生成内实现了最少的转弯次数;就3个实验而言,其与最佳现有结果相比,转弯次数平均减少了两次,平均减少比例为22.2％.实验结果证明了MAAC O在减少路径长度、减少转弯次数和提高收敛速度方面的优点和其在路径规划中的实用性和高效性.

    蚁群算法启发函数转移概率移动机器人路径规划

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

    基于多尺度卷积编码器的说话人验证网络

    刘小湖陈德富李俊周旭文...
    75-80页
    查看更多>>摘要：说话人验证是一种有效的生物身份验证方法,说话人嵌入特征的质量在很大程度上影响着说话人验证系统的性能.最近,Transformer模型在自动语音识别领域展现出了巨大的潜力,但由于Transformer中传统的自注意力机制对局部特征的提取能力较弱,难以提取有效的说话人嵌入特征,因此Transformer模型在说话人验证领域的性能难以超越以往的基于卷积网络的模型.为了提高Transformer对局部特征的提取能力,文中提出了一种新的自注意力机制用于Transformer编码器,称为多尺度卷积自注意力编码器(Multi-scale Convolutional Self-Attention Encoder,MCAE).利用不同尺度的卷积操作来提取多时间尺度信息,并通过融合时域和频域的特征,使模型获得更丰富的局部特征表示,这样的编码器设计对于说话人验证是更有效的.通过实验表明,在3个公开的测试集上,所提方法的综合性能表现更佳.与传统的Transformer编码器相比,MCAE也是更轻量级的,这更有利于模型的应用部署.

    说话人验证说话人嵌入自注意力机制Transformer编码器多尺度卷积

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