首页期刊导航|计算机系统应用
期刊信息/Journal information
计算机系统应用
计算机系统应用

苏振泽

月刊

1003-3254

csa@iscas.ac.cn

010-62661041

100080

北京中关村南四街4号

计算机系统应用/Journal Computer Systems & ApplicationsCSCD北大核心CSTPCD
查看更多>>专业技术性刊物。推广计算机系统在各行各业的应用技术成果和运行管理经验。
正式出版
收录年代

    融合实体特征及多种类注意力机制的领域关系抽取模型

    王稳刘远兴吴湘宁李文炽...
    202-208页
    查看更多>>摘要：基于远程监督的关系抽取方法可以明显地减少人工标注数据集的成本,已经被广泛应用于领域知识图谱的构建任务中.然而,现有的远程监督关系抽取方法领域针对性不强,同时也忽略了对领域实体特征信息的利用.为了解决上述问题,提出了一种融合实体特征和多种类注意力机制的关系抽取模型PCNN-EFMA.模型采用远程监督和多实例技术,不再受限于人工标注.同时,为了减少远程监督中噪声的影响,模型使用了句子注意力和包间注意力这两类注意力,并在词嵌入层和句子注意力中融合实体特征信息,增强了模型的特征选择能力.实验表明,该模型在领域数据集上的PR曲线更好,并在P@N上的平均准确率优于PCNN-ATT模型.

    关系抽取知识图谱注意力机制实体特征

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

    应用于供应链的区块链PBFT共识算法优化

    黄宇翔
    209-214页
    查看更多>>摘要：目前,区块链在供应链领域中的应用越来越受到业界的广泛关注.但由于供应链中存在大量复杂性的事务,这给可信的主节点选取工作带来了挑战.因此,在机器学习分类算法与PBFT(practical Byzantine fault tolerance)共识算法的基础上,提出一种应用于供应链的区块链PBFT共识算法优化方法.对构建供应链与区块链的集成框架进行分析,根据供应链中参与共识的节点属性特征,运用K-近邻(K-nearest neighbors)来优化PBFT共识算法的主节点选取规则.实验结果表明,对共识节点进行信任评估分类可以较好地解决因视图切换所引发的效率问题,从而提升区块链的吞吐量、时延、容错性等共识性能,具有一定的实用性,也给区块链在其他行业的应用提供了思路.

    区块链实用拜占庭容错供应链K-近邻信任评估

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

    基于边缘图与多尺度特征融合的图像修复

    黄健王虎赵小飞
    215-225页
    查看更多>>摘要：针对现有的图像修复方法在面对大规模图像缺损和不规则破损区域修复时,修复结果出现生成结构与原图像语义不符以及纹理细节模糊等问题,本文提出一种利用生成边缘图的多尺度特征融合图像修复算法——MSFGAN(multi-scale feature network model based on edge condition).模型采用两阶段网络设计,使用边缘图作为修复条件对修复结果进行结构约束.首先,使用Canny算子提取待修复图像的边缘图进行完整边缘图生成;然后利用完整的边缘图结合待修复图像进行图像修复.为了弥补图像修复算法中经常出现的问题,提出一种融入了注意力机制的多尺度特征融合模块(attention mechanism multi-fusion convolution block,AM block),实现受损图像的特征提取和特征融合.在图像修复网络解码器部分引入跳跃链接,将高级语义提取和底层特征进行融合实现高质量细节纹理修复.在CelebA和Places2 数据集上的测试结果显示,MSFGAN修复质量上比当前修复方法有一定提升,其中在 20%-30%掩码比例中,SSIM平均提升 0.0291,PSNR提升 1.535 dB,使用消融实验验证了当前优化和创新点在图像修复任务中的有效性.

    深度学习生成对抗网络边缘生成图像修复注意力机制

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

    基于多层次的海洋生物分类

    赵东程远志
    226-234页
    查看更多>>摘要：本文提出了一种多层次海洋生物分类方法.海洋生物种类繁多,且同门类生物具有较强的类间相似性,而不同门类生物具有较大的差异.我们利用物种间的相似性,帮助网络学习生物先验知识,设计出了一种多层次分类方法.设计了C-MBConv模块,并结合多层次分类方法改进了EfficientNetV2 网络架构,改进后的网络架构称为CM-EfficientNetV2.我们的实验表明CM-EfficientNetV2 比原网络EfficientNetV2 有着更高的准确率,在南麂列岛潮间带海洋生物数据集上准确率提高了1.5%,在CIFAR-100上准确率提高了2%.

    分类多层次卷积海洋生物图像识别深度学习

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

    反事实增强的对抗学习序列推荐

    刘珈麟贺泽宇李俊
    235-245页
    查看更多>>摘要：最近,强化学习技术在序列推荐系统取得成功,它能从用户长期反馈信号中学习有效的推荐策略.然而,模型的激励函数设计面临区分度过低的难题.这限制了模型学习不同用户反馈信号间的价值差异的能力,并导致推荐策略总是次优的.现有工作主要通过调节衰减因子来保证激励函数区分度,但它依赖专家先验知识缺乏理论基础.为了更合理地设计激励函数和提高其区分度,本文依据因果论来分析推荐系统,并提出一种基于反事实区分度增强的序列推荐算法CAL4Rec.首先,所提出方法用结构因果图描述序列推荐过程,并创造性地用因果图定义了因果可鉴别的价值激励区分度.其次,该方法用反事实生成对抗的自监督学习过程优化推荐策略网络,以学习用户的真实倾向.在一系列序列推荐基准数据集上,对CAL4Rec开展了广泛对比和消融实验,实验结果表明CAL4Rec的提升对多种网络实现结构有效(平均2.34%).

    反事实推理生成对抗学习结构因果模型序列推荐

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

    基于指针生成网络和扩展Transformer的多属性可控文本摘要模型

    冼广铭李凡龙郑兆明
    246-253页
    查看更多>>摘要：可控文本摘要模型可以生成符合用户偏好的摘要.之前的摘要模型侧重于单独控制某个属性,而不是多个属性的组合.传统的Seq2Seq多属性可控文本摘要模型在满足多个控制属性时,存在无法整合所有控制属性、无法准确再现文本中关键信息和无法处理单词表外单词等问题.为此,本文提出了一种基于扩展Transformer和指针生成网络(pointer generator network,PGN)的模型.模型中的扩展Transformer将Transformer单编码器-单解码器的模型形式扩展成具有双重文本语义信息提取的双编码器和单个可融合指导信号特征的解码器形式.然后利用指针生成网络模型选择从源文本中复制单词或利用词汇表生成新的摘要信息,以解决摘要任务中常出现的OOV(out of vocabulary)问题.此外,为高效完成位置信息编码,模型在注意力层中使用相对位置表示来引入文本的序列信息.模型可以用于控制摘要的许多重要属性,包括长度、主题和具体性等.通过在公开数据集MACSum上的实验表明,相较以往方法,本文提出的模型在确保摘要质量的同时,更加符合用户给定的属性要求.

    深度学习可控文本摘要Transformer模型相对位置表示指针生成网络

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

    融合位置注意力机制与轻量化STDC网络的非结构化场景语义分割

    陈晔杨长春杨森王宇鹏...
    254-262页
    查看更多>>摘要：近年来,非结构化道路分割已成为计算机视觉领域的重要研究方向之一.现有的大多数方法适合结构化道路的分割并无法满足非结构化道路分割的准确性与实时性需求.为了解决上述问题,本文对STDC网络进行改进,引入残差连接来更好地融合多尺度语义信息,还提出一种嵌入位置注意力模块的空洞空间卷积池化金字塔(PA-ASPP)来增强网络对道路等特定区域的位置感知能力.本文在RUGD与RELLIS-3D两个数据集上进行实验,所提出方法的MIoU在两个数据集的测试集上分别达到了50.78%和49.96%.

    非结构化环境语义分割PA-ASPPSTDC

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

    基于多分主干外部注意力网络的水声信号识别

    王越李佐勇颜佳泉胡蓉...
    263-270页
    查看更多>>摘要：水声信号识别近年来备受关注,由于海洋信道具有时变空变性、信号传播的衰落特性和水下目标声源具有复杂多变性,水声信号识别任务面临巨大挑战.传统的水声信号识别方法难以充分获取目标的表征信息且不具备良好的抗噪声能力,识别效果有待提升.针对上述问题,本文提出一种基于多分支外部注意力网络(multi-branch external attention network,MEANet)的水声信号识别方法,可以在复杂海洋环境下充分获取水声信号的特征并进行识别.MEANet由多分支主干网络,通道、空间注意力模块和外部注意力模块组成.首先,输入数据通过多个并行的主干网络分支,提取水声信号不同层级的特征信息;其次,辅以通道、空间注意力模块对水声信号的通道和空间维度分别进行加权,调节不同通道和空间位置对特征表示的重要性;最后,整合外部注意力模块,以外部记忆单元和附加计算来引导网络的特征提取和预测,从而显著提高模型的识别率和鲁棒性.实验结果表明,本文提出的MEANet在ShipsEar数据集上的水声信号识别率达到98.84%,显著优于其他对比算法,证实了其有效性.

    水声信号识别多分支主干注意力机制音频分类时频分析

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

    超密集网络中基于多基站博弈均衡的分布式无线资源管理算法

    王腾侯丽丽
    271-278页
    查看更多>>摘要：移动边缘计算和超密集网络技术在扩大移动设备计算能力和增加网络容量方面有明显的优势.然而,在两者融合的场景下,如何有效降低基站之间的同信道干扰,减少任务传输的时延和能耗是一个重要研究课题.本文设计了一个基于多基站博弈均衡的分布式无线资源管理算法.将小基站之间的无线资源管理问题转化为博弈问题,提出一种基于奖励驱动的策略选择算法.基站通过迭代不断更新其策略的选择概率,最终优化子信道分配和发射功率的调控.仿真结果表明,我们的算法在提高信道利用率和降低任务处理的时延和能耗方面具有优势.

    超密集网络子信道分配发射功率调控博弈论奖励驱动

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

    基于视频残差神经网络的深度步态识别

    马玉祥代雪晶
    279-287页
    查看更多>>摘要：步态识别是根据人体的行走方式进行身份识别.目前,大多数步态识别方法通过浅层神经网络进行特征提取,在室内步态数据集表现良好,然而在近年新公布的室外步态数据集中性能表现不佳.为了解决室外步态数据集带来的严峻挑战,提出了一种基于视频残差神经网络的深度步态识别模型.在特征提取阶段,基于提出的视频残差块构建深层 3D卷积神经网络(3D CNN),提取整个步态序列的时空动力学特征;然后,引入时序池化和水平金字塔映射降低采样特征分辨率并提取局部步态特征;使用联合损失函数驱动训练过程,最后通过BNNeck平衡损失函数并调整特征空间.实验分别在公开的室内(CASIA-B)、室外(GREW、Gait3D)这 3 个步态数据集上进行.实验结果表明,该模型在室外步态数据集中的准确率以及收敛速度优于其他模型.

    计算机视觉步态识别视频残差神经网络金字塔映射深度学习步态轮廓图像

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