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

    基于CNN-LSTM-CS工业管道腐蚀率预测模型

    王宏冯佳俊戴旗施宇...
    103-109页
    查看更多>>摘要：针对传统工业管道腐蚀率预测模型存在特征提取依赖人工经验和泛化能力不足的问题,本文将卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)相结合,提出了基于布谷鸟优化算法(cuckoo search,CS)的CNN-LSTM-CS网络模型,实现对工业管道腐蚀率预测.首先,对采集的管道腐蚀数据集进行归一化预处理;然后,利用CNN网络提取影响管道腐蚀率因素的深层次特征信息,并通过训练LSTM网络构建CNN-LSTM预测模型;最后,采用CS算法对预测模型进行参数优化,减少预测误差,实现腐蚀率的精准预测.实验结果表明,对比几种典型的腐蚀率预测方法,本文提出的方法具有更高的预测精度,为工业管道腐蚀率检测提供新的思路.

    管道腐蚀率卷积神经网络长短期记忆网络布谷鸟优化算法

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

    LM-UNet:横向MLP用于增强U-Net的医学图像分割

    邱海韬史操
    110-117页
    查看更多>>摘要：卷积神经网络(CNN)作为医学图像分割领域中U-Net基线网络的重要组成部分,其主要作用是处理局部特征信息之间的关系.而Transformer是一种能够有效强化特征信息之间的远距离依赖关系的视觉模型.目前的研究表明,结合Transformer和CNN可以在一定程度上提高医学图像分割的准确性.但是,由于医学图像的标注数据较少,而且训练Transformer模型需要大量数据,这使得Transformer模型面临耗时长和参数量大的挑战.基于这些考虑,本文在UNeXt模型的基础上,结合多尺度混合MLP和CNN,提出了一种新型的基于混合MLP的医学图像分割模型——LM-UNet.这种模型能够有效地增强局部与全局信息之间的联系,并加强特征信息间的融合.在多个数据集上的实验表明,LM-UNet模型在皮肤数据集上的分割性能明显提升,平均Dice系数达到 92.58%,平均IoU系数达到 86.52%,分别比UNeXt模型提高了 3%和 3.5%.在软骨和乳腺数据集上的分割效果也有显著提升,平均Dice系数分别比UNeXt提高了 2.5%和 1.0%.因此,LM-UNet模型不仅提高了医学图像分割的准确性,还增强了其泛化能力.

    医学图像分割MLP多尺度横向连接U-Net

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

    改进Informer网络的风电功率短期预测

    陈万志戎馨鑫王天元
    118-126页
    查看更多>>摘要：准确预测风电功率对于提高电力系统的效率和安全性具有重要意义,而风能的间歇性和随机性特点导致风电功率难以准确预测.因此,提出一种改进Informer的风电功率预测模型PCI-Informer(PATCH-CNN-IRFFN-Informer).将序列数据划分为子序列级补丁,并进行特征提取和整合,提高模型对序列数据的处理能力和效果;采用多尺度因果卷积自注意力机制,实现多尺度局部特征融合,提高模型对局部信息的理解和建模能力;引入反向残差前馈网络(IRFFN),增强模型对局部结构信息的提取和保留能力.某风电场数据实验结果表明,与主流预测模型相比,PCI-Informer模型在不同预测步长下均取得了更好的预测效果,在MAE指标上相比Informer模型平均降低了11.1%,有效提高了短期风电功率的预测精度.

    Informer模型因果卷积自注意力机制风电功率预测长序列预测

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

    基于自适应层级图卷积的多站点空气质量预测模型

    张石清胡炜赵小明
    127-135页
    查看更多>>摘要：时空预测任务在污染治理、交通、能源、气象等领域应用广泛.PM2.5 浓度预测作为典型的时空预测任务,需要对空气质量数据中的时空依赖关系进行分析和利用.现有时空图神经网络(ST-GNNs)研究所使用的邻接矩阵使用启发式规则预定义,无法准确表示站点之间的真实关系.本文提出了一种自适应分层图卷积神经网络(AHGCNN)用于PM2.5 预测.首先,引入了一种分层映射图卷积架构,在不同层级上使用不同的自学习邻接矩阵,以有效挖掘不同站点之间独特的时空依赖.其次,以基于注意力的聚合机制连接上下层邻接矩阵,加速收敛过程.最后,将隐藏的空间状态与门控循环单元相结合,形成一个统一的预测架构,同时捕捉多层次的空间依赖关系和时间依赖关系,提供最终的预测结果.实验中,我们与 7 种主流预测模型进行对比,结果表明该模型可以有效获取空气监测站点之间的时空依赖,提高预测精确度.

    空气质量PM2.5深度学习图卷积时空依赖

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

    结合CNN和BiGRU的双通道短文本意图识别算法

    王超孙喁喁徐飞马媛媛...
    136-143页
    查看更多>>摘要：在短文本意图识别领域,卷积神经网络(CNN)因其在局部信息提取方面的优异性能而备受关注.然而,由于其难以捕捉短文本语料的全局特征,因此存在一定局限性.针对该问题,本文结合TextCNN和BiGRU-att的优点提出一个双通道短文本意图识别模型,利用局部特征和全局特征更好地识别短文本的意图,弥补模型对文本整体特征的不足.AB-CNN-BGRU-att模型首先利用ALBERT多层双向Transformer结构对输入的文本向量化,再将向量分别送入TextCNN和BiGRU网络模型以获取局部和全局特征.将这两种特征进行融合,并通过全连接层并输入Softmax函数得到意图标签.实验结果表明,在THUCNews_Title数据集上,本文提出的AB-CNN-BGRU-att算法准确率(Acc)达到了96.68%,F1值达到了96.67%,相较于其他常用意图识别模型表现出更佳的性能.

    意图识别ALBERTBiGRU双通道

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

    高阶深度可分离无人机图像小目标检测算法

    郭伟王珠颖金海波
    144-153页
    查看更多>>摘要：当前无人机图像中存在小目标数量众多、背景复杂的特点,目标检测中易造成漏检误检率较高的问题,针对这些问题,提出一种高阶深度可分离无人机图像小目标检测算法.首先,结合CSPNet结构与ConvMixer网络,深度可分离卷积核,获取梯度结合信息,并引入递归门控卷积C3 模块,提升模型的高阶空间交互能力,增强网络对小目标的敏感度;其次,检测头采用两个头部进行解耦,分别输出特征图分类和位置信息,加快模型收敛速度;最后,使用边框损失函数EIoU,提高检测框精准度.在VisDrone2019 数据集上的实验结果表明,该模型检测精度达到了35.1%,模型漏检率和误检率有明显下降,能够有效地应用于无人机图像小目标检测任务.在DOTA 1.0 数据集和HRSID数据集上进行模型泛化能力测试,实验结果表明,该模型具有良好的鲁棒性.

    小目标检测递归门控卷积解耦头无人机图像YOLOv5

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

    基于联邦强化学习的分布式模型剪枝

    聂宇铭臧文科马学豪刘宇儒...
    154-161页
    查看更多>>摘要：联邦学习系统中,在资源受限的边缘端进行本地模型训练存在一定的挑战.计算、存储、能耗等方面的限制时刻影响着模型规模及效果.传统的联邦剪枝方法在联邦训练过程中对模型进行剪裁,但仍存在无法根据模型所处环境自适应修剪以及移除一些重要参数导致模型性能下降的情况.本文提出基于联邦强化学习的分布式模型剪枝方法以解决此问题.首先,将模型剪枝过程抽象化,建立马尔可夫决策过程,使用DQN算法构建通用强化剪枝模型,动态调整剪枝率,提高模型的泛化性能.其次设计针对稀疏模型的聚合方法,辅助强化泛化剪枝方法,更好地优化模型结构,降低模型的复杂度.最后,在多个公开数据集上将本方法与不同基线方法进行比较.实验结果表明,本文所提出的方法在保持模型效果的同时减少模型复杂度.

    联邦学习模型剪枝强化学习联邦剪枝深度学习

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

    基于脉冲神经网络的时空交互图像分类

    曲海成李竹媛刘万军
    162-169页
    查看更多>>摘要：脉冲神经网络作为人工智能发展的重要方向之一,在神经形态工程和类脑计算领域得到了广泛的关注.为解决脉冲神经网络泛化性差、内存和时间消耗较大等问题,本文提出了一种基于脉冲神经网络的时空交互图像分类方法.首先引入时间有效训练算法弥补梯度下降过程中的动能损失;其次融合空间随时间学习算法,提高网络对信息的高效处理能力;最后添加空间注意力机制,增强网络对空间维度上重要特征的捕捉能力.实验结果表明,改进后的方法在CIFAR10、DVS Gesture、CIFAR10-DVS这 3 个数据集上的训练内存占用分别减少了 46.68%、48.52%、10.46%,训练速度分别提升了2.80倍、1.31倍、2.76倍,在保证精度的情况下,网络性能得到有效提升.

    脉冲神经网络时间有效训练空间随时间学习空间注意力机制人工智能

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

    双波段彩色融合图像色彩和谐性客观评价

    高绍姝宋尚鸽倪潇
    170-177页
    查看更多>>摘要：针对现有的图像质量评价方法较少利用人眼视网膜和视觉皮层的颜色编码机制,并且未能充分考虑图像色彩信息对图像质量的影响,提出了一种基于多视觉特征的可见光(微光)与红外彩色融合图像色彩和谐性客观评价模型.该模型在图像质量评估中融入了更多的颜色信息,综合考虑多种人眼视觉特征包括视觉对立色彩特征、色彩信息波动特征和高级视觉内容特征,经过特征融合和支持向量回归训练,实现彩色融合图像的色彩和谐性客观评价.采用 3 种典型场景融合图像数据库进行实验比较与分析.实验结果表明,与现有的 8 种图像质量客观评价方法相比,所提出的方法与人眼主观感受更加一致,具有较高的预测准确度.

    图像质量评价彩色融合图像视觉对立色彩色彩信息波动高级视觉内容

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

    基于资源感知的多域服务功能链编排成本优化

    徐九韵脱颖超赵耀鹏李世宝...
    178-186页
    查看更多>>摘要：网络功能虚拟化技术的兴起使得实例化为服务功能链(SFC)的网络服务能够共享基底网络,缓解了传统网络体系结构僵化的问题.然而,网络中大量服务请求给多域SFC编排带来了新的挑战.首先由于域内网络资源信息及内部策略的保密性,使得多域SFC的编排更为复杂.其次多域SFC编排要确定最佳候选编排域集,先前的研究较少考虑域间负载的均衡性,对服务接受率造成了消极影响.此外跨网络域编排服务请求对服务的成本和响应时间提出了更严格的要求.为解决上述挑战,在本文中,我们首先针对多域网络隐私性需求,提出了域级图的构造方法;然后基于域间负载均衡提出了域权重的计算方法进行SFC编排域的选择;最后,针对多域网络成本和响应时间需求,提出编排算法.实验结果表明,提出的算法有效地权衡了平均服务成本和接受率,并且在服务平均响应时间方面也得到了优化.

    网络功能虚拟化多域网络服务功能链编排资源感知编排成本优化

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