首页期刊导航|计算机与网络
期刊信息/Journal information
计算机与网络
计算机与网络

张彦玲

半月刊

1008-1739

compnet@cti.ac.cn

0311-86924204

050002

石家庄市174信箱215分箱

计算机与网络/Journal Computer & NetworkCHSSCD北大核心
查看更多>>本刊办刊宗旨为认真贯彻执行国家对科技期刊制定的有关政策和法规,坚持本刊的电子技术类科技期刊属性,充分发挥本刊科技信息载体的作用,坚持立足IT业,以信息网络为中心,计算机与通信相结合;新技术、新产品、新应用与市信息相结合,面向大众,着眼实用;坚持普及与提高相结合,报道内容既要以普及为主,又要有一定的有技术含量的论文,以满足各层次读者的需要,以提高其社会效益与经济效益。
正式出版
收录年代

    基于BIRD的路由处理模块在高通量卫星网络中的应用

    李嵩泉贾慧燕范玉超张玉军...
    434-439页
    查看更多>>摘要:在高通量卫星(High Throughput Satellite,HTS)通信系统中,路由处理模块负责系统与地面网络的互联互通.通过分析HTS网络架构,总结路由处理功能需求,提出了一种基于BIRD的路由处理模块方案,通过静态路由与开放式最短路径优先(Open Shortest Path First,OSPF)动态路由相结合的方式,将用户侧路由向地面网络扩散传递,实现高通量用户与地面网络的互联互通.针对实际网络部署中HTS用户网络作为OSPF域外部路由的应用缺陷,进行了研究分析,并提供了基于虚拟接口的解决方法,增强了方案的适用性.

    高通量卫星路由BIRD开放式最短路径优先NSSA

    基于面部动作单元和Transformer的人脸表情生成方法

    曹朗炜魏润辰兰星姬强...
    440-447页
    查看更多>>摘要:提出一种基于面部动作单元(Action Unit,AU)和Transformer的人脸表情生成方法,旨在提高生成人脸表情的质量.利用面部AU去引导表情的生成,将Transformer结构引入生成对抗网络(Generative Adversarial Network,GAN)的生成器中,利用自注意力机制关注人脸输入序列的不同部分,有利于底层特征的提取,同时提升了可解释性;在判别器中加入快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)结构提取不同感受野的特征,对特征进行多尺度融合,增强判别器的性能.在公开数据集CelebA上训练模型,实验结果表明,所提算法提高了峰值信噪比(Peak Signal to Noise Ratio,PSNR)和生成图像质量(Fréchet Inception Distance,FID)指数,生成表情较为真实和准确.所提算法可以得到高质量的目标表情人脸图片,增强了表情编辑能力.

    人脸表情生成面部动作单元生成对抗网络深度学习多尺度特征融合计算机视觉

    一种基于RoBERTa模型的文本搜索排序方法

    唐伟广陈勇姚剑
    448-455页
    查看更多>>摘要:针对日益增长的资料快速检索共享需求,利用鲁棒性优化的BERT方法(Robustly optimized BERT approach,RoBERTa)预训练模型对现有资料进行训练,基于Transformer自注意力机制的语言学习模型,生成文本嵌入向量,将文本向量作为全文本的上下文表征.通过将关键搜索词向量化,使用欧氏距离计算向量与其他向量之间的距离,并使用快速排序算法,以找到最相似的向量输出显示,解决基于内容和上下文语义搜索的应用需求.

    Transformer文本搜索注意力机制嵌入向量

    基于提示生成网络的Frozen ViT

    黄驰涵
    456-460页
    查看更多>>摘要:随着计算机视觉中Transformer模型的引入,增加模型的数据量是实现更好性能和鲁棒性的绝佳方法.然而,当模型的参数达到亿级时,传统微调方法变得越来越有局限性,甚至有时不适用.因此,通过学习额外输入来调整模型的视觉提示模型成为处理冻结云模型的方法,既不需要前馈处理,也不需要后处理.提出了提示生成网络(Prompt Generative Network,PGN),通过端到端学习生成高性能的输入相关的提示.PGN能在预训练时适应各种训练集,在获取的数据集中优于以往方法,且模型参数减少了 100 倍.

    提示生成网络Transformer计算机视觉适应输入

    基于可解释性机器学习的战术判定预测智能决策技术

    朱光耀冯金顺董少然郭新苍...
    461-465页
    查看更多>>摘要:针对机器学习的黑盒性带来的战术决策可解释性差的问题,研究了基于可解释性机器学习的战术判定预测智能决策技术.通过阐述战术预测的概念结合战术预测典型特征构建了预测模型,介绍了采用可解释性监督学习方法进行智能决策的优势.从可解释性树模型和智能优化算法 2 个路线阐述其原理,分析了在战术预测领域的研究现状;从二者结合的角度验证了其对战术预测的促进作用,展望了可解释性机器学习的未来发展趋势.

    战术预测智能决策树模型智能优化算法

    基于PDO-SVR的施工项目风险预测模型

    周来俭陈小卫
    466-470页
    查看更多>>摘要:在施工项目领域,有效风险预测对于施工项目的顺利完成至关重要.针对传统风险预测模型难以实现非线性条件下的风险预测问题,提出了一种基于土拨鼠优化算法支持向量回归机(Prairie Dog Optimization Algorithm Optimizes Support Vector Regression Machine,PDO-SVR)的施工项目风险预测模型.该模型利用SVR强大的非线性预测能力,对施工项目的风险进行预测,针对人工选择SVR参数存在不合理的问题,利用PDO对SVR参数进行优化.实验结果表明,PDO-SVR模型具有更低的预测误差和良好的预测效果.

    施工项目风险预测土拨鼠优化算法支持向量回归机小型数据集