首页期刊导航|宁夏大学学报（自然科学版）
期刊信息/Journal information
宁夏大学学报（自然科学版）
宁夏大学
宁夏大学学报（自然科学版）

宁夏大学

李星

季刊

0253-2328

xuebaoz@nxu.edu.cn

0951-2061948，2061928

750021

银川市西夏区文萃北街217号

宁夏大学学报（自然科学版）/Journal Journal of Ningxia University(Natural Science Edition)CSSCICSCDCHSSCD北大核心CSTPCD
查看更多>>本刊是由宁夏大学主办的面向国内外公开发行的综合性科学技术类核心期刊和国家科技部"中国科技论文统计源期刊"，被国家新闻出版总署确定为"中国期刊方阵双效期刊"和"全国优秀科技期刊"，其刊发的许多重要学术论文被俄罗斯《文摘杂志》(PЖ)、美国《工程索引》(EI)、《化学文摘》(CA)、《数学评论》(MR)、德国《数学文摘》(Zbl Math)、英国《动物学记录》(ZR)、国家火炬计划项目"中国学术期刊综合评价数据库"、"中国科学引文数据库"、中国科学院"中国科学文献数据库"等国内外30余种文摘期刊和数据库摘编、索引、著录。本刊立足本地，瞻望全国，注重学术性，主要刊登工业技术、数学、物理学、化学、生物学、地理学等学科的基础理论研究和应用研究方面的研究报告、简报、快报等学术论文。
正式出版
收录年代

    一种特征融合的双流深度检测伪造人脸方法

    孟媛汪西原
    299-306页
    查看更多>>摘要：Deepfake技术的迅速发展，使得深度伪造视频和音频内容日益逼真，这种技术被广泛应用于政治伪造、金融欺诈和虚假新闻传播等领域。因此，研究和开发高效的Deepfake检测方法变得尤为关键。本研究探索了一种结合ViT与CNN的策略，充分利用CNN在局部特征提取方面的优势，以及ViT在建模全局关系方面的潜力，以提升Deepfake检测算法在实际应用中的效能。此外，为增强模型对图像或视频压缩引起的影响的抵御能力，引入频域特征，使用双流网络提取特征，以提高模型在跨压缩场景下的检测性能和稳定性。实验结果表明，基于多域特征融合的双流网络模型在FaceForensics++数据集上有较好的检测性能，其ACC值达96。98%、AUC值达98。82%。在跨数据集检测方面也取得了令人满意的结果，在Celeb-DF数据集上的AUC值达75。41%。

    Deepfake检测CNN结合ViTRGB频域特征融合跨压缩场景

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向社会性昆虫识别的知识迁移DenseNet后训练剪枝轻量化模型研究

    王鑫张文静史伟可乐乐...
    307-314页
    查看更多>>摘要：在资源受限的设备上，如何快速有效地针对蜜蜂、蚂蚁等对生态系统产生重要影响的种群进行图像识别，具有重要的生态保护意义。本文采用DenseNet预训练模型，在蚂蚁蜜蜂小规模数据集上进行知识迁移，并利用非结构化后训练剪枝UPSCALE方法，构建了一个完整的架构。实验证明，该架构可以快速利用小规模数据集，以较高的识别精度实现目标图像识别，且模型参数不到基准方法的1/3，对于部署设备而言，具有更广泛的应用价值。

    蚂蚁蜜蜂DenseNet迁移学习后训练剪枝

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于门控卷积网络和自注意力网络的联合实体关系抽取

    王梦涛杜方王美静李婷...
    315-324页
    查看更多>>摘要：实体关系抽取是自然语言处理领域的一个重要任务，其目的是识别文本实体中的目标关系，为知识图谱等下游任务提供结构化数据，近年来得到了广泛关注及持续创新。目前相关实体关系抽取方法的性能已显著提升，如基于潜在关系和全局对应的实体关系抽取方法(PRGC)，通过先引入关系判断模块，从而有效解决了关系识别存在冗余操作的问题，但该方法仍存在词特征信息不够丰富，模型泛化能力不强等问题。以PRGC为参考基准，本文提出了一种基于门控卷积网络(GCN)和自注意力网络的联合实体关系抽取方法(EREGS)，在编码阶段结合GCN，有效捕获远距离实体特征并学习到更加抽象的特征表示，使模型能够更好地理解文本的语义信息，从而增强特征的提取能力和跨领域的泛化能力。在解码器部分，利用自注意神经网络，帮助模型正确捕捉实体间的关联性，从而提升关系判别的准确性。实验结果表明，本文所构建的模型在NYT语料库和WEBNLG语料库两个通用数据集上的F1值分别达到了93。7%和90。8%，优于所对比的联合实体关系抽取的基线模型。同时，本文在自建的胶质瘤医学数据集GMD上进行了实验验证，结果表明，该模型在医学专用领域也展现出较优的性能和泛化能力。

    实体关系抽取门控卷积网络自注意力网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于CNN-Transformer半监督交叉学习的遥感图像场景分类方法

    单飞龙吕鹏远李梦晨
    325-332页
    查看更多>>摘要：随着深度学习技术的发展，基于卷积神经网络(CNN)和Transformer的深度学习方法在全监督遥感图像场景分类任务中得到了广泛的关注与研究。然而，如何在标注样本有限的情况下实现良好的分类性能仍然具有挑战。考虑到CNN和Transformer在深度特征提取方式上的差异，提出一种CNN和Transformer半监督交叉学习的遥感图像场景分类方法(SCL-CTNet)，通过构建CNN和Transformer输出的一致性约束，更好地提取未标记数据中的信息，指导模型训练。半监督交叉学习方法将弱增强图像在一个网络上的输出作为伪标签用于监督强增强图像在另一个网络的预测结果，充分利用未标记样本的局部-全局信息，鼓励两个网络对相同输入图像预测间的一致性，提高模型泛化性。使用自适应阈值筛选伪标签，提高伪标签可靠性。在AID和NWPU-RESISC45数据集上的实验结果证明了所提出方法的有效性。

    高分辨率遥感图像场景分类卷积神经网络Transformer半监督学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    "东数西算"智能·安全专栏

    刘昊时朋朋
    封2页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据