首页期刊导航|数码设计
期刊信息/Journal information
数码设计
数码设计

月刊

1672-9129

数码设计/Journal Digital Insige
查看更多>>《数码设计》杂志是经济日报社主管的国家级科技期刊，是计算机技术在图形图像领域的发展，是当代科技和当代艺术设计相融合的必然，强调信息和计算机学科向文化艺术设计领域拓展的新方向。先后被《中国人文社会科学期刊AMI综合评价扩展期刊》《中国学术期刊综合评价数据库》《中国期刊全文数据库》《万方数据——数字化期刊群》《中国核心期刊（遴选）数据库》《中国期刊网》《中国学术期刊（光盘版）》等多数据库全文收录。
正式出版
收录年代

    深入推进数字经济创新发展

    盘和林茹少峰易成岐
    7-12页
      原文链接:
    • 万方数据

    新质生产力的科学内涵与发展路径

    王鹏
    13-15页
      原文链接:
    • 万方数据

    减证提速,跨部门的事更好办

    潘俊强施钰张文
    16-18页
      原文链接:
    • 万方数据

    数字经济产业生态日益丰富

    李芃达
    19-21页
      原文链接:
    • 万方数据

    数字经济推动非洲可持续发展

    杨海泉
    22-24页
      原文链接:
    • 万方数据

    ReaxFF-nn机器学习势模型在LAMMPS中实现的C++程序设计

    叶中豪解德欣李明宋云岳...
    25-28页
    查看更多>>摘要：本文介绍了在LAMMPS中实现ReaxFF-nn(神经网络)机器学习势模型的C++程序设计。LAMMPS是美国Sandia国家实验室开发的一款大规模分子动力学并行计算模拟软件，具有计算效率高、包含势场多的优点，且代码开源，具备良好的并行扩展性。ReaxFF是基于键级的反应力场。本工作在LAMMPS中ReaxFF模块的基础上使用神经网络对键级和键能方程进行重新设计，形成了机器学习势ReaxFF-nn。本文详细阐释了ReaxFF-nn的基本原理以及其在LAMMPS中实现的程序设计流程，包括读取输入数据、初始化神经网络的参数、计算原子间键能以及键级的函数等步骤。通过示例模拟，验证了通过ReaxFF-nn计算的准确性和可靠性。

    分子动力学ReaxFF-nnLAMMPS机器学习反应力场

      原文链接:
    • 万方数据

    基于改进YOLOv5s模型的SC-171边缘设备搭载番茄斑萎病毒病害的检测

    宁振国曾熊钢陈圣杰
    29-32页
    查看更多>>摘要：作物生长过程中的实时状态监测对保障作物生产至关重要，特别是针对茄科作物普遍存在的番茄斑萎病毒病害。本研究旨在提出一种基于改进的YOLOv5s模型的SC-171边缘设备搭载番茄斑萎病毒病害的检测方法。在相同试验条件下，与通用的YOLOv5模型相比，此方法提高了查准率P、查全率R、F1分数、平均识别准确率mAP0。5和mAP0。5:0。95分别达到1。40%、2。80%、1。86%、1。30%和3。40%。该算法在提高识别精度的同时保持了较高的运算速度，满足了边缘检测设备对番茄斑萎病毒病的检测。

    番茄病害识别YOLOv5s边缘检测SC-171

      原文链接:
    • 万方数据

    基于语义分割技术的牲畜检测方法研究

    牛嘉骏李春梅张玉安
    33-35页
    查看更多>>摘要：三江源地区的草场资源丰富，但由于过度放牧的原因，近年来退化严重。牛羊在这一地区是重要的养殖牲畜，传统的检测方法对牛羊数量的统计存在难度大、效率低等问题，且其准确性易受到牛羊姿态和人为主观因素的影响。本研究基于上述问题以门源种马场等地区为研究区域，实地采集数据，采用YOLOv5算法对牛羊进行检测，满足检测实时性较高的要求。通过试验对比Adam、AdamW和SGD三种优化器的效果以提高识别和计数的准确性。

    三江源地区牛羊计数YOLOv5算法目标检测

      原文链接:
    • 万方数据

    基于机器学习联合爬虫算法的综合漏洞扫描系统

    张一博季筠皓杨蕊绮徐小鹏...
    36-39页
    查看更多>>摘要：本文设计了综合漏洞扫描系统。该系统提出融合机器学习的爬虫算法对URL进行智能爬取，在此基础上进行内网网段发现和内网存活主机，将获取到的存活主机传递给端口扫描模块，端口扫描将扫描出每台存活主机开放的端口，根据端口获取运行的服务，传递给对应的服务模块进行详细的服务漏洞扫描和服务用户名密码爆破，最终形成完整的漏洞报告。所有模块对外独立，可单独调用，也可以一键自动化调用。

    网站安全服务器漏洞检测智能爬取漏洞扫描机器学习

      原文链接:
    • 万方数据

    基于预训练语言模型的安卓恶意软件检测方法研究

    蔡荟荃董满
    40-43页
    查看更多>>摘要：近几年，安卓系统中的预训练学习算法已经得到了很大的发展。然而，受限于现有的恶意代码样本获取困难，且标注数据集合通常很少，训练出来的学习模型推广性能受到限制。为此，本项目拟研究基于预训练语言模型的程序恶意检测算法。针对大规模非标签APK数据，采用非监督的方式对其进行训练，从海量的非标签APK中提取出丰富复杂的语义关联，从而提升其推广性能。利用已标注的恶意代码样本对该语言模型进行了优化，使得它可以更高效地对病毒代码进行探测，从而确保安卓系统运行的安全性。

    预训练语言模型安卓恶意软件检测方法

      原文链接:
    • 万方数据