首页期刊导航|现代计算机
期刊信息/Journal information
现代计算机
现代计算机

林楚昭

半月刊

1007-1423

lnzss@mail.sysu.edu.cn

020-84110804

510275

广州市海珠区新港西路135号中山大学园东区106栋西座1楼

现代计算机/Journal Modern Computer
查看更多>>《现代计算机》于1985年创刊,由中山大学主管主办,是一本面向计算机全行业的综合性学术刊物,一直以来致力于营造一个融洽的学术交流平台,帮助读者对象在学业、事业上更上一层楼。现为中国学术期刊综合评价数据库统计源期刊,中国期刊全文数据库全文收录期刊,中国核心期刊(遴选)数据库收录期刊,中国学术期刊(光盘版)收录期刊,全文入编中国学术期刊(光盘版)、中国期刊网、中华期刊网和中文科技期刊数据库、万方-数字化期刊数据库。
正式出版
收录年代

    基于交互式学习与多头注意力机制的金融文本情感分类

    吴峰周军谢聪姬少培...
    1-9,17页
    查看更多>>摘要:针对现有的金融文本情感分类模型在对文本表示进行建模时忽略了上下文语义和情感倾向之间交互关系的问题,本文提出了基于交互式学习与多头注意力机制的金融文本情感分类模型(Interactive learn?ing and multi-head attention mechanism,ILMA).该模型首先利用BERT模型来获得上下文和情感倾向信息的词嵌入表示;然后分别使用两个双向GRU(BiGRU)神经网络来学习上下文语义和情感倾向信息的随机依赖性;之后利用交互式学习机制和多头注意力机制来学习文本语境语义与情感倾向信息之间的交互表示;最后将生成的上下文语义和情感倾向信息的表示序列进行连接后,作为softmax分类器的输入进行分类.在四个公开的金融数据集上进行了实验,将ILMA模型与其他方法进行比较,结果表明ILMA模型的分类准确性相对于其他模型有了显著提升.

    金融文本情感分类上下文语义情感倾向交互式学习多头注意力机制

    基于YOLOv4-GS检测算法的服装识别方法

    田魏伟邱卫根张立臣
    10-17页
    查看更多>>摘要:针对服装检测中检测模型体积大、运算量高,难以适应后续嵌入式平台环境的需要,本文提出了一种高效的YOLOv4-GS算法,极大降低了检测模型的规模.首先对数据集使用K-means聚类方法获得初始候选框,再融合Ghost模块和SimAM注意力机制组成GS模块,然后利用GS模块重构YOLOv4网络得到更轻量、更高效的YOLOv4-GS模型.实验结果表明:对比原生YOLOv4网络,在DeepFashion2数据集和相同环境下,YOLOv4-GS模型骨干网络浮点运算量减少48.33%,参数量减少49.63%,模型大小降低了33.12%,mAP达到67.8%,提升了2.1%.

    服装检测YOLOv4-GSGhostNetK-meansSimAMDeepFashion2

    基于局部特征位置编码的小样本分类网络

    刘成君谭守标唐志伟樊进...
    18-24页
    查看更多>>摘要:为了解决使用图片级特征直接度量两张图片距离时会出现具有不同语义信息区域之间相互比较的问题,文章提出了基于局部特征位置编码的小样本分类网络.网络首先通过空间注意力模块加强具有判别性的区域特征,之后通过位置编码模块完成位置映射,使得具有相同语义信息的区域处于同一位置.实验结果表明,将局部特征进行位置编码之后再进行分类,能够有效地提升小样本分类的准确度.

    小样本分类位置编码注意力

    基于融合频域和时域特征的说话人识别

    龙翔夏秀渝
    25-30页
    查看更多>>摘要:针对单一特征参数表征语音信息不够全面的缺点,利用时域特征参数和频域不同特征参数的优点,融合频域特征参数MFCC、GFCC、MFCC一阶差分、GFCC一阶差分和时域特征参数短时能量,然后将多维度的融合特征参数进行主成分分析降维.降维后的特征参数送入双向长短时记忆神经网络模型进行识别训练.仿真实验表明,本文目标参数参与训练的说话人识别模型取得了99.61%的识别正确率,较其他说话人识别模型的识别率更高.

    说话人识别融合特征参数MFCCGFCC神经网络

    分布式图像解析系统的设计与研究

    彭琨丁小波蔡茂贞钟地秀...
    31-34,40页
    查看更多>>摘要:随着互联网技术发展和硬件算力的增强,基于深度学习的人工智能算法在实际应用中有着长足发展,更多的人工智能算法被应用在各类产品中.但这些人工智能模型具有庞大的参数规模,且对算力具有强依赖性,如何在不影响用户体验的情况下,提升深度学习算法能力成为研究重点.本文针对目前主流的请求方式进行分析,提出了结合异步的分布式消息队列图像解析系统,这对人工智能算法在云服务中的应用具有指导意义与参考价值.

    图像解析分布式人工智能消息队列

    基于加权距离投票的点云匹配算法设计

    韩德川
    35-40页
    查看更多>>摘要:点云匹配问题是计算机技术中的一个非常重要的问题,在表面重建、三维物体识别、定位追踪等问题中有着极为重要的作用.针对现有的点云匹配算法无法很好地适用于部件位姿调整过程中的点云匹配任务,进而无法完成姿态追踪等问题,提出基于加权距离投票的点云匹配算法,完成部件表面点云的匹配.

    点云匹配加权距离投票位姿调整

    融合上下文特征和空洞空间金字塔池化的语义分割

    刘东东马银平
    41-45页
    查看更多>>摘要:针对语义分割网络在进行语义分割的时候容易丢失边界和位置信息,造成图像分割的结果粗糙以及对像素类别的误判,提出融合上下文特征和空洞空间金字塔池化的语义分割方法.该方法首先采用空洞空间金字塔池化对特征图进行处理,然后在上采样的时候融合浅层特征的输出结果,最后将输出特征的通道数压缩为分类的个数,对图像进行像素级别的预测.使用语义分割常用的评估指标平均交并比和平均像素精度,与其它模型进行对比,结果显示该方法在分割效果上有一定的提升.

    语义分割金字塔池化上下文特征细化残差

    基于轻量化网络MobileNetV2的玉米病害识别研究

    叶名炀张杰强
    46-50页
    查看更多>>摘要:针对传统玉米病害的识别方法过于依赖个人经验、出错概率高的问题,结合深度学习与计算机视觉技术,提出一种基于迁移学习和MobileNetV2模型的识别方法,能够较准确地识别常见的三类玉米病害:灰斑病、锈病、大斑病.与经典CNN网络模型LeNet对比后,发现该方法具有计算量少、准确率高的特点,适用于移动设备.该方法在Kaggle数据集上的平均识别率达到96.94%,模型大小只有8.95MB.

    玉米病害识别轻量化卷积神经网络深度学习

    基于贝叶斯优化的LSTM高速交通流量预测

    沈括朱怡帆孟祥毅李海济...
    51-55页
    查看更多>>摘要:利用大数据技术来研究海量的交通数据,是当前研究热点之一.而长短期记忆网络(LSTM)对大数据训练具有很强的适应性和出色的扩展性,相较于RNN无法处理长期依赖的问题具有很大的优势.基于LSTM神经网络,针对人为经验调参困难的问题,提出了一种基于贝叶斯优化的LSTM模型.最后利用英国高速公路数据集进行验证,测试模型对交通流量预测的有效性与准确性.实验结果表明,基于贝叶斯优化的LSTM模型表现出了良好的性能,预测精度较高.

    大数据LSTM贝叶斯算法交通流量预测

    基于改进A*算法的物流无人机路径优化

    张森森陈肯李科扬
    56-59,73页
    查看更多>>摘要:无人机物流运输已经成为目前学术界的一个热点研究方向,通过考虑任务要求、空域环境、无人机性能等因素,采用栅格法模拟无人机三维运输环境,从而构建物流无人机路径优化模型.利用A*算法和RRT算法,以及通过利用双向搜索策略、优化欧氏距离与others线性组合的方式改进的A*算法进行仿真,然后比较几种算法的仿真效果.结果表明:传统A*算法存在效率低的问题,RRT算法存在模拟效果不好的缺点,采用改进的A*算法能快速找到最优的路径.

    A*算法路径平滑双向搜索策略物流无人机路径规划