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

    基于深度学习的玉米叶片病害识别方法研究

    章赵威冯向萍张世豪
    1-8,77页
    查看更多>>摘要:玉米叶片病害的及时识别和防治对保障玉米产量和质量具有重要意义.提出一种基于深度学习的玉米叶片病害识别方法,并开发了相应的移动应用.使用YOLOv5s、YOLOv5m、YOLOv5l、ResNet18、ResNet34、ResNet50、EfficientNet_b0、EfficientNet_b1、EfficientNet_b2共9个深度学习模型,对包含普通锈病、枯萎病、灰色叶斑和健康叶片四类的玉米叶片病害图像进行训练和识别,比较不同模型在识别准确率、识别速度和模型大小方面的性能,结果表明EfficientNet_b0模型具有最高的平衡准确率(96.3%)和较低的模型复杂度.基于EfficientNet_b0模型开发了安卓平台的移动应用,该应用能够实现对玉米叶片病害的实时识别或加载相册图片识别,并给出相应的类别名称和置信度、病害介绍以及建议防治措施,为玉米种植者提供了一种便捷、高效和智能的玉米叶片病害诊断工具,有助于提高玉米生产的效率和质量.

    玉米叶片病害深度学习图像识别移动应用安卓

    一种无人机编队参考点飞行运动预判方法

    商园春赵长春李云庆
    9-14页
    查看更多>>摘要:为了实现无人机编队领机/虚拟参考点飞行运动的准确预判,提出了一种基于RBF神经网络的领机/虚拟参考点加速度估计方法.设计神经网络实际权值的更新方式,并运用改进的智能水滴算法获取神经网络高斯径向基函数中心(c1 max,c2 max).其中,上述算法中水滴的速度和加速度模拟无人机的速度和加速度;根据水滴位置偏差、速度偏差组成的矩阵的范数以及网格土壤含量,更新水滴所处网格位置;在满足计算停止条件时,土壤含量最少网格处的(c1 max,c2 max)作为基函数中心输出.仿真表明,无人机编队能够快速响应机动飞行,队形变换结束后各机位置偏差和速度偏差足够小.可见,对领机/虚拟参考点加速度估计足够准确,估计方法有效.

    无人机编队领机/虚拟参考点加速度神经网络水滴算法

    基于Swin-Transformer的岩石自动分类识别

    俞文静王代涛黄舒怡黄佳伟...
    15-20页
    查看更多>>摘要:地质勘探领域中,岩石准确识别对于资源评估、勘探定位以及环境保护等方面具有重要意义.然而,传统岩石识别方法依赖于地质学家的观察和经验,存在效率低、主观性强和对专家经验依赖等问题.为了解决以上问题,提出了一种基于Swin-Transformer的岩石自动分类识别算法.该算法通过引入分阶段的注意力机制,将图像分割成不同的块,利用窗口化注意力机制使得每个图像块只与其附近的块进行交互,从而显著降低了计算和内存消耗.实验结果表明,与当前流行的分类模型如ResNet和EfficientNet相比,提出的模型在分类识别效率和准确率上都有显著提高,Top-1准确率达到91.3%,Top-5准确率可达到98.56%.不仅提高了岩石识别的准确性和效率,且通过自动化处理流程,减少了对人工干预的依赖,为地质学研究和工程应用提供了有力支持.

    岩石识别Swin-Transformer分类识别机器学习地质勘探

    基于图神经网络和句法结构的因果事件检测

    周柏吏
    21-26页
    查看更多>>摘要:事件因果关系识别(ECI)旨在识别非结构化文本中事件之间的因果关系.这是一项非常具有挑战性的任务,因为因果关系通常通过事件之间的隐性关联来表达.现有的方法通常是直接使用预训练语言模型对文本建模来捕获这种关联,而这种方法难以捕获文本中长间隔事件对的语义关系.随着文本中事件对间隔的增加,模型对于事件对的语义关系捕捉能力下降.通过对文本的语义结构建模来研究事件之间的隐式因果关联.利用基于图神经网络的事件聚合器集成事件对的结构信息,以及利用文本的句法结构信息对模型提取的事件对表征进行语义增强.在两个广泛使用的数据集上的实验结果表明,模型性能比基线方法有显著的提升.

    事件因果关系识别图神经网络语义增强句法结构

    轻量化SSD的人脸检测

    戈若男李飞
    27-31页
    查看更多>>摘要:针对当前目标检测算法难以在资源有限的硬件平台上运行的问题,以Single Shot MultiBox Detector(SSD)为基础,在SSD中引入GhostNet网络来替换原本的VGG16主干网络,再引入轻量化注意力机制来补偿轻量化模型带来的检测精度损失,提高网络检测能力.在同一数据集上进行检测,改进后的GC-SSD模型大小由原SSD模型的92.11 M减小到10.90 M,mAP相比于Ghost-SSD模型提高了15.43%.实验结果表明,改进后的GC-SSD模型mAP达到92.06%,模型大小大量减小,更适用于移动端设备.

    目标检测SSD注意力机制轻量化

    大语言模型时代的机遇和挑战

    蒋雷汤海林
    32-35页
    查看更多>>摘要:大语言模型(LLMs)技术在自然语言处理(NLP)领域取得了显著进步,特别是重新定义了人机交互方式,使其从图形用户界面(GUI)走向了自然语言交互界面(LUI),辅助人类完成学习、工作、生活和陪伴等场景下的任务,为广泛的应用提供了一种非常有用的、与任务无关的基础,且具有较强的领域泛化性,同时对传统自然语言核心任务产生了巨大冲击和影响.因此在大语言模型引发变革的时刻,有必要就其对自然语言处理技术的影响进行详细调研和分析,探究大语言模型对自然语言处理带来的挑战和机遇,展望大语言模型和自然语言处理技术的未来发展趋势和应用.

    大语言模型自然语言处理ChatGPT

    深度学习驱动的图像分割:U-Net、SegNet和DenseASPP的比较研究

    崔丽娜
    36-44页
    查看更多>>摘要:旨在深入比较深度学习驱动的图像分割方法,特别关注U-Net、SegNet和DenseASPP这三种经典架构的性能差异.通过在裂缝集、火焰集和Cityscapes数据集上进行广泛的实验,比较各模型的精度、效率和鲁棒性,以全面评估它们在图像分割任务中的表现.结果表明,SegNet在裂缝集上略逊于U-Net,DenseASPP在所有数据集上均表现出色,具有更高的精度和鲁棒性.这一研究突出了模型架构对于图像分割性能的关键作用,使DenseASPP成为在需要高精度和鲁棒性的图像分割任务中的有前景选择.这项研究为深度学习图像分割任务提供了有益的指导,有助于研究人员更明智地选择适用于其具体任务的模型架构,为图像分割领域的未来研究提供了有价值的见解.

    图像分割深度学习语义分割

    基于压缩感知的单帧复合图像绝对相位恢复方法

    俸闻婧
    45-50页
    查看更多>>摘要:图像相位恢复是一种处理技术,用于从图像中恢复相位信息,但是单帧复合图像绝对相位恢复中易受正弦调制光源衰减非线性的影响,导致图像相位恢复性能不佳.因此,设计基于压缩感知的单帧复合图像绝对相位恢复方法.构建单帧复合图像光学成像模型,进行了图像聚焦定位及相位恢复配准递进补偿,利用压缩感知进行线性重构,获取准确的可压缩绝对相位恢复信号,实现了单帧复合图像绝对相位恢复.实验结果表明,设计方法的峰值信噪比、结构相似性、信息熵较高,均方根误差较低,证明设计方法的恢复效果较好,具有可靠性,有一定的应用价值,可以为后续的图像动态识别与三维测量作参考.

    压缩感知单帧复合图像光源衰减光学成像光波相位

    基于文本挖掘的大唐不夜城景区用户评论分析

    王曼瑾何媛
    51-56页
    查看更多>>摘要:采集大唐不夜城景区评论数据,基于Nvivo和Gephi软件对评论文本进行量化分析.根据三个发展阶段、三个评价等级、六个评论时间段对评论进行分组描述,对评论高频关键词与关键词共现网络进行了分析和比较.通过在线评论文本挖掘与分析,以期为大唐不夜城景区服务水平优化提升提供参考.

    在线评论社会网络网络可视化大唐不夜城

    MATLAB环境下基于三维L系统的树木形态模拟

    陈逸曹骏陈鹭芸张健...
    57-62页
    查看更多>>摘要:分形L系统利用植物的自相似性对植物结构进行建模,在虚拟植物和景观设计等研究中有着重要应用.将多规则随机L系统引入三维植物建模中,针对常见的灌木、单轴乔木和合轴乔木,给出了L系统设计的要点,并在MATLAB环境下实现了具体的L系统建模案例.模拟结果表明所设计的三维L系统能较好地模拟不同类型植物的结构形态.

    L系统虚拟植物MATLAB