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

    联邦学习隐私保护机制综述

    王浩竣梁亚楠黎琳李锐...
    1-12页
    查看更多>>摘要：随着数据孤岛的出现和隐私意识的增强,传统的中心化的机器学习模式遇到了一系列挑战.联邦学习作为一种新兴的隐私保护的分布式机器学习模型迅速成为一个热门的研究问题.有研究表明,机器学习模型的梯度会泄露用户数据集的隐私,能够被攻击者利用以获取非法的利益,因此,需要采用一些隐私保护的机制来保护这种敏感信息.本文研究了当前联邦学习系统中采用的隐私保护机制,并根据研究者采用的隐私保护技术,将联邦学习中的隐私保护机制分为五类,总结了不同的隐私保护机制的研究思路和研究进展.通过对当前联邦学习中使用的隐私保护机制的研究,联邦学习系统的设计人员可以提高联邦学习系统的安全性,更好地保护数据隐私.

    联邦学习隐私保护密码学

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于可拓知识的工业泵产品配置方法研究

    余凡盛步云李黎明卢其兵...
    13-20页
    查看更多>>摘要：针对现有产品配置设计过程中企业对历史设计数据利用率不高,客户需求分析不完全,产品配置可变化性不强等问题,提出了基于可拓知识的工业泵产品配置设计方法.通过分析企业历史数据信息,建立了工业泵产品的可拓配置模型,对工业泵产品配置进行求解;根据模块特征信息,采用了可拓距的相似度算法,实现产品配置实例的检索;最后通过可拓配置变换,消除客户需求与产品实例间矛盾不相容问题,实现了工业泵产品的智能配置.

    产品配置可拓知识实例推理可拓变换

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    大数据视域下余华文学作品文本挖掘研究

    杨秀璋武帅宋籍文任天舒...
    21-27,34页
    查看更多>>摘要：利用大数据和人工智能方法精准识别海量学术成果的主流学术关键,挖掘作品内涵知识及分析文学主题关联尤为重要,本文针对余华文学作品的研究文献开展主题特征、行文脉络研究,在数字人文视域下为把握作者创作倾向和特点提供依据.结合数据挖掘和主题演化的方法对中国知网余华文学作品相关文献进行分析,确认余华文学作品研究核心团体.再对余华文学文献进行文本挖掘,发掘出余华文学研究热点及关联.本文挖掘出了余华作品的核心主题、现实意义和艺术价值,为以其小说为素材的影视改编、艺术创作尽可能还原主题起到积极作用,可提供有效参考和借鉴.

    大数据文本挖掘主题演化文学作品社交网络分析

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于注意力机制的短道速滑运动轨迹预测模型

    张子涵周斌李文豪
    28-34页
    查看更多>>摘要：为了解决短道速滑中多名运动员在拥挤状态下容易出现轨迹判断错误的问题,本文设计了一种基于注意力机制的轨迹预测模型.把位置和速度信息输入LSTM编码器中,再通过注意力模块对速度信息进行加权求和,最后整合速度和位置的隐藏状态输入到LSTM解码器来对短道速滑轨迹进行预测.结果采用平均位移误差(ADE)和最终位移误差(FDE)进行评估.结果表明:提出的轨迹预测模型在短道速滑运动员训练数据集中和在公开数据集中与基准模型相比平均ADE和FDE精度明显优于其他网络模型,具有一定的实用价值.

    轨迹预测长短期记忆(LSTM)短道速滑

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    ISLM:克服灾难性遗忘的增量深度学习模型

    程虎威
    35-41页
    查看更多>>摘要：增量学习已成为机器学习领域的一个新的研究热点.与传统的机器学习相比,增量学习可以从新样本中不断学习新知识,并保留以前学习过的大部分知识.然而,目前增量深度学习方法不仅方法复杂而且会导致模型参数增加,因此本文提出了一个有效的增量深度学习模型(incremental structure learning model,ISLM),用于处理增量深度神经网络中的灾难性问题.在拆分的CIFAR-100数据集上进行实验,结果表明,与目前流行的增量学习方法相比,该方法不仅具备很f强的缓解灾难性遗忘的能力,而且得到了最高精度.

    增量学习深度学习注意力模块通道剪枝

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    机器学习和深度学习的并行训练方法

    祝佳怡
    42-48页
    查看更多>>摘要：并行计算技术广泛用于对一些特定问题进行更进一步的优化,从而突破性地降低算法的时间消耗.近年来,随着大数据和人工智能的快速发展,在进行大规模深度学习模型的训练时,时间消耗成为一个重要的考虑因素.在模型的训练过程中,由于各个样本之间互不相关的性质,使得模型的训练过程可以利用并行技术来很好地优化.本文以最基础的线性回归作为模型的任务,测试了并行化方法在深度学习模型中的可行性,并对比了不同节点下的性能提升幅度.本文所提出的并行训练方法的时间复杂度为O(m k×P+k× ϵ,根据该时间复杂度,可以合理地根据待解决问题的规模来选择合适的并行化策略.)

    并行计算机器学习深度学习最优化

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于Scrapy的食品安全舆情数据爬取与分析

    魏海昱林伟鸿贺超波
    49-54,95页
    查看更多>>摘要：随着移动互联网的普及与在线视频平台的流行,食品安全舆情信息呈现出复杂化、多样化的特点.运用网络爬虫技术爬取食品安全视频的相关评论数据,经过分析可以为食品安全舆情事件的引导提供重要依据.本文通过分析动态网页的爬取技术原理,基于Scrapy框架结合逆向分析与Selenium自动爬取策略对哔哩哔哩网站进行数据爬取,并以"黑心料理包"视频评论产生的舆情为案例进行分析,结果发现互联网用户对食品安全事件的关注趋势和讨论焦点.

    食品安全舆情数据爬取动态网页网络爬虫Scrapy

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于LSTM模型的机场航班飞行轨迹预测

    付茂洺陈纪宗
    55-60页
    查看更多>>摘要：在复杂的空域环境下飞行,精确的航迹预测是确保飞机在客运、货运等飞行任务安全的重要基础,在外界条件不确定的情况上,飞行航迹具不完全稳定性.为了实现空域资源的高效利用,增强空中交通安全,针对时间序列飞行数据利用长短期记忆网络(long short-term memory,LSTM)建立预测模型,高效计算飞行轨迹,再以均方误差(mean square error,MSE)评估精度,最后用半正矢公式(haversine)计算弧面距离.实验结果表明,LSTM模型能很好地解决飞行轨迹预测的问题.

    机器学习长短期记忆网络飞行轨迹预测时序预测

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于整群随机样本评估的简单随机抽样精度探讨

    许学艳
    61-65页
    查看更多>>摘要：在实际的统计抽样调查工作中经常要用到整群随机抽样,研究如何用一个整群样本来对同样样本量下简单随机抽样作简单估计和比估计,从而降低成本、提高效率和精度.对基于简单随机抽样下的简单估计和比估计以及整群随机抽样下的简单估计和比估计进行统计效应分析,以不同的群规模为辅助变量的比率估计在精度上做了比较.结果表明基于不等整群抽样的比率估计量的精度更高.

    整群抽样简单估计比率估计精度

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    面向公平分配的资源分配模型设计与实现

    陈奕冲陈威仰
    66-70页
    查看更多>>摘要：资源公平分配问题长期以来都受到重视,为了实现资源的合理公平分配,避免资源分配不公导致资源争夺,本文提出了一个面向公平分配的资源分配模型,并综合考虑人口、资源总量、经济贡献等参数,建立资源分配模型分析资源的公平分配,并基于Python编程语言实现该模型.经实验验证,通过应用本文提出的资源分配模型,可以实现较为公平的分配方案,以达到公平分配资源的目的.

    公平分配资源分配模型Python

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据