首页期刊导航|现代信息科技
期刊信息/Journal information
现代信息科技
广东省电子学会
现代信息科技

广东省电子学会

半月刊

2096-4706

xdxxkj@xdxxkj.cn

020-31233573

510400

广东省广州市白云区机场路1718号

现代信息科技/Journal Modern Informationn Technology
查看更多>> 《现代信息科技》杂志是由广东省科学技术协会主管，广东省电子学会主办的大型优秀科技期刊。本刊始终坚持学术第一的标准和科学、创新、前瞻、实用的原则，主要刊载电子信息科技领域研究的新进展、新技术、新成果，涉及工控技术、新型电子器件、军事电子、计算机软、硬件设计与应用、网络与通信工程、仿真与测试技术、传感器技术、机械制造与自动化、电子应用技术、微电子技术、智能制造、物联网、互联网技术等领域。致力于促进学术交流，推动成果转换，提高该领域研究水平和科技装备水平，服务我国经济社会发展。
正式出版
收录年代

    基于元学习和数据增强优化小样本模型泛化性能研究

    邓天翊张耕培
    93-96页
    查看更多>>摘要：针对小样本模型泛化性能不足的问题，引入元学习机制构建强泛化性的数据分析模型。使用BP神经网络建立数据分析模型，并使用模型无关元学习算法MAML对模型进行优化。结果显示，相比于传统模型(如支持向量机和高斯过程方法)，文中所建立模型的泛化性能更好;针对MAML训练数据形式，引入数据增强方法增加训练数据数量，文中所建立模型的均方根误差、平均绝对百分比误差和决定系数分别为0。05、0。066和0。85，均优于其他预测模型。

    元学习优化小样本模型泛化性模型无关元学习算法

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

    基于三维点云的PIP掩码自编码器

    陈博袁鑫攀
    97-101页
    查看更多>>摘要：现有的三维点云MAE的算法存在位置信息泄露问题和模态单一问题。为了解决这些问题，文章提出了一种用于点云-图像-点云MAE算法，称为PIP-MAE，该算法通过丰富二维图像知识来指导三维点云预训练模型，对输入的三维点云及其投影的二维图像进行随机掩模，然后重建两种模态的遮掩信息。对下游任务进行了实验，验证了PIP-MAE算法的有效性，提高了下游任务精度，能广泛用于各类下游任务。

    深度学习点云重建点云分类点云分割

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

    基于注意力机制的表情识别改进方法

    徐梦阳
    102-105,110页
    查看更多>>摘要：针对人脸表情识别中存在的受到光照和姿势的影响导致识别精度不高和深度学习模型参数量巨大的问题，文章提出一种基于注意力机制的卷积神经网络改进模型。通过引入注意力机制模块，使模型选择性地关注目标对象的局部重要信息，降低无关信息的干扰;同时，利用较少神经元数量与大卷积核的神经网络，大幅减少了网络参数，该方法构建了一种层次更浅、参数量更少的轻量卷积神经网络模型。在CK+人脸表情数据集上进行实验，结果表明，文章提出的方法在保证人脸识别精度的情况下，还大大减少了模型参数，其准确率可达到96。37%。

    人脸表情识别注意力机制卷积神经网络深度学习

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

    基于贝叶斯分层模型的低复杂度无线传感器网络定位算法

    翟永祺
    106-110页
    查看更多>>摘要：文章对基于压缩感知的无线传感器网络定位算法进行了研究，存在重构算法计算量大、定位误差较大等问题，为降低计算复杂度和定位误差，文章提出基于贝叶斯分层模型的低复杂度无线传感器网络定位算法。首先，将稀疏贝叶斯分层先验模型引入到无线传感器网络的定位中;其次，通过运用稀疏贝叶斯理论推理出估计目标的后验概率分布;最后，结合变分消息传递(VMP)算法，使用辅助函数对未知变量的联合后验概率密度函数进行等效，得到目标位置向量的估计结果。仿真结果表明，相较于传统的重构算法，文章提出的方法具有更好的恢复效果，计算复杂度更低。

    压缩感知贝叶斯分层模型低复杂度重构算法

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

    基于深度学习的声带疾病诊断识别方法比较研究

    邹锋郭珊珊樊玉琦
    111-114,122页
    查看更多>>摘要：在医学图像诊断领域，计算机辅助诊断技术已提升了图像诊断的准确性，但针对声带疾病的喉镜图像深度学习模型仍相对稀缺，这在一定程度上限制了声带疾病识别领域的发展。文章采用经典的VGG-Net算法和一种引入注意力机制的算法来对喉镜图像进行分类。通过比较这两种算法在准确率、召回率/灵敏率和特异率方面的表现，评估它们在医学图像分类性能上的优劣。实验结果表明，引入注意力机制的SA、SE-Net、CBAM和ECA-Net算法在性能上明显优于VGG-Net算法。结合深度学习和注意力机制可显著提升声带疾病喉镜图像诊断的准确性和效率，这对未来医疗行业的健康发展有着极其重要的意义。

    医学图像诊断声带疾病喉镜图像VGG-Net算法注意力机制

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

    两阶段云服务组合优化算法及其应用研究

    邓国华丁海旭陈冬林
    115-122页
    查看更多>>摘要：针对目前云服务市场中如何快速有效为客户提供最优组合云服务问题，提出一种包括灰色关联和自适应遗传算法的两阶段云服务组合优化算法。首先根据用户云服务需求，利用灰色关联分析对云服务进行初步筛选形成候选云服务集;其次建立时间最短、成本最低、可用性、互操作性、可扩展性和满意度最佳的多目标决策模型，采用自适应遗传算法求解模型，确定最优云服务组合方案;最后通过算例证明该算法在解决最佳云服务组合方面的合理性和科学性。

    云服务组合灰色关联分析改进遗传算法多目标决策

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

    基于图编码与小样本学习的精神分裂症分析方法

    符永灿阴桂梅盛志林
    123-127页
    查看更多>>摘要：在基于图神经网络的脑功能性疾病研究中，构建脑网络之后不再变化，且一般需要大量的数据进行建模训练。为了解决这两个问题，文章提出一种基于图编码与小样本学习的分析诊断模型。该模型采用皮尔逊相关系数和自注意力机制构建自适应脑网络，并将时域特征、频域特征和脑网络特征作为图卷积神经网络的输入，进行动态学习自适应脑网络和图编码特征。将图编码特征作为图原型网络的输入，进行小样本学习并实现分类。将该模型应用于精神分裂症的分类诊断，实验结果表明，精神分裂症的识别准确率达到83。4%，为脑网络研究提供一种全新的思路和方法，为小样本学习在精神分裂症研究中的应用开辟了新的方向。

    自适应脑网络图编码特征小样本学习图原型网络精神分裂症

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

    基于模型剪枝的深度神经网络分级授权方法的实现

    宋允飞
    128-132,137页
    查看更多>>摘要：基于现有深度神经网络模型无法根据使用权限进行分级授权的问题，设计提出了一种新型的DNN模型分级授权方法，其可以根据模型权限不同分发不同模型精度。该方法依据模型剪枝技术实现了模型性能的分级，利用特定的剪枝速率或剪枝阈值对模型进行剪枝和微调，通过在剪枝和微调阶段对模型进行调整从而使模型输出不同等级的准确率，最后将不同的用户权限与对应等级的准确率相匹配。在多个数据集和DNN模型上进行了实验，并利用CIFAR-10和CIFAR-100数据集进行验证。实验结果表明，该方法能够有效地将模型的性能分级，在多个DNN模型上都有良好的效果。

    深度神经网络分级授权版权保护模型剪枝

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

    AI绘画在艺术创作中的应用——以Stable Diffusion为例

    李深森
    133-137页
    查看更多>>摘要：AI绘画是基于人工智能技术进行艺术创作的一种方法，在AI绘画中，Stable Diffusion可提供稳定、连续和高质量的图像生成。Stable Diffusion是一种基于生成对抗网络的图像生成方法，它通过不断更新图像的噪声分布，逐渐生成越来越逼真的图像。在绘画艺术创作中，Stable Diffusion能够激发创作者的灵感，帮助他们探索不同的创作风格和创作方式。与此同时，创作者仍需运用自己的审美判断力对所绘制的作品进行筛选和调整。

    AI绘画StableDiffusion艺术创作

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

    基于迁移学习和多尺度融合的遥感影像场景分类方法研究

    李靖霞李文瑾
    138-141,145页
    查看更多>>摘要：随着计算机运算能力的提升以及深度学习技术的发展，无须人工参与的深度学习方法已成为遥感影像分类的主流方法。因此，提出一种基于深度学习并嵌入注意力机制和融合多尺度特征的神经网络对遥感影像进行场景分类。该模型使用迁移学习减少训练样本不足带来的负面影响;在网络中嵌入注意机制、融合多尺度特征来提高对小尺寸地物目标分类的能力，并验证了模型的有效性。通过实验分析得出所提模型对遥感影像场景分类是可行且有效的。

    注意机制遥感影像场景分类多尺度融合

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