首页期刊导航|西南师范大学学报(自然科学版)
期刊信息/Journal information
西南师范大学学报(自然科学版)
西南师范大学学报(自然科学版)

李明

月刊

1000-5471

023-68252540

400715

重庆市北碚区天生路2号

西南师范大学学报(自然科学版)/Journal Journal of Southwest China Normal University(Natural Science Edition)CSSCICSCD北大核心CSTPCD
查看更多>>本学报是国内外公开发行的综合性科学技术类学术刊物。主要刊登数学、计算机科学、物理学、化学、生物学、地理学、电化教育学、心理学、体育运动学、信息科学、系统科学和技术科学等方面的基础研究和应用研究的学术论文和研究成果。
正式出版
收录年代

    非凸增量前馈神经网络的收敛性分析

    张力潇陈磊
    1-10页
    查看更多>>摘要:针对给定格式的非凸增量迭代前馈神经网络提出了一种收敛性证明,并进一步推导了相关的全局逼近性推论.同时,本文还进一步阐述了在特定非凸增量迭代下的目标函数和激活函数的关系.在此基础上,给出了随机神经元的最优选择下的收敛性证明,该结论有效地填补了随机神经元在收敛速度上的理论研究空白,也间接论证了随机神经元的全局逼近性理论的正确性.接着给出了一种随机神经元的搜索算法,该算法克服了通用的递归求导误差算法的弊病,防止神经网络陷入次优局部最优解.最后,基于几个基准回归问题进行了实验验证,实验结果支持了本文提出的理论方法的正确性和有效性.本文的研究成果不仅拓展了神经网络的理论研究领域,而且对于实际应用中神经网络的优化和改进具有一定的指导意义.

    前馈神经网络收敛速度万能逼近非凸优化随机分布

    知识编译中的SDD构建及其复杂度研究

    梁建华杨文忠赵宇
    11-20页
    查看更多>>摘要:本文针对知识编译中的句子决策图(SDD)进行了研究.首先,阐述了关于句子决策图的基本概念及其相关技术.然后,在此基础上提出了一般SDD的自下而上的构建方法.同时,算法还可选地压缩每个划分,以返回压缩后的SDD,并对未压缩SDD和规范、压缩SDD的Apply函数的复杂度进行了深入研究.理论研究表明:前者支持多项式时间Apply函数,后者具有指数级时间Apply函数的特性.最后,实验结果表明:尽管未压缩SDD的Apply函数具有多项式时间复杂度,但规范、压缩SDD的Apply函数能得到比未压缩SDD的Apply函数以及其他先进SDD构建方法更小的SDD和更短的编译时间.

    人工智能知识编译句子决策图V形树合取/析取范式规范性复杂度编译时间

    AI生成与人类作者撰写论文要素的检测研究

    熊盼杨浠郑旭飞吴徐龙...
    21-30页
    查看更多>>摘要:为了探究AI与人类作者在学术写作上的异同,以ChatGPT,文心一言、通义千问为研究对象,针对计算机科学领域的期刊论文,构建了 3个不同种类的中文数据集,分别是AI生成、人类撰写和二者混合的摘要、引言、结论文本.从词性标注、文本长度、高频词和高频搭配等角度出发进行对比分析,使用Self-BLEU、Perplexity、语义相似度等指标评估了该数据集的文本质量.本文发现学者通常使用更复杂的句子结构,撰写的文本展现了更高的多样性,而AI生成的文本更容易被大语言模型预测.接着,将检测任务转化为一个二元分类任务,在13种基线模型上进行了实验,进一步提出了 DeBERTa-BiORU模型,准确率达到了 91%,优于其他分类器.通过这一创新方法,可以有效防止学术不端行为,为学术期刊编辑提供检测工具,保持学术界的公信力.

    文本分类人工智能生成内容深度学习文本检测

    AIGC辅助软件单元测试的研究

    杨浠熊盼郑旭飞吴海林...
    31-41页
    查看更多>>摘要:介绍了一种基于AIGC的单元测试方法—CodeQwenTest,旨在提高软件测试的效率与质量.通过从开源平台Github收集的高质量的Java焦点方法及其相应的单元测试,构建了一个精心设计的焦点数据集.利用这一数据集,对6种领先的大型语言模型(LLMs)进行了深入的单元测试生成和代码生成任务实验.在这些实验的基础上,选择了 CodeQwen1.5-7B-Chat模型,并对其进行了 LoRA微调,以进一步提升其在单元测试代码生成任务中的表现.实验结果显示,经过微调的CodeQwenTest在行覆盖率方面显著优于基线模型,并且能够高效地生成断言.这一发现证实了 AIGC技术在辅助软件单元测试中的有效性,为软件测试领域带来了新的工具和方法,为软件测试的自动化提供了新的视角.

    人工智能生成内容软件单元测试自动化测试用例生成大语言模型软件工程

    基于知识表示与推理的遥感图像中的对象识别1

    完颜丹丹孙士保
    42-51页
    查看更多>>摘要:为了实现对遥感图像中对象的识别,提出了一种知识表示与推理的对象识别方法.该方法首先执行图像分割,并对每个分割后的区域提取一组与光谱、空间和背景属性相关的特征来表征,以便进行对象识别;然后以知识形式化的本体方式对一个领域进行建模,并定义了一组概念(如建筑物、植被、道路、水等)以及它们的特征和彼此之间的关系.为了给每个区域分配一个语义含义,提出了一种面向特征的对象和本体概念之间的匹配,并给出了计算本体的原始匹配度量和基于启发式方法的遍历过程,从而实现整个图像的识别.基于高景一号卫星影像图的实验结果表明该方法不仅是有效和鲁棒的,而且在精度、召回率和F-度量的平均值方面优于现有的其他图像识别方法.

    图像识别语义地理本体知识形式化匹配分数遍历召回率

    地层特征重构下的气井射孔位置回归优化

    谢波梁帮治杨强段雨安...
    52-59页
    查看更多>>摘要:气井射孔位置关系到天然气开采过程中流体是否可以顺利流出,也是直接影响油气井产量的重要因素.为使气井位置满足油气开采要求,本文提出基于地层特征重构算法的气井射孔位置回归优化方法.该方法利用MAS(Full Name of MAS Management System)地质三维建模软件,通过定义地质单元体,以及生成地质单元体后得到的气井射孔位置地层特征和相关数据,依据该数据建立气井射孔位置回归模型,通过该模型描述气井射孔位置与实际位置的偏差关系,再使用遗传蚁群混合算法对气井射孔位置回归模型实施优化求解,实现气井射孔位置回归优化.实验结果表明:该方法可有效重构气井射孔位置地层特征,并可对气井射孔位置进行优化,优化后气井位置偏差量较小,具备较强的应用性.

    特征重构气井射孔地质单元体三维模建回归优化方法地层特征遗传蚁群算法回归模型

    XGBoost算法下供电线路停电敏感度识别

    卢海明辜小琢陈晓瑜李文珊...
    60-66页
    查看更多>>摘要:由于忽略了数据时序特征,供电线路停电识别结果ROC曲线的AUC值不高.因此,提出XGBoost算法下供电线路停电敏感度识别方法.采用缺失补充以及归一化的方法处理供电线路数据时序特征,并分析相应的停电相似度量,采用XGBoost集成机器学习算法学习分析该相似度量的敏感度特征,结合贡献度分析特征属性值以识别出供电线路的停电敏感度.实验结果表明:应用供电线路停电敏感度识别方法后,得出的识别结果表现出的ROC曲线AUC值较高,识别准确度较高,满足了供电线路运维工作中对停电敏感度的信息需求.

    供电线路停电敏感度XGBoost算法敏感度识别ROC曲线离散化处理数据时序特征集成机器学习算法

    多属性栅格环境下基于改进蚁群算法的机器人节能路径规划

    梁玲洪军
    67-75页
    查看更多>>摘要:针对移动机器人在非结构化环境且有限能源下的任务执行效率问题,改进蚁群算法实现了节能路径规划.首先,在常规全局障碍物基础上考虑粗糙地形和非平坦地形因素,提出了一种多属性栅格地图建模方法;其次,为了减少机器人在非结构化环境中的全局路径规划成本,结合了路径长度、转向频率、地形高度以及地面粗糙度等与能耗相关的指标以优化传统蚁群算法的启发式函数;此外,考虑了机器人上坡时的势能需求、下坡过程中动能的回收、空气阻力与滚动摩擦力和能量转换效率等因素进一步优化了信息素的更新机制.仿真和实验结果表明,所提策略能够为移动机器人在非结构化环境下规划低能耗路径,对实际运用具有一定参考价值.

    移动机器人非结构化环境蚁群算法路径规划

    基于无线传感器网络数据融合的运输机器人的跟踪和定位

    徐雪峰黄余
    76-85页
    查看更多>>摘要:针对大型产品生产型企业,提出了一种可工作在室内的小型运输机器人的位置跟踪和全局定位策略;首先通过对Nanotron科技的实时定位无线技术的分析,基于IEEE 802.15.4a网络协议设计了适合于具有开放路径导航的小型移动运输机器人的无线传感器网络,以提供实时通信和路由功能;然后应用扩展卡尔曼滤波和蒙特卡罗粒子滤波获得数据融合的传感器网络,从而实现运输机器人的精确位置跟踪和全局定位;实验结果表明,该方案不仅能够实现复杂室内环境中多个运输机器人的实时通信,而且能够有效地控制它们的精确位置移动和全局定位.

    生产型企业无线传感器网络移动机器人IEEE802.15.4a跟踪/定位锚节点数据融合

    一种基于无人机的光伏异常检测方法研究

    李峰林维修乐锋许育燕...
    86-92页
    查看更多>>摘要:针对目前大规模光伏巡检时存在数据依赖性高、模型参数量大和执行效率低等问题,提出了一种基于无人机的智能光伏巡检系统.首先,设计了系统的软硬件结构,可以将无人机平台识别的结果上传至监控中心,从而节省通信网络带宽,提高巡检效率;其次,提出了一个基于航空图像的轻量化光伏异常检测模型,从而满足无人机平台计算资源受限的要求.在实验阶段,分别对比了地面服务器和无人机平台的模型性能.地面服务器实验结果表明,所提出的损失函数使得训练收敛速度更快,且模型性能更优;无人机平台实验结果表明,所提出的模型较主流模型性能更优,平均检测精度为86.83%.仿真结果验证了该模型能够对光伏巡检和电力安全运行管理的发展提供一定借鉴作用.

    光伏无人机深度学习轻量化图像检测图像分割