首页期刊导航|小型微型计算机系统
期刊信息/Journal information
小型微型计算机系统
小型微型计算机系统

林浒

月刊

1000-1220

xwjxt@sict.ac.cn

024-24696120

110004

北京399信箱

小型微型计算机系统/Journal Journal of Chinese Computer SystemsCSCD北大核心CSTPCD
查看更多>>本刊创办于1980年，主要刊登计算机领域研究、应用等方面具有较高水平的学术性文学，面向对象为从事计算机科学研究工作的科研院所的科研人员和大专院校的师生。本刊有编委29人，其中6人为中科院工程院院士，其余均为我国计算机行业的优秀科学家。
正式出版
收录年代

    融入法律条款的可解释罪名预测模型

    陈俊霖刘群李能
    1-7页
    查看更多>>摘要：罪名预测旨在根据案件的相关事实和证据,对犯罪嫌疑人可能被指控的罪名进行推断和预测.随着人工智能技术的发展,利用深度学习方法进行罪名预测的模型已经展现了优秀的性能.然而,在司法领域,依靠深度学习实现的罪名预测模型,由于其背后的黑盒性质,容易受到法律专家的质疑,从而影响了预测结果的可靠性和可信度.本文提出了一种融入法律条款的可解释罪名预测模型.首先,通过文本匹配任务寻找犯罪事实适用的法律条款对刑事法律文书进行表示学习,该表示过程将事实描述和法律条款映射到相同的空间进行特征对齐,使隐空间中的犯罪事实围绕相关法条聚集.进一步将事实描述的表示进行聚类形成描述不同类型罪名的概念,并嵌入到预测模型的隐空间作为决策依据,指导训练过程.在罪名预测时,计算待测样本表示与概念之间的相似度,将相似度最大的概念作为决策依据生成预测结果.在CAIL2018数据集上的两组不同类型实验表明,本文模型预测准确率达到了 99.70％和93.60％,在分类准确率和模型解释性上均优于对比模型.

    法律文书表示学习罪名预测可解释性文本匹配

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

    藏文句向量预训练模型在嵌入式系统中的应用研究

    吕皓吕慧雍宾宾多拉...
    8-15页
    查看更多>>摘要：本文研究了将藏文句向量预训练模型部署到嵌入式系统上进行推理和测试的问题.在机器学习中,对文本进行编码和表征存在困难,因此句向量技术成为自然语言处理领域的重要研究方向.然而,在藏文自然语言处理领域,句向量研究相对较少.为此,本文分析了藏文领域已有的预训练模型和句向量表示方法,并设计了一种改进的无监督SimCSE方法(Improved Sim-ple Contrastive Learning of Unsupervised Sentence Embeddings,I-SimCSE).实验结果显示,使用 I-SimCSE 方法得到的藏文句向量模型性能优于其他方法.同时,本文探讨了边缘计算与预训练模型相结合的应用,并讨论了预训练语言模型在嵌入式系统上的潜在应用场景.最后,本文将I-SimCSE句向量模型部署在嵌入式设备Jetson TX1上,并测试了其平均单次推理时间,结果表明在嵌入式系统上部署预训练语言模型进行推理是可行的.综上所述,本文的研究对于藏文句向量预训练模型在嵌入式系统上的应用研究提供了有益的参考,并为未来藏文大模型在嵌入式系统的发展提供了指导和启示.

    藏文句向量表示嵌入式系统预训练模型

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

    面向CNN和Transformer的自注意力机制自适应性提示学习

    杨鹏跃王锋魏巍
    16-22页
    查看更多>>摘要：随着大规模预训练模型对视觉领域中的一般性数据的深入研究,当将其应用于特定下游任务时,若模型只训练分类头方法则极其依赖于预训练模型且效果一般;而全面微调预训练模型也因模型参数过大而变得不切实际;另外如VPT等视觉提示学习方法在图像数据集具有很大的数据多样性时,每个数据集的通用提示在向原始预训练数据分布转变时会带来极大的挑战.基于以上的种种挑战,本文提出一种新的提示学习方法,即在输入空间中添加特定任务的自注意力机制提示块,并在增强通道间的竞争条件下,引入极小的参数量进行预训练模型的自适应性调整,最终实现将视觉领域中具有一般性的特征信息应用于特定的视觉任务.实验以CNN和Transformer代表性的网络为基础模型并选取 CIFAR、Tiny ImageNet等数据集,结果表明本文提出的方法相比常见的微调方法在平均准确率上提高了 0.55％、1.86％.

    模型的微调数据多样性提示学习自注意力机制提示块自适应性调整

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

    基于GAT和Transformer的车辆行为预测

    王昀蔡英范艳芳柳军杰...
    23-32页
    查看更多>>摘要：车辆行为预测可以辅助自动驾驶系统进行决策,提高自动驾驶的安全性和效率.然而在不同道路场景下,周围交通参与者(如汽车、自行车及行人等)之间动态的变化会导致预测车辆位置信息存在较大误差,这可能使自动驾驶车辆无法及时采取避让或紧急制动等措施.本文旨在针对结构化和非结构化道路场景,构建交通参与者之间的动态交互时空图,并运用深度学习技术设计一种基于GAT和Transformer的GAN模型,用于车辆行为预测.GAT被用于学习不同参与者之间的相关性和交互规律,而Transformer被用来提取交通参与者运动状态信息的时序特征.分别在NGSIM和ApolloScape数据集进行仿真实验.结果表明,本文模型在长时域的预测表现出更高的精度,同时还具备更轻量级的特点.

    自动驾驶车辆行为预测深度学习图注意力网络

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

    改进型WSN覆盖模型及其求解的果蝇视觉进化神经网络

    黄唯张著洪
    33-43页
    查看更多>>摘要：传感器节点的随机部署易于导致WSN的网络覆盖率低和连通性差,进而影响WSN的服务质量;如何构建节点部署规划模型及探究其求解算法,仍然是WSN研究面临的科技难题.为此,提出改进型WSN覆盖优化模型及其求解的果蝇视觉进化神经网络优化算法.模型设计中,在已有覆盖率指标下,引入连通度指标以保证网络的连通性,进而借助正三角形法构建确保区域内节点均匀部署的约束限制条件,获得以覆盖率和连通度的加权和为性能指标的改进型WSN覆盖优化模型.算法设计中,依据注意力和果蝇视觉系统的信息处理机制,获得能处理约束条件且能输出全局和局部学习率的改进型果蝇视觉神经网络,进而将其输出与基于改进型蜣螂优化的状态更新策略组合,获得能处理强非线性约束优化及WSN覆盖优化问题的改进型果蝇视觉进化神经网络优化算法.比较性的实验结果显示,所获算法不仅具有强的竞争力,而且也暗示视觉信息处理机制与元启发式方法结合对解决约束优化问题具有较好潜力.

    无线传感器网络覆盖优化网络连通度果蝇视觉神经网络视觉进化神经网络蜣螂优化

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

    图对比学习研究进展

    吴国栋吴贞畅王雪妮胡全兴...
    44-54页
    查看更多>>摘要：图对比学习可以提取无标注数据自身信息作为自监督信号指导模型训练,并帮助缓解图神经网络对标签数据的依赖及结构不公平等问题,已成为图神经网络领域的研究热点.本文从数据增广方式、样本对构造、对比学习粒度3个方面对现有图对比学习研究进行了深入探讨,分析了已有不同图对比学习研究方法各自的优点与不足.在此基础上,指出了现有图对比学习研究存在的问题,并提出了自适应性图对比学习、上下文图对比学习、动态图对比学习、超图对比学习、因果推断图对比学习、无负样本图对比学习及基于大语言模型的图对比学习等未来图对比学习的研究方向.

    图对比学习研究进展数据增广样本对对比粒度

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

    融合篇章成分识别的中文记叙文篇章结构测评

    王晓艺王锦丞刘杰
    55-63页
    查看更多>>摘要：篇章结构合理性是作文自动评测中的重要考量维度.当前针对记叙文篇章结构合理性自动评估的研究还处于起步阶段.该文通过与语文教学专家共同制定记叙文篇章结构评价标准与篇章成分标注规范,构建了具有一定规模的中文记叙文篇章结构测评语料库.基于该语料库,该文提出了融合篇章成分识别的记叙文篇章结构测评模型.模型利用深度学习算法和注意力机制从单词、句子、段落3个层次学习文章特征,从而提取篇章结构的重要信息,最后通过融合识别的篇章成分结果进行结构合理性评分.利用构建的记叙文篇章结构语料库进行实验,结果表明,该文提出的模型准确率达到79.6％,优于现有工作和基线模型.

    篇章结构合理性语料库作文自动评分层次注意力网络BERT

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

    一种改进的Douglas-Peucker数控加工轨迹压缩方法

    王品王婧如张丽鹏王森...
    64-71页
    查看更多>>摘要：数控加工程序通常由计算机辅助制造系统生成,以微小直线段的形式"以直代曲"来指导数控机床进行直线插补运动.随着工艺复杂度和精度要求的提高,数控加工程序的数据量急剧增加,不仅增加了数据存储和传输的难度,而且会引起机床执行过程中速度的频繁调整.针对以上问题,提出了一种融合深度学习的改进Douglas-Peucker三维数控加工轨迹压缩方法,该方法通过引入曲率和距离容差度的超参数考虑了加工轨迹中数据点序列的几何特性,并通过深度神经网络模型动态地优化算法中的超参数,从而实现更高的压缩效率.此外,算法中利用了 KD树结构优化误差计算,确保压缩后的数据能够在给定的公差范围内精确呈现原始数据的特性.实验表明,该算法可大幅减少数据量,并确保压缩后的数据准确呈现原始数据的特性.

    Douglas-Peucker算法轨迹压缩轮廓误差深度神经网络参数优化

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

    噪声标签回归的泛化误差估计及过滤算法

    姜高霞李政莹王文剑
    72-80页
    查看更多>>摘要：当回归数据中存在数值型标签噪声时,传统泛化误差估计方法不再适用,回归模型的泛化性能缺乏保障.本文提出一种面向标签噪声的回归模型泛化误差估计方法,并设计了 自适应高斯核噪声估计与样本召回过滤(adaptive Gaussian kernel noise estimator and sample recall filtering,AGKSRF)算法.在所提 Craven-Wahba(CW)泛化误差估计的基础上,提出一种 CW 样本选择框架.基于最大后验估计思想和自适应近邻方法,提出标签噪声的自适应高斯核(adaptive Gaussian kernel,AGK)估计方法.结合所提框架,AGKSRF首先过滤大噪声样本,同时考虑到初次过滤时可能有部分干净样本被误删,AGKSRF根据模型在过滤样本上的误差对样本进行召回再过滤.标准数据集上的实验结果表明,AGKSRF降低模型误差的能力提升了 6～51个百分点.AGKSRF还可以识别年龄估计数据上的错误标签.因此,AGKSRF算法可以有效提升数据质量.

    噪声标签回归泛化误差估计自适应高斯核估计样本召回过滤

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

    基于深度学习的在线视频与习题匹配计算研究

    李浩君钟依莲吕韵
    81-89页
    查看更多>>摘要：在线学习多模态资源匹配的精准性是自适应学习服务效率提升的关键问题,而目前在线学习服务存在着不同模态资源关联特征挖掘浅层化、模态资源表征形式缺乏规范化以及模态资源间智能匹配计算低效化等问题.针对以上问题,本文聚焦在线视频与习题资源匹配研究问题,提出了一种基于深度学习的在线视频与习题匹配计算模型DL-VEMC(Online video and exercise matching calculation based on deep learning).首先,通过关键帧提取算法KEA、语音识别技术以及jieba分词技术深度挖掘在线资源多维度特征,实现在线视频与习题预处理;其次,使用CNN、注意力机制以及LSTM等深度学习技术协同开展视频关键帧表征,利用BERT技术对在线视频音频转录文本以及习题文本进行表征,获得在线视频与习题统一化语义表示;最后,融合在线视频与习题的语义信息,利用三层MLP拟合在线视频与习题匹配度值计算函数.实验结果表明,该模型的性能优于现有基线模型,消融实验和实际应用案例也验证了模型的有效性及可行性,为在线视频与习题匹配计算提供了理论依据.

    在线视频在线习题匹配计算深度学习

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