用户名： 密码： 找回密码 中文版 English 本站信箱 收藏本站 本网介绍

首页加盟期刊收录期刊评价中心文献导读期刊动态博客美文问题解答在线订阅新浪微博RSS
网站动态： 中国计算机期刊网介绍          欢迎关注中国计算机期刊网微信订阅号！          中国计算机期刊网正式发布,欢迎访问!          如何申请成为收录期刊和加盟期刊         
  •   按检索    检索词：    高级检索
     排序：相关度 OA 时间 被引次数 点击次数 下载次数 共有10000条符合的查询结果，以下是第401-420项 搜索用时 92 毫秒
[首页] « 上一页 [16] [17] [18] [19] [20] 21 [22] [23] [24] [25] [26] 下一页 » 末  页»
401.
PKI系统是目前用户进行安全访问基础资源的重要设施,通过公共的第三方认证来保障用户访问资源的安全.随着PKI技术的逐步部署应用,各类在部署应用中的安全问题也随之而来,攻击者可以通过攻击PKI系统窃取用户信息和破坏用户访问.从PKI的基本工作原理出发,全面介绍PKI系统在实际部署应… …   相似文献
张宾  张宇  张伟哲  乔延臣  刘翔  刘鹏辉 《软件学报》2025,36(6):2875-2899
402.
大型语言模型的快速发展极大地影响了软件工程领域.这些模型利用大量开源仓库代码进行预训练,能够高效完成诸如代码生成和代码补全等任务.然而,开源软件仓库中存在大量受开源许可证约束的代码,这给大模型带来了潜在的开源许可证违规风险.聚焦于大模型生成代码与开源仓库的许可证违规风险,基于代码… …   相似文献
王毅博  王莹  余跃  许畅  于海  朱志良 《软件学报》2025,36(6):2535-2557
403.
《中国图象图形学报》2025,30(6):1638-1660
404.
  
在主动健康领域,多模态情绪感知技术对于监测个人健康和提供医疗陪护具有重要意义。然而,当前多模态对话情绪感知技术在融合不同模态信息时面临挑战,尤其是在捕捉模态间的局部关系方面。为此,提出了一种基于特性分流的多模态融合算法MEPAD。该算法利用图神经网络捕捉对话的全局信息,并引入超复… …   相似文献
405.
  
在自动音频字幕(automated audio captioning,AAC)和大多数多模态研究领域中,模态差异一直构成重大挑战。增强模型对文本信息的理解,在建立文本和音频两种模态之间的无缝连接中起着至关重要的作用。最近的研究集中在通过对比学习的方法来缩小这两种模态之间的差距,但… …   相似文献
406.
  
基于光电容积脉搏波（PPG）的情绪压力检测系统有望能够实现日常的便携监测,但由于不同个体间PPG信号差异显著,导致在对训练时未见过的个体进行压力检测时存在严重的分布外（OOD）问题。针对这一问题,提出了一种基于多任务学习的跨模态压力检测模型（CSMT）,通过引入ECG信号重建和多心血管特征预测作为辅助任务,在高维表征空间中对PPG信号的压力检测进行协同优化,从而学习到跨个体的鲁棒压力检测表征。实验结果表明,在WESAD数据集上的留一验证（leave-one-subject-out）测试中,CSMT在三分类（中性/压力/愉悦）和二分类（压力/非压力）任务上的准确率和F1值均优于现有方法,有效缓解了压力检测中的分布外泛化问题。后续的消融实验进一步验证了所提多任务跨模态学习框架在提升模型泛化能力方面的有效性。… …   相似文献
407.
  
为在时间敏感网络(TSN)中保障时间敏感流量的确定性传输,提出一种基于自适应差分进化算法的流量调度方法。引入链路均衡约束条件,在种群初始化时监控链路拥塞情况进行路径选择;通过自适应算法调整参数联合优化路径选择与流量调度,实现最小化调度完成时间。实验结果验证了其有效性,对比多种算法… …   相似文献
408.
  
在移动边缘计算中,边缘服务器部署位置的固定性容易产生边缘服务器资源利用率不平衡的问题,从而导致任务卸载过程中时延与能耗的增加。针对该问题,提出了一种基于分层强化学习的联合优化算法。首先,将边缘服务器放置与任务卸载问题分解并转换为双马尔可夫决策过程。然后,利用深度Q网络构建上层边缘… …   相似文献
409.
  
针对尘肺病灶微小微薄以及现有深度学习方法受非因果特征影响,导致尘肺分期准确率低的问题,提出基于超像素先验的因果感知图卷积网络（SP-CPGCN）。具体来说,该网络通过对超像素而非整张胸片进行特征提取以学习局部微小特征;充分考虑节点间的空间邻近性和特征相似性构建图网络,设计分层聚合… …   相似文献
410.
  
突发事件抽取任务旨在从突发事件新闻报道中检测并提取出所蕴涵的事件类型及其事件要素,该任务为公共安全和应急响应提供了详细和结构化的信息。针对突发事件抽取领域内文本数据稀疏导致的上下文信息忽视问题,提出了一种基于上下文增强混合提示模板与位置感知注意力机制的突发事件抽取模型。首先,设计了上下文增强混合提示模板,在输入文本中添加任务相关的提示,以提升模型对任务的理解和推理能力。进而提出了位置感知注意力机制,从前向和后向两个方向捕捉关键的语义信息,以解决传统注意力机制对称性限制的问题。在中文突发事件语料库上的实验结果显示,提出的方法在事件类型检测和事件要素抽取任务上的F1值分别达到了91.8%和82.0%。… …   相似文献
411.
动态二进制翻译在跨平台移植和兼容性方面具有重要应用,但现有方法面临翻译效率和资源开销的挑战.本文提出一种基于机器学习的动态二进制指令集翻译方法.该方法的创新点在于将机器学习二进制分析、神经机器翻译技术融合为动态二进制翻译系统,构建了一个高效精准的指令集翻译框架.方法包括:利用预训… …   相似文献
412.
随着互联网广告市场的快速增长,精准的广告推荐变得至关重要.如何有效学习用户特征和广告特征之间交互是点击率(CTR)与转化率(CVR)预测任务的关键.然而,现有的点击率与转化率预测模型存在特征依赖性偏差和广告语义信息挖掘不足的问题.为此,本文提出了一种知识图谱增强的广告推荐算法(k… …   相似文献
413.
传统联邦学习在应用中面临设备异构、数据异构、通信资源约束等挑战. 终端设备异构导致训练过程中过低的协作效率,而数据异构所包括的数据量和数据特征分布异构则导致全局模型精度损失以及模型缺少泛化性. 为了有效利用终端的计算、通信以及数据资源,提出了一种自适应优化的分层联邦学习方法. 该… …   相似文献
414.
  
WSN节点通常部署在复杂的工作环境中,传感器节点故障不可避免,为了实时检测WSN中的故障,提出了一种数据驱动的故障检测框架。通过对无线传感网络运行初期采集的数据进行过滤和收集,使用过滤后的数据构造用于故障检测模型训练的数据集,提高模型的检测精度。通过划分时间窗口,使故障诊断模型检… …   相似文献
415.
  
软件众包任务中,选择不合适的众包工人常导致任务失败和任务发布者满意度下降。为解决因工人选择不当带来的问题,提出了一种综合考虑工人能力与任务匹配度的软件众包工人选择模型。模型包括基于TOPSIS和线性规划法的众包工人能力评估模型,以及基于匹配函数学习的众包工人与任务匹配模型。模型在… …   相似文献
416.
  
现有的云制造服务组合方法通常是在假设制造服务无异常的条件下进行,这使得现有模型及方法在服务异常时效率低下甚至失败。为了解决这一问题,提出了一种基于改进多目标鲸鱼优化算法的云制造鲁棒服务组合方法。首先,该方法通过为每个子任务分配一个首选服务和备用服务,有效避免因首选服务异常导致的效… …   相似文献
417.
  
为了克服自适应大邻域搜索算法(ALNS)在解决大规模旅行商问题时面临的初始温度设定困难及求解精度不足的问题,对传统ALNS进行了改进。首先,基于最近邻信息,提出了近邻移除算子和非近邻移除算子两种更具指向性的移除算子。前者负责区域性地移除解的部分,而后者则专注于单点移除,从而提高了… …   相似文献
418.
  
室内Wi-Fi接收信号强度指示(RSSI)指纹定位广泛应用于位置服务,但面临数据采集困难、环境动态变化的RSSI测量剧烈波动等挑战,难以实现高精度定位。为解决因数据稀缺和环境动态变化导致定位精度不佳问题,采用双编码器结构独立处理RSSI数据和位置坐标数据,引入地理信息损失函数,构… …   相似文献
419.
  
针对基于云边协同的云制造环境下制造资源实时感知数据难以及时处理的问题,考虑边缘端有限的计算资源、动态变化的网络状态以及任务负载等不确定性因素,给出一种基于混合深度强化学习(mixed-based deep reinforcement learning,M-DRL)的云边协同联合卸… …   相似文献
420.
皮肤衰老问题日渐引起关注,皱纹可以有效反馈皮肤抗衰老治疗进程,还可以反映人的生活方式、提供关于皮肤健康状况的信息.现有皱纹检测算法受到人脸五官及图片背景的影响,需要将面部区域切割成多个模块后才能进行检测,且仅能在额头处水平方向皱纹的检测中展现出较好的结果,具有较强的局限性.针对上… …   相似文献
[首页] « 上一页 [16] [17] [18] [19] [20] 21 [22] [23] [24] [25] [26] 下一页 » 末  页»
关于我们 | 广告服务 | 商务洽谈 | 联系我们 | 免责条款 | 隐私声明 | 网站导航
网站版权所有：中国科学院软件研究所  京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持