所屬欄目:電子信息期刊 熱度:318 時間:2025年5月30日 星期五
智能計算機與應用
關注(318)声明:①本页面非期刊官网,不以期刊名义对外征稿,仅展示期刊信息当做参考资料.如果您要投稿、要查稿,请移步至期刊官网.②如果您是期刊负责人且不想本平台展示期刊信息,可联系在线人员予以删除.③如果需要期刊学术咨询服务可以联系学术顾问:服务详情
《智能計算機與應用》計算機應用雜志,雙月刊,本刊由哈爾濱工業大學主辦,哈爾濱工業大學計算機科學與技術學院承辦,本刊宗旨:堅持理論與實際結合,普及與提高結合,注重科學性、知識性、實用性,普及推廣電腦知識,促進電腦應用水平不斷地提高,為廣大讀者和社會主義現代化建設服務。刊物特色:難易結合、靈活多樣、實用性強、可讀性好。
《智能計算機與應用》辦刊宗旨:刊發國內外智能計算機學術研究與技術應用成果,搭建計算機技術成果轉化與學術交流的平臺, 推進我國智能計算機研究與應用學科的發展。榮獲1988,1991,1996,2000年黑龍江省優秀科技期刊。
智能計算機與應用雜志欄目設置
綜述與探討 、學術交流、技術專題、技術報告、開發與應用、研究生論壇、技術產品介紹
智能計算機與應用雜志榮譽
萬方收錄(中)上海圖書館館藏國家圖書館館藏知網收錄(中)維普收錄(中)中國學術期刊(光盤版)全文收錄期刊
智能計算機與應用雜志社征稿要求
1、文稿應資料可靠、數據準確、具有創造性、科學性、實用性。應立論新穎、論據充分、數據可靠,文責自負(嚴禁抄襲),文字要精煉。
2、姓名在文題下按序排列,排列應在投稿時確定。作者姓名、單位、詳細地址及郵政編碼務必寫清楚,多作者稿署名時須征得其他作者同意,排好先后次序,接錄稿通知后不再改動。
3、文章要求在2000-2400字符,格式一般要包括:題目、作者及單位、郵編、內容摘要、關鍵詞、正文、參考文獻等。文章標題字符要求在20字以內。
4、文章中的圖表應具有典型性,盡量少而精,表格使用三線表;圖要使用黑線圖,繪出的線條要光滑、流暢、粗細均勻;計量單位請以近期國務院頒布的《中華人民共和國法定計量單位》為準,不得采用非法定計量單位。
5、為縮短刊出周期和減少錯誤,來稿一律使用word格式,并請詳細注明本人詳細聯系方式。
6、編輯部對來稿有刪修權,不同意刪修的稿件請在來稿中聲明。我刊同時被國內多家學術期刊數據庫收錄,不同意收錄的稿件,請在來稿中聲明。
閱讀推薦:電腦應用文萃
《電腦應用文萃》堅持為社會主義服務的方向,堅持以馬克思列寧主義、毛澤東思想和鄧小平理論為指導,貫徹“百花齊放、百家爭鳴”和“古為今用、洋為中用”的方針,堅持實事求是、理論與實際相結合的嚴謹學風,傳播先進的科學文化知識,弘揚民族優秀科學文化,促進國際科學文化交流,探索防災科技教育、教學及管理諸方面的規律,活躍教學與科研的學術風氣,為教學與科研服務。
智能計算機與應用最新期刊目錄
基于數據增強與對抗學習的諷刺文本分類研究————作者:汪家欣;錢鋼;
摘要:本文提出融合數據增強與對抗學習的創新方法以應對挑戰。方法層面,先借助同義詞替換、隨機插入和回譯等數據增強技術擴充訓練集,豐富數據多樣性,為模型訓練提供充足素材。接著,在模型訓練時巧妙融入對抗訓練機制,生成對抗樣本,優化模型在這些樣本上的表現,提升模型泛化能力。實驗表明,該方法在 iSarcasm、SARCv2 和 SemEval - 2018 Task3 三個公開數據集上表現出色,F1 值分別達 ...
針對擴散模型的對抗免疫方法————作者:陳瀟天;
摘要:本文針對擴散模型可能會被惡意用于生成或編輯偽造圖像的問題,提出了一種基于潛變量失配的對抗免疫(AILM)方法,旨在通過主動防御技術干擾攻擊者的生成過程。擴散模型因其低技術門檻和高效率,顯著降低了偽造圖像的成本與難度,傳統的被動檢測方法難以有效應對。為此,AILM方法通過在原始圖像中添加人眼不可察覺的微小擾動,破壞擴散模型在潛變量空間中的語義信息提取能力,使得后續生成或編輯的圖像出現失真、偽影等問題...
基于圖神經網絡與多模態特征融合檢測社交網絡中的惡意用戶————作者:韓冰清;
摘要:隨著技術的發展,社交平臺成為了人們交流的重要方式。然而在社交網絡中往往充斥著大量由不法分子操控的惡意賬號,這些賬號通過發布虛假信息、傳播謠言等毀壞人們正常的社交環境。因此,為了識別社交網絡中的惡意用戶,本文提出了一個基于圖神經網絡(Graph Neural Network, GNN)與多模態特征融合的惡意用戶檢測框架,首先通過整合用戶自身特征、行為特征以及情感特征,構建用戶節點的多維度表征。在處理...
考慮疲勞恢復效應的應急手術調度研究————作者:李昂;葉春明;閆金輝;張舒曼;
摘要:為解決突發事件下的應急手術調度問題,本文在混合流水車調度的基礎上,考慮醫護人員在長時間手術下的疲勞恢復現象,構建了包含疲勞恢復機制的應急手術調度模型。為了求解模型,本文對北方蒼鷹優化算法進行改進,首先通過引入Lévy飛行進行預搜索,之后引入隨機向量擾動以增強算法的搜索廣度,最后通過全局最優信息引導機制增強算法的收斂速度。實驗結果表明:在手術調度中合理安排休息時長不僅能夠緩解醫護人員的疲勞,同時也可...
基于黃金正弦和正余弦策略的變異登山隊優化算法————作者:馬麗;顧磊;
摘要:針對登山隊優化算法(Mountaineering Team-Based Optimization, MTBO)在種群多樣性和全局搜索能力方面的不足,提出了一種基于黃金正弦和正余弦策略的變異登山隊優化算法GSMTBO。首先,通過引入迭代映射進行種群初始化,有效避免了初始種群的聚集現象,提高種群的多樣性。其次,在補充新隊員時,采用黃金正弦策略更新隊員位置,利用正弦函數的周期性和黃金分割系數的優化特性,...
EG-YOLO:基于YOLOv8改進的月面隕坑檢測算法————作者:朱高城;劉世杰;李鑫;
摘要:精確檢測識別月面隕坑目標,對于深化月球科學研究、巡視器導航定位以及避障具有重要意義。為了提高月面影像隕坑檢測的準確性,本文提出了一種基于YOLOv8改進的隕坑檢測算法EG-YOLO,另外通過收集和處理大量的月面影像數據,構建了一個廣泛多樣的月面隕坑數據集,并結合多種數據增強手段對數據進行了擴展,有效提升了模型在不同場景下的泛化能力和魯棒性。改進算法主要內容包括:(1)引入EMA注意力機制模塊,在不...
基于深度融合時空特征的車輛多軌跡預測————作者:溫興浩;
摘要:由于車輛的高流動性、車輛軌跡錯綜復雜的時空依賴性以及高度多樣化的場景組件,高精度車輛軌跡預測在現實場景中極具挑戰性。現有的多軌跡預測方法大多無法有效表達復雜的時空依賴性。針對這一問題,我們在本文中提出了一種深度融合時空特征的軌跡預測(FSTDT)。首先,利用特征提取模塊分別處理靜態和動態交通參與者的特征。然后,將提取靜態目標和動態目標的特征來構建圖神經網絡的子圖,并將每個目標作為圖結構的一個節點。...
緩解圖結構不平衡的元對比學習網絡對齊方法————作者:智博文;
摘要:網絡對齊旨在識別兩個圖之間的對應節點,這對于信息整合至關重要。許多現有的網絡對齊方法使用圖神經網絡來學習有效的節點表示,利用其捕獲復雜圖結構的能力。然而,基于圖神經網絡的網絡對齊方法通常會遇到結構不平衡的問題,例如節點度和共同鄰居的分布不均勻。這些不平衡會造成節點嵌入性能差異,最終影響網絡對齊的性能。因此,本文提出了元對比學習圖增強網絡對齊(MCANA),從共同鄰居視角出發并且融合元學習與圖對比學...
基于RGB-紅外校準互補的跨模態目標檢測算法————作者:高皓一;張玉金;張瑞鑫;王永琦;徐行;
摘要:隨著傳感器技術的快速發展和實際任務要求不斷提高,僅靠單源目標檢測存在越來越多的挑戰,為解決這一問題,本文提出了一種基于RGB-紅外校準互補的跨模態目標檢測算法。首先模型通過融合通道注意力機制捕捉模態特征的重點特征,利用自注意查詢Q、鍵K和值V特征的相似度關系,進行互相關對齊,確定模態特征的最佳對齊位置來實現精確校準。同時,為避免摻雜RGB 和紅外之間的冗余信息導致性能變差,利用互信息衡量兩個模態流...
卡通人物合成語音與自然語音的聲學對比分析——以喜羊羊和灰太狼為例————作者:李孜涵;黃瑋;
摘要:本文以喜羊羊和灰太狼的自然語音和合成語音為語料,從譜重心、離散程度等4個譜矩參數和基頻微擾、振幅微擾等8個嗓音參數這兩個維度,考察自然語音和合成語音的差異。實驗表明,在譜矩參數上,喜羊羊和灰太狼兩個卡通人物的譜重心和離散程度的自然語音的平均值大于合成語音的平均值,偏度和峰度的合成語音的平均值大于自然語音的平均值。配對樣本T檢驗顯示,兩個卡通人物的自然語音和合成語音的譜重心、離散程度、峰度、偏度均存...
基于改進YOLOv5的卷煙品規展示視頻檢測研究————作者:覃宜霜;陶雯;賈建雙;陳杰;覃瓊慧;
摘要:在卷煙營銷管理中,精準統計煙草零售終端柜臺中卷煙品規數量對于庫存控制和產品陳列優化具有至關重要的作用。為了實現高效的卷煙產品識別與統計,本文提出了一種基于YOLOv5的輕量化卷煙品規展示視頻檢測方法。首先,為了降低模型復雜度,在YOLOv5中引入輕量化的MobileNetV3主干網絡,以減少計算量和參數規模;其次,采用視頻幀匹配技術融合幀級檢測結果,以確保跨幀目標的準確匹配和統計。實驗結果表明,相...
基于YOLOv8的油田井場人員安全服穿戴檢測方法————作者:陳偉;趙廣佳;路勇;
摘要:由于油田井場的監控視頻視角范圍廣、拍攝距離遠,人員圖像較小且與周圍設備混雜,目前使用的視頻檢測方法在檢測井場人員安全服穿戴方面未能達到精度要求,本文提出了基于YOLOv8算法改進的檢測模型。首先,添加Shuffle Attention注意力機制,加強網絡提取正確著裝和安全帽特征的能力,提高檢測的精度;其次,在快速空間金字塔池化SPPF中添加可分離大核聚集模塊LSKA,通過提高長距離特征依賴增強全局...
基于數據特征重構和遷移學習的滾動軸承故障診斷方法————作者:劉佳明;胡盛斌;盧帥多;杜振安;
摘要:滾動軸承是工業設備中的重要零部件,快速地對其進行故障診斷對設備安全來說至關重要,為此提出了一種基于數據特征重構和遷移學習的故障診斷方法WT-GoogleNet-BF,并利用滾動軸承驗證了該方法的可行性。首先,利用連續小波變換將軸承振動的一維信號轉換為二維尺度圖;其次,將二維尺度圖作為預訓練的改進GoogleNet網絡的輸入;最后,利用凱斯西儲大學的軸承數據集對提出的網絡進行實驗,結果表明WT-Go...
基于改進的YOLOv5輕量化織物瑕疵檢測方法————作者:嚴立成;
摘要:為了解決現在紡織行業織物瑕疵檢測中人工檢測效率低下以及存在瑕疵點分布密集、疵點尺寸小和種類繁多的問題,本文提出了一種基于YOLOv5s的檢測方法,在骨干網絡引入CoT上下文信息和CBAM通道空間注意力機制,增強網絡對特征圖的空間、通道和上下文重要信息提取能力;其次,在頸部引入BiFPN加權雙向金字塔,改善了網絡對多尺寸特征圖關鍵信息的提取能力,并在檢測頭前加入ASFF自適應空間融合機制,提升網絡的...
基于果蠅視覺神經網絡的農作物害蟲檢測預警————作者:胡常俊;夏紅紅;曹玉林;陳秋菊;
摘要:為提高自然環境下農作物害蟲檢測預警,實現綜合治理的意義,現有的機器視覺技術較難對其進行有效的監測。基于果蠅視覺神經系統的生物特性與LPTC神經元響應特性提出一種農作物害蟲預警檢測的神經網絡模型。借助果蠅視覺神經系統的前饋神經元細胞和LPTC神經元響應特性機理構建合成尖峰神經元細胞,借助合成尖峰神經元細胞建立預警檢測系統,以檢測農作物中出現的害蟲。該文涉及生物視覺神經機理啟發的害蟲動態視覺信息處理,...
基于密度估計的非小細胞肺癌全身代謝腫瘤體積估計————作者:馬露;丁曉陽;陳俊豪;祁婧;劉秀婷;
摘要:全身代謝腫瘤體積(whole-body Metabolic Tumor Volume,MTVWB)被證明是非小細胞肺癌患者獨立的預后指標,與患者的總生存期相關。計算MTVWB需醫生手動分割腫瘤,這一過程既耗時又費力,且現有MTVWB的自動估計方法由于全身范圍過大而性能欠佳。因此,提出了基于密度估計的兩階段方法,用于估計非小細胞肺癌的...
基于深度學習的聲紋識別的研究綜述————作者:陳浩南;王坤赤;湯敏;
摘要:聲紋識別受到環境噪聲、說話人的情緒狀態、身體狀況等因素影響。為了提高聲紋識別的可靠性,利用特征學習的深度學習方法得到廣泛關注。深度學習是基于深層神經網絡模型和方法的機器學習,在眾多領域都展現出了令人矚目的應用潛力,例如語音識別、語音情感識別、語音分離等。本文聚焦于深度學習在聲紋識別領域的應用研究。首先,概述聲紋識別研究的基礎知識,包括聲紋特征提取、準確率的計算方法等。接著,探討深度學習中基于CNN...
自監督超圖在用戶個性化推薦場景的應用研究————作者:牟大恩;倪琳;宋娜;
摘要:本文運用自監督超圖的深度學習方法和DBSCAN聚類算法,對用戶個性化推薦場景中的點擊率預估進行了深入研究。基于用戶與物品的交互數據,研究構建了用戶與交互物品的超圖,并利用超圖神經網絡對用戶多元異構交互行為進行建模,從而獲取用戶的超圖嵌入表示,并基于用戶的超圖嵌入表示開展客群聚類分析。最后,本文融合用戶基礎屬性和多模態向量特征,在深度學習的雙塔DSSM模型基礎上,構建個性化推薦點擊率(Click-T...
基于改進RRT*算法的機械臂路徑規劃————作者:孫鵬飛;么嬈;鄒宸瑋;王大中;
摘要:針對傳統的快速探索隨機樹算法(RRT)搜索時間長、采樣效率低、規劃路徑曲折,以及快速搜索隨機樹星算法(RRT*)沒有方向、收斂速度慢、搜索效率低等問題,同時針對在無障礙環境下,2種算法不能及時搜索路徑的問題,提出了一種改進的RRT*算法。首先,在算法開始搜索時通過連接起點與目標點,判斷能否直接到達,以減少無用搜索,如果不能直接到達,則維持原有搜索算法擴展...
基于解釋-蛻變測試的深度學習模型錯誤定位研究————作者:張浩嚴;呂文濤;郭慶;徐羽貞;余潤澤;
摘要:近年來深度學習模型層次的日益復雜,使得其預測更難以解釋,同時也使得深度學習模型的缺陷檢測和錯誤定位面臨巨大挑戰。目前,蛻變測試作為深度學習模型測試重要手段的同時,也與錯誤定位技術相結合,從而對深度學習模型可疑神經元和污染特征進行定位。以上方法主要利用蛻變關系滿足與否以及神經元或特征是否覆蓋進行定位計算。然而,蛻變關系滿足并不代表深度學習模型是正確的。本文主要結合蛻變測試、深度學習可解釋性的方法對深...
相關電子信息期刊推薦
核心期刊推薦
copyright © www.56st48f.cn, All Rights Reserved 投诉邮箱:qianyanxs@163.com
搜論文知識網 冀ICP備15021333號-3