小型微型計算機系統最新期刊目錄

基于最小化AES的魯棒計劃選擇方法————作者：段坤仁;黃煜坤;方焱志;彭煜瑋;彭智勇;

摘要：魯棒計劃選擇通過計劃圖簡化和計劃切換能夠減少由基數估計誤差帶來的數據庫查詢優化器計劃決策錯誤.現有方法在計劃圖簡化過程中僅關注了局部選擇率空間內的計劃魯棒性，忽視了全局抗誤差能力.針對該問題，本文提出最小化平均誤差比指標用于全面評估計劃在整個選擇率空間內的魯棒性，并設計了最小化平均誤差比計劃圖簡化算法，在減小計劃圖規模的同時，確保簡化后計劃集合的全局魯棒性.實驗結果表明，相比于現有方法，本文方法生...

基于歸一化流的情感可控語音驅動三維面部動畫生成————作者：劉文靜;謝文軍;韓匯東;李琳;劉曉平;

摘要：當前的語音驅動面部動畫生成方法主要關注唇音同步和身份保持，而對于面部動畫的情感表達和情感控制等更具表現力的元素關注不足.為此，提出了一種基于兩階段歸一化流的情感可控語音驅動三維面部動畫生成方法EmoFlowTalk.首先，設計了時序優化的歸一化流架構的面部動態參數生成器，改進仿射耦合層以顯式建模面部動畫序列的時序依賴關系，將不同情感表達的面部表情映射至混合分布的多情感類潛在空間.其次，設計了基于解...

一種基于ViT技術的被遮擋行人目標重識別方法————作者：高夢興;肖滿生;許雅婷;劉振楨;

摘要：行人目標重識別（ReID）是指在不同場景中匹配同一行人目標的技術.針對在有遮擋物的情況下依賴全局信息方式處理行人目標細節特征時，出現的局部信息表達能力受限問題，提出了一個基于ViT特征增強的ReID方法，主要包括：（1）設計一個新型的跨尺度空洞融合模塊（Dimensional Feature Reinforcement Module，CDFM），通過多維度重加權對輸入特征進行優化，提升特征表達能力...

融合直覺模糊集與區塊鏈的時空數據共享方法————作者：陳廷豪;李佳惠;韓笑歌;李英龍;陳鐵明;

摘要：為解決車聯網時空數據共享過程中真實性、實時性與隱私性之間的矛盾，本文提出了一種融合直覺模糊集與區塊鏈技術的實時模糊信任模型，通過結合車輛的地理時空信息與區塊鏈歷史行為數據進行共識節點選擇，實現可信交通時空數據共享。該方法通過將模糊智能與區塊鏈的優勢相結合，提升了共識節點選擇的可靠性，并針對時空數據共享、可解釋信任管理及可靠共識節點選擇等關鍵問題提出了創新性解決方案。具體而言，本文基于直覺模糊集構建...

電路拓撲驅動的晶體管級時序優化算法————作者：成澤祥;羅元盛;馮超超;趙振宇;張曾慧;成龍;

摘要：隨著集成電路技術的飛速發展，電路設計的復雜性與日俱增，晶體管級時序優化成為提高電路性能的重要手段.針對由標準單元組成的復雜電路中關鍵路徑延時過大的問題，提出了一種基于電路拓撲結構的晶體管級時序優化算法.該算法通過分析電路拓撲特征，精準識別電流傳輸的上拉或下拉路徑，并結合多種優化策略，對晶體管尺寸進行精細調整，從而有效縮短了關鍵路徑的延時.實驗表明，該算法在多種電路場景下均展現出了卓越的時序優化效能...

知識蒸餾驅動的衛星網絡流量輕量化預測模型————作者：何杏宇;李念慈;楊桂松;

摘要：傳統流量預測模型計算復雜度高，難以適應衛星網絡的資源限制，同時對衛星流量的時空特性建模不足，無法有效表征其拓撲變化和流量分布，導致預測精度與計算效率難以兼顧，限制了其在衛星網絡中的實際應用.為此，提出一種由知識蒸餾驅動的輕量化衛星網絡流量預測模型，旨在捕捉衛星網絡流量的時空特征并降低模型復雜度.首先，該模型通過構建結合圖卷積網絡(GCN)和Transformer的教師模型，以及融合GCN和門控循環...

利用微調大語言模型的檢索增強文檔級多事件抽取————作者：施蒂妮;曾劍平;

摘要：過去對于文檔級事件抽取的研究為了提升對長文本的整體理解能力，需要通過實體識別盡可能地獲取全部的可能論元.這對于包含了很多數值詞的金融文檔級數據而言是一個挑戰，實體識別效果往往不理想，錯誤會傳播到后續的事件解碼任務.本文提出了一種針對文檔級、多事件抽取任務的新方法（RADME），該方法結合了貝葉斯方法實現高效的檢索增強技術，并利用了微調大語言模型處理長文本的優勢，該方法縮小事件類型檢索范圍，并從知識...

基于元學習的個性化人像面部語義特征提取與重建方法————作者：張莞鑫;張偉;雷為民;張金;

摘要：針對傳統基于像素相關性的視頻壓縮編碼方法在處理大量數據時的效率瓶頸，以及二維語義特征編碼在處理大變化時的局限性，提出一種結合語義特征提取方法、三維重建技術和元學習個性化適應的視頻壓縮編碼方法.在編碼端，通過個性化內容編碼器和紋理編碼器分別提取視頻幀的語義特征，避免表情動態變化與個體靜態固有紋理之間的相互干擾；在解碼端，采用改進FLAME模型來重建包含個性化特征和紋理的三維頭部模型，確保重建的真實性...

同質性增強的異構圖提示學習方法————作者：魏楚元;劉舜堯;卓勝達;張蕾;王昌棟;黃書強;劉杰;

摘要：圖神經網絡在多個不同領域展現出巨大潛力，然而傳統的圖神經網絡方法通常依賴大量標注數據進行訓練，而在實際應用中，標注大量數據往往代價高昂且費時費力。近年來，提示學習作為一種新興的預訓練模型范式，在Few-shot、Zero-shot等低資源場景中表現出色。圖提示學習是一種新穎的圖預訓練和提示框架，能夠通過少量標注數據實現圖數據的多任務處理，有效彌合預訓練任務與下游任務之間的差距。然而，現有圖提示學習...

利用形狀保持采樣的任意形狀聚類方法————作者：周泉;薛亮;黃浩;應時;

摘要：任意形狀聚類旨在快速、準確地分析識別出數據集中具有任意分布形狀的數據簇.大多數現有方法具有二次方以上的時間復雜度.為降低計算代價，部分方法通過下采樣來減少待分析的數據量，但采樣結果常不能保持原始的數據分布形狀，進而影響最終聚類結果.本文提出一種利用形狀保持采樣的任意形狀聚類方法.首先，在原始數據集上進行下采樣，使采樣點均勻連續地分布于原始的數據分布內，從而保持原始的數據分布形狀；然后，基于采樣點選...

ZMG-ADS：基于零樣本的多粒度產品表面異常檢測與分割模型————作者：王紫薇;彭敦陸;

摘要：現有的產品表面異常檢測與分割方法通常依賴于特定數據集進行訓練，其泛化能力受限。為緩解模型泛化性不足的問題，本文提出了一種基于零樣本學習的多粒度產品表面異常檢測與分割模型。該模型首先利用對比語言-圖像預訓練模型（Contrastive Language-Image Pre-training， CLIP）對圖像-文本提示對進行異常特征提取，并引入多尺度跨模態注意力機制增強特征表達，獲取粗粒度異常分割結...

融合圖注意力網絡的蛋白質相互作用位點預測方法————作者：張晴;張洋;周曉根;張彪;胡俊;

摘要：識別蛋白質-蛋白質相互作用位點對解析生命過程和藥物設計至關重要.近年來，基于深度學習的方法在蛋白質相互作用位點預測中取得了顯著進展.本文提出了一種新型深度學習模型GL-GAT，該模型整合了卷積神經網絡（CNN）、雙向長短時記憶網絡（Bi-LSTM）以及圖注意力網絡（GAT）以充分挖掘蛋白質序列與三維結構信息.具體而言，首先利用CNN提取蛋白質語言模型 ESM-2生成的序列特征，并采用 Bi-LST...

邊緣環境下基于時空特征融合Transformer的交通流量預測————作者：施曉薇;李劉琛;于正欣;苗旺;陳哲毅;

摘要：作為一種新興的計算范式，移動邊緣計算（Mobile Edge Computing，MEC）為交通流量預測提供了新的解決思路以更好支持智能交通系統.面對實際MEC環境中動態變化的交通流量，現有方法無法有效捕獲交通流量中復雜時空依賴關系以實現精準預測.此外，由于邊緣服務器資源有限，往往無法及時處理海量交通流量數據，難以滿足智能交通系統對實時性的高要求.為解決這些重要挑戰，本文提出了一種新穎的邊緣環境下...

有序距離優化與特征模糊增強的表格有序分類方法————作者：羅正東;艾比布拉·阿塔伍拉;張國昊;韓云飛;劉金龍;王軼;周喜;

摘要：表格有序分類旨在預測具有等級關系的標簽，如何有效利用數據中的有序信息是該領域的關鍵問題.傳統的表格數據方法未能充分挖掘這種信息，從而限制了表格有序分類性能.因此，該文提出了一種有序距離優化與特征模糊增強的表格有序分類方法，該方法包含兩個核心模塊：有序距離優化模塊通過計算類間距離，并結合有序關系的非等距性和包容性來構造有序距離，利用其作為權重優化特征空間，增強特征判別性；特征模糊增強模塊基于特征與標...

利用貝葉斯網絡改進執行體調度算法的研究————作者：劉太昆;李彧;李召召;胡晶晶;張藝;

摘要：在擬態防御系統中，異構執行體的動態調度機制是實現系統動態防御能力的關鍵。然而，現有的調度方法存在一定局限性，難以有效應對同步協同攻擊，從而被突破防御。為了解決這些問題，本文提出了一種基于貝葉斯網絡的異構執行體異構度度量方法，并設計了一種新型執行體調度算法。該算法綜合考慮了網絡攻擊的成功概率及異構執行體之間的共模漏洞，通過貝葉斯網絡量化異構體間的異構度，基于所得異構度確定最優的執行體調度集合。為了驗...

求助者動態模擬驅動的情感支持對話評估————作者：邵怡陽;張鵬;盧暾;顧寧;

摘要：近年來，許多研究關注情感支持模型的設計，但模型評估方法限于文本生成任務的通用指標，并不能直觀反映真實交互中的情感支持能力。一些研究通過開展人工交互式評估彌補這一缺陷，然而需要的成本過大。為了自動化衡量情感支持能力，本文設計了一種能夠模擬情感支持交互過程的評估方法，提出基于求助者狀態的模擬模型SeekerView，通過模型預測求助者的情緒狀態并基于此生成具體的對話內容，進而設計出更符合情感支持任務的...

基于增強型蛇鷲優化算法的光伏電站清洗機器人路徑規劃————作者：王濤;黃庭宇;徐凌樺;王霄;楊靖;馮平平;

摘要：針對現有路徑規劃算法在光伏電站清洗機器人路徑規劃中存在尋徑效果差、易陷入局部最優等問題，提出了一種多策略融合的增強型蛇鷲優化算法(ESBOA)。首先，結合光伏電站環境特征，綜合考慮路徑長度、平滑度和拐點數三個評價指標，構建仿真環境和適應度函數；其次，對原始蛇鷲優化算法(SBOA)引入Halton序列初始化種群、動態調整自適應參數、融合黃金正弦和最優個體混合擾動等優化策略，使得ESBOA算法具備更佳...

swDaCe：一種申威眾核處理器上以數據為中心的并行編程模型設計與實現————作者：沈沛祺;陳俊仕;安虹;

摘要：高性能科學計算是超級計算機的核心應用領域，包括粒子模擬、氣候分析等關鍵任務。然而，隨著摩爾定律逐漸失效，超級計算機體系結構日益趨向異構和復雜，導致科學計算應用的開發和優化變得更加困難。為解決這一問題，本文基于新一代申威超級計算平臺，提出并實現了一種以數據為中心的并行編程模型——swDaCe。該模型通過解耦數據流圖優化與原始程序，使得編程人員可以使用Python描述計算邏輯，并最終生成適配申威眾核架...

融合案件要素與案件屬性的罪名預測多任務學習模型————作者：李為祖;武友新;于程遠;

摘要：在法律判決預測領域中，案件描述通常具有相似的結構，而現有的預測方法容易忽略不同案件間的要素差異，難以有效利用案件要素特征，導致模型預測準確率不高。此外，罪名預測任務還面臨易混淆罪名問題。針對上述問題，提出了一種融合案件要素和案件屬性的罪名預測多任務學習模型(Case Elements And Attributes Multi-Task Learning Model，簡稱CEAT-MLM)，通過挖掘...

融合參考向量更新的約束高維多目標進化算法————作者：李俊;劉偉康;吳穎波;陳黎;

摘要：為有效解決約束高維多目標優化問題，本文提出了一種新型的融合參考向量更新的雙種群雙階段進化算法WDPEA-RVU，旨在高維空間中有效平衡可行性、收斂性和多樣性。首先，算法采用雙種群雙階段機制，通過輔助種群與主要種群的信息交流，實現全局搜索與局部集中的有效協作。其次，針對在高維空間中傳統Pareto支配關系影響力減弱的問題，算法結合θ-支配，提出新的環境選擇策略，以增強在高維空間中收斂性的選擇壓力。最...

　　小型微型計算機系統來自網友的投稿評論：

• 奔跑的辣椒醬

  就文章質量來說，小型微型計算機系統雜志目前在該行業較為權威，文章質量較高，具有一定的參考價值。另外，我感覺現在此雜志的投稿難度在逐漸降低，我身邊的好幾個同學均已投稿并順利被接收，編輯部非常給力，周六晚上給發的錄用通知，大贊編輯部。

  2024-08-16 07:54
• 畫個圈圈兜住幸福

  6.26投稿，7.3拒稿，無拒搞意見直接不采用。 雙非二本類院校，帶國家自然基金，研究方向屬于機器學習

  2024-07-03 19:49
• 帶頭大哥666

  審稿特別快，拒稿也特別快。前一天投，第二天就拒稿，沒有任何理由。感覺是對投稿學校有要求，好像是歧視雙非。

  2024-03-23 14:24
• 帶頭大哥666

  今年5月投了一篇論文，論文有9000字，智能方向的。1個星期內拒稿，也沒有給出什么理由。自我感覺論文質量還行啊，創新點也不錯。這個期刊可能稿件量太大了，挑選的余地太多了，隨隨便便就拒稿了。另外，這個期刊跟一些會議合作，可能給出了不少版面。審稿圖就不放了，免得被期刊拉黑。

  2023-08-24 16:12

提交