小型微型計(jì)算機(jī)系統(tǒng)最新期刊目錄

編碼器-解碼器結(jié)構(gòu)的刀具磨損狀態(tài)預(yù)測(cè)研究————作者：劉本剛;吳文江;趙丹;王裴巖;彭春楊;

摘要：針對(duì)航空鈦合金加工中刀具磨損狀態(tài)監(jiān)測(cè)難題，提出了面向刀具磨損狀態(tài)預(yù)測(cè)的編碼器-解碼器網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建了Transformer、BiLSTM、BiGRU等72種組合模型，通過(guò)在航空鈦合金高效加工實(shí)測(cè)數(shù)據(jù)樣本集上驗(yàn)證發(fā)現(xiàn)：以Transformer為編碼器的模型性能最優(yōu)，其中Transformer-BiGRU組合模型F1值達(dá)69.61%，顯著優(yōu)于GS-XGBoost（58.01%）、Attention-C...

ARPNet：基于Transformer細(xì)化的自適應(yīng)區(qū)域原型醫(yī)學(xué)小樣本語(yǔ)義分割網(wǎng)絡(luò)————作者：史曉龍;瞿紹軍;石在;

摘要：在醫(yī)學(xué)圖像語(yǔ)義分割領(lǐng)域，小樣本學(xué)習(xí)因其高效的數(shù)據(jù)利用率和優(yōu)秀的泛化能力，受到廣泛關(guān)注.為應(yīng)對(duì)醫(yī)學(xué)圖像中前景與背景的極度不平衡問(wèn)題，目前基于區(qū)域原型的方法已成為主流.然而，現(xiàn)有的區(qū)域原型方法在應(yīng)對(duì)數(shù)據(jù)樣本中普遍存在的內(nèi)類差異和類間差異方面，分割效果有限.為此，本文提出一種基于Transformer細(xì)化的自適應(yīng)區(qū)域原型網(wǎng)絡(luò)（ARPNet），該方法能夠根據(jù)前景的大小、形狀及特征分布自適應(yīng)生成區(qū)域原型，以...

融合自適應(yīng)切換機(jī)制的牛頓-拉夫遜算法————作者：王諳博;潘家文;錢謙;馮勇;李英娜;張曉麗;

摘要：牛頓-拉夫遜優(yōu)化算法（NRBO）因其快速的局部收斂特性而被廣泛應(yīng)用，但在處理全局優(yōu)化問(wèn)題時(shí)，其性能受到初始種群?jiǎn)我缓瓦^(guò)度依賴近似梯度信息的影響.對(duì)此，本文提出了一種融合自適應(yīng)切換機(jī)制的牛頓-拉夫遜算法（ANRBO）.首先，ANRBO中設(shè)計(jì)了一種適應(yīng)度加權(quán)的準(zhǔn)反向?qū)W習(xí)初始化來(lái)構(gòu)建初始解集，以豐富種群多樣性.其次，使用自適應(yīng)分段決策因子策略調(diào)節(jié)陷阱避免算子的觸發(fā)概率，以平衡探索與開(kāi)發(fā).最后，當(dāng)算法停滯...

一種基于多模態(tài)時(shí)序數(shù)據(jù)融合的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法————作者：鄭澤梁;呂明琪;陳鐵明;朱添田;王飛;

摘要：工業(yè)物聯(lián)網(wǎng)（IIoT）系統(tǒng)異常檢測(cè)通過(guò)實(shí)時(shí)監(jiān)控工業(yè)設(shè)備和網(wǎng)絡(luò)的狀態(tài)，及時(shí)發(fā)現(xiàn)潛在問(wèn)題，是保障生產(chǎn)連續(xù)性和設(shè)備安全，實(shí)現(xiàn)從傳統(tǒng)的定期維護(hù)到預(yù)測(cè)性維護(hù)的轉(zhuǎn)變的重要手段.由于工業(yè)物聯(lián)網(wǎng)系統(tǒng)的異常往往難以大量捕獲和標(biāo)注，因此無(wú)監(jiān)督學(xué)習(xí)是目前的主流方法.然而，由于無(wú)監(jiān)督學(xué)習(xí)技術(shù)的限制，現(xiàn)有方法大多僅考慮單一模態(tài)的數(shù)據(jù)（如多維時(shí)序傳感數(shù)據(jù)），導(dǎo)致對(duì)復(fù)雜隱蔽的異常的檢測(cè)能力不足.為此，本文提出了一種基于多模態(tài)時(shí)...

雙分支概率網(wǎng)絡(luò)的血腫擴(kuò)張時(shí)序建模及預(yù)測(cè)————作者：王恩良;羅森瀚;孫知信;

摘要：出血性腦卒中發(fā)病率高、病情進(jìn)展快、預(yù)后差，其中，血腫擴(kuò)張是影響預(yù)后的關(guān)鍵因素，精確預(yù)測(cè)血腫擴(kuò)張事件對(duì)優(yōu)化臨床干預(yù)時(shí)機(jī)、改善治療效果和提高患者生存質(zhì)量具有重大意義。針對(duì)血腫演變過(guò)程復(fù)雜性和個(gè)體差異性導(dǎo)致的預(yù)測(cè)挑戰(zhàn)，本研究提出了一種基于神經(jīng)網(wǎng)絡(luò)參數(shù)化高斯過(guò)程的血腫擴(kuò)張建模與預(yù)測(cè)方法。通過(guò)引入非平穩(wěn)高斯過(guò)程對(duì)血腫體積的時(shí)序演變進(jìn)行建模，并設(shè)計(jì)雙分支概率預(yù)測(cè)網(wǎng)絡(luò)（Dual-Branch Probabili...

MGA-Net:融合多尺度與通道移位的超聲圖像分割網(wǎng)絡(luò)————作者：吳雨芯;邵黨國(guó);馬磊;

摘要：針對(duì)醫(yī)學(xué)超聲圖像分割中存在的斑點(diǎn)噪聲干擾、病灶邊界模糊及多尺度特征捕獲不足等問(wèn)題，本文提出了一種融合多尺度特征聚合和多組通道移位策略的輕量化網(wǎng)絡(luò)MGA-Net.該網(wǎng)絡(luò)通過(guò)引入多組通道移位下采樣模塊（MgCSD）和組聚合橋接模塊（GAB），在降低模型復(fù)雜度的同時(shí)提升分割精度.MgCSD模塊采用通道空間移位策略與尺度不變卷積，通過(guò)分組循環(huán)移位操作建立中心區(qū)域細(xì)節(jié)與邊緣輪廓的關(guān)聯(lián)性，結(jié)合全局加權(quán)增強(qiáng)機(jī)制...

面向大規(guī)模推薦的基于哈希的DRAM-SSD嵌入表存儲(chǔ)系統(tǒng)————作者：敖旭揚(yáng);樓博涵;王永福;李京;

摘要：隨著深度學(xué)習(xí)推薦模型規(guī)模的持續(xù)擴(kuò)展，處理分類特征的嵌入表所需內(nèi)存（DRAM）容量呈指數(shù)級(jí)增長(zhǎng)，單機(jī)內(nèi)存已難以滿足其存儲(chǔ)需求，傳統(tǒng)的多機(jī)分布式方案在節(jié)點(diǎn)數(shù)量過(guò)多時(shí)會(huì)顯著增加系統(tǒng)成本．最近的研究嘗試使用固態(tài)硬盤（SSD）存儲(chǔ)部分嵌入表，但由于大多依賴定制硬件而難以廣泛應(yīng)用．本文提出的SSDHashEmbed利用哈希分區(qū)技術(shù)優(yōu)化緩存替換策略的并發(fā)性能，并基于哈希表實(shí)現(xiàn)了一個(gè)高效的兩級(jí)嵌入表存儲(chǔ)模塊．通過(guò)...

面向大規(guī)模推薦模型推理的HBM-DRAM嵌入向量存儲(chǔ)系統(tǒng)————作者：樓博涵;敖旭揚(yáng);王永福;李京;

摘要：存儲(chǔ)大規(guī)模推薦模型的嵌入向量特征需要大量的內(nèi)存（DRAM），嵌入向量的高頻查詢和跨計(jì)算層的傳輸已成為推薦模型推理的性能瓶頸.GPU的HBM（High Bandwidth Memory）具備TB/s級(jí)高帶寬，采用HBM來(lái)存儲(chǔ)、訪問(wèn)嵌入向量可以顯著提高推薦模型推理的性能，但HBM昂貴且容量有限，無(wú)法存放所有的嵌入向量.本文結(jié)合推薦場(chǎng)景中存在數(shù)據(jù)傾斜的特性，設(shè)計(jì)了一種混合存儲(chǔ)系統(tǒng)，使用HBM作為一級(jí)存儲(chǔ)...

混合動(dòng)作空間下的無(wú)人機(jī)協(xié)助移動(dòng)群智感知任務(wù)分配————作者：楊桂松;張旭東;何杏宇;

摘要：在無(wú)人機(jī)協(xié)助的移動(dòng)群智感知（MCS，Mobile Crowd Sensing）系統(tǒng)中，由于任務(wù)分配決策是離散動(dòng)作，任務(wù)執(zhí)行者移動(dòng)速度是連續(xù)動(dòng)作，現(xiàn)有研究難以對(duì)二者進(jìn)行同步聯(lián)合優(yōu)化，從而限制了感知收益的最大化.針對(duì)該問(wèn)題，本文提出一種基于E-HPPO的無(wú)人機(jī)協(xié)助MCS任務(wù)分配算法.首先，針對(duì)任務(wù)分配決策的離散動(dòng)作和任務(wù)執(zhí)行者移動(dòng)速度的連續(xù)動(dòng)作，建立了具有離散動(dòng)作與連續(xù)動(dòng)作的兩個(gè)神經(jīng)策略模型的強(qiáng)化學(xué)習(xí)...

移動(dòng)應(yīng)用登錄設(shè)備數(shù)量管控機(jī)制的安全性研究————作者：劉智晨;張歆;張曉寒;

摘要：當(dāng)前，移動(dòng)應(yīng)用普遍采用登錄設(shè)備數(shù)量管控機(jī)制，限制一個(gè)賬號(hào)僅能在有限臺(tái)設(shè)備上同時(shí)保持登錄狀態(tài)，從而防止服務(wù)方資源被濫用.然而，此類管控機(jī)制的安全性尚未得到充分研究.本文針對(duì)安卓應(yīng)用的登錄設(shè)備數(shù)量管控機(jī)制開(kāi)展了系統(tǒng)性實(shí)證研究.本文提出了基于登錄憑證復(fù)用和設(shè)備標(biāo)識(shí)偽造的繞過(guò)攻擊，并依此構(gòu)建了分析系統(tǒng)，對(duì)流行應(yīng)用的管控機(jī)制安全性進(jìn)行了測(cè)試與分析.研究發(fā)現(xiàn)，本文測(cè)試的208款熱門應(yīng)用的管控機(jī)制均存在可被繞過(guò)...

基于最小化AES的魯棒計(jì)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(jì)劃選擇通過(guò)計(jì)劃圖簡(jiǎn)化和計(jì)劃切換能夠減少由基數(shù)估計(jì)誤差帶來(lái)的數(shù)據(jù)庫(kù)查詢優(yōu)化器計(jì)劃決策錯(cuò)誤.現(xiàn)有方法在計(jì)劃圖簡(jiǎn)化過(guò)程中僅關(guān)注了局部選擇率空間內(nèi)的計(jì)劃魯棒性，忽視了全局抗誤差能力.針對(duì)該問(wèn)題，本文提出最小化平均誤差比指標(biāo)用于全面評(píng)估計(jì)劃在整個(gè)選擇率空間內(nèi)的魯棒性，并設(shè)計(jì)了最小化平均誤差比計(jì)劃圖簡(jiǎn)化算法，在減小計(jì)劃圖規(guī)模的同時(shí)，確保簡(jiǎn)化后計(jì)劃集合的全局魯棒性.實(shí)驗(yàn)結(jié)果表明，相比于現(xiàn)有方法，本文方法生...

基于歸一化流的情感可控語(yǔ)音驅(qū)動(dòng)三維面部動(dòng)畫生成————作者：劉文靜;謝文軍;韓匯東;李琳;劉曉平;

摘要：當(dāng)前的語(yǔ)音驅(qū)動(dòng)面部動(dòng)畫生成方法主要關(guān)注唇音同步和身份保持，而對(duì)于面部動(dòng)畫的情感表達(dá)和情感控制等更具表現(xiàn)力的元素關(guān)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(yǔ)音驅(qū)動(dòng)三維面部動(dòng)畫生成方法EmoFlowTalk.首先，設(shè)計(jì)了時(shí)序優(yōu)化的歸一化流架構(gòu)的面部動(dòng)態(tài)參數(shù)生成器，改進(jìn)仿射耦合層以顯式建模面部動(dòng)畫序列的時(shí)序依賴關(guān)系，將不同情感表達(dá)的面部表情映射至混合分布的多情感類潛在空間.其次，設(shè)計(jì)了基于解...

一種基于ViT技術(shù)的被遮擋行人目標(biāo)重識(shí)別方法————作者：高夢(mèng)興;肖滿生;許雅婷;劉振楨;

摘要：行人目標(biāo)重識(shí)別（ReID）是指在不同場(chǎng)景中匹配同一行人目標(biāo)的技術(shù).針對(duì)在有遮擋物的情況下依賴全局信息方式處理行人目標(biāo)細(xì)節(jié)特征時(shí)，出現(xiàn)的局部信息表達(dá)能力受限問(wèn)題，提出了一個(gè)基于ViT特征增強(qiáng)的ReID方法，主要包括：（1）設(shè)計(jì)一個(gè)新型的跨尺度空洞融合模塊（Dimensional Feature Reinforcement Module，CDFM），通過(guò)多維度重加權(quán)對(duì)輸入特征進(jìn)行優(yōu)化，提升特征表達(dá)能力...

融合直覺(jué)模糊集與區(qū)塊鏈的時(shí)空數(shù)據(jù)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(lián)網(wǎng)時(shí)空數(shù)據(jù)共享過(guò)程中真實(shí)性、實(shí)時(shí)性與隱私性之間的矛盾，本文提出了一種融合直覺(jué)模糊集與區(qū)塊鏈技術(shù)的實(shí)時(shí)模糊信任模型，通過(guò)結(jié)合車輛的地理時(shí)空信息與區(qū)塊鏈歷史行為數(shù)據(jù)進(jìn)行共識(shí)節(jié)點(diǎn)選擇，實(shí)現(xiàn)可信交通時(shí)空數(shù)據(jù)共享。該方法通過(guò)將模糊智能與區(qū)塊鏈的優(yōu)勢(shì)相結(jié)合，提升了共識(shí)節(jié)點(diǎn)選擇的可靠性，并針對(duì)時(shí)空數(shù)據(jù)共享、可解釋信任管理及可靠共識(shí)節(jié)點(diǎn)選擇等關(guān)鍵問(wèn)題提出了創(chuàng)新性解決方案。具體而言，本文基于直覺(jué)模糊集構(gòu)建...

電路拓?fù)潋?qū)動(dòng)的晶體管級(jí)時(shí)序優(yōu)化算法————作者：成澤祥;羅元盛;馮超超;趙振宇;張?jiān)��?成龍;

摘要：隨著集成電路技術(shù)的飛速發(fā)展，電路設(shè)計(jì)的復(fù)雜性與日俱增，晶體管級(jí)時(shí)序優(yōu)化成為提高電路性能的重要手段.針對(duì)由標(biāo)準(zhǔn)單元組成的復(fù)雜電路中關(guān)鍵路徑延時(shí)過(guò)大的問(wèn)題，提出了一種基于電路拓?fù)浣Y(jié)構(gòu)的晶體管級(jí)時(shí)序優(yōu)化算法.該算法通過(guò)分析電路拓?fù)涮卣鳎�精�?zhǔn)識(shí)別電流傳輸?shù)纳侠�或下拉路徑，并結(jié)合多種優(yōu)化策略，對(duì)晶體管尺寸進(jìn)行精細(xì)調(diào)整，從而有效縮短了關(guān)鍵路徑的延時(shí).實(shí)驗(yàn)表明，該算法在多種電路場(chǎng)景下均展現(xiàn)出了卓越的時(shí)序優(yōu)化效能...

知識(shí)蒸餾驅(qū)動(dòng)的衛(wèi)星網(wǎng)絡(luò)流量輕量化預(yù)測(cè)模型————作者：何杏宇;李念慈;楊桂松;

摘要：傳統(tǒng)流量預(yù)測(cè)模型計(jì)算復(fù)雜度高，難以適應(yīng)衛(wèi)星網(wǎng)絡(luò)的資源限制，同時(shí)對(duì)衛(wèi)星流量的時(shí)空特性建模不足，無(wú)法有效表征其拓?fù)渥兓�和流量分布，�?dǎo)致預(yù)測(cè)精度與計(jì)算效率難以兼顧，限制了其在衛(wèi)星網(wǎng)絡(luò)中的實(shí)際應(yīng)用.為此，提出一種由知識(shí)蒸餾驅(qū)動(dòng)的輕量化衛(wèi)星網(wǎng)絡(luò)流量預(yù)測(cè)模型，旨在捕捉衛(wèi)星網(wǎng)絡(luò)流量的時(shí)空特征并降低模型復(fù)雜度.首先，該模型通過(guò)構(gòu)建結(jié)合圖卷積網(wǎng)絡(luò)(GCN)和Transformer的教師模型，以及融合GCN和門控循環(huán)...

利用微調(diào)大語(yǔ)言模型的檢索增強(qiáng)文檔級(jí)多事件抽取————作者：施蒂妮;曾劍平;

摘要：過(guò)去對(duì)于文檔級(jí)事件抽取的研究為了提升對(duì)長(zhǎng)文本的整體理解能力，需要通過(guò)實(shí)體識(shí)別盡可能地獲取全部的可能論元.這對(duì)于包含了很多數(shù)值詞的金融文檔級(jí)數(shù)據(jù)而言是一個(gè)挑戰(zhàn)，實(shí)體識(shí)別效果往往不理想，錯(cuò)誤會(huì)傳播到后續(xù)的事件解碼任務(wù).本文提出了一種針對(duì)文檔級(jí)、多事件抽取任務(wù)的新方法（RADME），該方法結(jié)合了貝葉斯方法實(shí)現(xiàn)高效的檢索增強(qiáng)技術(shù)，并利用了微調(diào)大語(yǔ)言模型處理長(zhǎng)文本的優(yōu)勢(shì)，該方法縮小事件類型檢索范圍，并從知識(shí)...

基于元學(xué)習(xí)的個(gè)性化人像面部語(yǔ)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(duì)傳統(tǒng)基于像素相關(guān)性的視頻壓縮編碼方法在處理大量數(shù)據(jù)時(shí)的效率瓶頸，以及二維語(yǔ)義特征編碼在處理大變化時(shí)的局限性，提出一種結(jié)合語(yǔ)義特征提取方法、三維重建技術(shù)和元學(xué)習(xí)個(gè)性化適應(yīng)的視頻壓縮編碼方法.在編碼端，通過(guò)個(gè)性化內(nèi)容編碼器和紋理編碼器分別提取視頻幀的語(yǔ)義特征，避免表情動(dòng)態(tài)變化與個(gè)體靜態(tài)固有紋理之間的相互干擾；在解碼端，采用改進(jìn)FLAME模型來(lái)重建包含個(gè)性化特征和紋理的三維頭部模型，確保重建的真實(shí)性...

同質(zhì)性增強(qiáng)的異構(gòu)圖提示學(xué)習(xí)方法————作者：魏楚元;劉舜堯;卓勝達(dá);張蕾;王昌棟;黃書強(qiáng);劉杰;

摘要：圖神經(jīng)網(wǎng)絡(luò)在多個(gè)不同領(lǐng)域展現(xiàn)出巨大潛力，然而傳統(tǒng)的圖神經(jīng)網(wǎng)絡(luò)方法通常依賴大量標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，而在實(shí)際應(yīng)用中，標(biāo)注大量數(shù)據(jù)往往代價(jià)高昂且費(fèi)時(shí)費(fèi)力。近年來(lái)，提示學(xué)習(xí)作為一種新興的預(yù)訓(xùn)練模型范式，在Few-shot、Zero-shot等低資源場(chǎng)景中表現(xiàn)出色。圖提示學(xué)習(xí)是一種新穎的圖預(yù)訓(xùn)練和提示框架，能夠通過(guò)少量標(biāo)注數(shù)據(jù)實(shí)現(xiàn)圖數(shù)據(jù)的多任務(wù)處理，有效彌合預(yù)訓(xùn)練任務(wù)與下游任務(wù)之間的差距。然而，現(xiàn)有圖提示學(xué)習(xí)...

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(yīng)時(shí);

摘要：任意形狀聚類旨在快速、準(zhǔn)確地分析識(shí)別出數(shù)據(jù)集中具有任意分布形狀的數(shù)據(jù)簇.大多數(shù)現(xiàn)有方法具有二次方以上的時(shí)間復(fù)雜度.為降低計(jì)算代價(jià)，部分方法通過(guò)下采樣來(lái)減少待分析的數(shù)據(jù)量，但采樣結(jié)果常不能保持原始的數(shù)據(jù)分布形狀，進(jìn)而影響最終聚類結(jié)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(shù)據(jù)集上進(jìn)行下采樣，使采樣點(diǎn)均勻連續(xù)地分布于原始的數(shù)據(jù)分布內(nèi)，從而保持原始的數(shù)據(jù)分布形狀；然后，基于采樣點(diǎn)選...

　　小型微型計(jì)算機(jī)系統(tǒng)來(lái)自網(wǎng)友的投稿評(píng)論：

• zhaohhhh

  就文章質(zhì)量來(lái)說(shuō)，小型微型計(jì)算機(jī)系統(tǒng)雜志目前在該行業(yè)較為權(quán)威，文章質(zhì)量較高，具有一定的參考價(jià)值。另外，我感覺(jué)現(xiàn)在此雜志的投稿難度在逐漸降低，我身邊的好幾個(gè)同學(xué)均已投稿并順利被接收，編輯部非常給力，周六晚上給發(fā)的錄用通知，大贊編輯部。

  2024-08-16 07:54
• zhaohhhh

  6.26投稿，7.3拒稿，無(wú)拒搞意見(jiàn)直接不采用。 雙非二本類院校，帶國(guó)家自然基金，研究方向?qū)儆跈C(jī)器學(xué)習(xí)

  2024-07-03 19:49
• Yangming_ak

  審稿特別快，拒稿也特別快。前一天投，第二天就拒稿，沒(méi)有任何理由。感覺(jué)是對(duì)投稿學(xué)校有要求，好像是歧視雙非。

  2024-03-23 14:24
• 奔跑的辣椒醬

  今年5月投了一篇論文，論文有9000字，智能方向的。1個(gè)星期內(nèi)拒稿，也沒(méi)有給出什么理由。自我感覺(jué)論文質(zhì)量還行啊，創(chuàng)新點(diǎn)也不錯(cuò)。這個(gè)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(gè)期刊跟一些會(huì)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