計算機工程最新期刊目錄

一種面向軟件成分分析的輕量化依賴分析方法————作者：李天然;樸勇;孔子涵;

摘要：大部分開源軟件存在安全漏洞。在我國，針對開源軟件的成分分析和驗證在軟件開發及評測中嚴重缺失，導致關鍵領域軟件安全難以保障。因此，軟件成分分析對確保軟件安全不可或缺，其中，準確的第三方依賴項（Third Party Dependencies， TPDs）識別是軟件漏洞管理與合規性評估的關鍵。針對上述問題，本文提出了一種面向軟件成分分析的輕量化依賴分析方法，提高了TPD識別的準確性和大規模項目文件處理...

基于參考的兩階段壁畫圖像超分辨率重建————作者：徐志剛;余浩;

摘要：壁畫作為重要的文化遺產，其數字化保護和修復在近年來得到了廣泛關注。然而，在壁畫圖像的超分辨率重建過程中，往往面臨紋理模糊和原有信息丟失的問題。針對這一問題，本文提出了一種基于參考的兩階段壁畫圖像超分辨率重建方法（Reference-based Two-stage Mural Image Super-Resolution Reconstruction， RTMISR）。首先，采用多尺度殘差特征提取模...

音視頻深度偽造與鑒偽綜述————作者：魏方達;劉淼;孫毅;王晶;趙勝輝;

摘要：近年來，深度學習在計算機視覺以及語音信號處理等領域取得了重大成功。然而，深度學習的飛速發展也帶來了負面影響，各類偽造視頻，語音在網絡上泛濫成災，一些不法分子利用深度學習技術替換原始視頻的人臉、編輯面部屬性、合成說話人語音、克隆語音，通過制作色情視頻、虛假新聞、政治謠言等造成社會動蕩、混亂，威脅個人利益、國家安全。為了消除這些負面影響，眾多學者從不同的角度提出解決方案。早期偽造主要集中在單模態偽造，...

基于變分特征解糾纏的銳度感知工業缺陷分類算法————作者：鐘依慧;馬瑛;江少進;楊豐玉;

摘要：在工業生產領域，缺陷分類對于保障產品質量和安全性扮演著至關重要的角色。但工業缺陷數據集存在類內差異大、類間差異小的特性，加上缺陷樣本數量有限，致使現有缺陷分類模型在實際工業環境中的表現欠佳。針對這一問題，本文創新性地提出了基于變分特征解纏和銳度感知的工業缺陷分類算法。首先，引入變分自編碼器將缺陷特征解纏為類別判別特征和類內方差特征，然后通過重采樣策略增強類內方差特征，與原始特征結合以提升特征表示的...

基于字形和語義的多級中文對抗樣本生成方法————作者：孫宇;王紅杰;杜彥輝;劉楠;

摘要：深度神經網絡語言模型在應用過程中容易受到對抗樣本攻擊，通過在原始樣本中添加微小擾動，生成對抗樣本，以誤導模型做出錯誤決策。通過研究對抗樣本的生成方法，可以有效發現并評估模型的魯棒性缺陷。現有的中文對抗樣本生成方法大多關注于如何提升對抗樣本的攻擊成功率，而忽略了對抗樣本的隱蔽性等質量指標。該研究關注中文文本對抗樣本生成技術，結合中文在字形結構和語義特征方面的獨特性，提出了一種結合漢字字形和語義信息的...

基于多尺度特征融合與極化自注意力機制的實時語義分割算法————作者：劉相濱;方誠;劉帥;

摘要：實時語義分割作為計算機視覺領域的核心任務之一，在無人駕駛、交通管控等諸多方面均發揮著極為關鍵的作用�，F有基于編碼器-解碼器結構的實時語義分割算法通常以犧牲分割精度的代價來達到實時性的效果，然而，這類算法為了保證實時性，其感受野通常較小，從而導致對道路場景中的大尺度物體分割效果較差。為此，本文基于編碼器-解碼器結構提出了一個針對道路場景的實時語義分割算法來解決這個問題。算法首先在特征提取階段設計了一...

多層超網絡聚合的個性化聯邦學習算法————作者：李陽;姜毅;陳帥;閆世超;王磊;馬禮;

摘要：個性化聯邦學習算法在處理非獨立同分布（Non-IID，Non-Independent and Identically Distributed）數據集和客戶端模型個性化方面有著巨大優勢。而基于超網絡的個性化聯邦學習利用客戶端各自的超網絡實現了客戶端模型的個性化訓練。然而，針對客戶端超網絡參數和客戶端數據的共享對客戶端個性化模型的準確率的影響相對不明確。因此，本文提出多層超網絡個性化聯邦學習（pFed...

hoda基于持續同調與復雜網絡的圖像形狀分類算法————作者：魏欣;彭寧寧;

摘要：針對于目前已有的復雜網絡圖像形狀分類算法中復雜網絡構建的穩定性不足，在復雜情形下提取的形狀特征分類性能較差等問題，提出一種基于持續同調與復雜網絡的圖像形狀分類算法。該算法將復雜網絡與Vietoris-Rips復形過濾相結合，在圖像輪廓點云上構建持續性復雜網絡，利用持續同調計算持續性復雜網絡中不同維度的全局拓撲特征；選擇從度分布提取的度特征和相關度特征作為局部形狀特征，分別融合全局拓撲特征得到兩組特...

基于自適應張量交換和重算的大模型推理優化————作者：梁緒寧;王思琪;楊海龍;欒鐘治;劉軼;錢德沛;

摘要：大語言模型（LLMs）在多種自然語言處理任務中展現出卓越性能。然而，LLM擁有極高的參數規模，使得有限的GPU內存容量成為推理任務的性能瓶頸。面向LLM推理服務場景提出AdaptiveLLM，根據推理任務負載特征在張量交換和張量重算中實現卸載策略自適應選擇。為了評估推理任務負載特征，AdaptiveLLM通過算子粒度計算復雜度分析建立黑盒ML模型實現張量重算開銷預測，通過細粒度KV Cache內存...

基于大語言模型的API使用約束知識構建————作者：劉根壕;張能;鄭子彬;

摘要：API使用約束是開發者在調用API時必須遵守的條件或限制，以確保正確使用并避免API誤用。API文檔是提取這些約束的重要來源。現有的基于自然語言處理的API使用約束提取方法通常依賴于句法模式，但對復雜并列句的處理能力有限，且對語法模式要求嚴格。為此，本文提出了一種基于大語言模型的API使用約束知識提取方法，記為AUCK。AUCK首先對Java API文檔進行預處理，提取包含API使用約束的句子；其...

非對稱容差關系粗糙近似集的GPU加速方法————作者：吳正江;王夢松;武星晨;

摘要：為解決非對稱容差關系存在冗余容差類問題以及為提高近似集的計算效率。本文通過改進的非對稱容差關系，介紹了不完備信息系統中上、下近似集的布爾矩陣表示方法，設計了計算近似集的矩陣分塊算法，并在GPU上實現近似集計算過程的加速。具體來說，本文提出了一種最近容差關系，構建了不完備信息系統中對象之間的層次結構，這些結構被轉換成多個局部關系矩陣，以此來快速計算最近容差類。最后，向量化的最近容差類被分批加載到顯存...

一種車聯網環境下的多階段惡意網站快速檢測方法————作者：毛煜陽;徐崇鈞;楊華雨;翟溪林;張華;

摘要：車載第三方服務訪問惡意網站的數量迅速增加，已成為車聯網安全的重大威脅。目前，車聯網惡意網站檢測面臨三大瓶頸：傳統工具處理大規模網站數據時存在較長的檢測時延，惡意網站統一資源定位符（URL）混淆問題影響識別準確性，且惡意網站數據集的獲取困難，這些因素均嚴重制約了檢測的效率和準確性。針對這些問題，本文提出了一種基于邏輯回歸的多階段惡意網站快速檢測方法。使用搜索引擎對合法網站進行初步過濾，減少計算資源的...

基于國產GPGPU非一致控制流的分支優化————作者：吳藝鵬;霍志坤;韓孟之;

摘要：目前，通用圖形處理單元（GPGPU）因其強大的并行處理能力而被廣泛應用于各種計算任務。然而，采用單指令多線程（SIMT）并行執行模型的GPGPU在程序執行時，核函數會產生非一致控制流行為，從而引發線程束分化，降低加速器的整體性能。針對核函數執行過程中因非一致控制流引起的性能下降問題，提出一種特定場景下的分支編譯優化方法——連續分支合并（MergeCFG）。在編譯器中間代碼優化階段，通過控制流分析，...

面向某國產加速器的卷積算子代碼生成器————作者：王小龍;王家梁;吉青;侯豐堯;

摘要：近年來某國產深度學習加速器發展迅速，硬件資源持續變化并引入一系列張量核心指令，使得開發者在該加速器進行卷積算子的手工適配和優化面臨巨大挑戰。為此，本文提出了一種面向該國產加速器的卷積代碼生成器，以簡化卷積算子的適配與優化過程。該生成器提供配置參數作為對外接口，用戶僅需配置參數即可生成特定的卷積算子。生成器本身由三層架構組成：指令層封裝底層指令，并根據硬件架構進行區分；組件層根據預設的硬件架構信息組...

基于交叉注意力擴散模型的對手建模研究————作者：何明研;李斯源;劉鵬;黃劍華;

摘要：對手建模作為多智能體博弈對抗的關鍵技術，其目的為學習對手的行為以減少環境的不確定性并幫助決策。而現有的對手建模方法大多采用離線訓練加在線適應的結構，在離線訓練中采用傳統神經動力學模型對智能體進行一步一步地預測，容易形成單步誤差進而形成累計誤差，且在在線適應中面對未知對手時，亦會導致受控智能體計劃狀態偏離數據集分布。為解決上述問題，提出基于擴散模型并利用交叉注意力和對手建立關聯的框架，其利用擴散模型...

基于大型多模態模型的街景圖像典型場景要素提取————作者：潘可悅;咼維;程湘;劉異;

摘要：場景要素是理解城市地理信息的核心，準確提取場景要素對于智慧城市建設和地理信息系統發展至關重要。為應對街景圖像場景的復雜性、現有視覺深度學習模型在理解復雜場景和要素方面的局限，以及視覺信息與上下文關聯的挑戰，提出了一種基于大型多模態模型的典型街景場景要素提取方法。首先，基于LLaVA模型引入多層感知機和高分辨率視覺編碼器，構建GeoLLaVA模型；其次，針對街景場景要素提取任務構建街景視覺-指令跟隨...

基于對比學習和重排序的實體鏈接方法研究————作者：劉軍平;王潤鵬;胡新榮;彭濤;王幫超;楊華利;朱強;

摘要：實體鏈接是一項將自然文本中的實體提及鏈接到知識庫中相應實體的任務，在信息檢索和問答系統等領域發揮著重要的作用。實體鏈接的挑戰在于如何利用提及的上下文和知識庫中實體的特征信息，生成候選實體并選擇其中正確的實體。盡管一些方法依靠某種策略生成了相關的候選實體，并結合特征信息選擇了合適的實體。但是這些方法往往未能學習更深層次的語義信息，導致不能得到高質量的候選實體，甚至正確的實體不包含在候選實體中。同時，...

SAM及其改進模型在圖像分割中的應用綜述————作者：馬依拉木·木斯得克;高雨欣;張思拓;馮珂;阿布都克力木·阿布力孜;哈里旦木·阿布都克里木;

摘要：隨著通用人工智能技術的快速發展，基礎模型在多個領域的應用日益受到廣泛關注。在圖像分割領域，“分割一切模型”（Segment Anything Model， SAM）作為一種核心基礎模型，在提升圖像理解和處理效率方面展現出了顯著優勢。盡管SAM在圖像分割任務中表現出色，但在功耗、計算效率以及在不同應用場景中的適應性等方面，仍然存在一定的優化空間。為此，文中從多個維度對SAM的改進方向進行了深入探索，...

基于SIT-TransNET的被動微波海冰厚度反演————作者：韓彥嶺;朱曉俊;王靜;潘海燕;張云;

摘要：海冰厚度是全球氣候變化研究中的關鍵參數之一，其在調節地球氣候系統、海洋環流和熱量交換中具有重要作用。但是由于海冰的物理特性高度變化的影響，使得海冰厚度的精確反演面臨巨大挑戰。針對上述問題，本文提出了一種多特征融合和改進Transformer的被動微波遙感海冰厚度反演方法SIT-TransNET，該方法利用AMSR2衛星的亮度溫度數據，并結合輔助數據（包括雪表面溫度、海面鹽度和1.4GHz亮度溫度）...

無人機場景下基于動態度量學習的跨視角地理定位————作者：王鑫鑫;胡海峰;張索非;周飛飛;龔銳;

摘要：關于跨視角地理定位的既有研究主要聚焦于判斷查詢圖像是否準確對應于預定義圖集中某個特定地理位置。然而，這種研究模式往往忽略了地理空間中固有的大量多空間尺度結構信息。為了實現更為穩健的定位效果，模型不僅需要捕捉局部建筑細節，還需理解通過建筑群和環境特征體現的目標之間的空間關系，從而在不同空間尺度下提高定位的準確性。為應對這些挑戰，我們提出了一項新任務，稱為多空間尺度跨視角地理定位，并推出了專門為此任務...

　　計算機工程來自網友的投稿評論：

• 奔跑的辣椒醬

  感覺很不錯的核心期刊，注重文章的創新性及論文語言的流暢性，期刊格式要求嚴格，編輯部很認真，兩位審稿專家意見都很詳細，對稿件要求也很高，投稿過去2個月后退修，返稿后半個月就錄用了。

  2024-08-16 07:55
• zhaohhhh

  七月投稿，等了一個月編輯聯系，兩個審稿人已經審完了，期刊比較符合選題，中間修改了不少，相對來說見刊還是比較快的�？偟膩碚f，時間如下： 23年7月投稿 23年11月10號 大修（兩個審稿人） 23年12月20號 修回 24年 2月 20號 新增了兩個審稿人 24年 3月 20號 rrc

  2024-03-23 23:27
• 奔跑的辣椒醬

  投了一篇彩色圖像分割的論文，9月18日發稿，9月20日外審，10月8日退修，中間修改了多次對文章格式要求比較多，到11月1日修改好并發錄用通知，版面費1950，比較學術的一個期刊對搞學術的人來說難度中等偏下還是比較容易中的

  2023-05-13 10:47
• 畫個圈圈兜住幸福

  北大核心期刊，沒有版面費。 適合工程實踐和新技術應用類學術文章，較高的行業認可度。 審稿速度一般，初審1個月左右。

  2021-08-26 22:57

提交