191.
物联网、边缘计算和可穿戴设备等万物互联的应用场景对无线网络领域信号调制识别方法所消耗的计算资源提出了要求.本研究针对调制识别任务中模型复杂度高、识别精度低的问题,设计了一种特征融合式的,联合深度残差收缩网络与门控循环单元的轻量化调制识别方法.该方法首先对原始IQ信号数据进行转换,… … 相似文献
查燕平;王红军;沈哲贤 《小型微型计算机系统》2025,(9):2216-2224
192.
针对迈创3000(MT-3000)异构多核处理器在带宽不足场景下多头注意力(Multi-Head Attention, MHA)计算效率低的问题,本文提出了一套涵盖算子优化、访存优化与调度优化的综合方案,以加速Py Torch框架中的MHA推理。通过融合MT-3000的VLIW指… … 相似文献
路瑶;栾钟治;李根;齐家兴;韩斌;杨海龙;钱德沛 《计算机学报》2025,(9):2049-2063
193.
缓存替换是Spark内存优化的一个研究热点和难点。然而;应用程序特征的多样性、内存资源的有限性以及缓存替换的不确定性对实现高系统执行性能构成了挑战。低效的缓存替换策略可能会导致不同的性能问题;如应用程序执行时间长;资源利用率低等。基于此;提出一种面向Spark大数据处理框架的弹性… … 相似文献
《计算机科学与探索》2025,19(9)
194.
针对现有的大多数RGB-D显著性检测方法在特征提取过程中难以有效提取多尺度特征以及在解码过程中模态特征信息交互不充分导致信息丢失的问题;提出了一种特征增强和渐进式解码的RGB-D显著性检测方法。针对多尺度特征提取困难;导致算法对多目标、小目标物体检测精度低的问题;构建了多尺度自注… … 相似文献
《计算机科学与探索》2025,19(9)
195.
随着深空探测的不断推进,地月空间已成为探月和深空任务的关键战略区域。面对日益增多的航天器及太空碎片数量,亟需先进的空间态势感知技术以实现对地月空间目标的精准监测与持续跟踪。传统方法因复杂动力学环境和远距离探测精度限制,难以满足高精度轨迹预测和目标识别的需求,制约了地月空间感知技术… … 相似文献
于登云;尹继豪;刘斯琦;王鹏;王汇娟;张余;姜鸿翔;陈培 《中国图象图形学报》2025,30(9):2899-2910
196.
目的 作为空间态势感知的关键环节,高效且准确的初轨确定技术对于轨迹关联、卫星编目和异动感知等下游任务至关重要。传统方法通常依赖精确的动力学模型和充足的观测数据,但在短弧段条件下,物理约束不足易导致出现平凡解或方法不收敛的问题。尽管深度学习方法在数据拟合方面表现优异,但其对轨道动力… … 相似文献
刘宏宇;张余;张超群;陈果;尹继豪 《中国图象图形学报》2025,(9):2975-2987
197.
提出了一种基于跨模态图掩码和特征增强的推荐方法;旨在减少传统多模态推荐系统中的数据噪声和解决多模态信息表达不足问题。该方法使用CLIP预训练模型提取语义一致性的文本和视觉特征;根据项目模态特征相似性建立项目-项目图;为项目表示提供语义丰富的上下文信息;设计跨模态图掩码重建方法;该… … 相似文献
《计算机科学与探索》2025,19(9)
198.
非易失存储(Non-Volatile Memory, NVM)结合了动态随机访问存储器(DRAM)的高速存取特性和硬盘驱动器(HDD)或固态硬盘(SSD)的数据持久性,为传统存储和内存架构带来了革命性的变化.本文对NVM索引技术进行了综述,重点分析了NVM的关键特性和各种主流索引… … 相似文献
蒋一赫;彭泽顺;张岩峰;于戈 《小型微型计算机系统》2025,(9):2291-2304
199.
目的 随着视觉大模型的发展,利用多源无标注遥感影像预训练学习全局视觉特征,并在局部目标任务上进行迁移微调,已成为遥感影像领域自适应的一种新范式。然而,现有的全局预训练策略主要聚焦于学习低级的通用视觉特征,难以捕捉复杂、高层次的语义关联。此外,微调过程中使用的少量标注样本往往只反映… … 相似文献
陶超;郭鑫;胡柯彦;沈羽翔;王昊 《中国图象图形学报》2025,(9):3153-3170
200.
单个较大的非均匀超图聚类旨在将非均匀超图包含的节点划分为多个簇,使得簇内节点越相似越好,簇间节点越不相似越好,具有广泛的应用前景.目前最优的基于超图神经网络的非均匀超图聚类模型MADC(Non-uniform hypergraph clustering combining mul… … 相似文献
刘志成;王慧颖;林晓丽;朱峰冉;郭宇恒;闫炳鑫;庞俊 《小型微型计算机系统》2025,(9):2066-2074
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
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
