范文1：人工智能在高校信息化中的应用研究综述《计算机工程》
（录用定稿）网络首发时间：2024-12-06 14:27:25
摘要：人工智能的快速发展已在众多领域中赋能，为社会带来了深远的影响，其出色的处理效果、广泛的适用性以及强大的扩展能力，为高校信息化服务提供了坚实的技术基础。本文从人工智能和高校信息化的发展史出发，探讨了二者的发展历程及其关联。在国内外高校信息化建设中，尽管各自对人工智能的关注点有所不同，但均展现了其在提升教育质量、优化管理流程等方面的巨大潜力。本文从聚焦高校信息化建设者的角度，在教师教学、学生学习、学校管理、教学评估、智能考试等五大核心领域，详尽归纳并分析了人工智能赋能高校信息化中的典型应用案例，展现了其如何有效提升教育质量与管理效率。同时本文指出了人工智能在高校信息化应用过程中可能面临的数据隐私保护、算法偏见、技术依赖风险等问题，列举了常见的应对策略，如加强数据安全防护、优化算法透明度与公平性、培养师生信息素养等。基于这些分析，本文进一步展望了人工智能在高校信息化中的未来优化方向，强调技术创新与伦理规范并重，倡导建立跨学科合作机制，共同推动人工智能技术在高校信息化领域的健康、可持续发展。
关键词：人工智能;高校信息化;个性化学习;精细化管理;校园安全;
范文2：基于自适应集束搜索算法的中文对抗样本生成《计算机工程》
（录用定稿）网络首发时间：2024-05-29 08:39:32
摘要：深度神经网络极易受到对抗样本的影响，仅需向原始文本中添加细微的扰动即可诱导目标模型做出误判。研究对抗样本的生成不仅有利于提升模型的鲁棒性，还能推动深度神经网络可解释性方面的工作。在中文对抗领域，现有的对抗样本生成方法大多采用单一变换策略，仅考虑了部分汉语特征，并且忽视了攻击对上下文语境产生的影响。为了解决这些问题，提出一种基于启发式算法的对抗样本生成方法BSCA。通过全面分析表音文字和意音文字之间的差异，结合汉语的构字法、字音、字形、认知语言学等先验知识，设计了可准确评估汉字差异的中文文本扰动策略。利用扰动策略构建对抗搜索空间，并运用改进的集束搜索算法对黑盒攻击过程进行优化。在严格限制扰动大小和语义偏移的情况下，BSCA能够自动选择不同的攻击策略，以适应不同场景需求。通过在多个NLP任务上分别对TextCNN、TextRNN和BERT模型进行实验，结果表明，BSCA方法具有较好的泛化能力，能使分类准确度至少降低63.84%，同时拥有比基线方法更低的攻击代价。
关键词： 对抗样本;中文特征;黑盒攻击;集束搜索;文本分类;
范文3：基于原型分散网络的端到端行人搜索方法《计算机工程》
（录用定稿）网络首发时间：2024-04-30 08:59:10
摘要：行人搜索旨在全景图像中对目标行人进行定位和识别，可以看作目标检测和行人重识别任务的结合。然而，不同行人的着装相似性和同一行人在多变环境条件下的外观差异，增加了行人身份辨别的难度。为了解决这一问题，提出了一个原型分散网络，通过调整原型的分布情况，增强网络的辨别能力。首先，设计了一个原型增强模块，通过原型特征指导注意力网络的学习并利用K最大池化方法保留更多重要的行人特征，借助原型的指导使网络关注更重要的区域，学习更细粒度的行人特征，进而提高网络对相似行人的辨别能力。其次，提出一种自适应更新的原型学习策略，保证在原型特征更新时，检测精准的候选框做出更大的贡献。最后，通过分布稀疏损失保证所存储的原型尽可能分散，从而确保网络能识别到行人的可区分性特征。最终在公共的行人搜索数据集CUHK-SYSU和PRW上进行了实验，在mAP上分别达到了95.1%和49.8%，在top1准确率上分别达到了95.9%和88.5%，该方法有效地提高了行人搜索的准确率，证明了本文方法的有效性。
关键词： 行人搜索;行人重识别;原型;自适应更新;分布稀疏损失;
范文4：基于自主探索的移动机器人路径规划研究《计算机工程》
（录用定稿）网络首发时间：2024-04-25 10:51:31
摘要：移动机器人在路径规划过程中，当面对未知且动态变化的环境时，会存在与障碍物碰撞率高、易陷入局部最优等问题，针对此问题，本文提出了一种基于双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic policy gradient algorithm：TD3)的改进算法TD3pro，来提高移动机器人在未知动态环境下的路径规划性能。首先，引入长短期记忆(Long Short-Term Memory：LSTM)神经网络并与TD3算法相结合，通过门结构筛选历史状态信息，并感知探测范围内障碍物的状态变化，帮助机器人更好地理解环境的动态变化和障碍物的移动模式，使移动机器人能够准确预测和响应动态障碍物的行为，从而降低与障碍物的碰撞率。其次，加入OU探索噪声(Ornstein-Uhlenbeck exploration noise)，帮助移动机器人持续探索周围环境，增强移动机器人的探索能力和随机性。并在此基础上，将单个经验池设置为成功、失败和临时三个经验池，以此提高有效经验样本的采样效率，进而减少训练时间。最后，在两个不同的动、静态障碍物混合场景中进行路径规划实验仿真。分析对... 更多
关键词： 移动机器人;路径规划;TD3算法;LSTM;多经验池优先经验回放;OU探索噪声;
范文5： 高动态场景下无人机空对空目标检测方法研究《计算机工程》
（录用定稿）网络首发时间：2024-04-15 17:03:42
摘要：针对高动态场景下无人机空对空目标检测任务中机载设备计算资源有限和无人机小目标检测困难的问题，提出了一种基于轻量级注意力机制的SGC-YOLOv5算法。旨在保持无人机小目标检测精度的基础上实现模型轻量化。首先，设计S-Ghost模块和SD-Ghost结构构建特征提取网络（SD-Ghostnet），降低模型参数量和计算复杂度；其次，引入更高效的GSConv和VOVGSCSP结构细化特征融合网络，将SD-Ghostnet和细化的特征融合网络结合使模型达到最佳的轻量化效果；最后，在特征融合网络中加入轻量级的CBAM注意力机制来突出图像中感兴趣的无人机特征，抑制背景冗余信息，提高检测精度。在Det-Fly数据集上的实验结果表明，SGC-YOLOv5算法精度为74.9%，参数量为4.11M，检测速度为169.42f/s，计算复杂度为9GFLOPs。与基准YOLOv5s算法相比，SGC-YOLOv5算法检测精度提升1.8%，参数量减少48.5%，检测速度提升26f/s，计算复杂度降低57.5%，在实现模型轻量化的同时取得了较好的检测精度。
关键词： 视觉目标检测;无人机空对空目标检测;YOLOv5;轻量化;注意力机制;
转载请注明来自：http://www.yueqikan.com/qikanzhishi/79535.html
