计算机科学

2026年第4期, 刊出日期：2026-04-15

封面下载

第53卷第4期目录

计算机科学. 2026, 53 (4): 0-0.

摘要 ( 40 )

PDF(444KB) ( 82 )

相关文章 | 多维度评价

人工智能与理论计算机科学交叉融合

大模型驱动的形式化定理证明:综述与展望

胡俊杰, 陈宇杰, 胡义坤, 文成, 曹嘉伦, 马智, 苏杰, 孙纬地, 田聪, 秦胜潮

计算机科学. 2026, 53 (4): 1-23. doi:10.11896/jsjkx.251000067

摘要 ( 86 )

PDF(4206KB) ( 173 )

参考文献 | 相关文章 | 多维度评价

定理证明作为逻辑与计算机科学的交汇点,不仅奠定了现代数学推理的形式化基础,也是衡量人工智能逻辑推理能力的试金石,更支撑着软件工程对高可靠性的根本需求。然而,传统定理证明依赖严谨的逻辑推理与繁琐的人机交互,长期面临自动化程度有限、推理效率不足以及对专家经验高度依赖等难题。随着大语言模型(LLM)的快速发展,其在自然语言理解、代码生成和逻辑推理等方面展现出突破性能力,为提升自动定理证明的自动化与智能化水平提供了新的契机。为此,系统梳理了大模型驱动的形式化定理证明的研究现状与趋势,重点聚焦于两个主要应用场景。1)在交互式定理证明方面,分析了现有工作是如何缓解其手动开销巨大的难题,并以Lean语言中的Prover系列工作为例,系统总结了其技术演化路径。2)在自动定理证明方面,探讨了大模型如何结合静态分析、验证器反馈等技术,自动生成函数合约、循环不变式等形式化规约,从而显著降低验证门槛。最后,归纳了该领域中面临的共性挑战,包括规约完备性、推理可靠性、数据稀缺性以及工具链集成等,并展望了未来的发展方向。

k-均值聚类在高维大数据上的高效算法研究进展

高贵晨, 姜少峰

计算机科学. 2026, 53 (4): 24-32. doi:10.11896/jsjkx.251000037

摘要 ( 89 )

PDF(1579KB) ( 119 )

参考文献 | 相关文章 | 多维度评价

聚类是机器学习中的经典任务,旨在根据相似度度量将数据划分为若干簇。k-均值聚类作为最基本的聚类模型,自提出以来已被深入研究并在众多领域得到广泛应用。聚焦k-均值模型的求解问题,从理论计算机科学的视角出发,介绍k-均值的(接近)线性时间的快速近似算法的研究进展。此外,简要讨论其他相关大数据计算模型中的聚类算法的相关进展,包括动态、数据流与并行计算等计算模型。

深度泛化机制的再思考:过参数化与高维噪声扰动下的一致收敛界重构

李鹏奇, 丁立中, 张春晖, 傅稼润

计算机科学. 2026, 53 (4): 33-39. doi:10.11896/jsjkx.250600129

摘要 ( 39 )

PDF(2598KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

深度神经网络在具备强大的表达能力的同时展现出优异的泛化性能,这与统计学习理论中“模型复杂度损害泛化”的经典论断存在本质冲突,导致传统框架下的深度泛化机制分析陷入困境。经典一致收敛界理论具有依赖参数空间维度、忽略算法隐式偏置等局限,难以直接适配深度网络核心特性。针对这一理论裂隙,构建了融合深度模型关键特征的新型统计学习理论框架,重构了一致收敛理论对深度模型泛化机制的解释范式。通过构建保留深度网络过参数化结构与高维噪声扰动特征的代理线性模型,首次推导出有效的一致收敛界,揭示了高维特征空间中噪声扰动对泛化性能的良性作用机制,突破了传统低维学习理论框架的局限性;基于深度泛化机制构造了数据规模敏感的规范化训练过程,揭示一致收敛界与泛化误差随样本复杂度增长呈现同步衰减的规律,证实了一致收敛理论对深度模型泛化机制的解释能力。基于理论与实验双重证据,突破了一致收敛泛化界的适配瓶颈,重新打开了一致收敛理论分析深度模型泛化性这扇即将被关闭的大门。

基于预训练语言模型和合一算法的自动定理证明

陈红休, 曾霞, 刘志明, 赵恒军

计算机科学. 2026, 53 (4): 40-47. doi:10.11896/jsjkx.251000066

摘要 ( 51 )

PDF(3179KB) ( 124 )

参考文献 | 相关文章 | 多维度评价

预训练语言模型在 Metamath 等形式化环境中,在证明定理方面展现出显著潜力。然而,这种潜力尚难以稳定转化为可靠的推理能力。现有方法通常要求语言模型直接预测替换项,而这些替换项来自一个开放且潜在无限的表达式空间,缺乏逻辑约束,导致模型泛化能力受限。为此,提出一种新的证明范式:在推理过程中引入工作变量以临时替代具体项,并通过合一算法推导出其具体实例。该设计使得模型能够聚焦于定理选择,而无需生成缺乏逻辑指导的替换。基于这一范式,从 Metamath 数学库中提取数据并构建 UnProver(Unification-Driven Prover),并在此数据上对其进行训练。此外,设计多种数据增强策略,进一步提升 UnProver 的性能。实验结果表明,UnProver 在测试集上整体优于包括 GPT-4o 在内的基线方法,在证明能力与效率方面均取得更优表现。此外,UnProver 还发现了 6 个新的、更简洁的证明,这些证明已被正式收录至 Metamath 官方数学库。

针对高维数据的动态集成堆叠宽度学习系统

云帆, 余志文, 杨楷翔

计算机科学. 2026, 53 (4): 48-56. doi:10.11896/jsjkx.251000068

摘要 ( 32 )

PDF(3375KB) ( 83 )

参考文献 | 相关文章 | 多维度评价

在高维小样本分类任务中,宽度学习系统(Broad Learning System,BLS)因其高效的特性而备受关注。然而,原始的单层BLS的特征提取能力有限,难以处理复杂的高维数据。随机节点生成机制导致直接堆叠BLS隐层时出现节点冗余,模型性能难以提升。为解决上述问题,提出了一种集成堆叠BLS算法。所提算法利用前一层BLS的输出作为增强特征,将其与按分类置信度加权的原始特征进行拼接后输入下一层BLS,不断提高深层特征表达能力。通过元学习器池集成多个BLS层的输出,增强了原始单层BLS的高维特征提取能力,从而提升了模型的泛化性能。此外,考虑到高维数据复杂多变的特性,设计了动态集成框架,根据数据难度动态调整模型的复杂度。所提方法在保持模型性能的同时,进一步提升了集成效率。消融实验证明了所提算法的各个模块的有效性,对比实验证明了所提算法在高维疾病数据上的优越分类性能。

基于 DQN 增强遗传算法的 Plateaued 函数高效构造研究

吴严生, 曹心怡, 樊卫北

计算机科学. 2026, 53 (4): 57-65. doi:10.11896/jsjkx.251100083

摘要 ( 28 )

PDF(2352KB) ( 79 )

参考文献 | 相关文章 | 多维度评价

作为Bent函数的重要推广,Plateaued 函数继承了很多Bent函数的优良密码学性质,具有重要的应用价值。由于传统构造Plateaued 函数的方法存在计算复杂度高、灵活性不足等问题,因此提出一种基于深度 Q 网络(Deep Q-Network,DQN)增强的自适应遗传算法。该算法深度融合 DQN 与遗传算法,构建多维状态空间感知种群进化特征,通过群体共识机制智能选择6种交叉与变异策略组合,实现遗传参数的自适应调控。实验结果表明,该算法的适应度提升幅度达 0.20~0.35,收敛速度更快,稳定性更高,平均可生成 230~300 个有效 Plateaued 函数真值序列,显著优于标准遗传算法和基础 Q-learning 遗传算法。算法能智能调节变异率(0.235~0.276)与交叉操作使用率(70%~90%),在优化 Walsh 谱分布的同时保持种群多样性。尽管计算开销略有增加,但所提算法在解的质量、收敛性能和策略自适应能力上具有显著优势,验证了深度强化学习在密码学函数构造中的有效性,为布尔函数智能化设计提供了新方案。

融合稀疏编码的因果解耦表征学习

黄贝贝, 刘进锋

计算机科学. 2026, 53 (4): 66-77. doi:10.11896/jsjkx.251000012

摘要 ( 37 )

PDF(3995KB) ( 73 )

参考文献 | 相关文章 | 多维度评价

深度学习模型由于其“黑盒”特性,特征表示缺乏可解释性。现有的解耦表征学习方法虽然在一定程度上能够通过识别数据中的独立因素来增强模型的解释能力,但它们通常忽视了数据中的复杂关联性及潜在因果结构,从而限制了模型在自动驾驶、医疗诊断等关键领域的应用,特别是在需要理解和干预因果关系的场景中表现不佳。针对当前解耦表征学习中因果关系建模不足的问题,提出了一种融合稀疏编码与因果推断的解耦表征学习框架。该框架在适当监督下通过因果推断机制精准建模数据中的因果关系,不仅能够生成高质量结构化表征,更具备对潜在因果机制的建模与干预能力,进而显著提升模型在因果任务中的适应性与鲁棒性;同时通过嵌入的卷积稀疏编码层施加稀疏性约束,有效筛选与因果结构高度相关的关键表征,进一步强化模型对高阶因果关系的敏感度与表达能力。实验结果表明,该框架在Pendulum和CelebA数据集上表现出色。样本效率在Pendulum数据集上达98.65%,在CelebA数据集上达99.55%,此外,在因果干预有效性和分布鲁棒性方面优于现有方法,证实了该方法在复杂因果场景下的优越性。

基于Maklink图与Boustrophedon路径的移动机器人二维全覆盖路径规划算法

李伯尧, 赵斌斌, 陶明杰, 陈露

计算机科学. 2026, 53 (4): 78-87. doi:10.11896/jsjkx.250700190

摘要 ( 31 )

PDF(4501KB) ( 87 )

参考文献 | 相关文章 | 多维度评价

随着复杂障碍物环境下移动机器人的全覆盖路径规划在生产巡检、家庭卫生等领域的应用越来越广泛,现有方法存在的重复覆盖率高、子区域间转换路径复杂以及对凹多边形障碍物适应性不足等问题愈发凸显。因此,提出一种融合Maklink图论、改进蚁群算法和Boustrophedon路径的移动机器人全覆盖路径规划方法。该方法首先利用Maklink图论构建环境模型,生成链接线,利用链接线将二维空间划分为多个凸多边形子区域并构建初步可行路径网络;其次,将子区域访问顺序建模为广义的TSP问题,利用一维蚁群算法获取子区域间的访问序列;然后,结合求最小函数值的蚁群算法与三角剪枝几何优化,得到子区域间最优转换路径;最后,按照访问顺序在各子区域内采用Boustrophedon路径进行“弓”字形路径遍历,形成全局覆盖路径。在多个不同二维复杂度环境中的仿真实验表明,所提方法可有效适应存在多种多边形障碍物的环境,覆盖率均可达100%,重复率为0。与传统蚁群算法和改进蚁群算法两种单一算法的对比实验表明,该算法在转换路径长度、遍历路径长度及重复率三方面均具有较好的表现;与传统利用栅格法构建环境模型的全遍历方法的对比结果表明,该算法建模精度高,存储效率优。

基于无冲突路径算法的多目标智能仓储路径规划

宫婧, 杨玉发, 郑一帆, 孙知信

计算机科学. 2026, 53 (4): 88-100. doi:10.11896/jsjkx.250200035

摘要 ( 34 )

PDF(4710KB) ( 84 )

参考文献 | 相关文章 | 多维度评价

研究仓储路径规划对智能仓储具有重要意义,合理的路径规划能够有效避免仓储路径冲突,提升仓库内货物运输效率。针对当前仓储布局较为简单、缺乏针对复杂仓储布局的路径冲突策略问题,提出基于AGV坐标保留表和冲突分类的多目标AGV路径规划算法。首先,构建基于网格法的智能仓储鱼骨布局方案,并根据分区机制,给出存储节点间的距离计算模型,构成单一单向的仓储路径网络有向图。其次,建立AGV坐标保留表方法和路径冲突分类方法,制定路径冲突解决策略和算法。然后,建立以最小化总运输距离、最小化最大运输距离、最小化冲突解决等待时间为目标的多目标智能仓储路径规划模型。最后,结合所提路径冲突解决算法,设计基于进化遗传搜索算法的突变操作,在基于学习的多目标组合优化求解算法P-MOCO的基础上,通过构建偏好条件随机策略,借助多目标降维和强化学习方法,提出改进P-MOCO的无冲突多目标智能仓储路径优化算法CF-MOWVRP,求解无冲突的多目标规划模型的近似帕累托解。实验结果表明,所提算法具备更快的收敛速度和更优的解,能够解决路径冲突,给出无冲突的路径规划方案。

KGMamba:基于Kolmogorov-Arnold网络优化图卷积网络和Mamba的基因调控网络预测模型

高泰, 任艳璋, 王会青, 李颖, 王彬

计算机科学. 2026, 53 (4): 101-111. doi:10.11896/jsjkx.250500097

摘要 ( 27 )

PDF(4473KB) ( 72 )

参考文献 | 相关文章 | 多维度评价

基因调控网络(Gene Regulatory Network,GRN)推断对于解析细胞发育机制及推动精准医学研究至关重要,但是现有深度学习方法面临计算复杂度高与全局特征捕捉不足的挑战。为此,提出一种融合Kolmogorov-Arnold 网络(KAN)驱动的图卷积网络(KGCN)与 Mamba 模块的高效预测模型。首先,以 KAN特有的可学习样条函数,取代图卷积网络中的多层感知器(MLP)模块。该改进在完整保留邻居节点局部特征提取能力的基础上,通过重构计算逻辑降低特征处理的冗余度,使模型计算复杂度较传统图卷积架构实现显著优化。其次,创新性地引入 Mamba 模块,通过其选择性机制优先关注对全局调控起关键作用的基因节点。两者结合实现了局部特征提取效率与全局依赖建模能力的协同优化。在公开数据集上与另外6种深度学习模型进行实验比较,结果显示,该模型在AUC和AUPR性能指标上都优于其他模型,同时展现出显著的鲁棒性优势和计算效率。

NISQ量子线路高频-密集量子门集策略优化算法

李晖, 刘述娟, 鞠明媚, 王杰鹏, 姬迎松

计算机科学. 2026, 53 (4): 112-120. doi:10.11896/jsjkx.241200213

摘要 ( 31 )

PDF(5282KB) ( 77 )

参考文献 | 相关文章 | 多维度评价

在噪声中等规模量子(Noisy Intermediate-Scale Quantum,NISQ)时代,考虑硬件耦合约束限制,并非所有量子门均可直接执行,通常需要利用额外引入的SWAP操作实现量子比特交换后,逻辑线路才能直接运行于物理硬件上。为了避免传统量子线路映射过程中SWAP操作带来的额外开销,对量子比特频度进行定义,提出一种高频-密集量子门集策略(High Frequency-Dense Quantum Gate Set Strategy,HF-DQGS),并将其应用于量子线路映射。基于量子比特频度,对CNOT门进行优先级划分,定义高频-密集量子门集;利用多变量成本函数对候选SWAP门的实际开销进行评估,确定待执行的SWAP操作;根据基于量子比特频度的最优SWAP门评价准则,SWAP操作后对评价函数进行比较,筛选出最优的SWAP门。实验结果表明,HF-DQGS能够显著减少附加SWAP门的数量,并在一定程度上减少CNOT门的数量。具体而言,在t|ket〉和Qiskit 编译器上的测试结果显示,额外SWAP门的数量平均分别减少了36.6%和47.8%,CNOT门的数量平均分别减少了13%和13.4%。

数据库&大数据&数据科学

数据交易模式对比与交易难点分析

崔金甲, 曾琛, 王璐, 彭晓晖

计算机科学. 2026, 53 (4): 121-133. doi:10.11896/jsjkx.250900002

摘要 ( 22 )

PDF(1622KB) ( 68 )

参考文献 | 相关文章 | 多维度评价

在数字化加速的趋势下,数据要素成为各行业的核心资源,推动了市场的不断发展。然而,目前的数据交易市场发展并不完善,其原因主要有两点:一是个人用户的行为数据交易门槛过高;二是企业间数据交易的合规审查机制不健全,数据交易规则尚未完善,市场活力受到制约。数据交易困难的根本原因在于数据本身区别于传统意义上“一手交钱一手交货”的商品,存在定价难、确权难、质量保证难、交易非否认难和保障数据主权难的问题。对此,搜集整理了现有较为完善的数据交易框架,从交易模式的视角对现有框架进行分类对比;针对上述5个难点,详细介绍了现有文献的解决方案;针对现有数据交易市场的发展情况,提出了对未来发展的建议。

基于状态空间模型的高效语义感知轨迹表示学习方法

刘奕辰, 林彦, 周泽宇, 郭晟楠, 林友芳, 万怀宇

计算机科学. 2026, 53 (4): 134-142. doi:10.11896/jsjkx.250600130

摘要 ( 22 )

PDF(2562KB) ( 76 )

参考文献 | 相关文章 | 多维度评价

车辆轨迹为各类交通服务应用提供了关键的运动信息。为了更好地利用车辆轨迹,有必要开发轨迹表示学习方法来准确且高效地提取包括运动行为和出行目的在内的出行语义,以支持精确的下游应用。然而,这一任务面临两大挑战:1)运动行为本质上是时空连续的,难以从离散轨迹点中有效提取;2)出行目的与车辆经过的区域和路段的功能相关,但这些功能无法从原始时空轨迹特征中直接获得,也难以从相关的复杂文本特征中提取。为了解决这些挑战,提出了一种高效语义感知轨迹表示学习方法ESTRL。首先,引入了基于Mamba的轨迹编码器,使用高阶移动特征参数化轨迹状态空间模型,有效且高效地建模车辆的连续运动行为。其次,提出了出行目的感知预训练机制,通过对比学习将出行目的融入学习到的轨迹嵌入中,从而无需在嵌入计算过程中引入额外开销。在真实数据集上的大量实验表明,所提方法在效率和准确性方面均优于当前先进的基线模型。

基于深度学习和多特征融合的时序社交网络关键节点识别

张雪芹, 王智能, 李晋生, 陆一松, 罗飞

计算机科学. 2026, 53 (4): 143-154. doi:10.11896/jsjkx.250300147

摘要 ( 32 )

PDF(2579KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

社交网络是信息传播的主要渠道,识别社交网络中的关键节点对发现信息传播枢纽、进行信息传播控制等具有重要意义。现实社交网络具有时变性,合理建模时序网络,并对节点的空间和时间关系进行全面描述和深度挖掘,是准确识别网络关键节点的重要因素。为了提高关键节点识别的精度,提出了一种基于深度学习和多特征融合的时序社交网络关键节点识别方法MCNN(Multidimensional CNN)。该方法首先将时序网络建模为基于快照的多维关系网络,对于一个节点,在每个快照,分别从空间结构、时间耦合和三类时空传播关系,提取节点的空间、时间和时空上下文,并构建节点特征矩阵。为了深度分析节点在每个快照中的时空关系,使用卷积神经网络CNN分别提取3类节点特征,并使用自注意力机制融合形成节点快照特征。为了捕捉节点行为在快照间的演变,组合所有快照的节点快照特征作为时间序列,采用长短期记忆网络LSTM挖掘快照序列特征。最后,使用全连接层预测节点的影响力。在6个真实时序社交网络上的实验结果表明,MCNN在时序社交网络关键节点识别方面优于基线方法。

基于预训练时空解耦的交通流预测模型

李静, 杜圣东, 史浩琛, 胡节, 杨燕, 李天瑞

计算机科学. 2026, 53 (4): 155-162. doi:10.11896/jsjkx.250600047

摘要 ( 22 )

PDF(2868KB) ( 75 )

参考文献 | 相关文章 | 多维度评价

交通流预测作为智慧城市动态决策的核心技术,其准确性是影响交通信号控制、路径规划和应急管理的关键。随着城市路网规模的扩大和交通数据的激增,传统方法难以对路网节点间复杂的时空交互特性进行精准建模。预训练模型虽然能进行跨领域知识迁移,但应用于交通流预测任务时,仍面临时空特征耦合所导致的建模瓶颈,以及预训练表征与交通领域特性不匹配的问题。针对上述问题,提出一种基于预训练时空解耦的交通流预测模型(PT-STD)。该方法通过时空分解模块解耦分离空间拓扑关联与多粒度时序模式的深度特征学习,进一步设计分层自适应微调策略,分阶段解冻预训练模型的归一化层与注意力参数,逐步将预训练模型中学习到的通用知识迁移到时空特性建模中。实验表明,该模型在基准数据集上展现出显著优势,而且在数据稀缺场景下的平均绝对误差可降低3.89%。

基于去噪扩散模型增强的换电需求数据生成算法

刘德华, 喻赛萱, 乔金兰, 黄河清, 程文辉

计算机科学. 2026, 53 (4): 163-172. doi:10.11896/jsjkx.250600205

摘要 ( 20 )

PDF(3967KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

近年来,电动车换电服务凭借其快速便捷的补能优势得到迅速推广。精确的用户换电需求预测是提高换电平台运营效率的关键。然而,在换电站新部署城市中,由于历史数据的缺乏,传统预测模型往往训练不足,导致预测精度下降。为解决该难题,提出一种基于去噪扩散模型增强的换电需求数据生成算法。通过生成与真实换电需求数据分布一致的合成样本,对训练数据进行有效扩充,从而显著提升模型的预测精度。具体地,首先使用模拟位编码在连续空间中表示混合类型换电需求数据,使其能被扩散模型处理。进一步地,设计一个基于交叉注意力机制的条件去噪网络,并使用站点信息引导生成高质量换电需求数据。最后,基于成都市40个换电站一个月的真实换电数据集对所提算法进行性能评估。实验结果表明,与直接使用原训练数据训练相比,使用所提算法的生成数据与原训练数据结合后的换电需求预测在MAE,RMSE和MAPE误差指标上分别降低了9.29%,8.56%和8.23%。

基于点态流形与一致正则的半监督学习算法

徐亚敏, 李晓斌, 张润

计算机科学. 2026, 53 (4): 173-179. doi:10.11896/jsjkx.250300086

摘要 ( 21 )

PDF(1648KB) ( 68 )

参考文献 | 相关文章 | 多维度评价

流形正则化(Manifold Regularization,MR) 提供了一个有效的框架,利用有标签数据集和无标签数据集进行半监督分类。在基于流形假设的情况下,约束相似实例在样本构图上应具有相似的分类结果。值得注意的是,MR的核心在于样本构图上的成对平滑,即所有实例对中都应用了平滑约束,把每一对实例都看作一个整体。然而,平滑性本质上可以是点对点的,这意味着平滑性应当“无处不在”,以关联每个点或实例与其邻近点的行为。因此,提出了一种新型的基于点态流形正则化以及一致性正则化的半监督学习算法 URC-PW-MR。该方法不仅保留了平滑性的点对点特性,还通过考虑单个实例而非实例对,引入了单个实例的重要性。这种重要性可以通过局部密度等因素来描述。URC-PW-MR 提供了一种新的实现流形平滑性的方法,通过约束单个局部实例并引入融合一致性正则来实现半监督学习。实证结果表明,URC-PW-MR 在性能上与传统的MR 相比更为精细。

社交网络下行为引导的多尺度双层群共识建模

常文霞, 张超, 李文涛, 詹建明, 李德玉

计算机科学. 2026, 53 (4): 180-187. doi:10.11896/jsjkx.250500066

摘要 ( 25 )

PDF(3128KB) ( 82 )

参考文献 | 相关文章 | 多维度评价

作为智能化时代复杂决策的关键要素,群共识旨在通过观点交互缓解冲突,以达成一致意见。为弥补单尺度无法全面反映信息特征的不足,解决行为异质性及非公平性导致的冲突,在多尺度信息系统下构建社交网络行为引导的双层共识模型。首先,提出基于Choquet积分的尺度融合模型,采用模糊测度刻画尺度间的非线性交互作用,实现尺度间的深度耦合。其次,利用社交网络评估决策者行为,通过可靠性和传播力度量内在表现,利用互动密度和合作强度度量外在表现,为行为引导策略提供量化依据。然后,基于行为特征指标构建多粒度视角下的双层共识模型,结合优化模型与规则机制平衡意见调整的最小代价与最大公平,优化资源配置。此外,从基数和序数角度设计结合得分函数和序数排列的评分函数,突破传统评价单一维度局限。最后,利用携程平台上5A级晋祠景区的在线评论,对景区服务质量进行决策分析。

STWD-DLFRD:基于序贯三支决策与深度学习的多粒度虚假评论检测方法

辜波凯, 刘盾, 孙扬

计算机科学. 2026, 53 (4): 188-196. doi:10.11896/jsjkx.250500088

摘要 ( 31 )

PDF(2194KB) ( 59 )

参考文献 | 相关文章 | 多维度评价

随着在线评论对消费者决策的影响日益增强,虚假评论的检测成为保障电商平台生态健康的重要任务。现有方法多采用静态单步检测,忽视了动态特征与决策成本,导致检测效率不佳。为此,提出一种基于序贯三支决策(Sequential Three-Way Decisions)与深度学习(Deep Learning)的多粒度虚假评论检测(Fake Review Detection)方法(STWD-DLFRD)。该框架通过深度学习技术提取评论的文本、行为及社交关系特征,构建多粒度特征空间,并利用序贯三支的分层决策机制实现对不同复杂度虚假评论的动态检测。实验结果表明,与基线模型相比,STWD-DLFRD在F1值和准确率上表现最优,总分类代价显著降低。所提方法为动态环境下高成本敏感的虚假评论检测提供了一种有效的解决方案。

交叉扩散对谣言传播斑图的影响机制及控制研究

范笑凌, 戴仕龙, 肖敏, 孙永辉, 徐丰羽

计算机科学. 2026, 53 (4): 197-207. doi:10.11896/jsjkx.250300071

摘要 ( 22 )

PDF(6045KB) ( 67 )

参考文献 | 相关文章 | 多维度评价

Turing不稳定性是谣言传播系统生成空间模式的关键机制,Turing斑图是谣言传播中存在的自组织现象。然而,目前对谣言传播模型的研究大多集中在一维空间上的自扩散,不能准确地描述谣言的传播与澄清过程。对此,提出了一个具有二维交叉扩散的谣言传播模型,并对其Turing不稳定特性进行研究。维度的扩展和交叉扩散机制的引入可以更好地模拟不同群体之间的相互作用。通过对模型的稳定性分析,探讨了自扩散和交叉扩散对系统Turing不稳定的促进作用,研究了PD控制器对系统Turing不稳定的抑制作用。最后,通过数值模拟验证了理论分析的结论。该研究为谣言管控提供了理论依据,对于维护社会秩序和提高信息传播的可靠性具有重要的现实指导意义。

复杂网络下的概念认知学习与增量学习

秦海棋, 米据生

计算机科学. 2026, 53 (4): 208-214. doi:10.11896/jsjkx.250600216

摘要 ( 32 )

PDF(1500KB) ( 55 )

参考文献 | 相关文章 | 多维度评价

数据分析中,从网络中进行概念认知学习是网络背景下的机器学习或人工智能领域的重要问题。将认知算子应用于复杂网络,提出了网络认知概念,通过邻接矩阵和节点度来量化网络特征。进而讨论了动态权重网络的概念,分析了节点连接强度随时间变化的情况,并提出了动态权重网络认知概念的定义。此外,还给出了面向对象、属性和混合更新的增量计算机制,以应对网络节点的动态扩展、边属性的演化以及复合更新等场景。在动态权重网络中,提出了一种局部更新的方法,即通过滑动窗口机制和触发式更新两种方法高效处理边权值的变化,以减轻计算负担并提高效率。总体而言,通过引入认知算子和动态权重网络的概念,提供了一种分析和更新复杂网络中节点影响力的新方法。

基于NMTF的自适应复杂网络社团检测算法

李希龙, 刘琰, 贾萌萌, 张子林

计算机科学. 2026, 53 (4): 215-223. doi:10.11896/jsjkx.250500057

摘要 ( 30 )

PDF(2834KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

针对现有基于非负矩阵分解(NMF)的社团检测方法存在需预设社团数量、易陷入局部最优及模型泛化能力有限等问题,提出了一种基于非负矩阵三因子分解(NMTF)的自适应社团检测算法(Adp-NMTF)。该算法引入动态评估和反馈机制,能够自动搜索并确定合理的社团划分数,无需人工预设;引入图正则化、稀疏性及社团独立性约束,平衡模型泛化能力与可解释性;同时利用半监督初始化与热启动策略,加速NMTF收敛过程,提高计算效率。实验结果表明,Adp-NMTF能够自适应确定网络社团数,在合成和真实网络数据集测试中,模块度(Q)、标准化互信息(NMI)和调整兰德指数(ARI)等评价指标均优于主流基线方法,同时显著提升了矩阵分解的收敛速度和计算效率。

基于WL图核的多通道图Kolmogorov-Arnold网络

王静红, 李鹏超, 米据生, 王威

计算机科学. 2026, 53 (4): 224-234. doi:10.11896/jsjkx.250600033

摘要 ( 24 )

PDF(5958KB) ( 80 )

参考文献 | 相关文章 | 多维度评价

图神经网络作为一种新兴的深度学习方法,能够有效建模和表示图结构数据,在各种图学习任务中表现优异。然而,现有的图神经网络大多聚焦于单一通道图卷积,未能充分利用现实世界图数据中丰富多样的关系信息。为深入挖掘图数据中的多关系特征并提升图神经网络的建模能力,提出了一种基于Weisfeiler-Lehman(WL) 图核的多通道图 Kolmogorov-Arnold 网络(KMCGKN)。该方法通过提取节点领域子图并借助WL图核方法构建特征图,且将原本图卷积层中的特征变换函数替换成Kolmogorov-Arnold网络,然后利用两个图卷积网络通道分别学习不同关系图的特性,从而得到图的特征编码和结构编码。同时,通过多视图损失确保通道间的差异性,缓解了深层模型的过拟合问题。在6个节点分类公开数据集上进行了评估,实验结果表明,KMCGKN方法在节点分类任务上的性能优于单通道GCN及其他基准模型,有效提升了图神经网络的建模与表示能力。

基于深度强化学习的长期因果效应估计

柳家起, 汪玉杰, 相国督, 俞奎, 曹付元

计算机科学. 2026, 53 (4): 235-244. doi:10.11896/jsjkx.250600043

摘要 ( 29 )

PDF(3319KB) ( 76 )

参考文献 | 相关文章 | 多维度评价

因果效应估计旨在计算处理变量对结果变量的因果作用大小。现有主流因果效应估计方法主要适用于静态数据或时间序列中的单个时间点,无法有效估计处理变量在长期时间内对结果变量产生的累积影响。为解决这一问题,基于传统强化学习的长期因果效应估计方法通过线性基函数来拟合长期潜在结果,从而计算长期因果效应。然而,由于线性基函数在复杂场景下的表达能力有限,现有方法不能准确识别弱因果效应,同时在数据维度提高时会出现明显的性能退化问题。针对上述问题,提出了一种基于深度强化学习的长期因果效应估计方法。该方法采用对决网络估计长期潜在结果,能够有效估计处理变量对结果变量的影响,从而大幅提升算法对弱因果效应的识别能力;同时,所提方法避免了基函数选择不当而导致估计长期潜在结果时出现的偏差。实验结果表明,所提方法在统计学合成数据集和订单调度模拟数据集上优于现有算法。

基于相位保持的频域MinMax框架图增强方法

华彧, 周效成, 沈项军, 刘志锋, 周从华

计算机科学. 2026, 53 (4): 245-251. doi:10.11896/jsjkx.250700069

摘要 ( 28 )

PDF(1645KB) ( 73 )

参考文献 | 相关文章 | 多维度评价

图数据增强通过对图结构或节点特征进行局部或全局变换,可有效提高图网络的泛化能力和鲁棒性。现有研究表明,图增强技术能够有效利用低频信息以获取图的全局拓扑,但是对于获取图网络细节结构上的高频信息仍存在一定不足,导致模型在学习图网络的局部特征时可能出现信息丢失或特征偏差。针对这一问题,提出了一种基于相位保持的频域MinMax框架图增强方法。该方法首先将频域处理与现有的MinMax框架相结合,将图数据划分为高频和低频部分。低频代表图的全局拓扑结构信息,而高频则代表图的丰富的细节信息。通过引入频域上的MinMax框架,模型可以更好地保留图的全局拓扑信息并增强高频细节部分,从而更好地捕捉图的多尺度结构。同时,采用自适应增强策略,根据不同频率分量的特征动态调整增强幅度,以提高训练效率。此外,频域相位信息反映了图节点的特征结构,通过在图数据中保留关键的相位信息,进一步提升了图数据的表达能力,为图神经网络提供了更为丰富和精准的特征表示。因此,所提方法从频域分析的角度,不仅保持了图拓扑的关键结构信息,还针对图节点数据特征进行有效增强,提高了模型对图数据的理解和泛化能力。在多个数据集上进行的实验表明,与传统方法相比,所提方法在图节点分类任务中将准确率提升了2个百分点以上。实验结果证明,所提方法在提升图模型性能的同时,也提高了计算效率,其在大规模图数据应用中的有效性与优势得到验证。

基于轨迹微分段模型的快速地图匹配方法

康军, 高晟恺, 来嘉宝

计算机科学. 2026, 53 (4): 252-259. doi:10.11896/jsjkx.250900115

摘要 ( 30 )

PDF(2288KB) ( 64 )

参考文献 | 相关文章 | 多维度评价

地图匹配是智能交通系统中的核心技术之一,旨在将GPS轨迹数据映射至城市路网上,消除定位误差并还原实际行驶路径。随着GPS轨迹数据量的爆炸性增长,传统的基于隐马尔可夫模型(HMM)的地图匹配方法因高计算成本和时序依赖性问题,难以满足实时处理要求。为此,提出了一种基于轨迹微分段模型的快速地图匹配方法(Micro-Segment Fast Matching,MSFM)。该方法基于滑动窗口机制,将轨迹分解为固定长度的微轨迹段,在分布式计算环境中利用向量化计算方法,在兼顾地图匹配准确性的条件下大幅度提升了计算效率。实验结果表明,在给定的分布式集群环境下,MSFM实现了约110 000点/秒的地图匹配速度,比基准算法快约7倍,同时保持了95.86%的匹配准确率。MSFM方法通过改进轨迹数据的存储结构,在高效实时处理大规模轨迹数据方面具有显著的性能优势。

计算机图形学&多媒体

基于双重语义对比学习的无监督红外图像生成方法

程梓萌, 杨馨悦, 艾浩军, 王中元

计算机科学. 2026, 53 (4): 260-268. doi:10.11896/jsjkx.250700172

摘要 ( 26 )

PDF(4728KB) ( 75 )

参考文献 | 相关文章 | 多维度评价

红外图像在计算机视觉领域应用广泛。受制于采集条件,高质量红外图像数据集规模较小。把可见光图像转换为红外图像,是扩充红外数据集的有效手段。现有生成方法多依赖有监督学习,需要大量配对数据。为此,提出基于双重语义对比学习的无监督红外图像生成方法DSCGAN。该方法采用双向转换架构,通过语义对比学习增强图像内容保持能力和红外特征学习能力。损失函数增加几何一致性损失,协助保留可见光图像的原始结构与细节。同时,构建多尺度PatchGAN判别器,增强判别能力,提升生成图片的真实感。在AVIID-1,AVIID-2和Day-DroneVehicle数据集上的实验表明,DSCGAN在多项指标上优于对比方法,生成的红外图像热辐射分布更合理,视觉质量更优。在AVIID-1数据集中,DSCGAN的 SSIM值提升至0.814 4,FID分数降低至0.145 6。在Day-DroneVehicle数据集中,DSCGAN的PSNR值提升至18.14,LPIPS值降低至0.294 9。所提方法为无监督红外图像生成提供了新思路,可进一步应用于红外目标检测和场景分割等下游任务。

LegoViT:边缘端视觉推理中ViT模型块粒度缩放技术

周豪捷, 吴晓宁, 高志强, 韩锐, 张青龙, 刘驰, 陈铮, 赵玉, 王硕

计算机科学. 2026, 53 (4): 269-276. doi:10.11896/jsjkx.250900024

摘要 ( 25 )

PDF(5162KB) ( 88 )

参考文献 | 相关文章 | 多维度评价

近年来,ViT模型凭借其强大的图像理解能力被广泛部署于边缘侧视觉应用。在资源受限边缘端推理中,ViT模型需依据可用资源对其进行有效缩放来获取最优的推理精度-延迟平衡。然而,现有推理模型缩放技术往往仅能在整个模型粒度进行缩放,导致关键信息丢失,需消耗更多计算资源/推理延迟来获取同样的精度。对此,提出LegoViT方法,旨在从ViT模型前馈网络中识别出可缩放模型块,以支持运行时块粒度模型缩放。对比模型粒度缩放方法的测试结果表明,LegoViT使ViT模型内存占用降低22.37%,计算量减少21.1%,推理延迟平均缩短61.05%。

基于混合量子经典长-短距离特征扩展网络的图像分类

郑毅, 贾星昊, 张骏温, 任爽

计算机科学. 2026, 53 (4): 277-283. doi:10.11896/jsjkx.250600108

摘要 ( 29 )

PDF(2178KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

经典神经网络的规模、计算时长很难进一步突破,难以兼顾轻量化和高性能,在目前大数据时代下成为了解决海量数据的图像分类问题的瓶颈。而混合量子经典神经网络具有量子计算与经典计算的优势,能够进行高效的并行计算并具有较好的普适性。为此,设计了混合量子经典长-短距离特征扩展网络(Hybrid Quantum-Classical Long-Short Range Feature Extension Neural Network,HQC-LSNet),它是一种包含多个混合模块的多分支结构。通过多种量子旋转门及受控-Z门构成量子解耦全连接注意力机制,利用量子特性从量子增强特征空间中高效地获取长距离特征;与此同时,采用经典卷积模块获取短距离特征,并以组合特征图的方式进行特征扩展。在MNIST的十分类以及CIFAR-10数据集上的三分类这两个图像多分类任务上测试其准确率分别为99.42%和91.42%,相较于对应的经典模型及混合量子经典模型均有提升,而且该模型的参数量与时间复杂度相较于经典模型均有所减小。

基于张量的多模态融合诊断微血管侵犯

汪少东, 李柳军, 李蕊, 苏中振, 陆遥

计算机科学. 2026, 53 (4): 284-290. doi:10.11896/jsjkx.250600188

摘要 ( 23 )

PDF(2282KB) ( 62 )

参考文献 | 相关文章 | 多维度评价

微血管侵犯(MVI)作为肝细胞癌(HCC)术后复发和生存率低的关键预后因素,其术前精准定位对治疗决策至关重要。针对现有放射组学方法特征泛化弱、可解释性差且忽略瘤周MVI空间分布的问题,提出通过病理全切片(WSI)与三维超声(3D US)的空间融合实现MVI三维定位,并设计特征张量融合深度学习模型(融合多尺度特征、特征张量及正交化损失函数)提取瘤周MVI分布语义特征。在收集的数据集上开展了详细的对比分析和消融实验研究,使用受试者工作特征曲线下的面积(AUC)、准确度(Accuracy)和F1分数等指标证明了该模型的有效性。实验验证了该模型性能优异(AUC:0.910,ACC:0.930,F1 score:0.852),证实了其在术前MVI精确诊断中的临床潜力。

结合局部、全局感知与语义流对齐的脑白质高信号分割方法

张新峰, 郭依海, 刘晓民, 许忠贺, 李相生

计算机科学. 2026, 53 (4): 291-298. doi:10.11896/jsjkx.250700057

摘要 ( 22 )

PDF(3468KB) ( 76 )

参考文献 | 相关文章 | 多维度评价

针对脑白质高信号目标小的特点,提出一种结合局部、全局感知与语义流对齐的脑白质信号分割方法PGF-Net。首先,提出局部感知注意力模块(Patch Aware Attention,PAA),通过划分局部小图像块进行特征选择的方法,加强局部特征提取能力;然后,提出结合局部和全局感知的注意力模块(Patch Global Aware Attention,PGAA),利用Transformer全局感知的特点建立长程依赖;最后,提出门控语义流对齐模块(Gated Flow Alignment Module GFAM),在解码部分预测语义流偏移场,引导解码器中的高层特征扩张,实现与编码器对应低层特征的精准对齐融合。实验结果表明,PGF-Net在自采数据集中,交并比(mIoU)达到0.876 9,Dice系数为0.842 3,豪斯多夫距离(HD)降至32.61,平均表面距离(ASD)仅为1.7,达到了最优效果;在两种小目标公开数据集上也达到最优效果,验证了其泛化性和鲁棒性。此方法在辅助医生诊断方面具有一定的应用前景。

基于结构化知识蒸馏的轻量级伪装目标检测模型

宋建华, 刘淳, 张龑

计算机科学. 2026, 53 (4): 299-307. doi:10.11896/jsjkx.250100105

摘要 ( 27 )

PDF(2489KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

伪装目标检测在自然场景分析与安全监控中发挥着重要作用,但伪装目标的复杂性和多样性对检测模型的性能提出了严峻挑战。现有知识蒸馏方法多用于模型压缩,通过对教师网络与学生网络的输出层特征对齐,实现轻量化。然而,现有知识蒸馏方法通常忽略了教师网络中间特征的丰富语义信息。此外,固定学习率策略难以适应教师和学生模型规模差距过大的情况,导致蒸馏过程不稳定。为此,设计了一种基于结构化知识蒸馏的轻量级伪装目标检测模型,利用结构化知识改进传统的软硬标签损失计算,从而显著提升蒸馏效果。同时,将学习率优化问题建模为一个最优化任务,以稳定蒸馏过程中的性能波动。实验结果表明,该方法在COD10K-V3和CAMO伪装目标检测数据集上,S_m分别达到82.9%和81.0%,且训练时间减少至6.5 h。

面向群车协同感知的车载视频压缩算法

江子贤, 喻赛萱, 黄瑞雪, 沈鑫, 黄河清

计算机科学. 2026, 53 (4): 308-317. doi:10.11896/jsjkx.250400103

摘要 ( 22 )

PDF(4246KB) ( 63 )

参考文献 | 相关文章 | 多维度评价

群车协同感知通过大幅度拓展汽车的感知范围,能够极大地提升自动驾驶和辅助驾驶的安全性。但在传输高精度、大容量车载视频感知数据时,其仍面临时延大的问题。为了解决该问题,一些研究通过去除车载视频中包含无效信息的冗余帧,来有效降低数据传输时延。然而,由于车载视频中关键信息动态变化且特征复杂,存在表征帧间关键与冗余信息难、平衡关键信息保留率与压缩率难两个挑战。对此,提出面向群车协同感知的车载视频压缩算法,旨在兼顾信息保真与压缩效率。首先,利用目标检测和多目标追踪算法,跨视频帧提取关键信息的连续特征。然后,基于提取特征的低秩特性,将复杂的关键与冗余信息表征转化为低秩稀疏矩阵分解问题,并通过非精确增广拉格朗日法进行迭代优化,以准确提取视频的关键部分。最后,基于重庆市真实道路数据集和公共数据集BDD100K的部分数据对所提算法进行性能评估。实验结果表明,相比4种对比算法,所提算法在不同交通状况下的关键信息保留率平均提高12.99%,且传输时间平均缩短61.24%。

基于GraspNet的多阶段无序混装抓取方法

于灵鑫, 陈艺博, 曲浩君, 厉广伟, 李金屏

计算机科学. 2026, 53 (4): 318-325. doi:10.11896/jsjkx.250600124

摘要 ( 29 )

PDF(3232KB) ( 65 )

参考文献 | 相关文章 | 多维度评价

用于工业分拣领域的机械装置通常是针对特定应用场景和特定产品而设计的,面对多种物品无序堆叠的场景,其普适性和智能性往往较差。当前基于3D结构光相机的点云匹配抓取技术虽在一定程度上提升了柔性生产能力,但受限于硬件成本高昂,以及特征描述能力有限、计算复杂度高、对遮挡敏感等固有缺陷,难以满足无序混装抓取需求。近年来以GraspNet为代表的深度学习抓取技术发展迅速,通过双目相机实现位姿估计,但仍存在目标选择策略欠优、位姿评分机制具有局限性、位姿定位偏差大等问题。针对上述挑战,提出一种改进型三阶段抓取算法。第一阶段,针对目标选择策略欠佳的问题,通过融合YOLOv10目标检测与SAM分割模型,结合优化的目标选择算法,即选择无遮挡、距离近的目标,有效解决了堆叠遮挡场景下的目标选择策略不佳难题。第二阶段,对GraspNet位姿估计框架进行改进,即通过引入基于点云表面法向量的位姿筛选机制,重构更加合理的评分机制,进而获取高精度抓取位姿。第三阶段,设计位姿微调策略,即采用"悬停对齐-垂直抓取"的分层控制架构,最大程度消除执行过程中的累积误差,有效解决位姿定位偏差大、实际抓取不准确问题。实验结果表明,该方法显著提升了复杂场景下的抓取效率、操作可靠性和跨场景泛化能力,同时由于使用双目相机取代了3D结构光相机,还显著降低了系统成本,为工业自动化提供了高性价比的解决方案。

基于EchoMimic改进的面部动画生成算法及其应用规范

詹奇玮, 任好佳, 肖甜甜

计算机科学. 2026, 53 (4): 326-336. doi:10.11896/jsjkx.251200015

摘要 ( 22 )

PDF(6185KB) ( 80 )

参考文献 | 相关文章 | 多维度评价

近年来,基于扩散模型的语音驱动面部动画生成方法已取得突破性进展,此类方法能够高效生成长时序、音频嘴型同步的高分辨率讲话视频。然而,当前方法生成的视频在嘴部区域普遍存在显著的模糊与伪影问题,严重制约了合成视频的真实感与视觉可信度。针对这一问题,提出一种基于 EchoMimic 改进的面部动画生成算法LiveEchoMimic,并深入探讨其标准化应用规范。首先,在技术应用层面,以 EchoMimic 扩散模型与隐式关键点模型为双核心基础架构,构建了一套端到端的自然化讲话视频生成框架。其中,EchoMimic 扩散模型借助音频特征与面部关键点的联合控制机制,完成粗粒度讲话视频的生成任务;隐式关键点模型则采用视频驱动的范式,通过控制隐式关键点空间的位移特征,实现高质量面部动画视频的精细化生成。其次,构建音频-嘴型映射模型,用于精准建模音频特征与嘴部运动状态间的内在关联,并针对性设计映射网络,以强化生成视频的音频-嘴型同步精度。最后,在公开数据集CelebV-HQ、MEAD及私有数据集Avatar上开展大规模实验验证,定量与定性结果表明,LiveEchoMimic方法在视觉质量、音频-嘴型同步性等核心指标上显著优于当前主流方法,实现了最佳的视频生成性能。在应用规范层面,鉴于高度逼真的语音驱动面部动画技术可能引发身份与行为的失真问题,从面临挑战、应用理念、实施措施等方面提出了可操作性的建议,以促进语音驱动面部动画技术在可控、安全前提下更好地契合社会发展需求。

人工智能

自然语言语义表示的范畴论建模:系统综述与组合机制分析

李奕丹, 崔建英, 熊明辉

计算机科学. 2026, 53 (4): 337-346. doi:10.11896/jsjkx.251000136

摘要 ( 26 )

PDF(1894KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

语义表示是自然语言处理(NLP)的核心挑战。当前的语义表示范式可归纳为两类:以逻辑形式为核心的符号主义方法以及基于分布式表示的联结主义方法。尽管后者在工程应用中取得了显著成效,但在刻画语言的组合结构、支持结构化推理以及实现可解释与可泛化的语义建模方面,逐渐暴露出被称为“组合性危机”的理论局限。现有方法中,基于范畴论的组合分布语义模型凭借其严谨的代数结构和类型驱动的组合范式,为统一符号的句法结构与分布的语义内容提供了一条极具潜力的数学路径。对此,从范畴论的数学视角出发,以“范畴(理论框架)-组合(核心机制)-量子(计算范式)”为主线,对基于范畴论的自然语言语义表示范式及其演进脉络进行系统梳理与评述。不同于按模型或任务划分的既有综述,聚焦语义组合机制本身,首先基于组合视角对句子语义表示模型进行归类与比较,剖析分布式语义方法在组合建模中的代表性进路及其内在局限,进而梳理其向组合分布语义发展的内在逻辑和研究趋势。在此基础上,重点阐述以字符串图为演算工具的范畴组合语义框架,并结合典型模型(如 DisCoCat 与 DisCoCirc)说明这类框架的形式化特征及其在量子计算语境下的扩展方向,为理解和评估符号主义方法、联结主义方法与量子计算方法在自然语言处理中的融合路径提供统一的理论视角。

Agent4Stu:基于大语言模型的学生作答行为高效模拟智能体

刘苏熠, 刘淇, 高维博

计算机科学. 2026, 53 (4): 347-355. doi:10.11896/jsjkx.250800012

摘要 ( 33 )

PDF(2390KB) ( 62 )

参考文献 | 相关文章 | 多维度评价

个性化学习已成为教育数字化转型的核心方向,其关键在于对学生作答数据进行精准理解与建模。然而,受限于学习行为的稀缺性、学习状态的动态演化以及隐私合规等因素,真实教育场景中普遍存在行为数据不足及离线数据与在线学习行为存在分布偏移的问题,严重制约了智能教育系统的建模能力与泛化水平。为缓解上述困境,已有研究尝试通过模拟学生作答行为来扩展数据规模并提升模型性能,然而现有方法难以同时兼顾数据的生成质量、效率与资源成本。为此,提出一种融合大语言模型与检索增强生成技术的学生作答行为模拟智能体框架Agent4Stu,实现低成本、高效率、强泛化能力的个性化作答行为生成。其核心包括预置检索库及检索策略,以及基于大语言模型的智能体。其中,以学生作答行为构建检索库,并设计了两类检索策略,即相似学生协同检索与相关事实检索,同时结合学生个体短期记忆动态生成高相关性的提示信息。智能体内部融合画像、记忆与动作3个核心模块,分别用于刻画学生的学习特征与认知能力,整合历史经验与检索库知识,并基于画像、记忆和知识掌握程度模拟学生针对具体题目的作答行为。与现有学生智能体相比,Agent4Stu 的记忆容量更小,动作推理更简化,依托面向学习行为的结构化检索库提供辅助信息,从而实现了低成本、高效率、强泛化能力的个性化作答行为生成。基于两个真实作答数据集开展的定量与定性实验,验证了 Agent4Stu 在学生作答行为模拟方面的有效性和优越性。

跨模型协同的法律文本相关性无监督表征方法研究

许身健

计算机科学. 2026, 53 (4): 356-365. doi:10.11896/jsjkx.251100003

摘要 ( 22 )

PDF(2659KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

法律文本表征是法律人工智能系统的基础,其质量直接影响法条预测、案例检索等下游任务。然而,法律文本在专业术语、篇章结构及推理逻辑上的复杂性,使得通用预训练模型易产生语义偏移。开源模型领域知识不足;而闭源模型虽具备较强的理解能力,却难以直接复用其内部表征。针对上述问题,提出一种跨模型协同增强的法律文本表征方法(Cross-Model Collaborative Legal Representation,CMCLR),通过构建开源模型与闭源模型的协同框架,引入闭源模型的领域感知能力,以增强开源模型的法律语义建模能力。具体而言,利用闭源模型对法律文本进行动态分块与关键段落识别,提取结构化语义信息,并在协同约束下指导开源模型学习可解释、可训练的文本表征;同时,引入无监督聚类对段落级嵌入进行结构建模,以捕捉法律文本间的潜在语义关联。实验在 CAIL2018 法条分类数据集及其派生子集上进行,结果表明,CMCLR 在 CAIL2018 法条分类任务上取得 90.3% 的准确率,较代表性基线方法提升 2.4 个百分点,并在不同数据规模与场景设置下均表现出良好的稳定性与泛化能力。实验结果验证了跨模型协同表征学习在法律文本深层语义建模中的有效性。

基于多任务强化学习的优先级加权软模块化方法:SM-PHT

潘嘉豪, 冯翔, 虞慧群

计算机科学. 2026, 53 (4): 366-376. doi:10.11896/jsjkx.250700198

摘要 ( 25 )

PDF(5405KB) ( 66 )

参考文献 | 相关文章 | 多维度评价

近年来,强化学习在众多领域中取得了显著的成功。然而,在动态环境或多任务场景中,传统方法往往难以有效适应复杂变化,表现出一定的局限性。为解决这一问题,提出了一种名为“优先级加权软模块化”的多任务强化学习方法(SM-PHT),旨在提升智能体在多任务环境下的适应性与泛化能力。SM-PHT融合了3项关键技术:优先级加权知识蒸馏、分层缓存机制和任务嵌入策略。优先级加权知识蒸馏通过加权方法整合多个高性能模型的知识,提高了学生网络的鲁棒性与稳定性。分层缓存机制分别管理低层次经验数据与高层次模型参数,提升了学习效率。任务嵌入策略则通过捕捉环境特征,增强任务表示,来促进跨任务知识迁移。实验结果表明,在Meta-World MT10基准测试中,SM-PHT的成功率达到当前最优方法的两倍,平均奖励提高30%;在更具挑战性的MT50任务中,成功率与平均奖励均提升约10%。上述指标显示该方法在复杂多任务场景中具有良好的稳定性与泛化能力,展示了其在实际多任务强化学习应用中的潜力。

基于循环一致性约束的LLM增强型语言模型训练框架

吴荞睿, 罗丽, 赵才荣

计算机科学. 2026, 53 (4): 377-383. doi:10.11896/jsjkx.250600032

摘要 ( 29 )

PDF(1611KB) ( 77 )

参考文献 | 相关文章 | 多维度评价

针对专利摘要生成任务中的技术特征完整性缺失、合规性不足以及边缘部署效率受限等问题,提出一种基于循环一致性约束的大语言模型增强型语言模型训练框架(LACC)。LACC框架通过构建摘要生成与权利要求扩写的双向可逆任务结构,引入循环一致性约束机制,实现技术特征与法律表述的联合优化。在此基础上,LACC集成了由大语言模型驱动的可控数据增强策略,自动构建高质量专利样本对,并结合动态验证机制,提升了生成文本的技术准确性与合规稳定性。实验结果表明,LACC在中文专利数据集CPTD上的ROUGE-L得分达到56.74,较基线提升8.99个百分点,在循环一致性评分(RCS)方面亦取得显著优势。此外,该方法在边缘设备上的推理延迟控制在420 ms以内,单卡内存占用不超过4.5 GB,具备良好的工业部署潜力。综上所述,LACC框架为专利撰写辅助、法律文本生成与知识产权智能管理等下游任务提供了具备实用价值的技术路径,展现出推动知识产权全生命周期自动化处理的重要应用前景。

融合局部多视角语言特征和全局特征的对话情感四元组抽取

彭菊红, 张正悦, 丁子胥, 范馨予, 胡长玉, 赵明俊

计算机科学. 2026, 53 (4): 384-392. doi:10.11896/jsjkx.250900032

摘要 ( 29 )

PDF(2319KB) ( 61 )

参考文献 | 相关文章 | 多维度评价

基于对话的方面情感四元组抽取(DiaASQ)是情感分析(ABSA)领域的一个新兴研究方向,其目标旨在从一段对话中识别并提取情感四元组(目标、方面、观点和情感极性)。与传统静态文本的ABSA任务相比,DiaASQ面临以下两大问题:1)对话文本通常较长,目标、方面、观点等情感要素可能分散在多个话语中,难以捕捉长距离依赖关系;2)对话文本结构复杂,通常包含多位发言者和回复关系,信息往往存在跨语句和说话人的情况,回复结构更为复杂。针对上述问题,提出一种融合局部多视角语言特征和全局特征的对话情感四元组抽取(MVLLF-GF)方法。首先,利用多视角语言知识编码器从句法依存关系、语义信息等多个角度对词元进行交互增强,捕捉长距离依赖关系,学习局部特征;其次,使用全局话语编码器从话语层面学习发言者信息和回复关系信息,获取全局特征;再次,使用多粒度融合器对不同层面的特征进行深度整合,增强模型上下文理解能力;最后,使用网格标注的方法实现情感四元组的端到端解码。实验结果表明,在DiaASQ公开中文数据集ZH和英文数据集EN上,与基准模型MVQPN相比,所提模型在Miro F1指标上分别提升了9.13个百分点和6.50个百分点,证明了该方法的有效性。

融合图信息瓶颈与Transformer的时序知识图谱推理方法

辛奕辰, 李时冲, 陈斌, 程章桃, 李耶, 周帆

计算机科学. 2026, 53 (4): 393-405. doi:10.11896/jsjkx.250400050

摘要 ( 24 )

PDF(2614KB) ( 78 )

参考文献 | 相关文章 | 多维度评价

时序知识图谱以四元组(主体,关系,客体,时间)的形式动态记录事件知识,能够有效刻画现实世界中知识的动态演化特性,因此在推荐系统、大语言模型和知识问答等领域得到了广泛应用。然而,其固有的知识不完备性限制了进一步的拓展和应用。时序知识图谱推理任务旨在预测(补全)图谱中缺失的事件知识,因而受到学术界和工业界的高度关注。现有的时序知识图谱推理方法主要聚焦于挖掘图谱快照内部的结构信息以及快照之间的时序依赖,仍存在以下两个主要问题:1) 在建模过程中未充分考虑图谱快照中潜在的噪声和冗余信息;2) 过度依赖局部时间窗口内的序列模式,忽视了图谱全局时序依赖的建模。为解决上述问题,提出了一种融合图信息瓶颈理论与Transformer的时序知识图谱推理框架GIBformer。该框架首先引入图信息瓶颈理论,对时序知识图谱中的结构信息进行压缩,保留与下游预测任务强相关的关键信息,同时有效抑制噪声和冗余信息的干扰;其次,利用Transformer的多头注意力机制,捕捉跨图谱快照的全局时序依赖模式,并融合局部的时序演化信息,实现对缺失事件知识的精准预测。在4个主流基准数据集上进行的大量实验证明了该模型的有效性。

知识辅助和强化句法驱动的方面级情感分析

郑诚, 班晴晴

计算机科学. 2026, 53 (4): 406-414. doi:10.11896/jsjkx.250600117

摘要 ( 23 )

PDF(2742KB) ( 65 )

参考文献 | 相关文章 | 多维度评价

方面级情感分析旨在对齐方面和其相应的意见表达,以识别特定方面的情感极性。现有的基于依赖树的图神经网络模型在方面级情感分析中取得了显著的性能提升,但大多数研究未充分利用句法依赖树的完整信息,通常忽略了句法依赖距离信息或依赖标签信息。这种忽视可能导致在含有多个方面的句子中,意见词与相应的方面词无法有效对齐。针对上述问题,构造一种知识辅助和强化句法驱动的网络模型。具体来说,首先通过引入外部知识库设计一个意见词感知模块,以增强模型对句子中意见表达的识别能力。然后,利用强化学习指导句法距离图的构建,并将其与基于单词关系和依赖标签构建的动态句法标签图进行启发式集成,从而提高对给定方面捕获相关意见表达的准确性和全面性。此外,采用方面关注注意力机制来更好地处理句法结构不明确的句子。在3个公共数据集上进行广泛的实验,结果验证了该模型的有效性。

信息安全

面向恶意流量识别的网络流量生成方法

张灿, 栗维勋, 汪明, 詹雄, 颉子光, 韩东岐, 王之梁, 杨家海

计算机科学. 2026, 53 (4): 415-423. doi:10.11896/jsjkx.250900139

摘要 ( 31 )

PDF(2390KB) ( 83 )

参考文献 | 相关文章 | 多维度评价

恶意流量识别是网络安全防护中的关键任务,训练数据的质量直接决定识别模型的准确性。然而,受隐私保护、标注成本和类别不均衡等因素限制,真实数据获取十分困难。为解决上述挑战,提出了一种基于预训练-微调模型的细粒度网络流量生成方法。该方法首先设计了一种保留协议结构信息的静态分词方案,将原始流量转换为协议语义保持的可供自回归模型学习的序列表示。在此基础上,构建了预训练-微调的两阶段生成框架:先以大规模良性流量学习通用协议与时序模式,继而在标注的恶意流量上进行任务定向微调,生成具备明确攻击语义的高保真样本。为了验证流量生成方法的效果,设计了多个维度的实验评估,结果证明,所提方法在协议合规性(领域专家知识检查通过率高达99.95%)、分布相似性(生成/真实分布间推土机距离仅为0.005 9)及生成多样性(真实邻域覆盖度超过50%)均优于主流基准模型;在使用生成流量训练的恶意流量识别任务中,相较于基准方法,所提方法唯一实现了多种分类器的检测效果提升。此外,设计了恶意功能验证实验,在两种攻击场景下验证了所提方法生成流量的攻击效果。实验结果表明,所提方法能够生成语法合规、统计相似且语义功能正确的细粒度恶意流量,为解决网络安全领域流量数据稀缺问题提供了有效的技术途径。

基于双重抗遗忘机制的轻量化联邦持续学习方法

王攀, 王吉, 钟正仪, 包卫东, 张耀鸿

计算机科学. 2026, 53 (4): 424-434. doi:10.11896/jsjkx.250500116

摘要 ( 27 )

PDF(3132KB) ( 75 )

参考文献 | 相关文章 | 多维度评价

联邦学习在不共享数据的前提下,通过上传并聚合客户端模型实现不同客户端之间的知识共享。现有的联邦学习方法大多假设客户端数据是已知且固定的。然而,在现实场景中,客户端会不断地接收包含新类别数据的任务并更新模型,导致模型在旧任务上的表现持续下滑,即发生灾难性遗忘问题。为有效应对这一严峻挑战,研究者将持续学习方法引入联邦学习中,衍生出联邦持续学习这一研究方向。然而,随着客户端所接收的任务数量不断增加,现有联邦持续学习方法在缓解灾难性遗忘问题上的效果逐渐变差,尤其是在针对较为久远的任务时,准确率出现了大幅下降,且数据异构程度的提升也进一步削弱了模型的准确率表现。鉴于此,设计了本地-全局双重抗遗忘机制,以缓解模型在久远任务上的遗忘问题。具体而言,在客户端层面引入特定于任务的轻量化模块,有效克服了数据变化与模型更新引发的灾难性遗忘;在服务器端通过模型反演生成并筛选得到类别均衡的伪图像,缓解了数据分布差异导致的模型性能下降的问题。在CIFAR10,CIFAR100和TinyImageNet等数据集上开展了一系列实验,实验结果有力地证实了该机制的优越性,充分表明其相较于现有各类方法,在提升模型性能、缓解灾难性遗忘等方面具有显著优势。

跨模态融合的少样本勒索软件分类器:基于预训练模型的多模态编码

尹创, 刘建毅, 张茹

计算机科学. 2026, 53 (4): 435-444. doi:10.11896/jsjkx.250500078

摘要 ( 23 )

PDF(3498KB) ( 82 )

参考文献 | 相关文章 | 多维度评价

勒索软件通过加密关键数据勒索受害者支付赎金。2023年勒索导致的赎金总额已超10亿美元。精确分类勒索软件对安全防护具有重要意义,但勒索软件样本的数量往往有限。鉴于此,提出了一种跨模态融合少样本勒索软件分类器CMFu,包含特征构建模块、编码模块和融合模块。特征构建模块用于生成跨模态特征。编码模块基于两个预训练模型构建编码器,对不同模态的特征进行编码。融合模块对编码数据进行整合,实现最终的分类。实验通过设置10%,30%和50%的训练样本比例来评估模型的性能。CMFu在所有指标上均优于对比模型。当样本比例为30%时,CMFu的精确率、召回率和F1分数分别为0.91,0.91和0.90,优于所有对比模型。当样本比例降至10%时,指标仍能保持在较高水平,为0.78,0.84和0.80,证实了CMFu的少样本勒索软件分类效果,消融实验验证了基于预训练的编码器的可行性以及使用骨干网络融合的必要性。

位置增强与频域分量交互的深度伪造检测方法

孟思雨, 牛春翔, 谭荃戈, 王蓉

计算机科学. 2026, 53 (4): 445-453. doi:10.11896/jsjkx.250700070

摘要 ( 20 )

PDF(3340KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

随着深度伪造技术的快速发展,伪造人脸图像和视频在社交媒体上频繁出现。然而,这些技术也被恶意利用,严重威胁社会安全。现有检测方法在已知数据集的伪造人脸检测中表现良好,但在面对未知数据集的伪造人脸时,检测效果却显著下降。针对这一问题,提出了一种位置增强与频域分量交互的深度伪造检测方法,旨在提高深度伪造人脸检测算法的鲁棒性及泛化性。首先,采用Vision Transformer作为骨干网络,从全局角度捕捉伪造痕迹;其次,设计动态局部特征提取模块,利用卷积进行逐通道逐点局部特征提取,并根据每个像素在特征表示中的重要性进行动态加权,精细化局部特征,提高对局部特征的感知能力;同时,构建多尺度特征提取与位置增强模块,采用多膨胀率卷积获取多尺度特征,引入位置增强机制强化像素间的位置信息关联,有效提取不同区域的多尺度信息;然后,设计全局-局部频域分量交互模块,通过频域分解注意力机制实现不同频域分量之间的信息交互,捕捉全局与局部特征之间的依赖关系,以获取在伪造人脸图像质量下降时RGB空间中消失的伪影;最后,设计像素关系相似度损失函数计算像素间的位置关系损失,并结合交叉熵损失函数构建联合损失函数,提高深度伪造人脸检测的准确性。实验结果表明,所提方法在FF++和Celeb-DF数据集上的AUC指标分别达到99.29%和78.62%,其能有效提升深度伪造人脸检测算法的鲁棒性与泛化性。

云雾泄露抵抗的智慧医疗安全认证协议

杨歆, 郭奕旻

计算机科学. 2026, 53 (4): 454-468. doi:10.11896/jsjkx.250100087

摘要 ( 21 )

PDF(2922KB) ( 92 )

参考文献 | 相关文章 | 多维度评价

智慧医疗在提升人们生活便捷性的同时,也带来了海量医疗数据在开放无线网络通信环境中的安全传输难题,这些数据在传输过程中易受多种内外部攻击的威胁。为确保医疗数据能够及时且有效地传输,云雾架构作为智慧医疗领域广泛采用的网络通信架构,通过雾计算对云计算的有效扩展,大幅缩短了云与终端设备之间的通信距离,有效缓解了因距离过大而产生的网络延迟与抖动问题。然而,现有基于云雾架构的通信方案大多采用单云-多雾-多设备集中式架构,这种设计易引发单点失效的风险。更严重的是,这些方案往往默认云是完全可信的,而现实中,云服务器同样面临内部攻击的风险,使得攻击者能在身份认证密钥协商阶段计算出会话钥,进而导致通信数据隐私泄露,严重影响通信安全。针对上述通信安全挑战,提出了一个抗云雾泄露攻击的智慧医疗安全认证密钥协商协议,利用区块链技术保障协议数据的安全性,在抵抗各种已知攻击的同时,还能够抵抗云雾泄露攻击。使用扩展的随机预言机模型(Random Oracle Model)证明了提出协议的语义安全性,使用启发式安全分析方法展示了所提协议实现了所有8个安全属性,同时,基于AVISPA安全分析工具验证了提出的协议是安全的。性能分析表明,相较于现有相关协议,提出的协议通信量较小,计算代价更小,能源消耗更低,且能抵抗更多的安全攻击。

请选择需要列表的栏目分类:

交叉 & 应用 (0)

群智感知计算 (9)

复杂系统的软件工程和需求工程 (15)

新型分布式计算技术与系统 (9)

多媒体技术进展 (11)

人机交互 (5)

智能数据治理技术与系统 (14)

多语言计算前沿技术 (11)

新兴分布式计算技术与系统^* (11)

计算机软件&体系架构 (0)

数据库 & 大数据 & 数据科学 (12)

软件工程&数据库 (0)

智能化边缘计算 (14)

基于社会计算的多学科交叉融合专题 (13)

6G 赋能智慧物联网技术与应用 (10)

智慧医疗 (10)

高性能计算 (115)

云计算 (2)

研究快报 (1)

第六届全国智能信息处理学术会议 (7)

区块链技术 (28)

智能系统及应用 (110)

模式识别 (14)

智能算法与优化 (12)

计算机网络与信息安全 (4726)

分布式与网络应用 (19)

新技术应用 (23)

物联网技术及应用 (9)

服务化的科研成果 (32)

智能移动身份认证 (10)

机器学习 (10)

智能信息处理 (11)

生物信息学 (5)

理论计算机科学 (11)

计算机软件 (441)

计算机视觉:理论与应用 (16)

计算机体系结构 (163)

学科建设 (2)

数据库&大数据&数据科学 (15)

计算机科学理论 (19)

计算机网络 (1429)

人工智能与理论计算机科学交叉融合 (11)

计算机图形学&多媒体 (9)

联邦学习 (11)

边缘智能协同技术及前沿应用 (10)

可解释性人工智能 (11)

创刊五十周年特别专题 (10)

学科前沿 (12)

紧凑数据结构 (7)

智能教育技术及应用 (20)

数字孪生网络与人工智能融合 (6)

大语言模型技术研究及应用 (30)

智能嵌入式系统 (13)

新计算模式下的信息安全防护 (6)

知识图谱赋能的知识工程:理论、技术与系统专题 (11)

交叉 & 应用 (6)

粒计算与知识发现 (16)

基于图机器学习的教育数据挖掘 (10)

数据库&大数据&数据科学 (1361)

目录 (86)

社交媒体虚假信息检测 (7)

三维视觉与元宇宙 (12)

智能医学工程 (24)

数智赋能金融科技前沿 (7)

大数据 & 数据科学 (19)

计算机软件 & 体系架构 (5)

基于AGI技术的智能信息系统 (10)

计算机图形学 & 多媒体 (9)

图像处理 & 多媒体技术 (38)

信息安全 (1648)

软件与数据库技术 (2094)

人工智能 (2751)

综述 (528)

网络 & 通信 (9)

数字信息处理 (19)

智能控制与优化 (37)

智能计算 (383)

模式识别与图像处理 (329)

智能应用 (9)

智能优化 (6)

计算机图形学&多媒体 (2059)

智能软件工程 (17)

前言 (7)

2026,53 (4)

2026,53 (3)

2026,53 (2)

2026,53 (1)

2025,52 (12)

2025,52 (11A)

2025,52 (11)

2025,52 (10)

2025,52 (9)

2025,52 (8)

2025,52 (7)

2025,52 (6A)

2025,52 (6)

2025,52 (5)

2025,52 (4)

2025,52 (3)

更多>>

一种鲁棒的双教师自监督蒸馏哈希学习方法

苗壮, 王亚鹏, 李阳, 王家宝, 张睿, 赵昕昕

计算机科学. 2022 Vol. 49 (10): 159-168

摘要 (3936) PDF (4472KB) (15976)

基于特征手性的数据无关模型评估方法

苗壮, 季时鹏, 吴波, 付睿智, 崔浩然, 李阳

计算机科学. 2024 Vol. 51 (7): 337-344

摘要 (2526) PDF (3883KB) (15504)

时间序列预测方法综述

杨海民, 潘志松, 白玮

计算机科学. 2019 Vol. 46 (1): 21-28

摘要 (4650) PDF (1294KB) (12846)

哈密顿图判定问题的多项式时间算法

姜新文

计算机科学. 2020 Vol. 47 (7): 8-20

摘要 (6585) PDF (1760KB) (12654)

基于机器视觉的Web应用页面元素识别及可视化脚本生成

李子东, 姚怡飞, 王微微, 赵瑞莲

计算机科学. 2022 Vol. 49 (11): 65-75

摘要 (1152) PDF (2624KB) (12571)

基于GCC编译器的流式存储优化方法

高秀武, 黄亮明, 姜军

计算机科学. 2022 Vol. 49 (11): 76-82

摘要 (1634) PDF (2713KB) (12248)

面向软件缺陷报告的缺陷定位方法研究与进展

倪珍, 李斌, 孙小兵, 李必信, 朱程

计算机科学. 2022 Vol. 49 (11): 8-23

摘要 (1290) PDF (2280KB) (11680)

结合Doc2Vec和BERT嵌入技术的补丁验证方法

黄颖, 姜淑娟, 蒋婷婷

计算机科学. 2022 Vol. 49 (11): 83-89

摘要 (844) PDF (2492KB) (11614)

ROP漏洞利用脚本的语义还原和自动化移植方法

施瑞恒, 朱云聪, 赵易如, 赵磊

计算机科学. 2022 Vol. 49 (11): 49-54

摘要 (890) PDF (2661KB) (11308)

基于决策树算法的API误用检测

李康乐, 任志磊, 周志德, 江贺

计算机科学. 2022 Vol. 49 (11): 30-38

摘要 (1274) PDF (3144KB) (11275)

自动化软件重构质量目标与非质量目标有效性研究

郭亚琳, 李晓晨, 任志磊, 江贺

计算机科学. 2022 Vol. 49 (11): 55-64

摘要 (844) PDF (3409KB) (11258)

AutoUnit:基于主动学习和预测引导的测试自动生成

张大林, 张哲玮, 王楠, 刘吉强

计算机科学. 2022 Vol. 49 (11): 39-48

摘要 (1432) PDF (2609KB) (11160)

面向SOA的集成测试序列生成算法研究

张冰清, 费琪, 王轶辰, 杨召

计算机科学. 2022 Vol. 49 (11): 24-29

摘要 (1101) PDF (1866KB) (10567)

社区问答系统研究综述

张中峰,李秋丹

计算机科学. 2010 Vol. 37 (11): 19-23

摘要 (653) PDF (551KB) (10506)

实例编程研究进展与挑战

严倩羽, 李弋, 彭鑫

计算机科学. 2022 Vol. 49 (11): 1-7

摘要 (1036) PDF (1921KB) (9927)

云边协同综述

陈玉平, 刘波, 林伟伟, 程慧雯

计算机科学. 2021 Vol. 48 (3): 259-268

摘要 (2568) PDF (1593KB) (9174)

分布式机器学习平台与算法综述

舒娜,刘波,林伟伟,李鹏飞

计算机科学. 2019 Vol. 46 (3): 9-18

摘要 (2349) PDF (1744KB) (8924)

模糊测试技术研究综述

张雄,李舟军

计算机科学. 2016 Vol. 43 (5): 1-8

摘要 (1880) PDF (833KB) (8210)

多源信息融合关键问题、研究进展与新动向

陈科文,张祖平,龙军

计算机科学. 2013 Vol. 40 (8): 6-13

摘要 (563) PDF (746KB) (8093)

基于物理信息的神经网络:最新进展与展望

李野, 陈松灿

计算机科学. 2022 Vol. 49 (4): 254-262

摘要 (6613) PDF (2620KB) (7968)

热点文章推荐更多...