计算机科学中的范畴数据类型的研究综述

范畴数据类型是指以范畴论为数学理论基础研究数据类型的描述、计算、语义和应用。早期的范畴数据类型研究以归纳数据类型为主,采用代数从归纳的角度研究有限数据类型的构造语义和递归性质。近年来,归纳数据类型的对偶概念——共归纳数据类型逐渐引起计算机科学工作者的关注与研究,他们采用共代数从观察的角度研究无限数据类型的行为语义和共递归性质。利用范畴论可以为数据类型研究提供统一的数学理论基础,并将代数和共代数中的各种重要研究成果有机地融合在一起,如语法构造与动态行为、递归与共递归、同余与互模拟等。目前,范畴数据类型已经在程序语言、计算描述、理论证明器和并行计算等领域得到广泛的应用。对范畴数据类型的基本概念、数学理论基础、逻辑基础及应用等方面的最新研究成果进行介绍,以引起国内外相关研究领域的学者对计算机科学中的范畴数据类型理论的关注。

文科类高校《大学计算机基础》的教学

通过《大学计算机基础》课程的教学实践,深入了解教学对象、教学内容后,提出对于Office系列办公软件精讲多练的观点,利用多种学习方式,熟练掌握Office办公软件的各种操作,并提出数据结构与算法、程序设计基础、数据库设计、电子商务以及网络实用技术,可以根据学生专业做选择性讲授。

微钙化的计算机辅助分析对乳腺导管原位癌及微浸润的诊断价值

目的:探讨在乳腺钼靶X线摄影检查中采用计算机辅助检测系统(CAD)对伴有微钙化的乳腺导管原位癌(DCIS)及其微浸润的诊断效能。方法:回顾性分析经本院乳腺钼靶X线摄影检查发现微钙化并经病理学证实的654例乳腺病变患者的病例资料,其中良性病变451例,DCIS(有/无微浸润)203例,使用CAD系统进行微钙化特征的提取和分类,比较14个特征参数在两组病变的差异,分析CAD的诊断效能。结果:所有特征参数中线样分枝状钙化数、细颗粒状微钙化率、段样分布、种群密度在两组病变间的差异有统计学意义(P<0.05),原位癌及微浸润组的特征参数值较高;四个特征参数对判别两组病变的ROC曲线下面积(AUC)分别为0.752、0.734、0.729和0.714,低于CAD系统综合检测法的判别效能(AUC=0.873),其诊断敏感度、特异度和符合率分别为97.3%、75.8%和85.1%。结论:乳腺导管原位癌及微浸润的微钙化特征具有相对特异性,基于多特征分析的CAD系统对该类病变可达到较高的诊断效能,可为乳腺癌早期病变的诊断和临床个性化治疗提供重要的参考依据。

计算机专业学生软件项目管理的实践方案

本文提出了一种新型的软件项目管理的课程实践方案,给出了相应的考核和评价机制,并在最后对课程实践的效果进行了总结分析。

基于“互联网+混合式模式”的计算机安全教学研究

《计算机安全》课程具有技术发展迅速、实践性强、学科交叉性多等特点,传统的以讲授为主的教学模式难以满足培养学生学习能力、计算思维能力和实践能力的教学要求。"互联网+混合式教学模式"利用新一代互联网技术和教育教学的深度融合、课堂和在线网络教学的高度混合,提供给学生个性化、自主化和探究化的学习空间,能够较好地解决《计算机安全》课程教学需求。

SMILE(微笑)教学法在计算机软件专业教学中的运用

近年来,计算机教育在中国取得了很大的发展,而流行的实例教学法更是得到广大教师的肯定与好评。而最近在一学报上注意到有英语教师提出的SMILE(微笑)教学法,经过认真学习和尝试性的运用,发现该教学法在计算机教学教学中也可以很好地被运用,且教学效果也有一定的改善。通过自己把SMILE(微笑)教学法在计算机教学中的运用,引进、改善一种适合计算机教学的新的教学法。

基于NS-2的《计算机网络》教学

《计算机网络》作为一门网络基础入门课程,包含了很多抽象难懂的网络协议,亟需一种改进的教学方案来改进计算机网络的教学现状。在分析计算机网络的教学现状以及NS-2的特点和模拟方法的基础上,提出一种基于NS-2的计算机网络教学方案。

计算机蠕虫病毒动力学分析及其传播途径研究

蠕虫也是一种病毒,随着计算机网络的应用和普及,蠕虫对网络系统安全构成了很大的威胁,其破坏能力和传染性不容忽视。本文从传染病动力学入手,介绍了传染病动力学模型的基本形式和蠕虫病毒的危害及传播特性,最后列举了网络蠕虫病毒的几种传播模型并对如何防范蠕虫病毒提出了一些看法。

基于时变计算资源的联邦学习设备选择算法

联邦学习(Federated Learning,FL)是一种新兴的分布式机器学习范式,其核心思想是用户设备以分布式的方式在本地训练模型,且无需上传原始数据,仅需将训练后的模型上传到服务器进行模型聚合。现有研究大多忽略了设备的计算资源会随着用户的使用模式而发生时序性变化,这会影响FL的训练进度。文中针对异构设备具有时变计算资源的特点,使用自回归模型对时变计算资源进行建模,并提出了一个设备选择算法。首先构造了长期训练时间约束下最小化每轮FL平均训练时间的优化问题,接着采用李雅普诺夫优化理论对其进行转化,最后求解得到设备选择算法。实验结果表明,与基线算法相比,所提算法能够在基本保证模型质量的同时缩短FL的训练时间和设备的平均等待时间。

科学计算浮点数据的高性能无损压缩

科学计算在科学界及工业界发挥着越来越重要的作用,所随之产生的科学数据也越来越多.因二级存储(如硬盘)的读写速度通常较慢,庞大的数据量除了占据存储空间之外,还影响着系统性能.文中通过系统研究浮点数据的特性,建立预测精度和压缩比之间的关系的理论体系.通过利用科学数据之间的相关性,采用多种预测器以及高效熵编码方法,提出一种科学数据高性能无损压缩方法.该方法既不需要使用者有关于原始数据的先验知识,也不需要使用者自行设计预测器.通过与其他压缩方法进行比较,结果表明文中方法的压缩比远高于其他方法,并同时具有恒定的海量压缩吞吐量.该方法已被应用于大规模颗粒动力学仿真系统的数据压缩.

群智演化协同计算的研究进展与趋势

群体智能是通过聚集群体智慧协同求解大规模复杂问题的智能方法,其思想最初源于对自然界中社会性生物群体智能行为的模拟。群体生物通过分工合作、相互协调、协同演化,可涌现出整体性的智能行为,完成复杂任务,具有高度的自组织、自适应、自学习能力。受此启发,国内外学者运用数学和计算机工具对群体智能行为进行模拟,从不同角度发展了一系列群体智能涌现与演化的机理和模型。近年来,随着互联网的发展,人类社会基于物联网的群智协同和演化现象进一步拓宽了群智演化计算的范畴,呈现出广阔的应用前景,也对群智演化的理论模型和应用提出了新挑战。2017年,《新一代人工智能发展规划》明确将群体智能列为需重点发展的人工智能理论与技术方向之一。文章将从生物群体、智能体群体和人类社会群体等不同视角,从群智演化协作的模型和机理、群智演化协作的组织结构、群智演化协同决策及群智演化协同计算的应用等角度,总结群智演化计算的主要研究问题,对国内外的最新研究进展进行综述和对比分析,并对该方向未来的发展趋势和主要科学问题进行展望。

基于STM32的智能家居安防系统设计

物联网应用技术快速发展,智能安防产品受到越来越多人的关注,尤其是智能家居安防产品。为了最大程度确保人身以及财产安全,满足人民群众对自身安全和家庭安防的要求,以STM32为主控芯片,结合各类智能传感器、控制器、报警器及智能手机小程序,设计并实现一套基于STM32的家居安防报警系统,该系统能实时、远程监测家居室内外环境状况,及时、有效防止家居安全事故发生,对保护家庭成员生命、财产安全具有重要的现实意义。

基于双流YOLOv4的金属表面缺陷检测方法

目前有许多学者使用深度学习进行表面缺陷检测研究,由于这些研究大都沿用主流目标检测算法的思路,注重高级语义特征,而忽视了低级语义信息(色彩、形状)对表面缺陷检测的重要性,因此导致缺陷检测效果不够理想。为解决上述问题,提出了一种金属表面缺陷检测网络——双流YOLOv4网络,骨干网络分成两个分支,输入分为高分辨率图像和低分辨率图像,浅分支负责从高分辨率图像中提取低级特征,深分支负责从低分辨率图像中提取高级特征,通过削减两分支的层数和通道数来减少模型总参数量;为了强化低级语义特征,提出了一种树形多尺度融合方法(Tree-structured Multi-scale Feature Fusion Me-thod,TMFF),并设计了一个结合极化自注意力机制和空间金字塔池化的特征融合模块(Feature Fusion Module with Polarized Self-Attention Mechanism and Spatial Pyramid Pooling,FFM-PSASPP)应用到TMFF中。在东北大学热轧带表面缺陷数据集NEU-DET、金属表面缺陷数据集GC10-DET和伊莱特电饭煲内胆缺陷数据集Enaiter的测试集上对所提算法进行了测试,测得的map@50结果分别为0.80,0.66和0.57,相比大部分主流的用于缺陷检测的目标检测算法均有提升,且模型参数量仅为原YOLOv4的一半,速度与YOLOv4接近,可满足实际使用需求。

面向系统能力培养的机器人赋能计算机课程实践探索

要培养计算机系统能力需传授多个计算机科学领域的知识和技能,在新工科背景下这变得尤为重要,对提升学生的跨学科综合能力和解决问题的能力具有重要意义。机器人赋能的计算机系统能力培养是当前教育领域的一个重要议题。随着人工智能和机器人技术的快速发展,机器人已广泛应用于各行各业,因此培养具备机器人赋能计算机系统能力的人才已成为社会的迫切需求。文章旨在探索如何在课程实践中结合机器人技术进行计算机系统能力的培养,提出了一种基于项目驱动与跨学科融合的课程设计模型,探讨了相关教学方法和评价体系,为培养复合型、创新型人才做出了新的尝试。

基于零知识证明和区块链的联邦学习激励方案

在跨孤岛联邦学习中,各参与者对最终训练出的模型贡献各异,如何评估他们的贡献并给予适当激励,成为联邦学习研究中一项关键问题。目前的激励方法主要着眼于奖励有效模型更新的参与者,同时惩罚不诚实者,侧重于激励计算行为。然而,参与者所提供的数据质量同样影响学习效果,但现有方法未充分考虑数据质量,并缺乏鉴定数据真实性的手段。为提升激励的准确性,需对参与者数据质量进行评估。通过融合零知识证明与区块链技术,文章提出一种评估参与者数据质量的协议,构建了全新联邦学习激励方案。该方案可在不泄露明文数据的前提下,评估参与者所用数据集质量,通过区块链系统向合格参与者发放激励,拒绝不合格者。实验证实,在部分用户提供虚假数据的情况下,该方案仍能准确给出激励结果,同时提升联邦学习模型的准确率。

基于HowNet和PMI的词语情感极性计算

基于语料库的点互信息(PMI)计算方法依赖于语料库的完善性,基于HowNet的计算方法则依赖于知网相似度计算的准确性。为克服2种方法的局限性,提出一种HowNet和PMI相融合的词语极性计算方法,利用知网进行同义词扩展,降低情感词在语料库中出现频率低所带来的问题。实验结果表明,该方法的微平均和宏平均性能比传统方法提升约5%。

云计算及云存储生态系统研究

随着服务计算范型的开发,网络资源配置、部署、发布及其维护发生了巨大的变化,使企业、个人用户跨越了组织、时间和空间等的限制,拓展了创新能力.云计算作为新一代服务计算模式,对IT及相关产业将产生深远影响.面对风云变幻的云计算技术,采用云计算生态系统概念,提出其系统架构、关键要素、运行机制及关键算法,并以云存储为例分析其构建过程,提出基于代理的云计算服务系统,分析可能存在的问题及其解决思路.

伪时空图卷积网络修复姿态引导的Transformer行人视频修复方法

为解决监控视频中被遮挡行人的修复问题,提出了一种基于人体姿态的行人视频修复方法,即先修复视频中残缺的行人姿态序列,然后在修补后的姿势序列的引导下修复视频帧中人体的缺失部分.该方法采用OpenPose从视频中提取被遮挡的人体姿态序列,针对其因存在遮挡情况导致未识别出和未准确识别部分关节点的问题,提出了一种伪时空图卷积网络模型对缺失姿态进行修复,得到一个相对准确的姿态序列;基于修复后的姿态,提出了基于姿态序列引导的Transformer行人视频修复模型.在Human3.6M数据集上进行了测试,所提出的方法在4个指标PSNR,RMSE,SSIM,LPIPS上均比对比方法有提升,特别是RMSE指标提升了9.50%,LPIPS指标提升了21.67%.

基于知识图谱和预训练语言模型深度融合的可解释生物医学推理

基于预训练语言模型(LM)和知识图谱(KG)的联合推理在应用于生物医学领域时,因其专业术语表示方式多样、语义歧义以及知识图谱存在大量噪声等问题,联合推理模型并未取得较好的效果。基于此,提出一种面向生物医学领域的可解释推理方法DF-GNN。该方法统一了文本和知识图谱的实体表示方式,利用大型生物医学知识库构造子图并进行去噪,改进文本和子图实体的信息交互方式,增加对应文本和子图节点的直接交互,使得两个模态的信息能够深度融合。同时,利用知识图谱的路径信息对模型推理过程提供了可解释性。在公开数据集MedQA-USMLE和MedMCQA上的测试结果表明,与现有的生物医学领域联合推理模型相比,DF-GNN可以更可靠地利用结构化知识进行推理并提供解释性。

股票数据流的相关性计算方法

相关性分析在股票投资、监测、预测中起着非常重要的作用.为定量计算各股票间的相关性,文中提出了一种股票数据流的相关性计算方法,它基于高效的单遍数据集扫描算法,能在有限的内存空间中计算出各股票间的相关性.与传统的计算方法相比,不管是在空间复杂度还是在时间复杂度上,所提出的方法都只需付出更小的代价.实验证明,这种相关性计算方法在同步股票报价中是有效的.