131.
在数据驱动的人工智能应用迅猛发展的背景下,用户对其个人数据安全与隐私保护的需求持续提升。联邦学习作为一种分布式机器学习范式,通过共享模型参数而非原始数据来完成模型训练,缓解了用户数据的隐私泄露风险。然而,联邦学习仍难以满足用户从已训练模型中删除其个人数据的需求。为此,联邦遗忘学习… … 相似文献
唐湘云;王伟;翁彧;沈蒙;张焘;王伟;祝烈煌 《计算机学报》2025,(9):2064-2093
132.
基于后期融合策略的多核聚类通过在聚类决策层面进行融合,将多核聚类的计算效率提高到了线性计算复杂度,取得了良好的聚类性能,但它们仍存在以下两个局限性:(1)用于融合的基划分矩阵无法在聚类过程中进行学习优化,因此它们的性能直接受限于基划分矩阵的簇结构表示能力;(2)通过调整视图权重来… … 相似文献
张毅;田芷榕;王方地;王思为;刘吉元;刘新旺;祝恩 《计算机学报》2025,(9):1991-2007
133.
<正>地月空间是人类开启星际征程的必经之路,随着颠覆性航天技术的发展和应用,地月空间正在迎来第三次开发高潮。人工智能技术的快速发展为地月空间感知领域注入了新的活力,其强大的数据处理、知识推理及复杂任务规划能力,有望为地月空间感知带来革命性的变革。在中国科协年会的支持下,中国图象图形学学会联合《中国图象图形学报》组织“人工智能赋能地月空间感知”专栏,诚邀业内专家学者共同探讨人工智能技术在地月空间感知中的最新应用、关键挑战及未来趋势。… … 相似文献
于登云;尹继豪;姜晓军;王鹏;马惠敏;赵席彬 《中国图象图形学报》2025,(9):2897-2898
134.
目的 图像风格迁移旨在将一种艺术风格应用到一幅真实图像上,同时保持内容的完整性。传统的风格迁移方法存在伪影、风格模糊等问题。文字到图像生成扩散模型难以通过语言精确表达特定作品的创意。现有研究通过微调模型或文本嵌入技术提升风格准确度,但微调模型引入了额外计算成本,效率较低。针对这些… … 相似文献
张宇欣;董未名;徐常胜 《中国图象图形学报》2025,(9):3141-3152
135.
目的 地月三角平动点附近存在稳定的轨道,这对可能存在的自然天体的研究以及一些工程应用都有重要的意义。在实际工作中,现有的轨道设计方法普遍采用数值方法进行迭代,效率受限,需要进一步改进。方法 在本工作中,提出基于图像信息提取的频率数据处理方法,对不同振幅轨道的相同频率进行了研究,从… … 相似文献
刘沐林;侯锡云;王鹏 《中国图象图形学报》2025,(9):2988-2999
136.
空间最近邻查询及其扩展的变体查询是空间数据库研究领域中的重要内容;被广泛地应用于地理信息系统、模式识别、决策支持、城市规划等众多领域。近年来许多空间最近邻及其变体查询算法被提出;对现有的空间最近邻查询工作进行综合分析和梳理。针对最近邻查询索引结构;从基于网格的空间索引结构、基于树… … 相似文献
《计算机科学与探索》2025,19(9)
137.
近年来随着人工智能（AI）技术的发展;深度学习算法和专用AI处理器芯片已日益广泛地应用于边缘端和物端数据信号处理系统;如何在赋能系统高智能计算能力的同时;实现异构处理器之间高带宽、低延时的数据传输;已成为亟须解决的核心技术之一。因此;设计一种集成寒武纪MLU220芯片、国产飞腾F… … 相似文献
喻绪邦;吴济文;夏宏;莫昊;赵二虎 《计算机应用》2025,45(9):2913-2918
138.
光储充电站运营收益的提升,能够使充电站运营商加大对光储充电站基础设施的投资和部署,从而缓解日益增长的电动汽车渗透到电网时带来的负荷压力。针对光储充电站的运营收益提升问题,提出了一种基于多智能体深度强化学习的动态定价及能源调度策略,旨在提高完全合作关系下光储充电站的整体运营收益。首… … 相似文献
陈锦韬;林兵;林崧;陈静;陈星 《计算机科学》2025,52(9):337-345
139.
图像去雾是计算机视觉领域的热点话题之一。由于真实世界中大规模高质量的配对数据集的获取存在成本昂贵、实施困难等问题;现有方法通常利用合成数据对深度学习模型进行全监督训练;这可能会导致模型在真实场景下的泛化性能较差。为了解决真实域和合成域之间的域差异问题;提出一种基于师生学习的半监督… … 相似文献
景攀峰;梁宇栋;李超伟;郭俊茹;郭晋育 《计算机应用》2025,45(9):2975-2983
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
