3061.
近年来,立场检测任务受到越来越多的关注,但相关标注数据在范围和规模上都有限,不能有效支撑基于神经网络的立场检测。为此,该文探索在零样本/少样本场景下生成式语言模型在立场检测任务上的能力。首先,构建了一个全新的面向立场检测的数据集,包含5个主题,共2 500个人工标注样例;然后,在… … 相似文献
张袁硕;李澳华;陈波;尹召宁;王潘怡;赵小兵 《中文信息学报》2025,39(3):139-147
3062.
针对红外与可见光图像融合中的颜色失真和热目标细节丢失问题,提出基于融合曲线的零样本红外与可见光图像融合方法(Zero-Shot Infrared and Visible Image Fusion Based on Fusion Curve, ZSFuCu).首先,将融合任务转化为… … 相似文献
《模式识别与人工智能》2025,38(3):268-279
3063.
3064.
针对传统恶意软件家族分类方法部署成本高和预测时间长等问题,提出了一种轻量的恶意软件可视化分类方法。首先,提出对比度受限双三次插值与高斯模糊算法,解决恶意软件图像大小不平衡及噪声过多的问题。其次,为应对恶意软件特征间关联捕获困难和现有注意力模块复杂度高的问题,提出轻量通道注意力机制… … 相似文献
孙敬张;程轶男;邹炳慧;乔彤华;符思政;张琪;曹春杰 《通信学报》2025,46(3):187-198
3065.
Windows域被视作内网渗透测试的重点目标,然而Windows域渗透测试的场景和方法与常规的内网渗透有很大差异。因此,当前常规的智能化路径发现研究并不适用于Windows域环境。为了增强Windows域的安全防护,提出了一种基于深度强化学习的Windows域渗透测试路径自动化生… … 相似文献
霍兴鹏;沙乐天;刘建文;吴尚;苏子悦 《计算机科学》2025,52(3):400-406
3066.
海面小目标识别是海事雷达监视任务中一个重要且具有挑战性的问题。由于海面小目标类型多样、环境复杂多变,对其进行有效分类存在较大困难。在高分辨体制雷达下,海面小目标通常只占据一或几个距离单元,缺乏足够的空间散射结构信息,因此目标的雷达截面积(RCS)起伏和径向速度变化成为分类的主要依… … 相似文献
赵子健;许述文;水鹏朗 《电子与信息学报》2025,47(3):696-706
3067.
序列推荐是对用户历史交互序列进行建模;以预测用户所偏好的下一项目的推荐范式。由于用户交互历史的多样性和复杂性;交互序列常包含嘈杂和不相关的噪声项;从而影响模型捕捉稳定的序列模式;同时;交互序列中存在多样的序列信号;如趋势信号、语义信号和残差信号等;依赖单一模式进行建模无法得到精确… … 相似文献
温雯;胡智鑫;郝志峰 《计算机科学与探索》2025,19(3):774-786
3068.
针对免调度非正交多址接入（NOMA）系统中普遍存在的脉冲噪声干扰背景,提出一种基于时序多重稀疏贝叶斯学习和最小二乘的联合多用户检测、信道估计和脉冲噪声估计方法。首先利用多根天线接收下用户零星通信和突发脉冲噪声的联合稀疏性,将多用户检测、信道估计和脉冲噪声估计问题建模成多测量向量的… … 相似文献
李有明;陈江涛;吴永宏;徐伯禺;蔡万源 《通信学报》2025,46(3):122-130
3069.
图神经网络作为处理图结构数据的一种有效方法,可以有效抽取异构图中的复杂结构与语义信息,在节点分类和连接预测任务上取得了优异表现.然而现有异构图神经网络算法忽略元路径下各个节点类型之间的相关性,导致在语义融合、更新时丢失邻域结构特征信息,从而影响模型整体性能.为解决该问题,提出融合… … 相似文献
秦志龙;朱一峰;邓琨;雍剑书 《小型微型计算机系统》2025,46(3):627-635
3070.
在序列推荐领域,对比学习和多嵌入技术分别在生成高度区分性和信息丰富的特征以及捕获复杂的用户与物品互动方面具有重要价值.然而,如何将这两种技术有效地结合起来,以提供更准确和个性化的推荐,尚未得到充分研究.为了解决这一问题,提出了一种对比学习与多嵌入技术在序列推荐中的联合优化方法.该… … 相似文献
苏正昂;张娟 《小型微型计算机系统》2025,46(3):578-585
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
