搜論文知識網并非《計算機研究與發展》的官網或雜志社，為客戶提供期刊征稿、論文發表等中介服務，在客戶與期刊雜志社之間搭建了一座省時、省力的便捷橋梁。本站與《計算機研究與發展》等上百家同類正規期刊保持著多年的密切合作關系，切實提高客戶期刊發表的質量與效率。通過本站發表論文，客戶將獲得更大的選擇空間、更高的通過率、更快的發表速度、更滿意的服務質量。

　　【雜志簡介】

　　《計算機研究與發展》辦刊宗旨： 報道我國計算機領域最高水平的學術論文和最新科研成果。

　　發展歷史： 《計算機研究與發展》是中國科學院計算技術研究所和中國計算機學會聯合主辦的學術性期刊，科學出版社出版，國內外公開發行。她誕生于我國計算機事業的初創時期(1958年)，是我國第一個計算機刊物，它是隨著中國計算機事業的發展而成長起來的。四十多年來，該刊始終結合我國計算機事業不同時期的重點和需要，有計劃、有組織地進行選題，刊登了大量國內最新科研成果和國家重點支持的研究項目的論文，對我國計算機科學技術的發展和高技術領域人才的培養發揮了巨大的作用。目前她是中國計算機類最有影響的學術期刊之一。

　　地位及水平： 多年來，該刊一直被評為我國計算機類核心期刊，是國務院學位辦指定的評估學位與研究生教育的“中文重要期刊”;已被多個國際著名的檢索系統收錄，如美國《工程索引》(Ei)、日本《科學文獻速報》、俄羅斯《文摘雜志》等;其影響因子和總被引頻次在同類學術期刊中名列前茅;連年被評為“百種中國杰出學術期刊”。

　　讀者對象： 具有大學本科以上學歷的各行業、各部門從事計算機研究與開發的研究人員、工程技術人員、各大院校計算機專業及其他相關專業的師生和研究生。

　　【影響因子】

　　國家新聞出版總署收錄

　　【獲獎情況】

　　2001-2007百種中國杰出學術期刊

　　2008中國精品科技期刊

　　2000年獲中科院優秀期刊二等獎

　　中國期刊方陣“雙效”期刊

　　國外數據庫收錄

　　俄羅斯文摘雜志

　　【欄目設置】

　　刊登內容：計算機科學技術領域高水平的學術論文、最新科研成果和重大應用成果。刊登內容：述評、計算機基礎理論、軟件技術、信息安全、計算機網絡、圖形圖象、體系結構、人工智能、計算機應用、數據庫技術、存儲技術及計算機相關領域。

　　計算機研究與發展最新期刊目錄

《計算機研究與發展》2023年論文高被引TOP10

摘要：<正>~

前言

摘要：在當前科技革命與產業變革的浪潮中，深度學習技術尤其是以生成式人工智能（generative artificial intelligence）為代表的新型信息技術，正以極快的速度發展，這一進程得益于海量數據與強大計算能力的支撐.在過去幾十年里，人工智能（artificial intelligence, AI）領域的研究者和實踐者主要聚焦于模型結構與算法優化，這一研究思路被稱為“模型中心范式”.然而，...

基于中文邏輯詞的模型劫持攻擊方法

摘要：模型劫持攻擊是一種新型攻擊方式，通過植入特定詞語，能夠隱蔽地控制模型執行與原始任務截然不同的劫持任務，使模型擁有者的訓練算力成本增加的同時面臨潛在的法律風險．目前，已有研究針對德-英文語言翻譯模型探索了這一攻擊方式，但在中文自然語言處理領域尚屬空白．中文語言的獨特性使得其面臨不同于其他語言環境的安全挑戰，因此亟需開發針對中文模型的攻擊評估方法．基于上述事實，提出了一種基于中文邏輯詞的模型劫持攻擊方...

一種基于無監督學習的智能并行結構網格生成框架

摘要：隨著高性能計算技術的迅猛發展，科學計算問題的復雜度和計算規模顯著提升．網格生成作為科學計算的前置輸入，是高性能計算領域的重要研究方向．針對大規模網格生成計算效率低、人機交互復雜等難題，發展智能化網格方法已成為研究熱點，但如何在網格領域實現高性能計算與人工智能深度融合仍處于研究空白．針對上述問題，首次提出了一種基于無監督學習的智能并行網格生成框架，支持大規模多塊結構網格的高效生成．框架集成了基于標架...

面向多線程程序的智能緩存分配方法

摘要：多線程編程模型被廣泛用于促進多核上的應用程序執行.然而，并發執行的線程對最后一級緩存（last level cache，LLC）的競爭造成的干擾可能會導致性能下降.英特爾緩存分配技術（cache allocation technology，CAT）提供了一種機制為不同線程實時分配緩存。然而，有2個原因導致現有分配方法并不適用于多線程程序.首先，它們是為多應用場景量身定制的，而不是為涉及多個相關線程...

基于前后端聯合分析的Java Web漏洞挖掘方法

摘要：精準高效地挖掘Web應用當中存在的安全漏洞具有極高的研究價值.Web漏洞挖掘相關研究大多都是針對PHP應用的，無法直接應用于Java Web漏洞挖掘.且現有的Web漏洞挖掘方法難以適應批量高效的需求，即難以在保持靜態代碼分析的性能下取得動態分析的精確度.為解決上述問題，提出了一種前后端聯合分析的Web漏洞挖掘方法，利用前端解析提取污點源信息幫助后端分析進行剪枝，提高漏洞覆蓋率和檢測性能；同時在漏洞...

模體感知的多視圖協同聚類優化算法

摘要：圖神經網絡通過迭代聚合鄰域特征學習圖的嵌入表示，已廣泛應用于圖數據分析.現有方法主要關注低階點邊交互，而對以模體為載體的高階成組交互模式關注不足，導致復雜網絡中的高階依賴關系難以被充分捕捉.模體作為網絡中頻繁出現的功能性子結構，能夠有效揭示節點間的高階語義關聯，而模體共現視圖則為刻畫此類交互模式提供了新的表征視角.然而，模體共現視圖的弱連通性限制了圖神經網絡的消息傳遞能力，影響全局信息的有效傳播....

基于強化學習的服務功能鏈部署研究綜述

摘要：在軟件定義網絡和網絡功能虛擬化范式下，服務功能鏈（service function chaining，SFC）技術通過靈活編排虛擬網絡功能實現了網絡服務的定制化部署.然而，動態網絡環境下SFC部署面臨著決策空間大、環境復雜多變等挑戰.強化學習因其自適應學習復雜環境特征并動態決策的能力，在解決SFC部署問題上展現出顯著優勢.該研究首先闡述了SFC部署的基本概念與技術架構，并具體介紹了基于強化學習的S...

基于強化策略反饋的多模態自適應實體識別方法

摘要：命名實體識別（namedentityrecognition，NER）的核心目標是從非結構化文本中識別出具有特定語義類別的實體與類型.隨著社交媒體的迅速發展，文本信息往往與視覺信息共同出現，形成多模態內容.為了提升實體識別的準確性，多模態命名實體識別方法利用不同模態中的語義信息，實現信息互補與深度融合.然而，不同模態之間的表征差異可能引入視覺噪聲，干擾實體識別.文本模態中存在實體指代不清或上下文語義...

基于圖元學習的小樣本虛假評論檢測算法

摘要：基于圖的虛假評論檢測主要面臨著如何在僅有少量正樣本標注的屬性圖中，有效聚合圖中不同關系的鄰居信息，提高圖表示學習對于異常節點的敏感性和泛化能力的挑戰.針對此挑戰，提出基于元學習的多信息融合圖差異網絡（Meta-MGDN）.通過構建多視圖劃分與多信息融合模塊，充分挖掘用戶、項目、評分的結構信息與屬性信息，以實現網絡對多方面信息的獲取并挖掘評論節點之間的關系.設計多視圖鄰域差異聚合模塊，合并鄰域信息與...

面向國產多核DSP的張量轉置并行優化技術

摘要：張量轉置（tensor transposition）作為基礎張量運算原語，廣泛應用于信號處理、科學計算以及深度學習等各種領域，在張量數據密集型應用及高性能計算中具有重要作用.隨著能效指標在高性能計算系統中的重要性日益凸顯，基于數字信號處理器（digital signal processors， DSPs）的加速器已被集成至通用計算系統.然而，傳統面向多核CPU和GPU的張量轉置庫因架構差異無法充分...

基于大語言模型的雙視角多級跨模態推薦

摘要：多模態推薦系統旨在提供更為精準和個性化的推薦服務．然而，現有研究仍存在以下問題：1）特征失真．由于輸入的嵌入均由小型預訓練語言模型和深層卷積神經網絡等模型進行處理，導致得到的特征表示不準確．2）編碼視角單一．目前模型的多模態編碼層只考慮在單一的記憶或擴展視角進行編碼，造成信息缺失．3）多模態對齊效果欠佳．不同模態嵌入分布在不同空間中，需將其映射至同一空間以實現對齊．而現有方法通過簡單的行為信息乘積...

多層次特征建模與時空依賴挖掘的自監督腦電分類

摘要：多通道腦電圖（electroencephalography，EEG）作為一種非侵入性技術，通過在頭皮上布置多個電極記錄大腦電活動，幫助理解個體的心理狀態和輔助診斷多種疾病．鑒于標記大量EEG數據的高昂成本和技術挑戰，自監督學習（self-supervised learning，SSL）作為一種無需標簽的學習范式，通過挖掘數據內在結構進行學習，可有效提升模型的泛化性能，已在EEG領域獲得廣泛關注．盡...

基于變分注意力知識選擇和預訓練語言模型的對話生成

摘要：基于知識的神經對話研究常常面臨外部知識包含冗余甚至與對話主題不相關信息的問題，從而導致對話系統性能下降.知識選擇成為解決該問題的重要途徑，但現有研究對諸如知識選擇器的設計、選擇出的知識的利用以及知識選擇對話方法適用的場景等問題，還缺乏深入研究.針對這些問題，提出了一個新的基于變分注意力知識選擇和預訓練模型的神經對話方法，使用一個基于條件變分自編碼（conditional variational a...

漸進式認知引導的雙域半監督人群計數

摘要：在人群計數任務中，高昂的數據標注成本嚴重制約了全監督方法的廣泛應用.為顯著降低對標注數據的依賴，利用大量未標注數據的半監督計數方法已成為當前研究的主流方向.然而，現有半監督方法通常依賴迭代生成偽標簽進行訓練，其性能深受2種不確定性因素的制約，其中認知不確定性來自模型自身對知識掌握的不足，易導致偽標簽生成質量不穩定；任意不確定性源于數據固有的噪聲和歧義，使得模型易受背景干擾和分布偏差的影響.為應對上...

基于合成數據預訓練基礎模型的表格數據聚類方法

摘要：隨著數據采集與數據存儲技術的飛速發展，各行業收集并存儲了大量無標記的表格數據.聚類分析是挖掘這類數據潛在分組結構的重要方法.目前，處理表格數據的聚類方法多數仍然是傳統聚類算法.深度學習技術和大模型技術主要用于處理非結構化的圖像、文本、語音等數據類型，其強大的表示能力和推理能力在結構化的表格數據處理中仍難以發揮優勢. 2025年，《Nature》刊發的TabPFN是一種可用于高效處理分類和回歸任務的...

多模態視覺語言表征學習模型及其對抗樣本攻防技術綜述

摘要：隨著計算機視覺、自然語言處理與深度學習技術的快速發展，多模態視覺語言表征學習模型在圖像描述、文本生成圖像、視覺問答等任務中展現出了卓越的性能，已成為當前學術界與工業界共同關注的研究熱點.然而，這類模型的多模態特性和復雜性為攻擊者提供了更加多樣的攻擊途徑，攻擊者可以通過對抗樣本引導模型輸出錯誤的、有害的或虛假的內容，使該類模型面臨的安全威脅日益嚴峻.系統地梳理了多模態視覺語言模型的研究現狀，同時，對...

面向作答序列數據的情境自適應學習推薦方法

摘要：學習推薦作為智能教育領域的核心研究任務，目的是根據學習者的認知狀態，提供個性化的學習資源.現有的學習推薦方法依賴于學習者對知識概念的掌握程度，缺少對作答序列數據中情境信息的充分挖掘，無法有效提高學習者的知識遷移能力.提出了面向作答序列數據的情境自適應學習推薦方法.該方法構建包括知識概念情境和習題情境的學習情境感知表征模塊，融合時序大語言模型的認知狀態表征模塊，實現基于知識圖譜的情境自適應學習推薦模...

面向復雜噪聲數據的魯棒文本-圖像行人檢索方法

摘要：文本-圖像行人檢索（text-based person retrieval）作為多模態智能監控系統的核心任務，旨在通過自由形式的文本描述從大規模數據庫中識別目標行人圖像，在公共安全與視頻取證領域具有關鍵應用價值，如刑事偵查中的嫌疑人追蹤及跨攝像頭取證分析.傳統方法通常基于圖像-文本對完美對齊的理想化假設，忽視了實際場景中普遍存在的復雜噪聲數據問題，即視覺實例與其文本標注間因人工標注偏差、網絡爬取噪...

置信引導的多模態數據測試時適應框架

摘要：測試時適應（test time adaptation, TTA）旨在在模型部署后的測試階段，通過無標注或少量標注的在線微調策略來動態校正模型，以應對由于分布偏移、傳感器噪聲、光照變化等引發的性能退化問題，并在自動駕駛、遠程醫療、視頻監控等對實時性和魯棒性要求極高的領域展現出廣泛應用價值.然而，現有多模態TTA方法往往忽視各視圖數據的質量差異，容易因低質量或故障視圖引入有害梯度，且缺乏對視圖內部動態...

　　相關電子信息期刊推薦

• 國家級傳感器與微系統
• 國家級世界電信
• 省級計算機仿真
• 國家級Design產品設計
• 國家級電信快報
• 省級辦公自動化辦公設備與耗材
• 省級信息技術
• 北大核心數據采集與處理
• 國家級影像診斷與介入放射學
• 省級電子工程專輯
• 省級長沙通信職業技術學院學報
• 國家級智能計算機與應用
• 國家級半導體信息
• 北大核心電視研究
• 國家級電腦愛好者
• 北大核心紅外技術
• 國家級微電子技術
• 國家級電子計算機外部設備
• 國家級電子科學學刊
• 省級自動化與儀器儀表
• 北大核心地震學報
• 省級WIRED連線
• 國家級信息化縱橫
• 國家級無線電通信技術
• 北大核心光通信技術
• 省級陜西廣播電視大學學報
• 國家級中國無線電
• 北大核心空間科學學報
• 北大核心微電子學與計算機
• 省級信息與電腦

　　核心期刊推薦

中華醫學超聲雜志(電子版)

光電子·激光

固體電子學研究與進展

中國電子科學研究院學報