計(jì)算機(jī)研究與發(fā)展

所屬欄目：電子信息期刊熱度：時(shí)間：

計(jì)算機(jī)研究與發(fā)展 關(guān)注(): 期刊周期：月刊; 期刊級別：國家級; 國內(nèi)統(tǒng)一刊號：11-1777/TP; 國際標(biāo)準(zhǔn)刊號：1000-1239; 主辦單位：中國科學(xué)院計(jì)算技術(shù)研究所;中國計(jì)算機(jī)學(xué)會; 主管單位：中科院出版委員會; 查看計(jì)算機(jī)研究與發(fā)展近十年數(shù)據(jù)入口>>>; 上一本期雜志：《軟件學(xué)報(bào)》軟件工程師職稱論文; 下一本期雜志：《福建電腦》省級計(jì)算機(jī)類期刊

　　搜論文知識網(wǎng)并非《計(jì)算機(jī)研究與發(fā)展》的官網(wǎng)或雜志社，為客戶提供期刊征稿、論文發(fā)表等中介服務(wù)，在客戶與期刊雜志社之間搭建了一座省時(shí)、省力的便捷橋梁。本站與《計(jì)算機(jī)研究與發(fā)展》等上百家同類正規(guī)期刊保持著多年的密切合作關(guān)系，切實(shí)提高客戶期刊發(fā)表的質(zhì)量與效率。通過本站發(fā)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(fā)表速度、更滿意的服務(wù)質(zhì)量。

　　【雜志簡介】

　　《計(jì)算機(jī)研究與發(fā)展》辦刊宗旨：報(bào)道我國計(jì)算機(jī)領(lǐng)域最高水平的學(xué)術(shù)論文和最新科研成果。

　　發(fā)展歷史：《計(jì)算機(jī)研究與發(fā)展》是中國科學(xué)院計(jì)算技術(shù)研究所和中國計(jì)算機(jī)學(xué)會聯(lián)合主辦的學(xué)術(shù)性期刊，科學(xué)出版社出版，國內(nèi)外公開發(fā)行。她誕生于我國計(jì)算機(jī)事業(yè)的初創(chuàng)時(shí)期(1958年)，是我國第一個(gè)計(jì)算機(jī)刊物，它是隨著中國計(jì)算機(jī)事業(yè)的發(fā)展而成長起來的。四十多年來，該刊始終結(jié)合我國計(jì)算機(jī)事業(yè)不同時(shí)期的重點(diǎn)和需要，有計(jì)劃、有組織地進(jìn)行選題，刊登了大量國內(nèi)最新科研成果和國家重點(diǎn)支持的研究項(xiàng)目的論文，對我國計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展和高技術(shù)領(lǐng)域人才的培養(yǎng)發(fā)揮了巨大的作用。目前她是中國計(jì)算機(jī)類最有影響的學(xué)術(shù)期刊之一。

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

　　讀者對象：具有大學(xué)本科以上學(xué)歷的各行業(yè)、各部門從事計(jì)算機(jī)研究與開發(fā)的研究人員、工程技術(shù)人員、各大院校計(jì)算機(jī)專業(yè)及其他相關(guān)專業(yè)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(xué)術(shù)期刊

　　2008中國精品科技期刊

　　2000年獲中科院優(yōu)秀期刊二等獎

　　中國期刊方陣“雙效”期刊

　　國外數(shù)據(jù)庫收錄

　　俄羅斯文摘雜志

　　【欄目設(shè)置】

　　刊登內(nèi)容：計(jì)算機(jī)科學(xué)技術(shù)領(lǐng)域高水平的學(xué)術(shù)論文、最新科研成果和重大應(yīng)用成果�？莾�(nèi)容：述評、計(jì)算機(jī)基礎(chǔ)理論、軟件技術(shù)、信息安全、計(jì)算機(jī)網(wǎng)絡(luò)、圖形圖象、體系結(jié)構(gòu)、人工智能、計(jì)算機(jī)應(yīng)用、數(shù)據(jù)庫技術(shù)、存儲技術(shù)及計(jì)算機(jī)相關(guān)領(lǐng)域。

　　計(jì)算機(jī)研究與發(fā)展最新期刊目錄

計(jì)算范式的擴(kuò)展與躍遷：從CS1.0到CS2+

摘要：本文討論計(jì)算范式的擴(kuò)展與躍遷。首先闡述了圖靈計(jì)算的偉大歷史意義與局限性，定義了什么是計(jì)算范式，區(qū)分了4類計(jì)算范式：CS1.0、CS1.x、CS2.x和CS2+，指出計(jì)算范式是從“離散、算法、規(guī)則固定、外賦語義、封閉單體”向“連續(xù)、動力系統(tǒng)、規(guī)則生成、語義內(nèi)生、開放生態(tài)”多維方向擴(kuò)展，邁向開放演化計(jì)算。接著重點(diǎn)解釋了CS1.x和CS2.x的區(qū)分判據(jù)是規(guī)則閉包和語義閉包；介紹了開放演化計(jì)算范式的典型案...

前言

摘要：<正>集成電路是國家戰(zhàn)略性、基礎(chǔ)性產(chǎn)業(yè)，芯片設(shè)計(jì)方法是重要的集成電路技術(shù)領(lǐng)域。大語言模型（LLM）等人工智能技術(shù)近年來快速發(fā)展，展示出對基礎(chǔ)思維、復(fù)雜問題的分析和解決能力，將在芯片設(shè)計(jì)領(lǐng)域產(chǎn)生深遠(yuǎn)的影響。國內(nèi)外研究表明，通過學(xué)習(xí)海量語料與代碼，大模型可初步掌握代碼生成、性能預(yù)測、測試用例生成等技能，并通過自然語言與工程師協(xié)同提升芯片設(shè)計(jì)與系統(tǒng)設(shè)計(jì)效率。為進(jìn)一步推動我國學(xué)者在人工智能與集...

Faver：基于函數(shù)抽象驗(yàn)證的RTL生成ReAct推理框架

摘要：基于大語言模型（LLM）的寄存器傳輸級（RTL）代碼生成是近年來受到廣泛關(guān)注的研究方向，因?yàn)樗荚谕黄飘?dāng)前芯片設(shè)計(jì)流程中自動化程度最低的環(huán)節(jié)。然而，高層規(guī)格描述與RTL之間存在顯著語義鴻溝。同時(shí)訓(xùn)練數(shù)據(jù)有限，導(dǎo)致現(xiàn)有模型在生成正確性方面仍面臨較大挑戰(zhàn)。一種自然的思路是借鑒人工設(shè)計(jì)經(jīng)驗(yàn)，將設(shè)計(jì)與驗(yàn)證相結(jié)合，但RTL測試數(shù)據(jù)相較設(shè)計(jì)數(shù)據(jù)更加稀缺，使該方法對LLM并不友好。相比之下，LLM在Python...

LEMON：面向高效硬件實(shí)現(xiàn)的大語言模型驅(qū)動集成約簡與Verilog HDL生成

摘要：集成學(xué)習(xí)已被廣泛用于提高人工智能模型的泛化性能。然而，集成模型引起的額外內(nèi)存開銷和計(jì)算成本限制了它們在資源受限場景下的應(yīng)用。為應(yīng)對這一挑戰(zhàn)，提出了LEMON，一種面向高效硬件實(shí)現(xiàn)的大語言模型（large language models,LLMs）驅(qū)動的集成約簡與Verilog HDL生成框架。LEMON利用LLM在文本理解、生成以及解決復(fù)雜問題方面的優(yōu)勢，顯著降低了集成模型的內(nèi)存占用和計(jì)算需求。在...

SegTracer：大語言模型輔助的多FPGA原型系統(tǒng)時(shí)延探測工具設(shè)計(jì)與實(shí)現(xiàn)

摘要：大語言模型正逐步進(jìn)入芯片與FPGA研發(fā)流程，但現(xiàn)有工作多集中于RTL生成、斷言生成或局部調(diào)試，缺少結(jié)合真實(shí)工程閉環(huán)的系統(tǒng)性案例。以多FPGA原型系統(tǒng)中的數(shù)據(jù)通路時(shí)延探測工具SegTracer為對象，研究人工主導(dǎo)、大模型輔助、驗(yàn)證驅(qū)動的研發(fā)方式在實(shí)際IP實(shí)現(xiàn)中的作用。圍繞SegTracer的設(shè)計(jì)與落地，大模型被用于需求重構(gòu)、方案比較、設(shè)計(jì)文檔收斂、SpinalHDL實(shí)現(xiàn)、寄存器訪問與驗(yàn)證腳本生成，以...

提高輕量級模型魯棒性的對抗排序蒸餾方法

摘要：隨著輕量級模型在邊緣計(jì)算等資源受限場景中的廣泛應(yīng)用，其對抗魯棒性不足的問題日益凸顯。對抗蒸餾作為提升輕量級模型魯棒性的重要手段，雖然現(xiàn)有方法普遍采用基于KL(Kullback-Leibler)散度的硬性約束實(shí)現(xiàn)魯棒知識傳遞，但仍面臨知識建模不完善和傳遞效率受限等問題。為此，該研究提出一種對抗排序蒸餾方法，通過優(yōu)先級排序約束機(jī)制與多層次一致性框架，顯著提升輕量級模型面向?qū)构舻牡钟芰�。具體地，前...

GALENet：融合門控注意力與局部特征增強(qiáng)的神經(jīng)導(dǎo)向說話人提取網(wǎng)絡(luò)

摘要：神經(jīng)導(dǎo)向說話人提取是一種模擬人類聽覺注意機(jī)制的智能語音處理技術(shù)，通過解碼聽者腦電信號（electroencephalography,EEG）中的注意力指向，從混合語音中提取目標(biāo)說話人語音。該技術(shù)為解決雞尾酒會問題提供了新的解決思路，對開發(fā)智能助聽設(shè)備具有重要意義。然而，現(xiàn)有方法面臨多模態(tài)特征融合效率低、局部語音特征提取不足、模型計(jì)算復(fù)雜度高等挑戰(zhàn)，制約了實(shí)際應(yīng)用效果。提出新型端到端時(shí)域神經(jīng)導(dǎo)向說話...

基于傳輸層信息的碼率自適應(yīng)算法

摘要：碼率自適應(yīng)（adaptive bitrate,ABR）是提升在線視頻用戶觀看體驗(yàn)的重要方法�，F(xiàn)有視頻流碼率自適應(yīng)算法通�；趹�(yīng)用層觀測到的網(wǎng)絡(luò)特征來進(jìn)行碼率決策，但是這一方法存在明顯局限：僅基于應(yīng)用層觀測難以準(zhǔn)確估計(jì)出視頻塊下載時(shí)間。具體而言，現(xiàn)有算法往往忽視了往返時(shí)延、丟包率等因素對視頻塊傳輸?shù)挠绊懬覍?shí)時(shí)性較差。為此，提出了一種基于傳輸層信息的視頻碼率自適應(yīng)算法Prophet。與傳統(tǒng)的ABR算法...

SimulatorGen：基于大語言模型多智能體的DNN加速器模擬器自動生成框架

摘要：隨著深度神經(jīng)網(wǎng)絡(luò)（DNN）加速器的快速發(fā)展，為新架構(gòu)構(gòu)建模擬器的成本高、周期長。盡管大語言模型（LLM）的進(jìn)展為模擬器生成帶來了新的可能性，但現(xiàn)有方法仍存在通用性不足、難以生成完整系統(tǒng)以及構(gòu)建復(fù)雜度高等問題。為此，提出SimulatorGen，一種多智能體框架，其基于自然語言描述生成DNN加速器模擬器代碼。首先，對通用DNN加速器模擬器架構(gòu)進(jìn)行抽象并提取23條組件規(guī)范；在此基礎(chǔ)上，引入4類協(xié)同智能...

融合動態(tài)原型與自監(jiān)督遷移學(xué)習(xí)的跨域圖異常檢測

摘要：跨域圖異常檢測旨在利用源域圖中的正常與異常樣本信息，在標(biāo)注稀缺的目標(biāo)域圖上實(shí)現(xiàn)有效的異常識別。然而，源域與目標(biāo)域之間通常存在顯著的圖結(jié)構(gòu)差異與特征分布偏移，導(dǎo)致源域知識難以有效遷移至目標(biāo)域，限制了跨域泛化能力。此外，目標(biāo)域缺乏標(biāo)注信息，易引發(fā)訓(xùn)練過程中的決策邊界模糊和預(yù)測不穩(wěn)定問題。為解決上述問題，提出了一種融合動態(tài)原型與自監(jiān)督遷移學(xué)習(xí)的跨域圖異常檢測方法。首先，基于源域中的正常與異常樣本構(gòu)建語義...

基于大語言模型的庫存調(diào)度決策方法

摘要：<正>摘要庫存調(diào)度在現(xiàn)代供應(yīng)鏈中扮演著至關(guān)重要的角色，其核心目標(biāo)在于通過合理的庫存調(diào)度，平衡生產(chǎn)與需求之間的關(guān)系。然而，隨著市場需求的不確定性和商品屬性的多樣化，基于經(jīng)驗(yàn)的傳統(tǒng)庫存調(diào)度方法往往難以有效

基于GCN-Stacking協(xié)同增強(qiáng)的多模態(tài)金融輿情負(fù)向情感強(qiáng)度識別

摘要：社交媒體中金融輿情的負(fù)向情感強(qiáng)度識別對金融風(fēng)險(xiǎn)防控與市場穩(wěn)定具有重要意義。針對圖文多模態(tài)信息在金融情感表達(dá)中的普遍性，以及模態(tài)間結(jié)構(gòu)關(guān)聯(lián)有待深入挖掘的問題，提出一種基于圖卷積網(wǎng)絡(luò)與Stacking集成學(xué)習(xí)協(xié)同增強(qiáng)的多模態(tài)負(fù)向情感強(qiáng)度識別模型。該模型首先利用CLIP模型提取文本與圖像的語義特征；隨后，通過構(gòu)建多模態(tài)圖結(jié)構(gòu)并引入圖卷積網(wǎng)絡(luò)，實(shí)現(xiàn)特征的結(jié)構(gòu)化關(guān)聯(lián)嵌入，以增強(qiáng)對模態(tài)間潛在關(guān)聯(lián)的捕捉能力；最...

基于對比學(xué)習(xí)的圖結(jié)構(gòu)規(guī)則學(xué)習(xí)方法

摘要：知識圖譜推理因其能夠有效緩解知識圖譜中的數(shù)據(jù)不完整問題而受到廣泛關(guān)注。現(xiàn)有方法多依賴于嵌入模型或鏈?zhǔn)揭?guī)則，但在可解釋性與表達(dá)能力方面仍存在明顯局限。一方面，基于閉合路徑的規(guī)則學(xué)習(xí)僅能建模線性鏈?zhǔn)揭蕾嚕y以捕捉圖結(jié)構(gòu)中存在的多路徑交互與層次化語義關(guān)系；另一方面，基于統(tǒng)計(jì)指標(biāo)的傳統(tǒng)方法通常采用“窮舉+驗(yàn)證”策略，不僅在大規(guī)模圖譜中面臨高昂計(jì)算成本，也難以充分挖掘規(guī)則間的深層語義關(guān)聯(lián)，從而制約了推理性能...

可重配置數(shù)據(jù)中心的高效重配置與流量調(diào)度算法

摘要：光交換技術(shù)得益于其可重配置特性，支持?jǐn)?shù)據(jù)中心在運(yùn)行時(shí)根據(jù)流量大小動態(tài)變化實(shí)時(shí)調(diào)整拓?fù)�，可以有效�?yīng)對新興技術(shù)催生的全新流量模式。然而，配置的高度靈活性與流量大小的高度動態(tài)性是重配置與流量調(diào)度算法設(shè)計(jì)的瓶頸，現(xiàn)有的靜態(tài)或動態(tài)算法方案難以兼顧網(wǎng)絡(luò)性能與運(yùn)行時(shí)延。基于此，提出一種靜態(tài)-動態(tài)協(xié)同重配置與流量調(diào)度算法（static and dynamic network coordinator，SYNC）。將...

SHP-BBR：一種基于衛(wèi)星切換預(yù)測的TCP擁塞控制機(jī)制

摘要：隨著“空-天-地”一體化網(wǎng)絡(luò)和大規(guī)模星座的快速發(fā)展，低軌衛(wèi)星網(wǎng)絡(luò)（low Earth orbit satellite network，LEO-SN）與無人機(jī)（unmanned aerial vehicle，UAV）共同構(gòu)成分層異構(gòu)的空中接入/回傳骨干，實(shí)現(xiàn)“空-天-地”3維互補(bǔ)并成為當(dāng)前6G研究熱點(diǎn)。由于LEO-SN鏈路的高丟包、長時(shí)延和高動態(tài)，現(xiàn)有地面網(wǎng)絡(luò)的TCP（transmission co...

高性能智算中心網(wǎng)絡(luò)：現(xiàn)狀、挑戰(zhàn)與趨勢

摘要：智算中心是數(shù)據(jù)中心發(fā)展到當(dāng)前的一種新形態(tài)，與傳統(tǒng)以提供虛擬化計(jì)算資源為主要特征的云數(shù)據(jù)中心相比，智算中心主要為以人工智能為代表的新型高算力需求業(yè)務(wù)提供強(qiáng)大算力。針對智算中心網(wǎng)絡(luò)業(yè)務(wù)需求、拓?fù)浣Y(jié)構(gòu)、通信模式、流量特征等進(jìn)行了深入闡述與分析，針對其獨(dú)有特征帶來的新問題與挑戰(zhàn)逐一進(jìn)行剖析。然后，按照網(wǎng)絡(luò)分層模型梳理了以集合通信、傳輸控制、負(fù)載均衡、鏈路控制和故障管理為核心的高性能智算中心網(wǎng)絡(luò)關(guān)鍵技術(shù)框架...

基于多粒度語境感知和迭代圖優(yōu)化的文檔級事件因果關(guān)系識別

摘要：事件因果關(guān)系識別旨在檢測文本中事件間的因果關(guān)系。與面向單個(gè)句子內(nèi)事件的句子級事件因果關(guān)系識別相比，文檔級事件因果關(guān)系識別需要處理長文本和跨句事件等更加復(fù)雜的情形。當(dāng)前，文檔級事件因果關(guān)系識別方法面臨2個(gè)關(guān)鍵挑戰(zhàn)：1）學(xué)習(xí)高質(zhì)量的上下文感知事件表征以捕捉事件特定的因果語義；2）有效整合結(jié)構(gòu)與語義信息進(jìn)行因果推理。針對這2個(gè)局限性，提出基于多粒度語境感知與迭代圖優(yōu)化（multi-granularity...

聯(lián)邦學(xué)習(xí)自適應(yīng)梯度累積后門攻擊

摘要：聯(lián)邦學(xué)習(xí)系統(tǒng)的自適應(yīng)梯度累積后門攻擊（adaptive gradient accumulation backdoor attack，AGABA）框架，該框架結(jié)合了動態(tài)透明度的參數(shù)化自適應(yīng)子塊觸發(fā)器(adaptive subblock trigger，AST)和多階段梯度累積（multistage gradient accumulation，MGA）機(jī)制，有效解決了傳統(tǒng)后門攻擊在聯(lián)邦環(huán)境下面臨的隱蔽...

計(jì)數(shù)器溢出可感知的非易失性存儲器安全重加密延遲優(yōu)化技術(shù)

摘要：非易失性存儲器（non-volatile memory，NVM）因斷電后數(shù)據(jù)持久保存、高密度和大容量等優(yōu)勢成為了研究熱點(diǎn)，但其持久性也使其更易遭受未授權(quán)訪問與數(shù)據(jù)篡改等安全威脅。安全NVM通常采用加密與完整性驗(yàn)證技術(shù)，但直接加密會引發(fā)寫放大，導(dǎo)致寫入延遲增加和能耗上升。為緩解該問題，提出計(jì)數(shù)器溢出可感知的安全重加密延遲優(yōu)化技術(shù)（epoch-based re-encryption delay，ERE...

基于雙重異常感知的時(shí)間序列異常檢測

摘要：時(shí)間序列的異常檢測在金融風(fēng)控、故障診斷等領(lǐng)域中有著重要的應(yīng)用價(jià)值，其關(guān)鍵在于構(gòu)建能夠有效區(qū)分正常與異常模式的表征空間。然而時(shí)間序列內(nèi)在的特點(diǎn)以及異常的稀缺性，導(dǎo)致學(xué)習(xí)具有強(qiáng)判別能力的表征映射函數(shù)頗為困難，且泛化能力受限。與此同時(shí)，對比表示學(xué)習(xí)通過構(gòu)建清晰可區(qū)分的樣本實(shí)例的表征空間，為時(shí)序異常檢測提供了更為自然且富有前景的解決方案。鑒于此，設(shè)計(jì)了基于雙重異常感知的Transformer模型（DAT）...

　　相關(guān)電子信息期刊推薦

　　核心期刊推薦

查看更多電子信息期刊

久久精品99_国产精品视频免费一区_91精品视频播放_国产伦精品一区二区三区视频免费

計(jì)算機(jī)研究與發(fā)展