計算機研究與發展

所屬欄目：電子信息期刊熱度：時間：

計算機研究與發展 關注(): 期刊周期：月刊; 期刊級別：省級; 國內統一刊號：11-1777/TP; 國際標準刊號：1000-1239; 主辦單位：中國科學院計算技術研究所; 主管單位：中國科學院計算技術研究所; 查看計算機研究與發展近十年數據入口>>>; 上一本期雜志：中國通信CSSCI 南大核心期刊; 下一本期雜志：家用電器綠色家電

　　《計算機研究與發展》(月刊)創刊于1958年，由中國科學院計算技術研究所、中國計算機學會主辦。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。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。《工程索引》Compendex 數據庫(核心)收錄。

　　計算機研究與發展欄目設置綜述、計算機技術、計算機網絡、人工智能、計算機軟件、計算機應用

　　計算機研究與發展收錄CSCD 中國科學引文數據庫來源期刊(含擴展版) EI 工程索引(美) JST 日本科學技術振興機構數據庫(日) Pж(AJ) 文摘雜志(俄) 萬方收錄(中) 上海圖書館館藏劍橋科學文摘北大核心期刊(中國人文社會科學核心期刊) 國家圖書館館藏文摘雜志知網收錄(中) 統計源核心期刊(中國科技論文核心期刊) 維普收錄(中)

　　閱讀推薦：計算機自動測量與控制

　　計算機技術、自動測試技術和自動控制技術的研究成果及發展方向的綜述與評論;先進的總線技術、故障診斷技術、系統集成技術以及控制理論在工業領域和軍事中的應用邊緣掃描測試技術、遙測遙控技術和自動測試系統的設計與開發;動態數據采集與信號處理系統;現場總線與接口技術;機電一體化技術;嵌入式系統軟件、軟件測試以及工控組態軟件的開發與應用;集散/分布控制系統，自控/監控系統的開發與應用;計算機網絡與通信、樓宇自動化技術的開發與應用;先進的測控部件及傳感器技術在工業自動測試和控制中的應用;基于總線技術的智能儀器儀表的設計與開發。

　　計算機研究與發展最新期刊目錄

計算范式的擴展與躍遷：從CS1.0到CS2+

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

前言

摘要：<正>集成電路是國家戰略性、基礎性產業，芯片設計方法是重要的集成電路技術領域。大語言模型（LLM）等人工智能技術近年來快速發展，展示出對基礎思維、復雜問題的分析和解決能力，將在芯片設計領域產生深遠的影響。國內外研究表明，通過學習海量語料與代碼，大模型可初步掌握代碼生成、性能預測、測試用例生成等技能，并通過自然語言與工程師協同提升芯片設計與系統設計效率。為進一步推動我國學者在人工智能與集...

Faver：基于函數抽象驗證的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注的研究方向，因為它旨在突破當前芯片設計流程中自動化程度最低的環節。然而，高層規格描述與RTL之間存在顯著語義鴻溝。同時訓練數據有限，導致現有模型在生成正確性方面仍面臨較大挑戰。一種自然的思路是借鑒人工設計經驗，將設計與驗證相結合，但RTL測試數據相較設計數據更加稀缺，使該方法對LLM并不友好。相比之下，LLM在Python...

LEMON：面向高效硬件實現的大語言模型驅動集成約簡與Verilog HDL生成

摘要：集成學習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存開銷和計算成本限制了它們在資源受限場景下的應用。為應對這一挑戰，提出了LEMON，一種面向高效硬件實現的大語言模型（large language models,LLMs）驅動的集成約簡與Verilog HDL生成框架。LEMON利用LLM在文本理解、生成以及解決復雜問題方面的優勢，顯著降低了集成模型的內存占用和計算需求。在...

SegTracer：大語言模型輔助的多FPGA原型系統時延探測工具設計與實現

摘要：大語言模型正逐步進入芯片與FPGA研發流程，但現有工作多集中于RTL生成、斷言生成或局部調試，缺少結合真實工程閉環的系統性案例。以多FPGA原型系統中的數據通路時延探測工具SegTracer為對象，研究人工主導、大模型輔助、驗證驅動的研發方式在實際IP實現中的作用。圍繞SegTracer的設計與落地，大模型被用于需求重構、方案比較、設計文檔收斂、SpinalHDL實現、寄存器訪問與驗證腳本生成，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算等資源受限場景中的廣泛應用，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，雖然現有方法普遍采用基于KL(Kullback-Leibler)散度的硬性約束實現魯棒知識傳遞，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，通過優先級排序約束機制與多層次一致性框架，顯著提升輕量級模型面向對抗攻擊的抵御能力。具體地，前...

GALENet：融合門控注意力與局部特征增強的神經導向說話人提取網絡

摘要：神經導向說話人提取是一種模擬人類聽覺注意機制的智能語音處理技術，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說話人語音。該技術為解決雞尾酒會問題提供了新的解決思路，對開發智能助聽設備具有重要意義。然而，現有方法面臨多模態特征融合效率低、局部語音特征提取不足、模型計算復雜度高等挑戰，制約了實際應用效果。提出新型端到端時域神經導向說話...

基于傳輸層信息的碼率自適應算法

摘要：碼率自適應（adaptive bitrate,ABR）是提升在線視頻用戶觀看體驗的重要方法。現有視頻流碼率自適應算法通常基于應用層觀測到的網絡特征來進行碼率決策，但是這一方法存在明顯局限：僅基于應用層觀測難以準確估計出視頻塊下載時間。具體而言，現有算法往往忽視了往返時延、丟包率等因素對視頻塊傳輸的影響且實時性較差。為此，提出了一種基于傳輸層信息的視頻碼率自適應算法Prophet。與傳統的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：隨著深度神經網絡（DNN）加速器的快速發展，為新架構構建模擬器的成本高、周期長。盡管大語言模型（LLM）的進展為模擬器生成帶來了新的可能性，但現有方法仍存在通用性不足、難以生成完整系統以及構建復雜度高等問題。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加速器模擬器架構進行抽象并提取23條組件規范；在此基礎上，引入4類協同智能...

融合動態原型與自監督遷移學習的跨域圖異常檢測

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，在標注稀缺的目標域圖上實現有效的異常識別。然而，源域與目標域之間通常存在顯著的圖結構差異與特征分布偏移，導致源域知識難以有效遷移至目標域，限制了跨域泛化能力。此外，目標域缺乏標注信息，易引發訓練過程中的決策邊界模糊和預測不穩定問題。為解決上述問題，提出了一種融合動態原型與自監督遷移學習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建語義...

基于大語言模型的庫存調度決策方法

摘要：<正>摘要庫存調度在現代供應鏈中扮演著至關重要的角色，其核心目標在于通過合理的庫存調度，平衡生產與需求之間的關系。然而，隨著市場需求的不確定性和商品屬性的多樣化，基于經驗的傳統庫存調度方法往往難以有效

基于GCN-Stacking協同增強的多模態金融輿情負向情感強度識別

摘要：社交媒體中金融輿情的負向情感強度識別對金融風險防控與市場穩定具有重要意義。針對圖文多模態信息在金融情感表達中的普遍性，以及模態間結構關聯有待深入挖掘的問題，提出一種基于圖卷積網絡與Stacking集成學習協同增強的多模態負向情感強度識別模型。該模型首先利用CLIP模型提取文本與圖像的語義特征；隨后，通過構建多模態圖結構并引入圖卷積網絡，實現特征的結構化關聯嵌入，以增強對模態間潛在關聯的捕捉能力；最...

基于對比學習的圖結構規則學習方法

摘要：知識圖譜推理因其能夠有效緩解知識圖譜中的數據不完整問題而受到廣泛關注。現有方法多依賴于嵌入模型或鏈式規則，但在可解釋性與表達能力方面仍存在明顯局限。一方面，基于閉合路徑的規則學習僅能建模線性鏈式依賴，難以捕捉圖結構中存在的多路徑交互與層次化語義關系；另一方面，基于統計指標的傳統方法通常采用“窮舉+驗證”策略，不僅在大規模圖譜中面臨高昂計算成本，也難以充分挖掘規則間的深層語義關聯，從而制約了推理性能...

可重配置數據中心的高效重配置與流量調度算法

摘要：光交換技術得益于其可重配置特性，支持數據中心在運行時根據流量大小動態變化實時調整拓撲，可以有效應對新興技術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性是重配置與流量調度算法設計的瓶頸，現有的靜態或動態算法方案難以兼顧網絡性能與運行時延。基于此，提出一種靜態-動態協同重配置與流量調度算法（static and dynamic network coordinator，SYNC）。將...

SHP-BBR：一種基于衛星切換預測的TCP擁塞控制機制

摘要：隨著“空-天-地”一體化網絡和大規模星座的快速發展，低軌衛星網絡（low Earth orbit satellite network，LEO-SN）與無人機（unmanned aerial vehicle，UAV）共同構成分層異構的空中接入/回傳骨干，實現“空-天-地”3維互補并成為當前6G研究熱點。由于LEO-SN鏈路的高丟包、長時延和高動態，現有地面網絡的TCP（transmission co...

高性能智算中心網絡：現狀、挑戰與趨勢

摘要：智算中心是數據中心發展到當前的一種新形態，與傳統以提供虛擬化計算資源為主要特征的云數據中心相比，智算中心主要為以人工智能為代表的新型高算力需求業務提供強大算力。針對智算中心網絡業務需求、拓撲結構、通信模式、流量特征等進行了深入闡述與分析，針對其獨有特征帶來的新問題與挑戰逐一進行剖析。然后，按照網絡分層模型梳理了以集合通信、傳輸控制、負載均衡、鏈路控制和故障管理為核心的高性能智算中心網絡關鍵技術框架...

基于多粒度語境感知和迭代圖優化的文檔級事件因果關系識別

摘要：事件因果關系識別旨在檢測文本中事件間的因果關系。與面向單個句子內事件的句子級事件因果關系識別相比，文檔級事件因果關系識別需要處理長文本和跨句事件等更加復雜的情形。當前，文檔級事件因果關系識別方法面臨2個關鍵挑戰：1）學習高質量的上下文感知事件表征以捕捉事件特定的因果語義；2）有效整合結構與語義信息進行因果推理。針對這2個局限性，提出基于多粒度語境感知與迭代圖優化（multi-granularity...

聯邦學習自適應梯度累積后門攻擊

摘要：聯邦學習系統的自適應梯度累積后門攻擊（adaptive gradient accumulation backdoor attack，AGABA）框架，該框架結合了動態透明度的參數化自適應子塊觸發器(adaptive subblock trigger，AST)和多階段梯度累積（multistage gradient accumulation，MGA）機制，有效解決了傳統后門攻擊在聯邦環境下面臨的隱蔽...

計數器溢出可感知的非易失性存儲器安全重加密延遲優化技術

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

基于雙重異常感知的時間序列異常檢測

摘要：時間序列的異常檢測在金融風控、故障診斷等領域中有著重要的應用價值，其關鍵在于構建能夠有效區分正常與異常模式的表征空間。然而時間序列內在的特點以及異常的稀缺性，導致學習具有強判別能力的表征映射函數頗為困難，且泛化能力受限。與此同時，對比表示學習通過構建清晰可區分的樣本實例的表征空間，為時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，設計了基于雙重異常感知的Transformer模型（DAT）...

　　相關電子信息期刊推薦

　　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

計算機研究與發展