-
基于记忆增强的深度特征提取与时序依赖性预测的网络流量异常检测方法
网络流量异常检测模型MAFE-TDP通过融合Transformer特征提取、内存模块和时序预测网络,结合FIFO和KNN策略解决内存污染问题,并采用重构与预测误差融合评分提升检测效果,实验验证其在AUC-ROC和AUC-PR指标上优于现有方法。
来源:Computer Networks
时间:2026-01-30
-
TrafficCL:基于网络流量的对比学习方法,用于实现准确、高效且鲁棒的跨区域IP地址检测
提出基于交通特征的动态IP跨区域检测方法TrafficCL,通过多维度地理关联特征构建、对比学习优化地理语义表达、轻量级二分类任务设计及靶向更新策略,实现高精度(98.2%)和高效(23.6倍)检测,并验证了在数据丢失、特征波动及地理偏移下的鲁棒性。
来源:Computer Networks
时间:2026-01-30
-
ControlShard:一种基于拥塞控制策略的跨分片事务处理方法
区块链分片技术通过专用分片处理跨分片交易,结合拥塞控制与流水线机制提升吞吐量,实验显示性能优于BrokerChain和Monoxide。
来源:Computer Networks
时间:2026-01-30
-
快速且内存效率高的强模拟技术,用于模拟带有噪声的自适应线性光电路
线性光学电路的精确模拟算法LO-SLAP,通过多项式部分导数优化时间-内存权衡,内存需求为2^n,优于现有方法,并扩展至含噪声和自适应(feedforward)场景。
来源:Computer Physics Communications
时间:2026-01-30
-
一种基于机器学习的在线电子重建方法,在CLAS12上进行应用
在线电子重建方法研究
基于机器学习与多探测器信号融合的电子识别技术,在CLAS12实验中实现超过75%纯度及近100%效率的实时分析,为高能物理实验的数据流读取模式转型奠定基础
来源:Computer Physics Communications
时间:2026-01-30
-
一种用于多原子气体混合物的统一随机粒子方法
本文将统一随机粒子方法(USP)扩展至多原子气体混合物模拟,基于Hild和Pfeiffer提出的ESBGK模型,通过分解碰撞项为宏观与微观部分并协同求解,在流体极限下实现Navier-Stokes方程的渐近保真性和二阶精度。通过一维与二维基准案例验证,包括库埃特流、泊肃叶流、激波及圆柱绕流等,结果表明USP方法与直接模拟蒙特卡洛(DSMC)数据吻合良好,Knudsen数范围宽且计算效率显著优于传统随机粒子方法。
来源:Computer Physics Communications
时间:2026-01-30
-
基于缓冲区引导的表示插值方法,用于黑盒无监督领域自适应
无监督领域适应中的知识稳定迁移与源目标表示对齐研究,提出 bumper模型进行跨域表征插值,通过知识校准和代理模块蒸馏解决传统方法误差累积问题,在多语言多声学场景验证有效性。
来源:Computer Speech & Language
时间:2026-01-30
-
基于情感引导的多模态对齐技术在多模态抑郁症检测中的应用
抑郁症多模态检测需解决情绪线索捕捉、跨模态对齐和类别不平衡三大挑战。本文提出融合显式情绪监督、对比式跨模态对齐与 Lovász 损失优化宏F1的框架,通过情绪类别嵌入增强多模态特征,利用对比学习建立语义对应,直接优化分类指标。实验表明在 EATD-Corpus 上达到 87.40%±0.46% 宏F1,跨 DAIC-WOZ 验证时 F1 提升达 12.34%。
来源:Computer Speech & Language
时间:2026-01-30
-
基于双频段的混合池化技术的一类神经网络,用于欺骗性语音检测
对抗合成语音攻击检测方法研究提出OCNet-HPDB模型,通过高低频混合池化策略和CTOC-Softmax损失函数优化特征空间,在ASVspoof 2019 LA数据集上EER达0.29%降低34.09%,2021 LA数据集EER降低24.84%。
来源:Computer Speech & Language
时间:2026-01-30
-
基于Kolmogorov–Arnold网络辅助的多目标方法在无挡板搅拌罐的设计与优化中的应用
本研究提出融合Kolmogorov–Arnold网络(KAN)代理模型与非支配排序遗传算法(NSGA-II)的优化框架,用于无挡板搅拌桨几何设计。通过三维CFD模拟分析桨叶长度、宽度、数量及倾斜角对静压均方根和混合强度的影响,训练KAN模型实现高效预测,优化后RMS压力降低且混合强度提升,验证了数据驱动优化策略的有效性。
来源:Computers & Chemical Engineering
时间:2026-01-30