2019年8期
刊物介紹
《計(jì)算機(jī)應(yīng)用》月刊,于1981年創(chuàng)刊,由中國科學(xué)院成都計(jì)算機(jī)應(yīng)用研究所主辦,是國內(nèi)較早公開發(fā)行的計(jì)算機(jī)技術(shù)刊物,在計(jì)算機(jī)自動(dòng)化領(lǐng)域有較大影響?!队?jì)算機(jī)應(yīng)用》緊緊圍繞“應(yīng)用”,登載應(yīng)用、開發(fā)中的高水平學(xué)術(shù)技術(shù)論文、重大應(yīng)用成果和典型應(yīng)用經(jīng)驗(yàn)。讀者對象為各行業(yè)、各部門從事計(jì)算機(jī)應(yīng)用基礎(chǔ)、應(yīng)用工程、應(yīng)用軟件、應(yīng)用系統(tǒng)工作的工程技術(shù)人員、科研人員和大專院校師生。 《計(jì)算機(jī)應(yīng)用》多次榮獲全國優(yōu)秀科技期刊獎(jiǎng)、國家期刊獎(jiǎng)提名獎(jiǎng),被評為中國期刊方陣雙獎(jiǎng)期刊、中文核心期刊和中國科技核心期刊。被中國科學(xué)引文數(shù)據(jù)庫、中國科技論文統(tǒng)計(jì)源數(shù)據(jù)庫等國家重點(diǎn)檢索機(jī)構(gòu)列為引文期刊,并被英國《科學(xué)文摘》(SA)、俄羅斯《文摘雜志》(AJ)、日本《科學(xué)技術(shù)文獻(xiàn)速報(bào)》(JST)、美國《劍橋科學(xué)文摘:材料信息》(CSA:MI)、美國《烏利希國際期刊指南》(UIPD)等國際重要檢索系統(tǒng)列為來源期刊。 《計(jì)算機(jī)應(yīng)用》月刊內(nèi)容新穎、信息豐富、印刷精美(大16開本,290頁),是您學(xué)習(xí)計(jì)算機(jī)應(yīng)用理論,借鑒計(jì)算機(jī)應(yīng)用技術(shù),參考計(jì)算機(jī)應(yīng)用經(jīng)驗(yàn)的最佳選擇。
計(jì)算機(jī)應(yīng)用
人工智能
- 圖像整體與局部區(qū)域嵌入的視覺情感分析
- 基于注意力機(jī)制的卷積 雙向長短期記憶模型跨領(lǐng)域情感分類方法
- 基于并行混合神經(jīng)網(wǎng)絡(luò)模型的短文本情感分析
- 融合位置權(quán)重的基于注意力交叉注意力的長短期記憶方面情感分析模型
- 偽標(biāo)簽置信選擇的半監(jiān)督集成學(xué)習(xí)視頻語義檢測
- 加權(quán)信息熵與增強(qiáng)局部二值模式結(jié)合的人臉識(shí)別
- 基于深度學(xué)習(xí)的ARM平臺(tái)實(shí)時(shí)人臉識(shí)別
- 基于深度多視圖特征距離學(xué)習(xí)的行人重識(shí)別
- 基于人體關(guān)節(jié)點(diǎn)數(shù)據(jù)的攻擊性行為識(shí)別
- 基于雙重金字塔網(wǎng)絡(luò)的視頻目標(biāo)分割方法
- 融合重檢測機(jī)制的卷積回歸網(wǎng)絡(luò)目標(biāo)跟蹤算法
- 基于三元多臂賭博機(jī)的樹結(jié)構(gòu)最優(yōu)動(dòng)作識(shí)別
- 基于高斯混合-時(shí)間序列模型的軌跡預(yù)測
- 基于Movidius神經(jīng)計(jì)算棒的行人檢測方法
- 雙輸入流深度反卷積的插值神經(jīng)網(wǎng)絡(luò)
數(shù)據(jù)科學(xué)與技術(shù)
網(wǎng)絡(luò)空間安全
網(wǎng)絡(luò)與通信
虛擬現(xiàn)實(shí)與多媒體計(jì)算
應(yīng)用前沿、交叉與綜合
- 基于累計(jì)工作量的在線大數(shù)據(jù)分析作業(yè)調(diào)度算法
- 基于聯(lián)盟區(qū)塊鏈的農(nóng)產(chǎn)品質(zhì)量安全高效追溯體系
- 考慮緊急度的救災(zāi)車輛路徑問題建模與優(yōu)化
- 聯(lián)合分層注意力網(wǎng)絡(luò)和獨(dú)立循環(huán)神經(jīng)網(wǎng)絡(luò)的地域欺凌識(shí)別
- 基于貝葉斯網(wǎng)絡(luò)的樓層定位算法
- 在線投資組合選擇的半指數(shù)梯度策略及實(shí)證分析
- 針對色彩教育的游戲化設(shè)計(jì)及效果分析
- 基于時(shí)頻域的卷積神經(jīng)網(wǎng)絡(luò)運(yùn)動(dòng)想象腦電信號(hào)識(shí)別方法
- 基于MobileNet的移動(dòng)端城管案件目標(biāo)識(shí)別算法
- 基于弱監(jiān)督的改進(jìn)型GoogLeNet在DR檢測中的應(yīng)用