CCF 2023中國計(jì)算機(jī)科學(xué)技術(shù)發(fā)展報(bào)告

定　價：￥199.00

作　者：	中國計(jì)算機(jī)學(xué)會
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥149.20)

ISBN：	9787111762508	出版時間：	2024-10-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書充分體現(xiàn)了對計(jì)算技術(shù)發(fā)展中的新問題、前沿技術(shù)、交叉融合的思考，包括：時序大數(shù)據(jù)計(jì)算技術(shù)的研究進(jìn)展與趨勢、多模態(tài)大模型的研究進(jìn)展與趨勢、智能網(wǎng)絡(luò)技術(shù)的研究進(jìn)展與趨勢、三維數(shù)字人體重建與生成的研究進(jìn)展、視覺 Transformer 的研究進(jìn)展與發(fā)展趨勢、可信賴人工智能的研究進(jìn)展與發(fā)展趨勢、機(jī)密計(jì)算的研究進(jìn)展與產(chǎn)業(yè)趨勢報(bào)告、交互式定理證明及應(yīng)用、魯棒語音信號與信息處理的研究進(jìn)展與趨勢、量子自然語言處理，內(nèi)容具有權(quán)威性、全面性和前沿性。本書主要供中國計(jì)算機(jī)學(xué)會會員了解2023年計(jì)算機(jī)科學(xué)技術(shù)發(fā)展的最新動態(tài)，也非常適合計(jì)算機(jī)學(xué)者和從業(yè)者閱讀和收藏。

作者簡介

　　王建民，教授，博士生導(dǎo)師，軟件學(xué)院院長。1990年畢業(yè)于北京大學(xué)，1995年獲清華大學(xué)博士學(xué)位。2014年獲國家杰出青年科學(xué)基金，國家“萬人計(jì)劃”科技創(chuàng)新領(lǐng)軍人才，國家科技部中青年科技領(lǐng)軍人才，入選清華大學(xué)研究生良師益友名人堂。主要從事大數(shù)據(jù)與知識工程、過程與行為數(shù)據(jù)分析、非結(jié)構(gòu)化數(shù)據(jù)管理技術(shù)、產(chǎn)品生命周期管理領(lǐng)域的研究。發(fā)表學(xué)術(shù)論文120余篇，獲中國發(fā)明專利授權(quán)30余項(xiàng)。獲國家科技進(jìn)步獎二等獎2項(xiàng)，科技進(jìn)步獎一等獎2項(xiàng)。國家重大科技專項(xiàng)“核高基”基礎(chǔ)軟件方向?qū)嵤＜医M成員，國家“十二五”“ 863”計(jì)劃先進(jìn)制造技術(shù)領(lǐng)域制造服務(wù)技術(shù)主題專家組成員，國家“十二五”“ 863”計(jì)劃先進(jìn)制造技術(shù)領(lǐng)域“面向制造業(yè)的核心軟件開發(fā)”重大項(xiàng)目總體專家組組長。擔(dān)任全國信息安全標(biāo)準(zhǔn)化技術(shù)委員會大數(shù)據(jù)安全標(biāo)準(zhǔn)特別工作組組長，并牽頭制定相關(guān)安全標(biāo)準(zhǔn)4項(xiàng)。中國計(jì)算機(jī)學(xué)會數(shù)據(jù)庫專家委員會和大數(shù)據(jù)專家委員會委員，《計(jì)算機(jī)集成制造系統(tǒng)》雜志主編。學(xué)堂在線《大數(shù)據(jù)系統(tǒng)基礎(chǔ)》課程入選2018年國家精品在線開放課程。

圖書目錄

前言
時序大數(shù)據(jù)計(jì)算技術(shù)的研究進(jìn)展與趨勢
CCF大數(shù)據(jù)專業(yè)委員會
1　引言2
2　時序大數(shù)據(jù)管理4
2.1　時序數(shù)據(jù)存儲4
2.2　時序數(shù)據(jù)查詢10
2.3　時序數(shù)據(jù)治理14
3　時序大數(shù)據(jù)分析17
3.1　通用時序數(shù)據(jù)建模17
3.2　時空序列數(shù)據(jù)建模20
3.3　長時序數(shù)據(jù)建模24
3.4　多模態(tài)時序數(shù)據(jù)建模27
4　時序大數(shù)據(jù)典型應(yīng)用29
4.1　教育領(lǐng)域的應(yīng)用29
4.2　醫(yī)療領(lǐng)域的應(yīng)用32
4.3　工業(yè)領(lǐng)域的應(yīng)用35
4.4　交通領(lǐng)域的應(yīng)用38
5　發(fā)展趨勢與展望40
5.1　時序大數(shù)據(jù)管理40
5.2　時序數(shù)據(jù)預(yù)訓(xùn)練41
5.3　時序數(shù)據(jù)的泛化41
5.4　時序數(shù)據(jù)的因果學(xué)習(xí)42
5.5　時序數(shù)據(jù)的可解釋性43
5.6　時間序列的固有屬性挖掘43
參考文獻(xiàn)45
作者簡介57
多模態(tài)大模型的研究進(jìn)展與趨勢
CCF多媒體技術(shù)專業(yè)委員會
1　引言60
2　國外研究現(xiàn)狀62
2.1　多模態(tài)數(shù)據(jù)集62
2.2　多模態(tài)預(yù)訓(xùn)練模型65
2.3　下游任務(wù)85
3　國內(nèi)研究現(xiàn)狀100
3.1　多模態(tài)數(shù)據(jù)集100
3.2　預(yù)訓(xùn)練模型102
3.3　下游任務(wù)112
4　國內(nèi)外研究進(jìn)展比較123
4.1　多模態(tài)數(shù)據(jù)集123
4.2　預(yù)訓(xùn)練模型124
4.3　下游任務(wù)126
5　發(fā)展趨勢與展望128
5.1　多模態(tài)數(shù)據(jù)集128
5.2　預(yù)訓(xùn)練模型129
5.3　下游任務(wù)130
6　結(jié)束語131
參考文獻(xiàn)131
作者簡介142
智能網(wǎng)絡(luò)技術(shù)的研究進(jìn)展與趨勢
CCF互聯(lián)網(wǎng)專業(yè)委員會
1　引言144
2　智能網(wǎng)絡(luò)及其體系結(jié)構(gòu)技術(shù)145
2.1　AI for Science概述145
2.2　互聯(lián)網(wǎng)技術(shù)階段特征146
2.3　智能網(wǎng)絡(luò)體系結(jié)構(gòu)147
3　AI計(jì)算的網(wǎng)絡(luò)技術(shù)152
3.1　高性能AI計(jì)算的網(wǎng)絡(luò)技術(shù)152
3.2　分布式大模型訓(xùn)練的網(wǎng)絡(luò)優(yōu)化技術(shù)153
4　智能路由技術(shù)155
4.1　基于監(jiān)督學(xué)習(xí)的智能路由算法156
4.2　基于強(qiáng)化學(xué)習(xí)的智能路由算法156
4.3　智能路由算法的訓(xùn)練與部署157
5　智能傳輸技術(shù)158
5.1　智能擁塞控制技術(shù)159
5.2　智能報(bào)文調(diào)度技術(shù)161
5.3　網(wǎng)絡(luò)側(cè)智能流量控制技術(shù)163
6　網(wǎng)絡(luò)智能運(yùn)維164
6.1　網(wǎng)絡(luò)建模164
6.2　故障預(yù)測165
6.3　故障定位167
6.4　因果推斷168
7　總結(jié)與未來發(fā)展展望169
參考文獻(xiàn)170
作者簡介175
三維數(shù)字人體重建與生成的研究進(jìn)展
CCF計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)專業(yè)委員會
1　引言179
1.1　三維人體建模研究的問題179
1.2　本文的組織結(jié)構(gòu)180
2　三維人體表征概述181
2.1　模板表征181
2.2　隱式表面場184
2.3　神經(jīng)輻射場185
3　國內(nèi)外研究進(jìn)展186
3.1　運(yùn)動捕捉186
3.2　重建與渲染193
3.3　化身建模205
3.4　多模態(tài)數(shù)字人生成215
4　發(fā)展趨勢與展望229
4.1　稀疏視點(diǎn)高精度重建229
4.2　實(shí)時高質(zhì)量渲染229
4.3　高效動態(tài)建模230
4.4　大模型帶來的機(jī)遇和挑戰(zhàn)230
5　結(jié)束語230
參考文獻(xiàn)231
作者簡介264
視覺Transformer的研究進(jìn)展與發(fā)展趨勢
CCF計(jì)算機(jī)視覺專委會
1　引言267
2　視覺Transformer模型設(shè)計(jì)268
2.1　經(jīng)典視覺Transformer模型設(shè)計(jì)268
2.2　局部信息的引入271
2.3　視覺Transformer大模型273
3　Transformer模型在自監(jiān)督學(xué)習(xí)中的應(yīng)用274
3.1　CNN時代的自監(jiān)督學(xué)習(xí)方法274
3.2　基于對比學(xué)習(xí)的方法276
3.3　基于掩碼圖像建模的方法277
3.4　掩碼圖像建模方法的拓展280
4　多模態(tài)任務(wù)中的Transformer模型282
4.1　多模態(tài)Transformer架構(gòu)282
4.2　基于預(yù)訓(xùn)練的多模態(tài)Transformer285
4.3　基于大語言模型的多模態(tài)Transformer模型286
4.4　超越雙模態(tài)的多模態(tài)Transformer架構(gòu)287
5　國內(nèi)外研究進(jìn)展比較288
6　發(fā)展趨勢與展望290
7　結(jié)束語291
參考文獻(xiàn)291
作者簡介301
可信賴人工智能的研究進(jìn)展與發(fā)展趨勢
CCF容錯計(jì)算專委
1　引言304
1.1　可信賴人工智能發(fā)展背景304
1.2　可信賴人工智能的含義305
1.3　可信賴人工智能研究熱點(diǎn)305
2　可信賴人工智能國際研究現(xiàn)狀309
2.1　人工智能系統(tǒng)對抗攻擊與防御熱點(diǎn)技術(shù)309
2.2　可信賴人工智能測試與評估315
2.3　可信賴人工智能相關(guān)標(biāo)準(zhǔn)325
3　可信賴人工智能國內(nèi)研究進(jìn)展329
3.1　人工智能系統(tǒng)對抗攻擊與防御熱點(diǎn)技術(shù)329
3.2　可信賴人工智能測試與評估334
3.3　可信賴性度量337
3.4　可信賴人工智能相關(guān)標(biāo)準(zhǔn)337
4　可信賴人工智能國內(nèi)外研究進(jìn)展比較339
4.1　人工智能系統(tǒng)對抗攻擊與防御熱點(diǎn)技術(shù)339
4.2　可信賴人工智能測試與評估341
4.3　可信賴人工智能相關(guān)標(biāo)準(zhǔn)342
5　可信賴人工智能發(fā)展趨勢343
6　結(jié)束語344
參考文獻(xiàn)344
作者簡介358
機(jī)密計(jì)算的研究進(jìn)展與產(chǎn)業(yè)