CCF 2023中國計算機科學技術發(fā)展報告

定　價：￥199.00

作　者：	中國計算機學會
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(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)：		字數(shù)：

內(nèi)容簡介

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

作者簡介

　　王建民，教授，博士生導師，軟件學院院長。1990年畢業(yè)于北京大學，1995年獲清華大學博士學位。2014年獲國家杰出青年科學基金，國家“萬人計劃”科技創(chuàng)新領軍人才，國家科技部中青年科技領軍人才，入選清華大學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、非結構化數(shù)據(jù)管理技術、產(chǎn)品生命周期管理領域的研究。發(fā)表學術論文120余篇，獲中國發(fā)明專利授權30余項。獲國家科技進步獎二等獎2項，科技進步獎一等獎2項。國家重大科技專項“核高基”基礎軟件方向實施專家組成員，國家“十二五”“ 863”計劃先進制造技術領域制造服務技術主題專家組成員，國家“十二五”“ 863”計劃先進制造技術領域“面向制造業(yè)的核心軟件開發(fā)”重大項目總體專家組組長。擔任全國信息安全標準化技術委員會大數(shù)據(jù)安全標準特別工作組組長，并牽頭制定相關安全標準4項。中國計算機學會數(shù)據(jù)庫專家委員會和大數(shù)據(jù)專家委員會委員，《計算機集成制造系統(tǒng)》雜志主編。學堂在線《大數(shù)據(jù)系統(tǒng)基礎》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)計算技術的研究進展與趨勢
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)典型應用29
4.1　教育領域的應用29
4.2　醫(yī)療領域的應用32
4.3　工業(yè)領域的應用35
4.4　交通領域的應用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)預訓練41
5.3　時序數(shù)據(jù)的泛化41
5.4　時序數(shù)據(jù)的因果學習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45
作者簡介57
多模態(tài)大模型的研究進展與趨勢
CCF多媒體技術專業(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)預訓練模型65
2.3　下游任務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　預訓練模型102
3.3　下游任務112
4　國內(nèi)外研究進展比較123
4.1　多模態(tài)數(shù)據(jù)集123
4.2　預訓練模型124
4.3　下游任務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　預訓練模型129
5.3　下游任務130
6　結束語131
參考文獻131
作者簡介142
智能網(wǎng)絡技術的研究進展與趨勢
CCF互聯(lián)網(wǎng)專業(yè)委員會
1　引言144
2　智能網(wǎng)絡及其體系結構技術145
2.1　AI for Science概述145
2.2　互聯(lián)網(wǎng)技術階段特征146
2.3　智能網(wǎng)絡體系結構147
3　AI計算的網(wǎng)絡技術152
3.1　高性能AI計算的網(wǎng)絡技術152
3.2　分布式大模型訓練的網(wǎng)絡優(yōu)化技術153
4　智能路由技術155
4.1　基于監(jiān)督學習的智能路由算法156
4.2　基于強化學習的智能路由算法156
4.3　智能路由算法的訓練與部署157
5　智能傳輸技術158
5.1　智能擁塞控制技術159
5.2　智能報文調(diào)度技術161
5.3　網(wǎng)絡側智能流量控制技術163
6　網(wǎng)絡智能運維164
6.1　網(wǎng)絡建模164
6.2　故障預測165
6.3　故障定位167
6.4　因果推斷168
7　總結與未來發(fā)展展望169
參考文獻170
作者簡介175
三維數(shù)字人體重建與生成的研究進展
CCF計算機輔助設計與圖形學專業(yè)委員會
1　引言179
1.1　三維人體建模研究的問題179
1.2　本文的組織結構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)外研究進展186
3.1　運動捕捉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　稀疏視點高精度重建229
4.2　實時高質(zhì)量渲染229
4.3　高效動態(tài)建模230
4.4　大模型帶來的機遇和挑戰(zhàn)230
5　結束語230
參考文獻231
作者簡介264
視覺Transformer的研究進展與發(fā)展趨勢
CCF計算機視覺專委會
1　引言267
2　視覺Transformer模型設計268
2.1　經(jīng)典視覺Transformer模型設計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)督學習中的應用274
3.1　CNN時代的自監(jiān)督學習方法274
3.2　基于對比學習的方法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)任務中的Transformer模型282
4.1　多模態(tài)Transformer架構282
4.2　基于預訓練的多模態(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287
5　國內(nèi)外研究進展比較288
6　發(fā)展趨勢與展望290
7　結束語291
參考文獻291
作者簡介301
可信賴人工智能的研究進展與發(fā)展趨勢
CCF容錯計算專委
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技術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標準325
3　可信賴人工智能國內(nèi)研究進展329
3.1　人工智能系統(tǒng)對抗攻擊與防御熱點技術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標準337
4　可信賴人工智能國內(nèi)外研究進展比較339
4.1　人工智能系統(tǒng)對抗攻擊與防御熱點技術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標準342
5　可信賴人工智能發(fā)展趨勢343
6　結束語344
參考文獻344
作者簡介358
機密計算的研究進展與產(chǎn)業(yè)