征文通知:智能网联卫星的新质时空服务
<正>智能网联卫星为低轨通信、遥感、导航等技术的创新发展提供了强大的载体支撑。和传统航天“以大为美、确保零风险”的设计理念不同,智能网联卫星更加追求“规模化、网络化、智能化、经济性”,强调卫星节点处理智能化、功能融合化、能力快速形成化,进而实现效能一体化。”财金信息既是卫星节点智能化的基础,也是实现星座一体化的关键,更是卫星发挥服务效能的具体体现。如何突破智能网联卫星先进技术、研制时空信息获取终端,创新时空服务应用场景,是建设更加泛在、融合、智能的综合时空体系的关键。鉴于此,《无线电通信技术》积组织“智能网联卫星的新质时金服务”专题,欢迎相关领域的专家学者和科研人员踊跃投稿。
面向垂直行业应用的5G网络安全标准：现状与展望
朱日丹;张子涵;李文政;李嘉杰;许洪东;夏明华;随着5G无线通信技术的快速发展，垂直行业应用正迎来前所未有的智能化转型机遇。5G技术凭借其高速率、低延迟和大规模连接的特性，为垂直行业的广泛应用提供了强大支持，暴露了在安全保护、信任模型以及系统开放能力等方面的潜在风险。深入分析了5G赋能垂直行业应用过程中面临的主要安全问题；详细梳理了5G网络安全架构的演进过程，重点讨论了从4G到5G的安全新特性以及3GPP安全标准体系的最新进展；提出了针对5G在垂直行业应用中的安全标准解决方案，旨在为行业提供科学、系统的安全保障框架；对未来基于AI的6G网络安全架构进行了展望。通过对现行网络安全标准的态势分析与对未来网络安全架构的技术展望，为5G技术的垂直行业应用提供了安全解决方案，为未来6G网络安全标准的制定提供了参考依据，有助于推动行业智能化转型过程中网络安全能力的提升。
人工智能驱动的数据管理、分析及应用研究导读
乔少杰;金澈清;袁冠;吴涛;<正>内容导读人工智能驱动的数据管理、分析与应用研究已经成为计算机和通信技术领域的一个重要的热点问题,获取大量数据管理过程中的状态数据,并建立对其动态智能的处理能力,已经成为产业竞争力的体现。近年来,大数据管理技术与系统已能够满足各类海量异构数据的基本管理与统计分析需求,但在如何利用新一代人工智能技术对数据管理、数据分析与系统进行优化方面还缺少足够的理论支撑。本专题旨在推动国内人工智能驱动的数据管理的发展,探讨数据管理与人工智能的深度融合,阐述人工智能驱动的数据库新技术和新型系统,包括传统数据管理、数据分析技术及系统与人工智能相结合。上述研究是新一代人工智能技术发展的基础。
基于动态超图嵌入的时域知识图谱推理模型
高秀东;陈阳;张静;对预测未来事实的时域知识图谱(Temporal Knowledge Graph, TKG)进行推理备受关注。大多数研究尝试利用知识图谱和图卷积网络(Graph Convolutional Network, GCN)对时域动态进行建模。现有方法没有考虑TKG中对象之间的高阶交互，这是预测未来事实的一个重要因素。为了解决上述问题，提出基于动态超图嵌入的TKG推理模型。通过在不同时间戳下基于TKG构建超图来获取高阶交互。将时域带来的差异融入到超图表示中，以便更好地适配TKG。采用动态元嵌入进行时域超图表示，使模型能够为下游推理选择合适的高阶交互。在公开的TKG数据集上进行实验，结果表明所提模型优于其他基准模型。分析证明了所提方法为预测结果带来了良好的可解释性。
知识迁移驱动的跨油田存储分类模型
贡玉军;油气数据中的知识对于储层自动分类至关重要，合理管理并利用油气数据可以帮助石油公司做出最佳决策，从而大大降低成本。现有方法主要集中在单个地质区块进行储层分类，但在新的区块中效果不佳。如何跨地质油田传递地底特征，并准确进行储层分类是一个非常重要且具有挑战性的问题。提出了知识迁移驱动的跨油田存储(Knowledge Transfer-driven Cross-oilfield Storage, KTCS)分类模型，包含一个多尺度传感器提取(Multi-scale Sensor Extraction, MSE)模块，用于从多变量测井曲线中提取地质特征的多尺度特征表示。设计了特定特征学习(Specific Feature Learning, SFL)模块，充分利用不同油田的特定信息，使用知识注意力迁移(Knowledge Attention Transfer, KAT)模块学习不变的特征表示，将源油田的地质知识迁移到目标油田。通过对现实世界的工业数据集进行大量的实验来评估所提KTCS模型的性能，与非迁移方法相比，KTCS模型的F1分数至少提高了15.7%。
网站访问量
今日访问量: 551
友情链接
