下载排行
人工智能综述:AI的发展
崔雍浩;商聪;陈锶奇;郝建业;人工智能学科自从诞生之后,技术理论不断发展,应用领域不断延伸。应用领域主要包括智能机器人、图像处理、自然语言处理及语音识别等。人工智能的基础理论科学包括计算机科学、逻辑学、生物学、心理学及哲学等众多学科。从人工智能的发展历史、人工智能的技术核心以及人工智能的应用前景3方面讨论人工智能的发展与应用,希望为相关研究提供有益的指导和借鉴。
命名实体识别技术综述
陈曙东;欧阳小叶;命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。
5G信道编码技术研究综述
于清苹;史治平;信道编码是无线通信的重要组成部分,随着5G标准化工作的推进,3GPP将LDPC码和Polar码分别作为eMBB场景的数据传输和控制信息传输的信道编码方式,从而使信道编码迎来了新一轮讨论热潮。概述了信道编码的编码历程和5G应用的三大场景,讨论了3种候选信道编码(LDPC码、Polar码和Turbo码)技术的特点、实际应用中面临的问题以及它们在5G通信中的应用现状和未来的发展趋势。
密码学现状、应用及发展趋势
王保仓;贾文娟;陈艳格;回顾了密码学发展的3个阶段,从Hash函数及其应用、对称密码体制、非对称密码体制、密码学的应用以及密码学的发展趋势5个方面对现代密码学进行了系统阐述。主要介绍了面向软件的流密码SOSE-MANUK、面向硬件的流密码Grain-128以及消息认证码;公钥密码的最大特点是使用2个不同但相关的密钥将加密和解密能力分开,公钥密码算法的应用一般分为加/解密、数字签名和密钥交换3种,算法的安全性主要取决于构造算法所使用的数学问题的困难性,故设计公钥密码算法的关键是先找到一个合适的单向函数;密码学在实际生活中的应用有公钥基础设施、区块链及电子信封技术实现等,重点介绍了公钥基础设施;量子计算机的出现使得研究抗量子攻击的密码体制的重要性被提升到一个前所未有的高度,目前用于构建后量子密码系统的数学技巧主要有格、多变量方程、代数编码、Hash函数及同源问题等,主要介绍了格密码的发展。
基于图像的三维重建技术综述
董鹏辉;柯良军;基于图像进行三维重建的目的就是通过图像获取周围环境的三维结构,将它们生动形象地展示在计算机上供用户使用,这是现阶段计算机图像视觉领域的一个重要研究方向。目前三维重建的研究成果已广泛应用于城镇建模、无人作战、文物保护和地图重建等领域。对图像三维重建的流程进行了探讨,主要内容包括传感器介绍、重建流程与算法、应用及其展望等。
基于深度学习的医疗图像分割综述
孔令军;王茜雯;包云超;李华康;自2006年深度学习这一概念提出以来,各研究领域对于深度学习技术的研究热度一直高居不下。深度学习的出现,对计算机视觉领域的发展起到了重要推动作用。计算机视觉的主要研究任务是对图像、视频等进行目标的检测、识别以及分割等,目前已经广泛应用于医疗、金融和工业领域中。其中最常见的应用场景是医学图像处理。图像分割是医学图像处理任务中一个重要的研究方向,目前已经出现了很多图像分割方法,其中包含传统的分割方法和基于深度学习模型的分割方法。首先介绍了阈值分割法、区域生长法以及图割法等传统的图像分割方法;其次总结了FCN、U-Net、U-Net++、SegNet以及DeepLab系列的网络架构,并对其优缺点进行了分析;同时,着重阐述了图像分割方法在医疗图像处理中的应用;最后讨论了未来基于深度学习的医学图像分析将要面临的挑战和发展机遇。
新型界面开发工具:MATLAB/GUI
王玉林;葛蕾;李艳斌;MATLAB/GUI是一种新型的图形用户界面开发方式,特别适合能够熟练运用MATLAB语言进行仿真但是对VC界面开发了解不够深入的科技工作者。先简单介绍MATLAB/GUI的基本特点,然后详细说明了一种在实践工程中广泛应用的GUI界面,并描述界面在工程中的使用情况。通过MATLAB/GUI和VC界面的比较,说明新型的界面开发方式能够在数据处理特别是信号处理方面要优于VC界面,具有强大的发展潜力。
深度强化学习在典型网络系统中的应用综述
郑莹;段庆洋;林利祥;游新宇;徐跃东;王新;近几年来,以深度强化学习(Deep Reinforcement Learning,DRL)为代表的人工智能技术被引入计算机网络系统设计中,促使网络领域走向数据驱动和智能化,并在典型的网络系统中不断取得新的突破。计算机网络应用的难点是难以对多变的网络环境进行复杂准确的建模,借助深度神经网络出色的特征提取能力,深度强化学习能够更好地以试错的方式探索更优的决策,并具有端到端的设计优势。首先阐述深度强化学习技术的原理,包括多种典型的深度学习中使用的神经网络结构、基于值函数和基于策略梯度的深度强化学习训练算法;之后详细分析了深度强化学习技术在计算机网络领域中解决资源调度问题的研究现状,包括任务调度、视频传输、路由选择、TCP拥塞控制以及网络缓存;最后给出了在计算机网络应用中使用深度强化学习仍存在的挑战。
5G网络安全问题分析与展望
李晖;付玉龙;伴随着LTE等第四代移动通信技术的商业化应用,对于下一代通信技术(5G)的研究也已经悄然展开。相较于4G网络,5G将带来更高的峰值速率体验、高密集用户连接的优质服务、泛在网络互联互通、更优质的用户访问体验以及实时而可靠的网络连接。但是在对这些即将出现的特性充满期待的同时,也需要尽早地预见到与之伴随的、可能的安全问题。通过介绍和分析METIS和IMT-2020(5G)推进组所提出的5G概念和架构,从而找出可能会出现的5G安全问题,并提出了与其相对应的5G安全研究的方向和方法。
面向6G的太赫兹通信感知一体化
李玲香;谢郁馨;陈智;李少谦;未来6G将会是一个遍布通信链路的分布式神经网络,融合生物物理世界与数字世界,感知万物、联接万物,从而实现万物智联。面向6G的太赫兹通信感知一体化技术被设想为支持未来6G智慧生活的关键技术。调研了6G发展的规划与展望,介绍了6G的6个关键特征与感知通信的融合。然后重点介绍了面向6G的太赫兹感知通信融合的3种模式,以及太赫兹技术分别在通信和感知方面的优势,并概括性地给出了4种应用场景。最后指出太赫兹通信感知一体化技术发展趋势与挑战,包括感知与通信的基础差异、一体化器件、一体化信号设计、感知辅助的高效通信与组网技术、通信辅助的分布式协同感知技术和智能资源管理。