首页期刊导航|北京邮电大学学报
期刊信息/Journal information
北京邮电大学学报
北京邮电大学学报

刘杰

双月刊

1007-5321

byxb@bupt.edu.cn

010-62281995；62282742

100876

北京海淀区西土城路10号

北京邮电大学学报/Journal Journal of Beijing University of Posts and TelecommunicationsCSCD北大核心CSTPCDEI
查看更多>>《北京邮电大学学报》是北京邮电大学主办的以邮电通信为主的自然科学综合性学术刊物，创刊于1960年，1986年公开发行，是《中文核心期刊》。主要刊登通信与电子系统、电磁场与微波技术、程控交换技术与通信网、信号与信息处理、电路与系统、计算机科学与技术、管理工程、机械电子及基础研究等方面的论文、研究报告及重要学术问题综述等。1999年开始《北京邮电大学学报》被美国工程信息公司（EI）定为全文收录期刊，并被国内外多种权威文摘刊物或数据库收录。
正式出版
收录年代

    体系化人工智能

    冯俊兰
    1-10页
    查看更多>>摘要：随着以基础模型为代表的人工智能(AI)技术取得举世瞩目的成绩,机器智能的总体水平已达到前所未有的高度.基础模型、算力及网络、数据逐渐成为AI领域的重要基础设施.为了实现依托上述基础设施提供泛在安全的社会级智能服务,让其像水、电、通信服务一样无处不在且边际成本趋向为零的目标,从技术体系的角度,提出并阐述了体系化AI(HAI)技术框架.该框架中,用户的智能化需求可以用自然语言、图形、图片、组件编排等方式灵活表达.依托基础大模型,HAI对用户需求进行理解并形成最优执行计划,执行计划包括完成业务需求所需的模型、工具、数据及算力网络资源;继而HAI将模型和能力部署到相应的算力网络资源上,通过灵活调度及联合优化满足用户需求.所提框架涉及到的核心技术包括AI服务大闭环优化、AI能力原子化、网络原生的建模技术以及安全可信AI服务技术.

    人工智能大闭环原子化网络原生安全可信

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    体系化人工智能与大语言模型在智能情报场景中的应用

    韩旭孙亚伟赵璐
    11-19,28页
    查看更多>>摘要：对体系化人工智能与大语言模型在智能情报收集、分析、决策中的场景应用进行研究.首先,对体系化人工智能与大语言模型的发展现状进行综述,明确相关技术在智能情报场景应用中的优势,并提出了将其融合进智能情报研究的理论框架.其次,对框架的各个功能模块详细解读并就对应的技术点深入分析,探索在此框架体系下对应的具体落地场景.最后,分析了体系化人工智能对智能情报工作效率和准确性的提升,并探讨了在实际应用中可能面临的风险和挑战及未来探索和发展的方向.

    体系化人工智能大语言模型智能情报场景化应用

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    大语言模型时代的人工智能:技术内涵、行业应用与挑战

    陈光郭军
    20-28页
    查看更多>>摘要：大语言模型(LLM)的出现标志着人工智能LLM时代的来临.基于海量数据集的预训练,LLM展现出卓越的适应性和创造力,正在成为推动社会发展的关键驱动力,并将在体系化人工智能中扮演重要角色.鉴于既有综述在分析LLM面临的挑战、关键属性、工程实现等方面的不足,笔者从技术内涵、行业应用和主要挑战三个维度重新构建探讨框架.重点阐述了LLM在系统架构、训练策略、模型规模、压缩、多模态融合、提示与规划等技术层面的内涵,以及在教育、科研、医疗、金融、司法等领域的应用前景.同时,讨论了LLM可信性、可控性与安全性的研究现状,以及LLM在技术和社会层面所面临的双重挑战,展望了LLM在体系化人工智能中的角色定位和研究方向的契合点,以期为LLM的研究与应用提供新的视角和思路.

    大语言模型多模态模型可信性可控性体系化人工智能

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于物理信息变分自编码器的计算流体动力学修复

    王佳敏颜哲熙王笑琨张雅斓...
    29-35,43页
    查看更多>>摘要：为修复噪声干扰或局部缺失的流体流动数据,实现精确的流体动力学分析,提出了一种基于物理信息的变分自编码器模型.首先,利用变分自编码器学习流体流动的潜在表示;其次,将时空坐标信息与流体流动的潜在表示结合,通过自动微分技术获得解码后的流场信息关于时空坐标输入的偏导数;最后,引入流体动力学的物理先验信息,构造物理约束损失项,使得生成的数据同时符合流动关键特征和底层物理定律,从而增强了流体流动的物理一致性和重建精度,并且提供了一定的可解释性.实验结果表明,所提模型在处理流场噪声和数据缺失问题方面比现有方法具有更高的精度,并且在二维和三维复杂涡旋流场中都证明了其有效性.

    人工智能计算流体动力学物理先验数据去噪流场重建

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多模态推荐指令的大语言模型指令微调

    郝博文柳溢菲李立耀王洁...
    36-43页
    查看更多>>摘要：基于多模态指令的大语言模型指令微调能够有效赋予大模型解决相关多模态任务的能力.为了进一步使大模型能够完成多模态零样本或少样本推荐任务,提出了多模态推荐大语言模型,该模型以大语言模型ChatGLM2-6B为基座,选取包含文本、图片信息的多模态推荐数据集,利用ChatGPT和GPT4构建多模态用户画像和物品属性生成指令,以及零样本和少样本推荐指令,并采用高效参数微调P-tuning v2方式,仅需用一张A100 40GB图形处理器即可微调得到多模态推荐大语言模型,用于完成多模态零样本和少样本推荐任务.实验结果证明,所提模型显著优于现有基线模型.

    多模态推荐指令大语言模型指令微调

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于空间极坐标卷积的流体动力学预测

    杜飞龙班晓娟张雅斓董子瑞...
    44-49页
    查看更多>>摘要：流体作为自然界中最基本的物质之一,对其模拟往往需要在精度和效率之间进行取舍.为此,提出了一种端到端体系化的新型卷积网络流体模拟器——PolarNet.首先,将粒子数据转换为三维极坐标表示,设计了PolarConv空间卷积结构.其次,结合物理流体模拟器,构建了四层网络结构,设计了网络流体模拟器PolarNet,实现流体的端到端预测.此外,精心设计了基于物理的约束,以强化流体的不可压缩性.实验结果表明,与传统基于建模模拟器相比,PolarNet在提高流体边界的精确性和保持不可压缩性方面有显著提升,同时保证了效率.相较于其他基于学习的流体模拟器,得益于极坐标的空间紧凑表示,PolarNet在具有更少训练参数的情况下,保持了最高的预测稳定性.PolarNet为多模态信息处理提供了新的方法和视角.

    流体动力学模拟空间卷积网络数据驱动体系化模拟器

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合大语言模型的领域问答系统构建方法

    齐思洋胡慧云李洪冰李琦...
    50-56页
    查看更多>>摘要：针对构建领域问答系统时所面临的数据成本高、知识构建复杂和不同领域数据集差异大等挑战,提出了一种融合大语言模型和领域知识的问答系统构建方法.现有方法多是直接将本地知识语料分段存储匹配,在进行检索增强生成时,查询文本与分段内容语义匹配度不高,从而降低文本生成质量.为此,提出基于提示工程的查询语义对齐优化方法,通过生成"假设性问答对"来统一用户查询和语料的语义空间,从而提高领域知识的检索效率和答案的准确性.此外,实验证明,所提方法能够克服模型训练成本高的问题,迅速构建部署到不同垂直领域,并在性能上优于其他方法.

    垂直领域大语言模型问答系统知识库

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    复杂端到端场景的跨视觉域目标检测算法

    陈傲然黄海朱玥琰薛俊笙...
    57-62页
    查看更多>>摘要：深度学习应用往往假设部署场景与训练数据具有相似的视觉域特征分布,但是在复杂端到端场景中该假设并不总是成立,难以满足开放环境中智能检测业务的需求.为此,提出了基于人工智能闭环组合理论与跨视觉域的目标检测算法,在检测框架中引入多尺度卷积层构建检测算法的主干网络与瓶颈层网络,提出带有长距离依赖注意力的视觉域判别器作为二次检测头细化检测结果,设计基于空间重构注意力单元的背景聚焦模块进行伪背景图的聚焦学习,从而提升跨视觉域目标检测的准确率.实验结果表明,所提算法在跨视觉域场景中目标检测平均准确率相比双阶段算法提高6.9％,相比单阶段算法提高9.0％.

    体系化人工智能计算机视觉神经网络目标检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于雅可比动态逼近的图像去噪网络算法

    刘美琴姬厚国白羽姚超...
    63-70页
    查看更多>>摘要：受到环境因素和采集设备性能的限制,图像采集易受噪声干扰从而降低用户的视觉体验.为了有效去除图像噪声,提出了基于雅可比动态逼近的端到端图像去噪网络算法.利用常微分方程的思想构建前向微分结构,动态拟合噪声分布,并设计雅可比矩阵的求解模块实现前向求导,降低去噪网络的复杂度.为了提高对复杂噪声的特征表示能力,应用多尺度特征提取模块获取图像中非均匀噪声的特征,并进一步获取图像的上下文语义信息.此外,采用双注意力结构增强重建特征,提高重建图像的质量.大量实验结果表明,所提算法可以有效地去除合成噪声和真实噪声,重建图像在客观评价指标与主观视觉效果上均取得较好的效果.

    常微分方程图像去噪雅可比求解模块多尺度特征提取模块卷积神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于子图结构语义增强的少样本知识图谱补全

    杨荣泰邵玉斌杜庆治龙华...
    71-76,89页
    查看更多>>摘要：针对少样本场景下实体表示不充分的问题,提出一种基于子图结构语义增强的少样本知识图谱补全模型.首先,采用注意力机制,提取节点以关系交互为核心的文本语义特征,并提取节点以集群系数为核心的子图结构语义特征;接着,使用前馈神经网络实现实体语义聚合,并利用Transformer网络针对三元组进行编码;最后,通过原型匹配网络来计算链接预测分数.实验表明,所提模型优于所有基于度量学习的基线模型,对比最新基于元学习的基线模型,在NELL-One数据集上Hits@1指标得到改善,Wiki-One数据集上所有指标得到提升,表明所提模型在增强实体表示和提升实体链接的预测效果上是有效的.

    少样本学习场景知识图谱补全集群系数结构语义注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据