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

    基于元多任务提示学习的零样本谣言检测方法

    石宇于宁孙亚伟刘建毅...
    77-82页
    查看更多>>摘要：针对现有谣言检测方法在微调大语言模型时导致的高内存占用,以及提示学习方法对初始点选择敏感的问题,提出一种基于元多任务提示学习的零样本谣言检测方法.首先,基于提示学习范式调整零样本谣言检测任务目标,通过设计提示模板使这一任务目标与大语言模型的训练任务目标保持一致,以充分利用大语言模型积累的先验知识.其次,利用元学习的参数更新策略以定位适用于零样本谣言检测任务的提示模板初始点,从不同的元任务中学习通用知识来实现参数优化.最后,引入情感分析作为辅助元任务进一步调整和优化模型参数.在多个公开数据集上的对比实验结果表明,所提方法在零样本谣言检测任务中表现出色,其性能指标优于基准方法.

    谣言检测提示学习元学习多任务学习

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

    面向工业膏体浓度监测的体系化智能视觉信息融合模型

    王贺正马博渊李潇睿郭利杰...
    83-89页
    查看更多>>摘要：针对膏体充填技术中对于膏体浓度监控方法存在的精准度低、仪器使用寿命短、测量耗时长、因安全问题导致使用受限等局限性,提出了一种双流视觉信息融合模型以实现膏体浓度自动化准确估计,以减少膏体浓度监测对人工的需求,增加矿场的自动化程度,促进体系化人工智能在智能采矿领域中的应用.所提模型以卷积神经网络模型为基础,使用双流结构,通过分析膏体视频及相应的光流信息,学习提取其中的空间特征和时间特征,形成对膏体视频的双流特征感知表示;特征融合模块进一步强化对有效特征的识别,使模型能够对膏体浓度进行非接触式的准确监测.在此基础上,采集实际生产环境下膏体视频数据并构建真实的膏体视频浓度数据集,并以此数据集对所提模型进行验证.实验结果表明,所提模型在真实膏体视频数据集中识别准确率能够达到94.16％,在同等条件下准确率较其他深度学习模型高出3.47％,实现了在生产环境下对膏体浓度进行实时准确监测的目的.

    膏体充填膏体浓度准确估计视频分类多模态

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

    物理先验指导的神经微分方程模型

    陈昊炜郭宇袁兆麟王宝杰...
    90-97页
    查看更多>>摘要：流程工业中涉及多个复杂设备的耦合,独立设备模型无法有效指导实际生产;纯数据驱动模型常因面临分布外泛化问题,难以体现良好的数据效率和泛化能力.对此,针对浮选这一典型的流程工业系统,提出了一种物理先验指导的神经微分方程模型,该模型考虑设备间耦合关系和全局特征,利用物理先验对神经微分方程进行重构,以建模可感知环境的单智能体.所提模型由序列编码器、插值模块、神经微分方程预测模块和状态解码器构成,并基于物理先验设计了神经微分方程的梯度网络计算图结构.将多智能体模型按照实际工序拓扑建立不同体系,可以实现浮选全流程的长时液位预测,并作为在线仿真环境协助实现多智能体协同控制.使用从浮选厂采集的工业数据集对该模型进行了验证,结果表明,与离散时间模型和未借助物理信息重构梯度网络的基线模型相比,所提模型具有更优的数据效率和泛化能力.

    流程工业体系化系统建模神经常微分方程理论引导的模型重构

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

    面向医学大模型的体系化人工智能框架构建与应用

    罗妍刘宇炀李晓瑛刘辉...
    98-104页
    查看更多>>摘要：大语言模型具有强大的自我学习和理解能力,在医学领域具有巨大的发展潜力与应用价值.目前医学领域大语言模型的预训练数据量大、算力成本高、缺乏规范化标准与指标体系,极大地限制了大语言模型的扩展与应用.为解决上述问题,提出一种面向医疗全流程服务场景的体系化人工智能框架,通过知识分解和动态资源管理方法完成模型简化分解和原生网络构建实现模型的弹性部署和灵活配置,在一定程度上降低了大语言模型对算力资源的依赖;引入区块链技术保障医疗数据的安全可信.通过引入体系化人工智能概念构建了面向医学领域的体系化人工智能框架,期望促进医学大语言模型的快速落地与持续健康发展.

    体系化人工智能大语言模型知识分解原生网络

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

    基于分片DAG区块链的拜占庭容错共识改进算法

    李晓辉刘晓炜吕思婷
    105-110页
    查看更多>>摘要：物联网场景下,传统区块链存在扩展性不足、开销大、出块效率低等问题,引入有向无环图(DAG)的结构能够有效地提高区块链系统的并发程度,但也带来了网络负载严重和一致性难以达成等问题.针对以上问题,设计了一种结合网络分片方案的DAG区块链模型,基于此,提出了一种改进的拜占庭容错共识算法.所提算法通过社区机制发现将网络中的节点划分为多个小组,每个小组中由信任积分机制筛选出候选节点,然后使用可验证随机函数筛选出主节点,并根据聚合签名方案改进共识流程.仿真实验结果表明,所提算法能够缩短交易延迟并有效地提高系统的吞吐量.

    区块链有向无环图网络分片拜占庭容错共识

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

    基于时序卷积网络的数据中心服务器能耗模型

    周舟朱单李闯南苏琴...
    111-116页
    查看更多>>摘要：为了解决服务器实时能耗估量问题,提出了一种基于时序卷积网络的数据中心服务器能耗预测模型.首先,根据服务器所处理负载的不同将其分成4类,分别为中央处理器密集型负载、内存密集型负载、输入/输出密集型负载和混合型负载;然后,针对每种类型负载,通过随机森林算法分别计算其特征参数的重要性并筛选出大于阈值的代表性参数作为模型输入;最后,利用时序卷积网络构建数据中心服务器的能耗预测模型.实验结果表明,与其他模型相比,所提模型的平均相对误差降低了2.18％～5.29％,在能耗预测精度方面具有一定的优势.

    数据中心绿色计算能耗模型能耗预测

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

    基于改进生成对抗网络的动漫图像风格迁移算法

    李云红朱景坤刘杏瑞陈锦妮...
    117-123页
    查看更多>>摘要：针对动漫风格迁移图像存在细节结构缺失、色彩偏移、语义内容伪影等问题,提出了一种改进型生成对抗网络的动漫风格迁移算法.首先,利用通道混洗操作结合改进后的反转残差块组成特征转换模块增强图像的局部特征属性,同时引用高效注意力机制进一步提升风格特征表达能力;其次,改进风格损失函数,抑制亮度和色彩对高频纹理信息学习的干扰;最后,将含有随机噪声的内容图像输入生成器,并在判别器中引入谱约束层限制谱半径,以解决训练过程中出现模式崩溃的问题.实验结果表明,所提算法生成的图像相比于其他算法细节刻画更为丰富,并且有效避免了伪影的出现与色彩的偏移,使生成图像具有更强的写实感,风格Fréchet起始距离分别达到了154.61和115.64.

    生成对抗网络风格迁移残差块风格损失

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

    面向车联网的动态网络切片资源部署算法

    李晓辉周媛媛吕思婷苏家楠...
    124-129页
    查看更多>>摘要：考虑到车联网中车辆快速移动造成拓扑复杂的问题,提出了一种基于深度强化学习的动态网络切片资源部署算法.在车辆到基础设施通信场景下,针对不断变化的车辆拓扑和业务请求,将切片资源部署问题建模为可观测的马尔可夫决策模型,利用联合控制器实时监测网络状态,根据执行切片资源分配比例的动作奖励值来实时更新参数,引入优先经验回放策略来加快收敛速度,为每个业务请求提供充足的通信资源来交互车辆速度和位置信息.仿真实验结果表明,对比其他算法,所提算法在端到端吞吐量、端到端时延、切片丢包率和车辆业务请求接受率方面都展现了更好的性能.

    网络切片车辆到基础设施通信深度强化学习马尔可夫决策过程

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

    基于多模态特征与增强对齐的细粒度图像分类

    韩晶张天鹏吕学强
    130-135页
    查看更多>>摘要：针对现有模型在多模态信息处理过程中存在特征提取不足、信息交互不充分等问题,提出基于多模态特征增强对齐的细粒度图像分类模型.首先,提出层次特征自适应融合模块,以实现多模态特征的多层次自适应融合,从而充分利用卷积中间层的特征信息,增强模型对图像局部细节的感知能力.其次,为提高多模态特征之间的交互维度,提出增强对齐特征融合模块,以充分挖掘不同模态之间的映射关系.实验结果表明,所提模型在多个数据集上均取得了良好的识别效果,优于以往多模态特征融合的模型.同时,消融实验结果表明,2个模块单独使用的效果均优于原模型,进一步验证了所提模型的有效性.

    深度学习细粒度图像分类多模态自适应特征融合注意力机制

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

    一种应用于协作MIMO-NOMA系统的符号检测算法

    谢文武李攀肖健王骥...
    136-142页
    查看更多>>摘要：受发射端的功率分配与叠加编码的影响,基于单任务神经网络的功率域非正交多址接入(NOMA)符号检测算法无法兼容不同用户的符号检测任务.针对用户辅助的协作多输入多输出(MIMO)-NOMA通信系统,设计基于多任务神经网络的符号检测算法,通过学习协作MIMO-NOMA系统中信号的深层共享特征,实现不同用户的联合符号检测.由于协作通信中不同用户接收信号的数据分布不同,并且存在数据孤岛问题,而机器学习模型要求训练数据和测试数据均独立采样于同一数据分布,因此提出多任务联邦学习框架来解决这一问题.实验结果表明,随着信噪比的提高,所提出的符号检测算法较传统符号检测算法展现出更好的性能.

    协作非正交多址接入符号检测多任务联邦学习

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