首页期刊导航|电子学报
期刊信息/Journal information
电子学报
中国电子学会
电子学报

中国电子学会

王守觉

月刊

0372-2112

new@ejournal.org.cn;wanghui@ejournal.net.cn

010-68279116，68285082

100036

北京165信箱

电子学报/Journal Acta Electronica SinicaCSCD北大核心CSTPCDEI
查看更多>>1962年创刊，中国电子学会主办的高级学术月刊。刊登电子与信息及相关领域代表我国研究水平的最新科研成果和技术进展。本刊为中国自然科学核心期刊之一；科技部科技论文统计源期刊；中国科学引文数据库来源期刊。获2000年首届国家期刊奖以及2000年国家自然科学基金重点学术期刊专项基金资助。现被五个大型检索机构（Ei、Sci-Expanded、SA、苏联文摘杂志(рж)和日本科技文献速报）作为固定收录对象。
正式出版
收录年代

    联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型

    李广丽叶艺源吴光庭李传秀...
    2369-2381页
    查看更多>>摘要：乳腺癌是女性最常见的癌症.单一网络在乳腺癌病理图像分类中存在缺陷,卷积神经网络无法提取全局上下文,而Transformer不能准确描述局部细节.本文提出联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型(Multi-View Transformer Online Fusion Mutual Learning,MVT-OFML).采用ResNet-50(Residual Network-50)提取图像局部特征,设计多视角Transformer编码模块,捕获图像中全局上下文;联合Logits和中间特征层构建OFML框架,实现ResNet-50与多视角Transformer编码模块间双向传递知识,使2个网络优势互补以完成乳腺癌病理图像分类.实验表明,在BreakHis和BACH数据集上,MVT-OFML的准确率比最强基线分别提升0.90％和2.26％,F1均值比最强基线分别提升4.75％和3.21％.

    乳腺癌病理图像分类多视角Transformer卷积神经网络在线融合互学习

      原文链接:
    • 维普
    • 万方数据

    面向无线边缘网络的分层Stackelberg博弈群体激励方法

    康海燕冀珊珊
    2382-2392页
    查看更多>>摘要：现有分布式机器学习模型的相关激励机制大多基于单层服务器架构,难以适应当前异构无线计算场景,同时存在计算资源分配不平衡、通信成本高昂等问题.针对上述问题,创新地提出一种面向无线边缘网络的分层Stackelberg博弈群体激励方法(Hierarchical Stackelberg game Swarm Learning Incentive method for wireless edge network,HSISL),创新地将Stackelberg博弈机制引入群体学习模型中,依据各参与方性能差异,云端聚合平台、边缘簇节点、边缘计算节点三方进行动态博弈,通过双定价公平激励过程,共同制定个性化分层资源分配策略,得到模型训练的最优纳什解,有效引导边缘计算模型进行正向加速.通过理论与实验分析,HSISL能够有效提升模型公平性与训练效率,其在MNIST数据集上的准确率可达96.06％.

    数据共享群体学习Stackelberg博弈动态博弈无线网络通信激励机制

      原文链接:
    • 维普
    • 万方数据

    门控机制的图像分类网络

    姜文涛高原袁姮刘万军...
    2393-2406页
    查看更多>>摘要：为了提取更具表达能力和区分度的重点特征,减少网络传递时关键特征的流失,提高神经网络图像分类能力,提出一种新的门控机制图像分类网络(image classification Network of Gating Mechanism,GMNet).首先,使用门控卷积提取浅层特征,通过门控机制选择性地进行卷积操作,提高网络对原始图像关键特征的提取能力;其次,设计了一种插值门控卷积(Interpolation Gated Convolution,IGC)模块,利用Lanczos插值与门控卷积相结合,强化浅层特征的同时提取更具区分度的特征,提高特征的非线性表达能力;然后,设计了大核门控注意力机制(Large kernel Gated At-tention Mechanism,LGAM)模块,将大核注意力与门控卷积相融合,实现了特征的选择性增强和选择性融合,提高关键区域特征的贡献度;最后,将大核门控注意力机制模块嵌入到残差分支中,让模型更有效地学习输入数据的特征和上下文信息,减少关键特征在网络信息传递时流失,提高网络的分类能力.本文方法在图像数据集CIFAR-10、CI-FAR100、SVHN、Imagenette、Imagewoof上分别达到了97.05％、83.68％、97.68％、90.60％、83.05％的分类准确率,与当前先进的方法相比分别平均提高了3.26％、7.08％、3.44％、2.65％、5.02％.与现有主流网络模型相较,本文门控机制图像分类网络能够增强特征的非线性表达能力,提取更具表达能力和区分度的重点特征,减少关键特征流失,提高关键区域特征的贡献度,有效地提高神经网络图像分类能力.

    图像分类门控机制门控卷积插值门控卷积大核门控注意力残差网络

      原文链接:
    • 维普
    • 万方数据

    基于结构感知的多图学习方法

    付东来高泽安
    2407-2417页
    查看更多>>摘要：多图学习是一种非常重要的学习范式.与多示例学习相比,在多图学习中包表示一个对象,包中的每一个图对应一个子对象.这种数据表示方法能够表达子对象的结构信息.但是,现有的多图学习方法不仅隐含假设包内的图满足独立同分布,而且多采用将多图学习问题转变为多示例学习问题的技术思路.这类多图学习方法容易损失图自身及图间的结构信息.针对上述问题,本文提出一种基于结构感知的多图学习方法,有效学习图自身和图间的结构信息.该方法利用图核,通过计算图之间的相似度保留图自身的结构信息,通过生成包级图表达图间的结构信息,并且设计包编码器有效学习图间的结构信息.在NCI(1)、NCI(109)和AIDB三个多图数据集上的实验结果表明,所提方法相较于现有方法在准确率、精确率、F1值和AUC上分别平均提高了5.97％、3.44％、4.48％和2.56％,在召回率上平均降低了2.12％.

    多图学习图核结构信息包结构图独立同分布

      原文链接:
    • 维普
    • 万方数据

    一种基于CatBoost优化的光伏阵列故障诊断模型

    彭自然许怀顺肖伸平
    2418-2428页
    查看更多>>摘要：大部分光伏电站地处偏僻、地形复杂的区域,受到外界环境的影响,易发生各种故障.而传统的光伏阵列故障诊断方法存在精度不高以及光伏数据利用率低等问题.针对以上问题,本文先是通过引入Levy飞行策略和步长因子动态调整策略改进麻雀搜索算法(Sparrow Search Algorithm,SSA),降低SSA算法陷入局部最优的风险,提升SSA算法的寻优能力.然后采用改进的Levy步长调整麻雀搜索算法(Levy Adjustment Sparrow Search Algorithm,LASSA)对CatBoost模型关键超参数进行寻优,提出了一种基于CatBoost并以LASSA为优化策略的光伏阵列故障诊断模型LASSA-CatBoost,以实现光伏阵列的短路、开路、老化和阴影遮挡故障的精确诊断.实验结果表明,LASSA-Cat-Boost模型的故障诊断准确率为99.7％,相较于优化前的CatBoost模型,准确率提高了3.6％.与现有的光伏阵列故障诊断模型相比,LASSA-CatBoost模型的准确性和稳定性更高.

    光伏阵列故障诊断I-V特性曲线CatBoostLevyadjustmentsparrowsearchalgorithm

      原文链接:
    • 维普
    • 万方数据

    CLGLF:置信学习引导标签融合的多模态命名实体识别方法

    王海荣王彤徐玺荆博祥...
    2429-2437页
    查看更多>>摘要：为解决多模态命名实体识别中存在的视觉语义理解和多模态语义的偏差问题,本文提出了置信学习引导标签融合的多模态命名实体识别方法.该方法调用BLIP-2预训练模型生成图像描述,将其与输入的文本拼接,进行图文联合编码实现多模态特征融合,对多模态表征和文本表征解码后得到候选标签和文本标签;在采用KL散度损失函数对齐两组标签的基础上,计算置信分数用来评估多模态表征质量,设置置信阈值辅助筛选出有偏差的候选标签,并使用相应位置的文本标签替换有偏差的候选标签,实现标签的融合,最终完成多模态命名实体识别.为了验证本文方法,在Twitter-2015和Twitter-2017多模态数据集上进行实验,并将实验结果与MSB、UMT等7种主流方法进行对比,实验结果证明了本文方法的有效性.

    多模态命名实体识别图像描述置信学习多模态语义偏差信息抽取

      原文链接:
    • 维普
    • 万方数据

    面向用户多样化业务需求的多波束卫星系统动态资源分配算法

    柴蓉刘磊梁承超陈前斌...
    2438-2448页
    查看更多>>摘要：多波束卫星通信系统由于其高吞吐量和高资源利用率而受到广泛关注.已有研究主要考虑多波束卫星通信系统的信道或功率分配问题,但较少考虑用户分组和动态资源分配策略的联合优化设计,导致系统性能受限.此外,现有研究往往假设固定的波束覆盖半径,忽略了波束覆盖半径可变性对波束覆盖性能提升的影响.本文研究了多波束卫星通信系统中的用户分组和资源分配问题,提出了一种两阶段资源管理方案.针对动态和多样化的用户服务需求,首先设计一种基于Voronoi图的迭代用户分组算法以实现分组之间的负载均衡,然后将子信道和功率分配问题建模为系统平均效用函数最大化问题.为解决该问题,将每个波束视为一个智能体,采用一种基于多智能体深度Q网络(Deep Q Network,DQN)的算法来确定子信道和功率分配策略.仿真结果表明,与K-均值用户分组方案相比,本文所提出的基于Voronoi图的迭代用户分组算法对应的用户组负载差异值可降低49.2％,体现了本文所提算法在实现用户组间负载均衡方面的优势.此外,本文所提两阶段资源管理方案与现有文献中所提算法相比,系统所提供容量与用户需求差值可降低83.43％,体现了本文所提算法在实现系统资源高效利用及用户服务需求保障方面的性能优势.

    多波束卫星用户分组子信道分配功率分配多智能体DQN负载均衡

      原文链接:
    • 维普
    • 万方数据

    端到端全复数域SAR目标分类神经网络

    方澄管方恒李天驰邹政峰...
    2449-2460页
    查看更多>>摘要：合成孔径雷达(Synthetic Aperture Radar,SAR)图像探测经常遇到误差敏感和计算量大的问题,给SAR图像目标识别带来困难,为此研究人员针对SAR数据提出很多新颖高效的深度学习方法,但面向SAR目标识别的深度学习网络大多使用与光学实值处理相同的方法,直接将实值深度神经网络应用于SAR图像.实值的神经网络都不同程度丢失了相位信息,不能充分利用SAR数据复数特性.相位信息是SAR图像独有的数据特征,在SAR干涉测量、信息检索、目标识别等应用中起到至关重要作用.本文为了使网络更适合SAR复数数据特征提取,打破传统神经网络架构,将整体网络端到端复数化,提出一种新型的端到端全复数域多层级神经网络(Complex-valued mUltI-Stage convo-lutIonal Neural nEtworks,CUISINE)架构,从SAR复数图像数据的输入到卷积计算,再到分类标签,实现全网络复数域下的计算.通过在MSTAR(Moving and Stationary Target Acquisition and Recognition)公开数据集上实验对比表明,本文的方法在SAR数据目标分类上有很好表现,在相位误差为0 rad的测试集上正确率达到99.42％,在相位误差为50 rad的测试集上正确率达到88.05％.

    合成孔径雷达相位信息全复数域端到端神经网络

      原文链接:
    • 维普
    • 万方数据

    基于传统OM2光纤的大容量模分复用传输系统研究

    于新阔李建平秦玉文杨海林...
    2461-2467页
    查看更多>>摘要：基于传统多模光纤的模式资源,来构建多维复用超大容量光纤传输系统可以有效提升通信系统传输容量,满足急剧增长的数据业务需求.在本文中,我们联合波分复用、偏振复用和模分复用技术,基于传统OM2光纤实现了40个波长信道(1535.04～1566.31 nm)_2个模式信道(LP01和LP11b)的60 G波特偏分复用16阶正交幅度调制(Po-larization Division Multiplexing 16-ary Quadrature Amplitude Modulation,PDM-16QAM)信号的短距模分复用相干光传输.整个模分复用链路由一对基于多平面光转换(Multi Plane Light Conversion,MPLC)的模式复用/解复用器和20 m OM2光纤构成.由于高模式隔离度的模式信道特性(<-20 dB),本系统无需相应数字信号处理算法进行模式解复用,而仅需2_2的多输入多输出(Multiple Input Multiple Output,MIMO)算法完成偏振解复用.在实验中,除了对系统关键参数,包括脉冲成型滤波器的滚降因子、削峰比及接收光功率进行了优化外,还引入了Volterra判决反馈均衡方案.该均衡方案不仅能够补偿调制器引入的非线性信号损伤,而且能够缓解前馈均衡方案导致的高频噪声增强问题.最终,实验结果显示所有80个信道的误码率皆低于20％软判决前向误码纠错(Soft Decision Forward Error Correction,SD-FEC)阈值2.7×10-2,系统总容量达38.4 Tbit/s,表明基于多模光纤的模式复用相干光传输方案在未来超大容量短距光互联系统中具有应用潜力.

    光纤通信模分复用波分复用相干检测非线性均衡

      原文链接:
    • 维普
    • 万方数据

    基于重叠Ket增强和张量列车的非平衡频谱制图算法

    王欣申滨黄晓舸
    2468-2476页
    查看更多>>摘要：近年来,基于张量补全的频谱制图得到了广泛研究.目前用于频谱制图的张量补全算法大多隐含地假设张量具有平衡特性,而对于非平衡张量,难以利用其低秩性估计完整的张量信息,导致补全算法性能受损.本文提出基于重叠Ket增强(Overlapping Ket Augmentation,OKA)和张量列车(Tensor Train,TT)的非平衡频谱制图算法,以解决非平衡张量在应用传统张量补全算法时性能下降的问题.首先使用OKA将低阶高维张量表示为高阶低维张量,在无信息损耗的情况下解决非平衡张量无法利用其低秩性进行张量补全的问题;然后使用TT矩阵化得到较平衡的矩阵,在维度较平衡条件下提高补全算法的精确度;最后利用高阶低维张量的低秩性,使用并行矩阵分解或基于F范数的无奇异值分解(Singular Value Decomposition Free,SVDFree)算法完成张量补全.仿真结果表明,针对非平衡张量,所提方案与现有的张量补全算法相比,可以获得更精确的无线电地图,同时所提SVDFree算法具有更低的计算复杂度.

    频谱制图张量补全张量列车重叠Ket增强并行矩阵分解奇异值分解

      原文链接:
    • 维普
    • 万方数据