首页期刊导航|电子与信息学报
期刊信息/Journal information
电子与信息学报
电子与信息学报

吴一戎

月刊

1009-5896

jeit@mail.ie.ac.cn

010-58887066

100190

北京市北四环西路19号

电子与信息学报/Journal Journal of Electronics & Information TechnologyCSCD北大核心CSTPCDEI
查看更多>>本刊是电子科学高级综合性学术刊物。主要刊登有关电子与信息科学方面的具有创新性的、高水平的文章。
正式出版
收录年代

    时空自适应图卷积与Transformer结合的动作识别网络

    韩宗旺杨涵吴世青陈龙...
    2587-2595页
    查看更多>>摘要：在一个以人为中心的智能工厂中,感知和理解工人的行为是至关重要的,不同工种类别往往与工作时间和工作内容相关.该文通过结合自适应图和Transformer两种方式使模型更关注骨架的时空信息来提高模型识别的准确率.首先,采用一个自适应的图方法去关注除人体骨架之外的连接关系.进一步,采用Transformer框架去捕捉工人骨架在时间维度上的动态变化信息.为了评估模型性能,制作了智能生产线装配任务中6种典型的工人动作数据集,并进行验证,结果表明所提模型在Top-1精度上与主流动作识别模型相当.最后,在公开的NTU-RGBD和Skeleton-Kinetics数据集上,将该文模型与一些主流方法进行对比,实验结果表明,所提模型具有良好鲁棒性.

    智能工厂工人动作识别深度学习自适应图Transformer

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

    基于脉冲序列标识的深度脉冲神经网络时空反向传播算法

    王子华叶莹刘洪运许燕...
    2596-2604页
    查看更多>>摘要：尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式,被认为是实现大脑启发计算的重要途径.但是,目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法.受尖峰放电速率标识的时空反向传播算法的启发,该文提出一种面向深度脉冲神经网络训练的基于时间脉冲序列标识的监督学习算法,通过定义突触后电位和膜电位反传迭代因子分别分析脉冲神经元的空间和时间依赖关系,使用替代梯度的方法解决反传过程中不连续可微的问题.不同于现有基于尖峰放电速率标识的学习算法,该算法能够充分反映脉冲神经网络输出的时间脉冲序列的动态特性.因此,所提算法非常适合应用于需要较长时间序列标识的计算任务,例如行为的时间脉冲序列控制.该文在静态图像数据集CIFAR10和神经形态数据集NMNIST上验证了所提算法的有效性,在所有这些数据集上都显示出良好的性能,这有助于进一步研究基于时间脉冲序列应用的大脑启发计算.

    脉冲神经网络监督学习误差反向传播时间脉冲序列标识替代梯度

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

    嵌入多阶泰勒微分知识的多尺度注意力循环网络深度时空序列预测方法

    孙强赵珂
    2605-2618页
    查看更多>>摘要：融合先验物理知识的深度时空序列预测方法通常使用偏微分方程(PDE)进行建模,这种做法通常存在两大问题:(1)偏微分方程的近似精度低;(2)无法在循环网络中有效捕捉多种空间尺度的时空特征和时空序列的边缘相关空间信息.为此,该文提出了融合泰勒微分的卷积循环神经网络(TDI-CRNN).首先,为了提高高阶偏微分方程的近似精度并缓解偏微分方程应用的局限性,设计了一种多阶泰勒近似物理模块.该模块首先使用泰勒展开式对输入序列作微分逼近,再将不同阶数之间的微分卷积层使用微分系数耦合,最后动态调整泰勒展开结果的截断阶数与微分项数.其次,为了捕获循环网络隐藏状态的多种空间尺度特征并更好地捕捉时空序列的边缘相关空间信息,设计了一种多尺度注意力循环模块(MSARM),在该模块的多尺度卷积空间注意力UNet(即MCSA-UNet)的卷积层中使用了多尺度卷积和空间注意力机制,目的是关注时空序列的局部空间区域.在Moving MNIST,KTH以及CIKM数据集上开展了大量实验,Moving MNIST数据集的均方误差(MSE)指标下降到42.7,结构相似性指数(SSIM)提高到0.912;KTH数据集的SSIM和峰值信噪比(PSNR)分别提高到0.882和29.03;CIKM数据集上的临界成功指数(CSI)提高到0.515.最终的可视化和定量预测结果均验证了TDI-CRNN模型的合理性和有效性.

    时空序列预测长短期记忆网络知识引导偏微分方程泰勒展开式

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

    一种计及风险偏好的计算卸载激励远期合同

    张碧玲焦正阳刘家华郭彩丽...
    2619-2626页
    查看更多>>摘要：边缘计算网络中,为了激励边缘计算节点(ECNs)参与计算卸载,以缓解计算服务供应商(SP)的计算压力,研究面向远期交易的激励机制.考虑到SP与ECNs之间的信息不对称,且ECN闲置计算资源的不确定性易导致合作风险,基于合同理论,该文提出一种计及风险偏好的计算卸载远期合同激励机制.首先,建立节点风险偏好模型;接着,定义个人理性(IR)约束和激励相容(IC)约束,将激励问题建模为最大化SP收益的远期合同设计问题;最后,化简约束并求解最优远期合同.仿真结果验证了所设计的远期合同的可行性和合理性,并证明该合同能有效激励ECNs参与计算卸载,提升了SP的收益.

    计算卸载合同理论远期合同风险偏好

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

    三维空间位置服务中智能语义位置隐私保护方法

    闵明慧杨爽胥俊怀李鑫...
    2627-2637页
    查看更多>>摘要：针对大型医院、商场及其他3维(3D)空间位置服务中敏感语义位置(如药店、书店等)隐私泄露问题,该文研究了基于3D空间地理不可区分性(3D-GI)的智能语义位置隐私保护方法.为摆脱对特定环境和攻击模型的依赖,该文利用强化学习(RL)技术实现对用户语义位置隐私保护策略的动态优化,提出基于策略爬山算法(PHC)的3D语义位置扰动机制.该机制通过诱导攻击者推断较低敏感度的语义位置来减少高敏感语义位置的暴露.为解决复杂3D空间环境下的维度灾难问题,进一步提出基于近端策略优化算法(PPO)的3D语义位置扰动机制,利用神经网络捕获环境特征并采用离线策略梯度方法优化神经网络参数更新,提高语义位置扰动策略选择效率.仿真实验结果表明,所提方法可提升用户的语义位置隐私保护性能和服务体验.

    位置服务3维空间语义位置隐私策略爬山近端策略优化

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

    一种基于时间序列分解和时空信息提取的云服务器异常检测模型

    唐伦赵禹辰薛呈呈陈前斌...
    2638-2646页
    查看更多>>摘要：异常检测是维护云数据中心性能的一项重要任务.云数据中心中运行着大量的云服务器以实现各种云计算功能.由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要.为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型.首先,提出带时空信息提取模块的双向Wasserstein 生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein 生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性.最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标.利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练.在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性.实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法.

    云服务器异常检测时间序列分解生成对抗网络时空信息提取模块

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

    基于网络流量时空特征和自适应加权系数的异常流量检测方法

    顾伟行鸿彦侯天浩
    2647-2654页
    查看更多>>摘要：针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题,该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM.利用1维CNN挖掘空间尺度下的异常流量特征,并引入MSE,多角度自适应特征加权,强化模型全局特征的关联能力.将网络流量的特征输入BiLSTM,捕捉流量数据的时序依赖性,进一步建立网络流量在时间尺度上的关系模型.利用softmax分类器进行预测分类,实验结果验证了所提模型在异常流量检测领域的有效性.

    异常流量检测卷积神经网络长短期记忆网络挤压激励机制

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

    改进的减轮E2算法中间相遇攻击

    杜小妮孙瑞郑亚楠梁丽芳...
    2655-2662页
    查看更多>>摘要：E2算法是AES首轮征集的15个候选算法之一,具有优良的软硬件实现效率和较强的安全性.该文利用多重集和差分枚举技术,对E2算法进行中间相遇攻击.首先以E2-128为例,改进了已有的4轮中间相遇区分器,将5轮密钥恢复攻击预计算复杂度降低为231次5轮算法加密.其次针对E2-256,将所得区分器向后增加两轮,构造了6轮中间相遇区分器,并实现了9轮中间相遇攻击,攻击所需的数据复杂度为2105个选择明文,存储复杂度为2200 Byte,时间复杂度为2205次9轮算法加密.与现有对E2算法的安全性分析结果相比,该文实现了对E2-256最长轮数的攻击.

    分组密码E2算法中间相遇攻击差分枚举技术

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

    基于FPGA的卷积神经网络和视觉Transformer通用加速器

    李天阳张帆王松曹伟...
    2663-2672页
    查看更多>>摘要：针对计算机视觉领域中基于现场可编程逻辑门阵列(FPGA)的传统卷积神经网(CNN)络加速器不适配视觉Transformer网络的问题,该文提出一种面向卷积神经网络和Transformer的通用FPGA加速器.首先,根据卷积和注意力机制的计算特征,提出一种面向FPGA的通用计算映射方法;其次,提出一种非线性与归一化加速单元,为计算机视觉神经网络模型中的多种非线性和归一化操作提供加速支持;然后,在Xilinx XCVU37P FP-GA上实现了加速器设计.实验结果表明,所提出的非线性与归一化加速单元在提高吞吐量的同时仅造成很小的精度损失,ResNet-50和ViT-B/16在所提FPGA加速器上的性能分别达到了589.94 GOPS和564.76 GOPS.与GPU实现相比,能效比分别提高了5.19倍和7.17倍;与其他基于FPGA的大规模加速器设计相比,能效比有明显提高,同时计算效率较对比FPGA加速器提高了8.02%～177.53%.

    计算机视觉卷积神经网络TransformerFPGA硬件加速器

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

    基于电压调控自旋轨道矩器件多数决定逻辑门的存内华莱士树乘法器设计

    惠亚娟李青朕王雷敏刘成...
    2673-2680页
    查看更多>>摘要：在使用新型非易失性存储阵列进行存内计算的研究中,存内乘法器的延迟往往随着位宽的增加呈指数增长,严重影响计算性能.该文设计一种电压调控自旋轨道矩磁随机存储器(VGSOT-MRAM)单元交叉阵列,并提出一种存内华莱士树乘法器的电路设计方法.所提串联存储单元结构通过电阻求和的方式,有效解决磁存储器单元阻值较低的问题;其次提出基于电压调控自旋轨道矩磁存储器单元交叉阵列的存内计算架构,利用在"读"操作期间实现的5输入多数决定逻辑门,进一步降低华莱士树乘法器的逻辑深度.与现有乘法器设计方法相比,所提方法延迟开销从O(n2)降低为O(log2 n),在大位宽时延迟更低.

    存算一体新型非易失性存储器自旋轨道矩磁存储器华莱士树乘法器

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