首页期刊导航|南京大学学报（自然科学版）
期刊信息/Journal information
南京大学学报（自然科学版）
南京大学
南京大学学报（自然科学版）

南京大学

龚昌德

双月刊

0469-5097

xbnse@nju.edu.cn

025-83592704

210093

江苏省南京市南京大学

南京大学学报（自然科学版）/Journal Journal of Nanjing University(Natural Sciences)CSSCICSCD北大核心CSTPCD
查看更多>>《南京大学学报（自然科学）》创刊于1955年1月，是建国以后创办最早的大学学报之一。其主要目标和任务是反映南京大学理科以及全国自然科学研究的最新成果，促进学科建设和人才培养，推动国内外学术交流，为我国现代化建设服务。学报以“广、严、快、活”为特色——报道内容广泛涵盖自然科学的各个方面，特别以地球科学、物理学和化学等方面的论文见长；对论文审稿和编辑严格从而保证论文具有生命力；论文出版周期短速度快；论文形式活泼多样，除正常栏目外，还设有特约述评、研究快报、简报、论坛等栏目。　创刊以来，学报发表了大量在国内外自然科学界产生了重大影响的论文，是在全国科技界具有广泛影响的自然科学核心刊物之一，也是国内最有影响的大学自然科学学报之一，在全国自然科学刊物被引频次和影响因子排名中，历年均居全国综合性自然科学刊物之前列。学报在国际上也有一定影响，固定收录《南京大学学报（自然科学）》的国外权威性数据库和文献杂志在4个以上，例如俄罗斯文摘杂志（PЖ）、美国数学评论（MR）、化学文摘（CA）和德国数学文摘（ZM）等。我刊曾被中国科学院文献情报中心评为学术影响范围最广的刊物之一（第16名），为全国高校刊物之冠，近年多次入选“百种中国杰出学术期刊”。
正式出版
收录年代

    针对推荐系统的隐蔽虚假用户数据的黑盒对抗攻击

    钱付兰刘景刚陈海陈文斌...
    881-899页
    查看更多>>摘要：攻击者将设计好的对抗样本(即虚假用户)注入目标推荐系统以达到非法目的,严重影响推荐系统的安全性和可靠性.实际场景中攻击者难以获取目标模型的详细知识,利用梯度优化在局部代理模型中生成对抗样本成为一种有效的黑盒攻击策略,然而,这些方法存在梯度陷入局部极小值的问题,限制了对抗样本的迁移能力,降低了攻击的有效性,并且往往没有充分考虑生成的对抗样本的不可察觉性.针对这些挑战,提出一种新的攻击算法PGMRS-KL,结合预梯度引导的动量梯度优化策略和Kullback-Leibler(KL)散度约束的假用户生成.具体地,将累积的梯度方向与上一步的梯度方向相结合以迭代更新对抗样本,并利用KL损失最小化假用户数据与真实用户数据之间的分布距离,实现对抗样本的高可迁移性和不可感知性.实验结果证明,提出的方法在攻击可转移性和不可察觉的虚假用户数据生成方面优于最先进的基于梯度的攻击算法.

    推荐系统对抗样本可转移性不可察觉性

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于自动稀释的文本对抗攻击强化方法

    房钰深陈振华何琨
    900-907页
    查看更多>>摘要：使用对抗样本进行训练可以提升深度神经网络的鲁棒性,因此提升对抗攻击成功率是对抗样本研究领域的一个重要内容.对原始样本进行稀释操作可以使其更靠近模型的决策边界,进而提高对抗攻击的成功率.然而,现有稀释算法存在基于人工生成的稀释池和稀释目标词性单一等问题,因此,提出了一种基于自动稀释的文本对抗攻击强化方法,称为自动多词性稀释预处理(Automatic Multi-positional Dilution Preprocessing,AMDP)算法.AMDP算法使稀释过程摆脱了对人工辅助的依赖,针对不同数据集和目标模型生成不同的稀释池.同时,AMDP算法扩展了稀释目标的词性,扩大了稀释操作的搜索空间.作为一种输入转换方法,AMDP可以与其他对抗攻击算法相结合,进一步提高对抗攻击的性能.实验结果表明,AMDP在BERT,WordCNN和WordLSTM分类模型上的攻击成功率平均提升约10％,同时减少了对原始样本的平均修改率和对目标模型的平均访问次数.

    对抗机器学习对抗样本文本稀释分类边界自然语言处理

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于NML-MaxViT的胶质瘤P53突变状态预测

    梁峰宁赵钰琳赵藤曹亚茹...
    908-919页
    查看更多>>摘要：针对目前胶质瘤影像数据利用率不高、特征提取不全面等问题,提出一种基于深度学习的半监督胶质瘤肿瘤蛋白53(Tumor Protein 53,P53)突变状态预测方法.首先,使用非均匀粒度多批次(Non-Uniform Granularity Multi-Batch,NUGMB)灰度等级划分算法,优化胶质瘤MR影像的预处理;其次,提出多中心协作(Multi Center Collaboration,MCC)的K均值聚类算法,进行胶质瘤影像数据的伪标签标注;最后,提出一种全新的注意力机制LWAM(Local Longer and Wider Attention Modules),构建基于LWAM的改进MaxViT模型,用于胶质瘤P53突变状态术前无创预测.基于NUGMB,MCC和LWAM算法的NML-MaxViT模型预测胶质瘤P53突变状态的准确率为96.23％,可实现术前无创预测,辅助医生的临床诊疗.

    脑胶质瘤P53伪标签非均匀灰度等级划分注意力机制改进

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于分类自动编码器的单细胞RNA测序数据降维方法scAC

    唐勇轩梁潇骆嘉伟
    920-929页
    查看更多>>摘要：单细胞RNA测序(Single-cell RNA sequencing,scRNA-seq)技术使研究人员可以在单细胞分辨率下测量转录组范围内的基因表达,并逐渐改变了人们对细胞生物学和人类疾病的认识.单细胞测序数据的高变异性、高稀疏性和高维度性严重阻碍了其下游分析,降维对于高维scRNA-seq数据的可视化和下游分析至关重要.然而,现有的单细胞降维算法没有充分考虑细胞之间的关系,也没有联合优化降维和聚类任务.为了克服这些局限性,面向单细胞RNA测序数据,以机器学习技术为手段,进行了基于自动编码器的降维算法研究.现有的降维算法大多没有使用伪标签来监督编码器的训练过程,导致降维数据的同时丢失了细胞间信号,提出了基于分类自动编码器的细胞降维算法.该算法结合了分类自动编码器和深度嵌入聚类来生成基因表达矩阵的低维表示.实验结果表明,与其他六种基准测试算法相比,该算法在一系列下游scRNA-seq分析任务中显示了具有竞争力的性能.

    分类自动编码器细胞降维深度嵌入聚类单细胞RNA测序机器学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于APDFinformer模型的金融数据的多元时序预测

    朱晓彤林培光孙玫崔超然...
    930-939页
    查看更多>>摘要：最近,多元时间序列(Multivariate Time Series,MTS)预测逐渐走入人们的视野,特别是许多基于Transformer的模型已经显示出巨大的潜力,然而,现有的基于Transformer的模型主要关注跨时间依赖性的建模,往往忽略了不同变量之间的依赖性,但这对MTS预测至关重要.基于此,提出一种新型的多元时间序列预测模型APDFinformer,旨在应对金融市场复杂多变的特性.该模型结合了自适应多尺度标识器(Adaptive Multi-Scale Identifier,AMSI),能够提取时间序列在不同尺度上的信息,帮助模型降低噪声对时间序列的影响,并捕获不同尺度之间的交互作用.其次,对处理完成的多元时序数据,利用Decomposition方法分解为趋势项和季节项,其中,对趋势项信息进行简单的线性处理,对季节项数据则根据PatchTST思想进行切块来缩短序列长度以表征局部特征,使其保留局部语义信息,有利于模型分析时间步之间的关联.实验结果显示,和传统方法以及类Transformer的各种模型相比,APDFinformer能够更准确地捕捉金融市场的复杂动态,预测精度更高.具体地,在三个加密货币数据集上,和Transformer模型相比,APDFinformer模型的MSE(Mean Square Error)降低了 54％,24％和 60％,MAE(Mean Absolute Error)降低了 39％,22％和 44％,证明 APDFinformer在金融领域多元时序预测方面是更可靠的预测工具,也为基于Transformer模型的其他应用领域提供了有益的启示,以满足不断变化的金融市场需求.

    APDFinformer多元时序预测金融数据PatchTSTAMSI

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于LSTM和DDPG的股票交易决策算法

    何杉杉周雅兰郭宇阳
    940-953页
    查看更多>>摘要：随着人工智能应用的发展,在动荡多变的金融市场中帮助投资者获得可观收益的最优自动股票交易策略成为目前的研究热点.因此,提出了一种股票交易决策算法LSTM-DDPG(Long Short-Term Memory Network-Deep Deterministic Policy Gradient),将擅于捕捉时间序列特征的LSTM网络融入擅于处理高维空间数据的DDPG算法,并加入 Dropout操作来减少过拟合.为了更好地把握市场的动态变化,引入了股票市场中六种经典技术指标来拓展LSTM-DDPG 的状态空间维度.同时,在LSTM-DDPG上使用累计收益和夏普比率两种奖励函数,为投资者提供多种投资方案.为了验证提出的算法的有效性,将该算法应用在单只股票和股票投资组合两种交易任务中,两种投资任务的数据集均包含了美国市场和中国市场的数据.实验结果表明,在两种投资任务的国内外市场中,所提出的算法在累计回报、夏普比率、卡玛比率等多个评价指标上均有良好表现.

    深度强化学习交易决策DDPGLSTM夏普比率单只股票交易股票投资组合

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    融入模体信息的多层网络社区发现算法

    赵兴旺张超梁吉业
    954-969页
    查看更多>>摘要：多层网络社区发现算法旨在揭示复杂网络中蕴含的社区结构,近年来得到了广泛关注,然而现有算法在度量节点相似度的过程中往往只关注网络中的低阶结构信息,忽略了高阶结构信息,而且,在对不同层网络进行融合的过程中也没有考虑不同层之间的差异性.针对以上问题,提出一种融入模体信息的多层网络社区发现算法.首先,各层分别计算融入模体的高阶邻接矩阵,通过与低阶邻接矩阵融合得到重构矩阵,进而基于邻居重要性对重构矩阵进行提升,得到节点相似度矩阵;其次,基于重构矩阵计算各层网络的重要性,再加权融合得到统一的相似度矩阵;最后,基于统一的相似度矩阵得到节点的影响力,通过节点嵌入表示方法,对节点的向量表示进行迭代更新,得到节点的最终嵌入表示.与已有的传统多层网络社区发现算法进行了对比实验,结果表明,提出的算法的多层模块度和标准化互信息等评价指标均优于已有算法.

    多层网络社区发现高阶信息节点相似度嵌入表示

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于大模型和权威新闻增强的可迭代谣言检测方法

    邵浙杰蔡国永刘庆华商云娴...
    970-980页
    查看更多>>摘要：当前社交媒体用户数量大,社交谣言内容涉及的领域变化快,因此自动谣言检测器须快速适应变化的领域,特别是新兴领域且保持检测能力仍然面临着巨大挑战.针对该挑战,提出了一种基于大语言模型和权威新闻的迭代式谣言检测框架LaReF,融合了大语言模型在自然语言理解方面的优势和权威新闻的可信度,通过主动学习的方法持续优化谣言检测模型.具体地,LaReF包括权威新闻检索模块,利用权威新闻数据集来增强模型的检测能力;大语言模型特征提取模块与思维模式学习模块,通过提示模板和注意力机制来提取特征并学习大语言模型的思维模式;特征有效性预测模块自动评估每个特征的重要性并调整权重,以及多特征融合预测模块将大语言模型特征、样本语义信息和权威新闻信息融合用于谣言检测.实验结果表明,LaReF在谣言检测任务中表现出良好的性能,能有效地识别社交媒体上新兴领域的谣言传播,为构建网络空间信息安全生态提供了一种可行的解决方案.

    谣言检测大语言模型主动学习社交媒体标注成本

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    针对月面人机联合探测网络的节点备份机制

    王博文赵康健叶言飞李文峰...
    981-987页
    查看更多>>摘要：针对月面人机联合探测网络中因节点故障而出现的网络断连通问题,提出了一种分布式节点备份策略.结合月面任务的特殊性及其组网方式,对月面人机联合探测网络建模,将网络中的行为体分类,并对节点行为做出约束.为了减少每个节点维护的信息开销,节点通过两跳邻居信息来判定临界点,临界点使用一条邻居信息和Hello报文信息依据节点类型、恢复开销和对网络影响的程度等原则来选择备份节点.在故障恢复时考虑节点任务的独立性,使用故障传递策略抵消宇航员节点的移动责任.实验表明该节点备份机制可以在网络中有冗余节点的情况下为每个关键节点生成一个备份恢复路径,并且能够在不移动宇航员节点的前提下使网络恢复连通.

    月面人机联合探测网络连通性备份机制分布式恢复节点重定位

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于Stackelberg博弈的遥感数据实时中继传输方案

    陈静底晓强
    988-997页
    查看更多>>摘要：当利用高轨卫星(Geostationary Orbit,GEO)为低轨遥感卫星(Low Earth Orbit,LEO)提供实时中继服务时,GEO中继资源的分配会直接影响数据的传输效率,传输大小相同但级别不同的任务时所得的回报是不同的,这会影响整体的网络收益.为了解决上述问题,利用Stackelberg博弈模型,提出一种基于任务感知的遥感数据实时中继传输方案.首先,为了描述层间的拓扑变化,减少每个时隙中链路中断的次数,利用非均匀时隙划分方法来确定每个时隙下参与中继的LEO的身份和数量;其次,根据遥感数据的时空属性及用户需要,利用命名数据网络(Named Data Networking,NDN)中的命名机制对任务进行命名,可实现网络对内容类别和大小的感知;当多颗LEO向GEO卸载数据时,利用Stackelberg博弈模型,构建基于任务感知的GEO资源分配模型,并提出一种基于优先级的GEO资源分配算法,在每个时隙下都可以根据任务优先级实现GEO速率的最优分配,以实现GEO收益的最大化,并证明了纳什均衡的存在.实验结果证明了提出的方案在定价、GEO资源分配、传输效率及网络收益方面的有效性.

    遥感数据传输GEO中继Stackelberg博弈任务感知资源分配命名数据网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据