首页期刊导航|中国科学F辑
期刊信息/Journal information
中国科学F辑
中国科学杂志社
中国科学F辑

中国科学杂志社

月刊

1674-5973

informatics@scichina.org

100717

北京东黄城根北街16号

中国科学F辑/Journal Science in China(Information Sciences)CSCD北大核心CSTPCD
查看更多>>本刊是中国科学院和国家自然科学基金委员会共同主办、《中国科学》杂志社出版的学术刊物，本刊力求及时报道计算机科学与技术、控制科学与控制工程、通信与信息系统、电子科学与技术、生物信息学等领域基础及应用研究方面的原创性成果；月刊，中文版每月20日出版，英文版每月1日出版。
正式出版
收录年代

    大模型驱动的具身智能:发展与挑战

    白辰甲许华哲李学龙
    2035-2082页
    查看更多>>摘要：大模型驱动的具身智能是涵盖人工智能、机器人学和认知科学的交叉领域，重点研究如何将大模型的感知、推理和逻辑思维能力与具身智能相结合，提升现有模仿学习、强化学习、模型预测控制等具身智能框架的数据效率和泛化能力。近年来，随着大模型能力的不断提升，以及具身智能中示教数据、仿真平台、任务集合的不断完善，大模型和具身智能的结合将成为人工智能的下一个浪潮，有望成为人工智能迈向实体机器人的重要突破口。本文围绕大模型驱动的具身智能这一研究领域，从3个方面进行了系统的调研、分析和展望。首先，回顾了大模型和具身智能的相关技术背景，以及具身智能现有的学习框架。其次，按照大模型赋能具身智能的方式，将现有研究分为大模型驱动的环境感知、大模型驱动的任务规划、大模型驱动的基础策略、大模型驱动的奖励函数、大模型驱动的数据生成等5类范式。最后，总结了大模型驱动的具身智能中存在的挑战，对可行的技术路线进行展望，为相关研究人员提供参考，进一步推动国家人工智能发展战略。

    具身智能大模型环境感知任务规划基础策略

      原文链接:
    • 万方数据

    社会大数据跨尺度系统学习理论与方法

    郑志明吕金虎王亮鲁仁全...
    2083-2097页
    查看更多>>摘要：以GPT-4为代表的AI大模型时代正加速而至，深刻改变着社会生活的方方面面。大模型巨参数深度学习是破解复杂大数据智能学习瓶颈的一种有效途径。大模型在展现出强大学习能力的同时也面临着高能耗、大算力挑战。研究表明，平均一个AI大模型训练产生的能耗约等于五辆汽车一生排放的碳总量，驱动AI大模型所需算力每3。5个月翻一番。作为一种有益的补充，内嵌规律的跨尺度系统学习是破解复杂大数据智能学习瓶颈的另一种有效途径。跨尺度系统学习已经在某些专业领域展现出了巨大的成功，如2021年诺贝尔物理学奖授予复杂物理系统跨尺度建模及其在全球气候变暖中的应用。事实上，我国科学家甚至更早开拓了复杂系统跨尺度学习研究，如北京航空航天大学暗物质大数据分析团队利用跨尺度系统学习方法实现了在PB级数据中实时学习KB级关键数据，精度达到万分之一。本文从微观尺度、介观尺度和宏观尺度上分析了跨尺度系统学习的基本原理，构建了内嵌规律跨尺度系统学习的普适方法，并以社会大数据为例开展了典型应用示范。社会大数据跨尺度系统学习应用于疫情防控、舆情分析等领域，并取得显著成效，为我国社会治理数字化、网络化、智能化发展提供了新的成功样本。

    人工智能大模型跨尺度系统学习社会大数据可解释性

      原文链接:
    • 万方数据

    基于高阶图融合的多视图聚类算法

    尤运宁唐厂刘新旺邹鑫...
    2098-2115页
    查看更多>>摘要：基于图的多视图聚类算法通过探索样本点之间的邻近关系，受到了广泛的关注。尽管在实际应用中已经取得了较好的聚类性能，但是观察到大多数算法只是利用一阶邻近关系去构建相似图，这导致信息探索不足和多视图数据表征能力下降。为了解决这个挑战，本文提出了一种新颖的基于高阶图融合的多视图聚类算法(high-order graph fusion for multi-view clustering，HCDMC)。具体地，所提出的算法通过一种新颖的隐式权重学习策略，从每个视图对应的一阶和二阶邻近图中学习相应的高阶图。引入希尔伯特 施密特(Hilbert-Schmidt)独立性准则作为一种差异性正则化项，旨在加强一致性高阶图的互补信息。最后，对学习到的一致性高阶图施加连通性约束，直接得到聚类标签矩阵，无需任何后处理步骤。使用交替方向乘子法去解决模型的优化问题。在6个真实的数据集上进行了一系列的实验，相较于最新的算法，本文提出的算法具有更好的聚类性能。

    多视图聚类高阶图图结构学习图融合差异性正则化

      原文链接:
    • 万方数据

    基于上下文增强的多级注意力会话推荐模型

    曾碧卿池俊龙陈嘉涛谢梁琦...
    2116-2135页
    查看更多>>摘要：会话推荐的目标是仅根据用户在匿名会话中有限的交互行为，来预测用户的下一次点击行为。最近几年，许多基于图神经网络的会话推荐方法取得了可喜的结果。然而，这些方法仍然存在不足之处。一方面，基于图神经网络的方法只考虑物品之间的转换模式，忽略了会话中的序列模式。另一方面，现有的大多数方法都只关注当前会话内部的信息，忽略了来自邻居会话的外部协作信息，即上下文模式。为了解决上述问题，本文提出了一种新颖的基于上下文增强的多级注意力会话推荐模型(CEMA)，通过多级注意力机制分别在物品级和会话级这两个粒度上学习物品特征和建模用户偏好，以增强模型的个性化推荐能力。CEMA模型利用多层GraphSAGE来学习物品之间复杂的转换模式，以捕获用户的局部偏好。特别地，在CEMA模型中设计了一种物品级注意力机制，通过门控注意力单元计算会话中不同物品的重要性，以识别用户真正感兴趣的物品，避免噪声物品的干扰。这有助于准确地捕获会话的序列模式，以建模用户的全局偏好。此外，所提出的方法还设计了一种会话级注意力机制，通过简单的软注意力高效地计算不同会话之间的相似度，以聚焦于那些与当前会话最相似的邻居会话，并从中提取上下文模式，以帮助预测用户的下一次点击。本文在3个公开的基准数据集上进行了一系列实验，实验结果表明CEMA的推荐性能超过了现有最好的方法，充分验证了 CEMA的有效性和优越性。

    会话推荐多级注意力机制图神经网络序列模式上下文模式

      原文链接:
    • 万方数据

    多移动终端轻量化感-算-策协同增强方法

    高元刘思聪郭斌徐祥瑞...
    2136-2156页
    查看更多>>摘要：近年来，随着物联网和人工智能技术的融合，智能物联网(AI+IoT，AIoT)逐渐成为备受关注的新兴前沿领域。在这一背景下，深度学习驱动的智能应用逐渐渗透到智慧城市、公共安全等多个领域。为了实现智能计算从云端向物联网终端和边缘端延伸，智能物联网的多移动终端设备协同工作需要面对的挑战包括可用资源受限和环境动态变化等方面。在智能物联网中，多移动终端具备泛在感知、智能计算与自主决策能力，并参与到感知、计算、学习和决策的过程中。本文提出了多移动终端轻量化感-算-策协同增强方法，旨在克服单终端的视野、资源和性能局限，提升系统的感知覆盖和计算效率，提高在多种应用场景下的任务性能。

    智能物联网数据融合感知深度模型伸缩卸载大小模型互馈决策异构系统跨层优化

      原文链接:
    • 万方数据

    日志重融合:应用程序日志完整性对抗攻击及其防御方法

    陈昌骅万海赵曦滨
    2157-2180页
    查看更多>>摘要：在攻击调查领域，为应对依赖爆炸和语义鸿沟的挑战，日志融合通过引入多层级日志的丰富语义得到系统实体之间细粒度的因果关系，以逼近实际的执行历史。然而，由于审计日志的系统调用和应用日志的程序消息被用来推断复杂的系统状态，基于日志融合的攻击调查系统存在被对抗攻击的弱点，本文率先提出并称之为日志重融合攻击(log refusion attacks)，其演示了攻击者如何增强实际漏洞来破坏日志完整性，绕过现有防御，破坏溯源中的联结并陷害良性用户。而后，本文提出一种攻击调查的新设计PROVGUARD(provenance guardian)，它利用同时包含程序调用控制流和应用消息数据流的建模来交叉验证审计日志和应用日志的历史记录，以确保执行的合法性和一致性。如果攻击者毁损溯源数据，将检测到矛盾并告警，修正执行路径，得到正确的攻击根因和后果。本文在Linux上实现了原型，并在覆盖各类执行模型的14个实际应用场景及程序上进行了广泛评估。实验结果显示，其成功验证还原了正确的攻击故事，且平均性能开销比传统审计框架仅高3。62％，同时在最坏情况下只重新引入0。78％的错误依赖，证明了原型的有效性及其防御攻击的新颖性。

    攻击调查对抗攻击日志融合控制流图数据流图

      原文链接:
    • 万方数据

    一种结构范数正则化的可微神经结构搜索算法

    曾宪华吴杰夏耀光向一心...
    2181-2199页
    查看更多>>摘要：可微神经结构搜索(differentiable neural architecture search，DNAS)作为近年来神经结构搜索的主流方法之一，通过结合基于梯度优化的搜索策略能够有效地搜索网络结构。然而，存在结构搜索稳定性差和模型复杂度高的问题。为了解决这两个问题，本文提出了一种结构范数正则化的可微神经结构搜索算法，提高了结构搜索的稳定性;设计了一种冗余边剪枝算法修剪网络结构中的冗余边，降低了最终模型的复杂度。本文在CIFAR10，CIFAR100，miniImageNet和胎儿心脏标准平面分类(fetal heart standard plane，FHSP)等4个数据集上进行了算法性能对比实验，与一系列当前最新的可微神经结构搜索算法相比，取得了最优的综合性能。

    深度学习可微神经结构搜索剪枝正则化高效搜索网络结构

      原文链接:
    • 万方数据

    风电场分布式经济模型预测控制

    孔小兵王文文刘向杰
    2200-2223页
    查看更多>>摘要：随着风电场规模的不断扩大，尾流效应导致场内下游风机发电功率降低和疲劳载荷加剧问题日益严重。为了降低风电场运营成本，提高动态经济性能，本文提出了一种风电场分层控制结构。在上层通过优化全场风机的诱导因子实现当前风向下的全场最大风能捕获，为下层本地控制提供各机组的最佳降载跟踪功率基准。在下层采用基于终端区域约束的稳定分布式经济模型预测控制策略对各风机实施本地控制，在保证满足电网负荷需求的同时有效降低机组的疲劳载荷，提高风电场的动态经济性。最后，通过SimWindFarm软件对由9台风机组成的风电场进行仿真实验，验证了风向变化、阶跃风速扰动和湍流风速扰动3种情况下所设计控制策略的有效性。

    风电场控制尾流效应疲劳载荷分布式经济模型预测控制凸序列规划

      原文链接:
    • 万方数据

    基于状态分解的网络化系统分布式状态估计

    邓云松钟毅饶红霞徐雍...
    2224-2239页
    查看更多>>摘要：本文研究了离散时间网络化系统的分布式状态估计问题，提出了一种基于状态分解的新型分布式状态估计方法。通过解耦系统的能观状态分量，网络中各传感器节点可独立估计对应分量，实现了估计方法的完全分布式设计。针对网络信息传输冗余问题，建立了状态预测值扩散策略，各传感器仅需向外传输其能观状态分量的预测值，大幅降低了传感器网络各节点的计算与通信资源消耗。为证明本文所设计估计方法的误差协方差有界性，构造了紧凑形式误差协方差迭代式，得到了协方差存在上下界的充分条件。最后，通过仿真在估计精度和鲁棒性上与现有估计方法进行了对比分析，验证了所设计估计方法的有效性。

    分布式状态估计网络化系统传感器网络状态分解有界性分析

      原文链接:
    • 万方数据

    基于参数优化和补偿信号的非线性广义预测控制方法

    肖振飞刘宁张亚军柴天佑...
    2240-2262页
    查看更多>>摘要：针对一类存在干扰和未知不确定性的复杂非线性被控过程的跟踪控制问题，将广义预测控制和信号补偿法相结合，提出了补偿信号驱动的非线性广义预测控制方法。采用低阶线性模型和未知非线性项来表示被控对象，未知非线性项表示系统建模误差及干扰等不确定性。采用低阶线性模型设计广义预测控制器，根据广义预测控制闭环系统可获得未知非线性项对系统影响的跟踪误差，引入最小化跟踪误差和控制量波动的一步最优控制设计补偿信号，抵消未知非线性项对被控对象的影响，改善系统动态性能。所提方法将以往要求未知非线性项全局有界的条件放宽为Lipschitz条件，证明了闭环系统的稳定性和收敛性。为了进一步提升系统动态性能，提出了基于梯度下降法的控制器加权参数的优化方法。仿真对比实验验证了所提算法的有效性。

    预测控制补偿信号一步最优控制Lipschitz条件梯度下降

      原文链接:
    • 万方数据