虚拟专栏

    机器学习—特征选择

    随着人工智能的发展,机器学习进入了越来越多的实际应用领域。在机器学习的实际应用中,特征选择作为预处理步骤,是影响分类性能的关键因素。特征的数量通常很大,特征选择可以剔除不相关或冗余的特征,从而减少特征的数量,提高模型的精度,减少运行时间。《电子学报》围绕这一研究主题,汇集了2016年到2021年中关于机器学习中特征选择的9篇相关文章形成本虚拟专栏,旨在推动相关领域的学术研究及机器学习中特征选择的更快发展。感谢您花宝贵的时间阅读这期虚拟专栏。


    微波器件
    微波作为信号传递的载体具有波长短、频率高、能穿透电离层等特点,容易制成具有体 积小、波束窄、方向性强、增益性高等特性的天线系统,微波半导体集成技术发展使得信号收发系统不断小型化,载波频率提高可大幅增加信息容量并有效规避电磁干扰,因此在雷达、电子对抗和通信系统中被广泛应用。 GaN 因禁带宽度大、热导率高、化学性质稳定和抗辐射等优点逐渐成为高频大功率微波器件的首选材料,常被应用于雷达探测、通讯基站、功率器件中。随着军用相控阵雷达及微波器件工艺的成熟化应用,微波器件公司具有军转民的基础, 而通信领域逐步向高频领域(如 5G等)发展以及国产化率提升的要求提供了更加广阔的市场。本专栏收录近年来《电子学报》有关微波器件的研究成果 10篇,旨在推进相关学术领域及行业发展。
    面向自动驾驶和智慧交通协同的通信与控制
    随着机器视觉、传感器、移动网络通信、人工智能和车路协同等技术的发展,汽车的功能不再局限于传统的出行和运输工具,而是逐渐增加智能演变为一个智能的、互联的、协同的智能网联车。未来智慧交通系统也不再局限于传统的被动交通系统,也必将走向与智能汽车协同的主动交通系统。协同自动驾驶系统要求高可靠性、高精度、超低延时和大带宽,在用户资源需求不同的协同应用从时间、位置和内容等方面都有极大差异性。因此最新研究不再局限于仅仅改善通信性能,更加关注不同的智能体(车辆、路侧单元、行人、管控中心)间的实时通信、合作与协同控制。
    近年来,基于人工智能的协同学习方法受到广泛关注,例如联邦学习和多智能体系统应用于一些智能系统,达到降低网络拥塞和提升学习效率的目的。在面向自动驾驶的智能交通系统中,通过车辆、路侧和云之间的高效合作实现协同智能方面已取得了一些创新成果,但仍存在众多的挑战。为及时发表科研工作者在智能网联车辆协同通信和智慧交通主动控制等方面取得的研究成果,推动我国自动驾驶和智能交通相关理论和技术的研究进展,《电子学报》于2021年5月刊出“面向自动驾驶和智慧交通协同的通信与控制”专题。
    机器学习与智慧医疗
    近年来,以机器学习为代表的人工智能技术已经广泛应用于智慧医疗的各种场景中,并且取得了显著成效。其中,机器学习技术在医学影像研究和医疗大数据等领域的研究是当前的研究热点和前沿方向。《电子学报》围绕这些研究方向,汇集了2016年到2021年中关于机器学习技术在医学应用的10篇相关文章形成本虚拟专栏,旨在推动相关领域的学术研究及智慧医疗领域的更快发展。