本文提出非视距场景下的无接触式人体生命体征感知方法,将可重构智能超表面与人体无线感知技术相结合,利用可重构智能超表面对电磁波的灵活调控能力,实现有障碍物遮挡情况下的人体生命体征监测.本文首先通过视觉辅助机制,利用Yolo-v7深度学习模型,实现人体目标的定位.在此基础上,可重构智能超表面根据人体位置估计结果进行编码优化,进而改变感知信号传播路径,实现非视距场景下的人体感知;同时,本文针对传统变分模态分解算法在人体生命体征感知方面的不足,进一步提出一种基于滤波的变分模态分解算法,实现人体呼吸、心跳速率的精准估计.实验结果表明,视觉辅助模块可以准确定位人体胸腔所在位置,从而使可重构智能超表面能够精准调控电磁波束,使感知信号聚焦于人体.所提出的基于滤波的变分模态分解算法可以实现人体生命体征精准估计,其呼吸和心跳平均估计误差分别为0.6 RPM和5.3 BPM.与此同时,进一步分析与讨论也证明了基于可重构智能超表面的感知方案在非视距场景下进行人体生命体征感知的有效性和准确性.
随着移动通信技术的发展演进,6G(6th-Generation)网络作为新一代智能化数字信息基础设施,将不再仅聚焦信号的传输和复现,更需要基于电磁传播过程实现对周围环境的高效感知和理解,从而获取信道语义知识,协助智能通信体的预测、决策、波束成形等.因此,相较于传统信道而言,赋予无线信道模型对物理环境的语义理解、重构、表达能力,已成为智能无线信道模型的重要特征.本文提出了一种无线信道语义的分析和建模方法,将信道语义定义为状态语义、行为语义和事件语义3种层级,分别对应信道瞬态多径、信道时变轨迹和信道拓扑结构.此外,基于车载通感一体化(Integrated Sensing And Communication,ISAC)信道测量系统,开展了28 GHz下面向信道语义表征的无线信道测量,基于实测数据对信道语义进行解构、标识、建模,重点分析了3种不同语义下的信道多径分布特性,完成了语义导向的信道生成,结果表明信道语义模型能够在生成较准确信道的同时,表达更丰富的语义信息.本文工作是在语义层面上探索智能信道建模的新方法,通过深入挖掘无线信道的内在语义特征,促进通信系统在理解和认知环境方面的能力,从而提高通信效率和质量.
触觉传感器是一种模拟人类触觉感知能力的传感器,能够检测和量化物理接触时产生的机械刺激或热刺激,并将这些信息转化为电信号,使电子系统获得感知触摸的能力,在人机接口、机器人等领域中受到广泛关注.随着纳米技术、材料科学和信息技术的发展,触觉传感器在向着柔性化、小型化的方向发展以适应在复杂曲面和可动表面上的运用.丝网印刷作为一种成熟的平面图形化加工工艺已被广泛应用于柔性电子的加工过程中.由于具备材料选择灵活、加工成本低、生产速度快等特点,丝网印刷在推动触觉传感器大规模应用方面具有巨大的潜力.本文对基于丝网印刷的触觉传感器的研究现状与最新进展进行了综述,从“丝网印刷的作用”、“丝网印刷触觉传感器的原理”和“提高丝网印刷触觉传感器灵敏度的方法”三个方面进行了分析与归纳.通过对文献的综述,总结了基于丝网印刷的触觉传感器制造方法,并揭示了丝网印刷的优势.最后基于丝网印刷触觉传感器所面临的问题和挑战,对其未来发展方向进行了展望,为相关研究提供参考.
作为回音壁模式(Whispering Gallery Mode,WGM)光学微腔的重要参数之一,超高的品质因子意味着微腔可以在非线性光学、相干光通信以及微波光子学等领域具备更优异的特性,更广阔的应用前景.为了提高微腔的品质因子,本文基于自动化程序控制微腔制备,并优化了抛光以及退火工艺,所制备得到的二氧化硅微棒腔具有超高品质因子、低成本、高效率等特点,品质因子最高可达3×109.基于集成温控的模块化封装方案,提高了微腔耦合系统的抗干扰能力,1 h的频率偏移量可以降低为原来的1/10.超高品质因子带来了超低的非线性效应阈值功率(低至266 μW),本文基于微棒腔产生的克尔光频梳进行了传感应用实验,实现了传感灵敏度为8.40 pm/℃,测量范围超过30 ℃的环境温度多模传感.本文的研究成果为高精度传感、大容量光通信、低阈值激光器等应用提供了强有力的工具.
为了降低网状天线形态机电集成优化设计时的高昂分析成本,提出了一种基于自适应空间映射的多可信度建模方法.根据分析模型中天线桁架与索网组合结构的连接关系,将网状天线分析模型划分为高、低可信度模型.通过空间映射矩阵,首先将高可信度样本映射至低可信度样本空间中,提升高低可信度分析之间的相关性;其次根据映射后的高可信度样本与低可信度样本建立多可信度模型;最后将其应用于网状天线中.相比于传统的多可信度模型,在具有空间偏差的测试函数上,基于空间映射的多可信度模型平均成功率提高了47.3%.在网状天线形态机电集成优化设计应用案例中,与传统粒子群优化(Particle Swarm Optimization,PSO)相比,在保持相同计算成本的情况下,所提方法优化结果的天线增益平均提升0.515 dB,与利用原始多可信度模型优化相比,优化效果平均提升0.321 dB.通过数值实验和网状天线的形态机电集成优化设计应用测试,验证了该方法的有效性.
我们研究了1D和2D被动传感器构成的测向交叉定位系统的最优交会问题.通过定位精度的闭式解、极值分析及几何交会分析的方法,明确了全局最优交会点,探明了最优交会位置的空间分布特性及其影响因素和影响规律.研究表明:全局最优交会点位于基线(或2D传感器)所在的水平面;最优交会位置由几何交会特性与测量误差的距离扩散效应共同决定,分布在以基线中点为圆心、基线长度为直径的水平面上的圆弧附近,并朝着基线方向塌陷;传感器位置变化不影响最优交会位置对基线的相对位置,当基线和测角误差的方差比确定时,最优交会位置即确定.根据算例分析还可得出猜想:最优交会区向测角误差项更多、误差值更大的传感器收敛.在工程实际中,最优交会区比最优交会点更具有应用价值,通过最优交会位置与目标探测结果或预估位置的匹配,可有效提高系统定位性能.
随着智能时代的到来,越来越多的设备拥有摄像头和显示屏,而它们具有各种各样不同接口和视频格式,视频桥接面临新的挑战.以往的解决方案是根据接口和视频格式的需求采用不同的电路,如现场可编程门阵列(Field Programmable Gate Array,FPGA)、图形处理器(Graphics Processing Unit,GPU)和专用集成电路(Application Specific Integrated Circuit,ASIC)等.但这种单一的电路模式难以同时满足低成本、超低功耗和小型化的要求,尤其是在移动显示领域.本文提出了一种新的异构体系架构,它将FPGA、微控制单元(MicroController Unit,MCU)、ASIC和存储器无缝集成到一个芯片中.该芯片不仅实现了小型化,而且具有低成本和低功耗的优势;更重要的是该款芯片可以支持不同接口和视频格式的桥接需求.针对不同算法的应用,本文给出了使用该芯片的评估方法和解决方案,为架构设计提供了依据.该芯片已成功在22 nm工艺流片,整体尺寸约为4 mm×4 mm,总功耗约为200 mW.它可以支持3 840 × 2 160分辨率和144 Hz刷新率的视频输入格式,1 080 × 2 340分辨率和90 Hz刷新率的视频输出格式.在实现同样视频桥接功能的应用时,本文所提芯片的面积和功耗均小于AMD芯片XC7K325T和Zynq Z7035的1/10.换而言之,针对此类场景的应用,本文方案在成本和功耗方面相比于传统商业FPGA有显著优化.
当前美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)对后量子密码(Post-Quantum Cryptography,PQC)标准化方案的评估已进入第四轮,位翻转密钥封装(Bit Flipping Key Encapsulation,BIKE)协议是目前被评估的四个候选方案之一.在BIKE的密钥生成算法中,多项式乘法作为众多密码系统中特别耗时的操作之一,耗费了大量的时间和面积资源.针对此问题,本文设计了一种基于Karatsuba算法(Karatsuba Algorithm,KA)的无交叠多项式乘法器,可高效实现万级比特位宽的多项式乘法,具有低时延、高性能和面积小的特点.同时,本文将该优化乘法器应用于BIKE密钥生成算法中,并基于现场可编程门阵列(Field Programmable Gate Array,FPGA)对其进行硬件架构实现,改进了原有的紧凑多项式乘法和多项式求逆算法.本文提出的乘法器通过采用不同的操作数位宽,可适应对面积和延时的不同需求.与BIKE原本的设计相比,改进的设计使密钥生成模块的延时减小了36.54%,面积延迟积(Area Delay Production,ADP)减小了10.4%.
列级读出电路是目前提升平面图像传感器读出效率最为明显的方式,但是对于亿级像素超大面阵规模下的大数据大负载高速读出,列级到输出级并串转换中的列级缓冲设计面临极大的挑战.本文提出一种基于双反馈环路的列级缓冲设计方法,该方法通过在列级缓冲的近端输出与远端输出间实现双反馈环路,有效抑制了列级总线的超大寄生参数对建立时间的影响,同时确保了低噪声高动态下的模拟信号精度.基于55 nm互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)工艺,在一款12 288 × 12 288像素规模的红外图像传感器中进行了成功的应用,结果表明:与传统列级缓冲相比,本文提出的双反馈环路列级缓冲设计方法可以将上升建立时间缩短23.4%,下降建立时间缩短21.9%,亿级高速图像传感器的帧率提升29.6%.
本文研究了InSb材料的近零折射率特性在实现角度选择窗口方面的潜力.角度选择结构由主结构和抗反射结构组成,其中主结构用于产生角度选择特性,而抗反射结构用于抑制电磁波泄漏.结果表明,对于太赫兹TE波入射,在2.65 THz附近产生显著的角度选择窗口,而对于太赫兹TM波入射,在10.5 THz附近产生角度选择窗口.对于不同的极化形式,控制温度都能够显著地调节角度窗口的角度范围.此外,临界角特性对于背景介质的折射率变化非常敏感,可以通过调控温度实现拓展测量范围的目的.当温度分别为300 K、298 K、296 K时,测量范围分别为1.1~1.3 RIU、1.3~1.5 RIU、1.5~1.7 RIU.相比于恒温测量,折射率量程拓展了200%.所提出的结构采用了新颖的临界角原理用于折射率传感,并且通过温控的方式拓宽了检测范围,为可变量程折射率传感器的发展提供了新的思路.
针对宽带功率分配器面积大、回波损耗差等问题,本文提出了一款基于阻抗补偿技术的毫米波超宽带威尔金森功率分配器.在传统集总功分器输出端口添加并联LC谐振网络,可以补偿功分器的输入和输出阻抗并引入额外的匹配和无损耗频率点,进而有效地提高功分器的分数带宽.提出的功率分配器采用65 nm互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)工艺设计并测试验证,核心面积紧凑,仅有0.021 mm2.测试结果表明,该功分器的插入损耗为1.35~1.55 dB,0.2-dB幅度带宽为44~96 GHz,输入输出回波损耗和隔离性能在整个工作频段内均优于11 dB.与已发布的毫米波功率分配器相比,提出的功率分配器在保持良好端口匹配的同时实现了较高的幅度带宽.
传统相控阵由于其高昂成本的限制,已经无法满足日益增长的广泛应用需求,而基于稀疏阵、子阵等技术的非传统相控阵技术则得到了广泛的关注和研究.如何有效地划分子阵,以及如何优化子阵的计算过程,是提高计算效率和性能的关键问题.本文提出一种融合群智能优化算法及聚类技术的嵌套迭代优化方法来解决任意形状波束子阵划分问题.该方法包含内、外两个嵌套循环迭代优化过程:(i)外循环采用群智能优化方法来实现用户定义任意方向图下的参考阵列,并利用谢昆诺夫多项式和基本代数理论分析得到多组不同的阵列单元复激励(由阵因子多项式分布在非谢昆诺夫单位圆上的根所决定);(ii)内循环基于激励匹配策略,专注于通过K-means聚类方法实现阵列天线的最优子阵布局及相应的子阵复激励系数,并最终产生一个逼近参考阵列的波束方向图.通过与传统K-means聚类方法、粒子群优化方法在方向图逼近、激励匹配误差、模式匹配误差、阵列性能参数及计算效率等方面的比较,验证了所提方法的有效性.
无监督域适应任务中源域和目标域通常不满足独立同分布假设. 为生成目标域可用标签,经典域适应方法选择分类器预测概率最大的类别作为目标样本伪标签,使伪标签中可能包含噪声信息,造成域适应“负迁移”. 此外,传统对抗域适应方法往往考虑对齐领域间全局分布,较少关注样本类别信息,如何在域适应任务中提取判别性类别级特征至关重要. 为此,本文提出一种基于特征异常检测与伪标签回归的无监督对抗域适应方法. 通过分类器预测同类别目标样本组成目标域类别子域,引入高斯均匀混合模型检测与类均值特征距离异常的子域样本,计算样本后验概率并以此度量子域中样本伪标签的正确性,作为损失因子限制伪标签在训练中对模型的影响. 同时,采用伪标签回归函数减小分类器预测标签与高置信度伪标签差异,对无标签目标域进行类别约束,提高特征类别可辨别性. 实验表明,所提方法在数据集Office-31、Image-CLEF和Office-Home上平均识别精度分别为90.2%、89.6%和69.5%,较相关主流算法均有提升.
城市数字化程度提升产生了大量数据,通过对交通流数据和天气数据的整合分析,能有效缓解各种天气状况下产生的城市交通拥堵.而现有交通流预测算法,未能充分考虑交通流中潜在的空间关系,且忽略了天气等外部因素造成的预测误差,极大地影响了预测的准确性.针对上述问题,本文提出了基于双图卷积机制的数字孪生交通流预测方法(Two-graph Convolution Mechanism-based Digital Twin Flow Prediction,TCM-DTFP).该算法将交通流数据与天气特征相结合,构建了融合交通流特征与天气特征的增广矩阵,提出基于TCN(Temporal Convolutional Networks)的双图卷积机制,算法综合考虑了交通中时间相关性、空间相关性与区域流量间的动态相互作用对交通流的影响,同时避免了复杂天气状况对交通流预测的影响,提高了算法的鲁棒性.最后基于TaxiBJ和PeMSD4真实数据集进行的大量实验表明了本文方法的有效性.
基于图神经网络的社交推荐系统取得了较好的性能,然而,基于图神经网络的社交推荐模型存在以下挑战:基于图神经网络的模型的邻域聚集操作会放大用户的隐式行为中的噪声,使得用户和物品的向量表示存在偏差;用户物品图中的边和用户社交关系图中的边的异质性,导致基于图神经网络在两张图上学习到的用户向量表示存在于不同的语义空间,直接融合往往得到次优的向量表示. 针对上述问题,本文提出了基于自监督图卷积和注意力机制实现隐式反馈降噪的社交推荐模型. 该模型从原始的用户物品图中捕捉用户的真实兴趣,生成降噪的用户物品交互图;提出一种新颖的用户向量融合方法,对异质的用户向量表示进行融合.在两个公开数据集上的实验结果表明,所提出的模型在不同数据集上的推荐性能均较基线模型有显著提升.在lastfm数据集上,推荐性能提升了1.18%至3.87%;在ciao数据集上,推荐性能提升了3.56%至7.31%.通过消融实验验证了模型各个模块的有效性.
在程序缺陷分析、恶意代码发掘等过程中,通常需要对二进制程序的行为相似性进行分析.目前基于语法的相似性分析方法忽略了程序的执行语义,存在分析精度不高的问题.基于语义的相似性分析方法在符号逻辑公式生成过程中,频繁地调用约束求解器进行语义相似性比较,会产生巨大的计算开销.提出一种基于统计推理的代码相似性模糊匹配分析方法,从指令级别相似度的计算开始,逐级对基本块及函数间的语义相似性进行推理.首先将二进制代码按照一定的规则划分为具有规范形式的片段集合,在基本块粒度上使用动态规划的方法构建有相同执行语义的存储表,从而获得基本块间的指令初始语义映射.然后通过邻域搜索的方法将该映射拓展到目标分析函数,并在该过程中提取函数的执行语义.最后通过对相似函数的结果进行统计分析,进而计算二进制文件的相似度.同时采用无监督的预训练分析方法,通过调优预训练模型的参数从而提高代码相似分析的精度.从跨平台及优化选项的角度对13个主流的开源项目进行了实验,实验结果表明相较于对比工具,本文方法的分析精度平均提高7.26%,同时消融实验表明,本文的预训练模型可以有效提高二进制程序语义匹配的性能.
车辆轨迹异常检测为各种位置信息服务提供了重要的安全保障,基于机器学习的方法作为主流检测方法已经被广泛地应用于交通、军事等各个领域. 然而受限于噪声标签问题,现有的异常检测方法在实际应用中性能不佳.为解决这个问题,本文提出了一种基于噪声标签重加权的车辆轨迹异常检测方法(noise label ReWeighting-based vehicle Trajectory Anomaly Detection,RW-TAD).该方法采用自监督的方式构建样本权重估计模块,通过计算轨迹的生成概率评估给定标签的可信度.然后使用基于加权损失的检测模型判定异常轨迹.在训练过程中,RW-TAD模型使用基于双层损失的协同优化机制联合学习样本权重估计模块和异常检测模块.实验结果表明该方法可以有效缓解噪声标签样本对模型训练的干扰,取得了较好的性能.相比于已有的方法,RW-TAD在检测准确率和性能稳定性上都有很大的提升.
六自由度(Six Degrees of Freedom, 6DoF)视频允许用户从全方位、任意视角身临其境体验场景,是下一代沉浸式视频产业的发展方向.部分自由度受限的窗口6DoF视频近年来成为研究热点,本文提出面向窗口6DoF合成视频的主观数据库和客观质量评价方法.在主观数据库方面,构建了包含两种交互路径不适性失真、四种绘制失真和四种压缩失真的窗口6DoF合成视频主观质量数据库Windowed-6DoF,并开展主观质量测试及结果分析.在客观质量评价方法方面,设计了一种融合多层特征的窗口6DoF合成视频无参考客观质量评价方法.采用切比雪夫矩提取视频时域切片上的底层形状特征;采用Resnet-50网络提取视频的时域、空域高层语义特征并进行降维处理;最后采用随机森林将底层形状特征和高层语义特征进行融合,且训练得到窗口6DoF合成视频的客观质量评价模型.在提出的数据库Windowed-6DoF和公共数据库IRCCyN/IVC DIBR的测试结果表明,本文提出的客观质量评价方法预测分数的皮尔逊线性相关系数分别达到0.932 7和0.858 1,与主观评价分数具有较好的一致性.
随着社交网络的普及和多媒体数据的急剧增长,有效的跨模态检索引起了人们越来越多的关注. 由于哈希有效的检索效率和低存储成本,其被广泛用于跨模态检索任务中.然而,这些基于深度学习的跨模态哈希检索方法大多数是利用图像网络和文本网络各自生成对应模态的哈希码,难以获得更加有效的哈希码,无法进一步减小不同模态数据之间的模态鸿沟.为了更好地提高跨模态哈希检索的性能,本文提出了一种基于迁移知识的跨模态双重哈希(Cross-modal Dual Hashing based on Transfer Knowledge,CDHTK).CDHTK通过结合图像网络、知识迁移网络以及文本网络进行跨模态哈希检索任务.对于图像模态,CDHTK融合图像网络和知识迁移网络各自生成的哈希码,进而生成具有判别性的图像哈希码;对于文本模态,CDHTK融合文本网络和知识迁移网络各自生成的哈希码,从而生成有效的文本哈希码.CDHTK通过采用预测标签的交叉熵损失、生成哈希码的联合三元组量化损失以及迁移知识的差分损失来共同优化哈希码的生成过程,从而提高模型的检索效果,在2个常用的数据集(IAPR TC-12,MIR-Flickr 25K)上进行的实验验证了CDHTK的有效性,比当前最先进的跨模态哈希方法(Adaptive Label correlation based asymm Etric Cross-modal Hashing,ALECH)分别高出6.82%和5.13%.
随着个性化、多样化的新型网络应用和业务的不断发展和成熟,数据量和计算需求呈指数型增长趋势,而云计算、边缘计算、智能终端设备等也得到了快速发展,计算资源呈现出泛在、分散部署的趋势,如何高效协同地利用这些泛在计算资源以满足日益增长的计算需求,成为当前网络领域研究的一项重要新课题.边缘算力网络集中在网络边缘,在靠近数据源的位置,将异构的计算资源和网络资源结合起来,通过资源感知、服务定位、任务调度等来提高资源利用率和任务执行效率,在保持低延迟和低成本的同时,实现对分布式计算资源的最优配置.边缘算力网络通常采用分布式的任务调度方式,各节点基于局部范围内的信息进行本地决策,具有决策时间短、能有效缓解中心控制器计算和通信压力等优势.然而,信息的局部、不对称特征限制了分布式任务调度的全局优化性能,导致计算任务的覆盖率无法得到保障.本文以边缘算力网络分布式任务调度为核心,依托博弈理论及多目标优化方法,设计基于最佳动态响应的分布式任务调度算法,引入两跳范围内的通信和共识消除机制,在最小化交互开销和决策延迟的情况下,最大限度地提升了分布式任务调度的任务覆盖率,实现向纳什均衡点的收敛;将两跳范围内的共识消除作为优化目标之一,建立基于分布式决策优化性和一致性双目标的动态势博弈模型,通过理论推导证明了局部决策和全局决策的渐进等价性,为纳什均衡的存在性及分布式任务调度的收敛性提供了有效的理论依据;最后,通过仿真与经典分布式决策算法和全局最优解进行了对比,验证了所提出算法的有效性和优化收益.
随着超高清(Ultra-High-Definition,UHD)成像技术的应用,生成高质量的UHD图像通常需要融合多幅曝光水平不同的UHD图像.然而,目前基于深度学习的多曝光图像融合方法直接融合从不同曝光水平的图像中提取的特征图,未能充分利用不同曝光级别图像中的特征信息,而这些特征信息对于获得良好的多曝光融合结果至关重要.为解决这一问题,我们提出了一种新颖的UHD多曝光图像融合方法,该方法结合了图像的局部和长距离依赖特征,旨在挖掘不同曝光级别图像之间的依赖关系,提取出更高阶的语义和特征.进而,利用不同级别的短连接来聚合不同粒度的特征.最后,为了过滤带噪声的特征,我们还提出了带有门控机制的多层感知器来生成高质量的超高清图像.为了更好地展示实验结果,我们还针对多曝光融合任务建立了一个UHD图像数据集.实验结果表明,在单个显存24G的GPU上执行UHD多曝光图像融合任务时,我们的方法明显优于现有方法.
在跨场景分类任务中,大多数领域自适应方法(Domain Adaptation,DA)关注于源域数据和目标域数据由相同传感器获得且具有相同地物类别的迁移任务,然而当目标数据中存在新类别时自适应性能会显著下降.此外,大多数高光谱图像分类方法采用全局表征机制,即针对固定大小窗口的样本进行表征学习,其地物类别表征能力有限.本文提出了一种基于局部表征的少样本学习框架(Local representation Few Shot Learning,LrFSL),尝试在少样本学习中构建局部表征机制突破全局表征能力上限.在提出框架中,对所有具有标签的源域数据和少量具有标签的目标域数据构建元任务,依照元学习策略同步进行情景训练,与此同时设计了域内局部表征模块(Intra-domain Local Representation block,ILR-block)用于挖掘样本中多个局部表征的语义信息,设计了域间局部对齐模块(Inter-domain Local Alignment block,ILA-block)进行跨域逐类别分布对齐以缓解领域偏移对少样本学习的影响.在三个公开高光谱图像数据集上的实验结果证明了该方法显著优于目前最先进的方法.
随着边缘计算的发展,深度学习模型的训练越发依赖于大量边缘设备生成的隐私数据.在此背景下,联邦学习因其突出的隐私保护能力而受到学术界和工业界的广泛瞩目.在实践中,联邦学习面临着因数据异质性和计算资源受限导致的训练效率低下和模型质量不理想的问题.本文受知识蒸馏理念的启发,提出一种采用轻量自蒸馏技术的高效联邦学习算法(efficient Federated learning with lightweight Self Knowledge Distillation,FedSKD),该算法首先利用自蒸馏技术挖掘训练过程中的内在知识,以减轻本地模型的过拟合问题并增强其泛化能力,并通过服务端参数聚合将本地模型的泛化能力转移到全局模型,从而提高全局模型质量和收敛速度.其次,通过动态同步机制,进一步提高全局模型的准确率和训练效率.实验结果表明,FedSKD算法在非独立同分布数据划分策略下,在降低训练代价的同时,提高了模型准确率和训练效率.在CIFAR10/100数据集上,与最新的基线算法FedMLD算法相比,FedSKD算法在准确率上取得了平均2%的提升,并降低了平均56%的训练代价.
本文对2024年度“半导体科学与信息器件”(F04)学科的项目申请、受理与资助等相关数据进行了分析,首先介绍了2024年度国家自然科学基金委员会推行的改革措施,以及本年度“半导体科学与信息器件”学科领域面上项目、青年科学基金项目、地区科学基金项目、重点项目、优秀青年科学基金项目和国家杰出青年科学基金项目的申请与资助情况.其次梳理了上述各类项目申请的依托单位分布情况,以及“负责任、讲信誉、计贡献”(Responsibility,Credibility,Contribution,RCC)评审机制试点工作情况.最后对“半导体科学与信息器件”领域项目申请进行了总结和展望.
国家自然科学基金委员会信息科学部一处“信息获取与处理”领域涉及信号与信息的感知、获取、处理及应用等相关研究.本文统计了2024年度该领域国家自然科学基金面上项目、青年科学基金项目、地区科学基金项目、重点项目、优秀青年科学基金项目、杰出青年科学基金项目、创新研究群体项目、基础科学中心项目以及青年学生基础研究项目的申请与资助情况,分析了领域自然科学基金研究方向发展趋势,并对2025年度科学基金工作进行了展望.