FITEE 2024年第11期摘要

学术   2024-12-23 23:56   浙江  

本期目录

立意

1. Quant 4.0:基于自动化、可解释、知识驱动人工智能的量化投资工程


综述

2. 综述:强化学习中的领域适应


研究

3. 工业物联网边缘控制系统轻量级认证方案

4. 基于对比学习的移动轨迹准确恢复

5. VG-DOCoT:一种新颖的基于变分自动编码器-生成对抗网络技术、深度过参数化卷积和变换器框架的脑电情绪识别模型

6. 基于䲟鱼优化算法提升级联样条自适应滤波器的建模精度及其在实时系统中的应用

7. 一种轻量化的外辐射源杂波抑制算法

8. 基于电路参数解空间的宽带非对称Doherty功率放大器

9. 具有优异温度鲁棒性的 V 波段高线性度BiCMOS 混频器


1. Quant 4.0:基于自动化、可解释、知识驱动人工智能的量化投资工程

郭健1,3,王赛卓1,2,倪明选2,3,沈向洋1,2

1粤港澳大湾区数字经济研究院,中国深圳市,518045

2香港科技大学,中国香港特别行政区,999077

3香港科技大学(广州),中国广州市,511453

摘要:量化投资(quant)是一个结合了金融工程、计算机科学、数学、统计学等学科的交叉领域。在过去几十年里,量化投资已成为主流投资方法之一,并经历了三代发展:第一代量化投资(quant 1.0)通过数学建模交易发现市场中被错误定价的资产;第二代量化投资(quant 2.0)将量化研究流程从小型“策略作坊”转移到大型“alpha工厂”;第三代量化投资(quant 3.0)应用深度学习技术发现复杂的非线性定价规则。尽管在预测方面有其优势,但深度学习技术的成功仍依赖于极大的数据量,并需要大量人工劳动来对这些神经网络“黑箱”模型进行调优。为解决这些限制,本文提出“quant 4.0”的概念,并从工程视角展望下一代量化投资技术。Quant 4.0有3个关键组成部份。首先,自动化人工智能(AI)基于“算法产生算法,模型建立模型,AI创造AI”的理念,将量化策略研发流程从传统的手工建模转变为先进的自动化建模。其次,可解释AI技术能够更好地理解和解释由机器学习黑箱模型做出的投资决策,并解释复杂和隐藏的风险暴露。第三,知识驱动AI能够与以深度学习为代表的数据驱动AI互补,将先验知识纳入建模过程,从而提升量化方法在价值投资等场景下的表现。同时,综合以上3个要素,我们讨论如何将“quant 4.0”的理念实现为一个具体的系统。此外,讨论了大型语言模型在量化投资中的应用。最后,提出量化投资领域10个具有挑战性的问题,讨论了潜在解决方案、研究方向和未来趋势

关键词:通用人工智能;人工智能;自动机器学习;因果关系工程;深度学习;特征工程;投资工程;知识图谱;知识推理;知识表示;模型压缩;网络结构搜索;Quant 4.0;量化投资;风险图谱;可解释人工智能
https://doi.org/10.1631/FITEE.2300720

2. 综述:强化学习中的领域适应

Amirfarhad FARHADI1, Mitra MIRZAREZAEE1, Arash SHARIFI1, Mohammad TESHNEHLAB2

1伊斯兰阿扎德大学计算机工程系,伊朗德黑兰市,1477893855

2KN图什理工大学控制工程学院,伊朗德黑兰市,1999143344


摘要:强化学习(RL)在处理复杂决策问题方面显示出巨大的潜力。然而,其性能很大程度上依赖于大量高质量数据的可用性。在许多实际情况中,目标域的数据分布可能与源域的数据分布有很大差异,导致强化学习算法的性能显著下降。领域适应(DA)策略通过将知识从源域转移到目标域来解决这一问题。然而,目前尚无全面且深入的研究来评估这些方法。本文对强化学习中的领域适应进行了全面系统的研究。首先介绍强化学习中领域适应的基本概念和基本表述,然后对其中现有的领域适应方法进行综述。主要目的是填补关于强化学习中领域适应的现有文献空白。为了实现这一目的,本文对最先进的领域适应方法进行了严格的评估,希望为强化学习中的领域适应提供全面的见解,并为该领域的知识进步做出贡献。现有的领域适应方法根据应用领域分为7类。基于重要的数据自适应度量对每一类方法进行讨论,并描述它们的关键特征。最后,强调了具有挑战性的问题和未来的研究趋势,以帮助研究人员创新和改进

关键词:强化学习;领域适应;机器学习
https://doi.org/10.1631/FITEE.2300668

3. 工业物联网边缘控制系统轻量级认证方案


尚文利1,温旭东1,陈卓1,熊文泽2,常志伟1,曹忠1

1广州大学电子与通信工程学院,中国广州市,510006

2机械工业仪器仪表综合技术经济研究所,中国北京市,100055

摘要:在边缘控制系统中,边缘计算需要更强的本地数据处理能力,而传统的工业可编程逻辑控制器无法满足这一需求。因此,边缘智能控制器得到发展,其安全可靠的运行至关重要。然而,由于边缘智能控制器需与资源有限的终端设备进行敏感信息通信,且在终端设备上实现传统的非对称加密具有挑战性,因此迫切需要一种低成本、高效的身份验证解决方案。本文使用低计算成本的哈希函数和异或运算为边缘控制系统设计了一种轻量级身份验证方案;该方案可在边缘智能控制器与终端设备之间实现双向匿名身份验证和密钥协议,以保护设备隐私。安全性分析证明该认证方案可提供必要的安全特性并抵御主要的已知攻击。性能分析和比较表明,所提方案在边缘控制系统中的部署可行、有效

关键词:边缘智能控制器;边缘控制系统;终端设备;匿名认证;轻量级认证

https://doi.org/10.1631/FITEE.2400497

4. 基于对比学习的移动轨迹准确恢复

刘育杉1,陈阳1,张珈芸1,肖煜2,王新1

1复旦大学计算机科学技术学院上海市智能信息处理重点实验室,中国上海市,200433

2阿尔托大学信息与通信工程学院,芬兰埃斯波,FI-02150


摘要:在城市计算应用中,用户轨迹数据是用户移动行为分析的基础数据源。然而,由于这些用户轨迹数据部分是从基于位置的服务中收集的,在时间上常常具有稀疏性和不规则性。为提高基于位置数据服务的性能,以较高时空分辨率对用户轨迹数据进行恢复,对无记录时刻的用户地点进行预测是非常重要的。本文提出一个新的轨迹恢复模型,旨在捕捉多级移动模式并增强轨迹恢复的稳健性。该模型具有一个两阶段位置编码器,用于捕捉集体和个体移动模式,并利用基于图神经网络的网络与注意力机制捕捉单个轨迹内部和跨多个用户轨迹的位置转移模式。此外,采用一个轨迹级对比学习任务以提高模型的稳健性。在3个具有代表性的真实数据集上的大量实验结果表明,该模型在轨迹恢复精度方面始终具有优越的性能

关键词:用户移动;移动轨迹恢复;对比学习

https://doi.org/10.1631/FITEE.2300647


5. VG-DOCoT:一种新颖的基于变分自动编码器-生成对抗网络技术、深度过参数化卷积和变换器框架的脑电情绪识别模型


朱艳萍,黄磊,陈继鑫,王身云,万发雨,陈家楠

南京信息工程大学电子与信息工程学院,中国南京市,210044

摘要:人类情绪是反映个体当前生理和心理状态的复杂心理现象。情绪对人类的行为、认知、交流和决策产生了显著的影响。然而,目前的情绪识别方法在实际应用中往往存在性能不佳和可扩展性有限的问题。为此,我们提出一种新颖的脑电图(EEG)情绪识别框架VG-DOCoT,它基于深度过参数化卷积(DO-Conv)、变换器和变分自编码器-生成对抗网络(VAE-GAN)结构。具体来说,在预处理中,可以从EEG信号中提取微分熵(DE),以映射到时间、空间和频率信息中。为了增强训练数据,采用VAE-GAN进行数据增强。使用一种新颖的卷积模块DO-Conv替代传统的卷积层,以提高网络性能。在网络框架中引入了变换器结构,以揭示EEG信号中的全局依赖性。使用所提出的模型,在DEAP数据集上进行了二分类任务仿真,唤醒度和效价度的准确率分别达到92.52%和92.27%。另外,在SEED数据集上进行了三分类任务测试,包括中性、积极和消极三种情绪,获得的平均预测准确率为93.77%。所提出的方法显著提高了脑电情绪识别的准确率

关键词:情绪识别;脑电(EEG);深度过参数化卷积(DO-Conv);变换器;变分自编码器-生成对抗网络(VAE-GAN)

https://doi.org/10.1631/FITEE.2300781


6. 基于䲟鱼优化算法提升级联样条自适应滤波器的建模精度及其在实时系统中的应用


Lakshminarayana JANJANAM1Suman Kumar SAHA2Rajib KAR3

1萨西技术与工程学院电子与通信工程系JNTUK认证研究中心,印度安得拉邦,534101

2拉普尔国立理工学院电子与通信工程系,印度查蒂斯加尔邦,492010

3杜尔加普尔国立理工学院电子与通信工程系,印度西孟加拉邦,713209

摘要:介绍了一种新的优化级联样条自适应滤波器(CSAF)方法,通过使用元启发式优化算法(MOA)识别未知的非线性系统。CSAF架构结合了汉默斯坦和维纳系统,其中非线性块通过样条网络实现。所用算法通过适当加权的成本函数优化样条插值函数和线性滤波器的权重,从而提高滤波器的稳定性、稳态性以及全局最优解的收敛性。本文研究了两种CSAF架构:汉默斯坦–维纳样条自适应滤波器(HW-SAF)和维纳–汉默斯坦样条自适应滤波器(WH-SAF)结构。这两种架构是基于梯度方法设计的,其收敛速度慢,效率低,且在高斯噪声环境下会产生次优解。为克服以上困难,本文采用4种独立的MOA以估计CSAF架构的设计参数:差分进化(DE)、头脑风暴优化(BSO)、多元宇宙优化器(MVO)以及最近提出的䲟鱼优化算法(ROA)。在ROA中,䲟鱼因子的控制参数能以更高的收敛速度产生接近全局最优的参数。与基于DE、BSO和MVO的方法相比,ROA确保了探索和开发阶段的平衡。最后,3个数值和特定行业基准系统(即耦合电驱动、热壁和连续搅拌槽反应器)的识别结果表明了基于䲟鱼优化算法CSAF的有效性

关键词:级联样条自适应滤波器;非线性系统辨识;䲟鱼优化算法

https://doi.org/10.1631/FITEE.2300817

7. 一种轻量化的外辐射源杂波抑制算法

武勇1,左罗2,彭冬亮3,陈志坤3

1浙江交通职业技术学院智慧交通学院,中国杭州市,311112

2西安电子科技大学广州研究院,中国广州市,510555

3杭州电子科技大学自动化学院,中国杭州市,310018


摘要:由于潜在机会照射源信号带宽不断增大及普遍使用的多源探测框架,外辐射源雷达杂波抑制的计算效率非常受限。本文提出一种经典扩展相消算法(ECA)的轻量化版本,能够实现和ECA相当的杂波抑制性能,但计算复杂度和空间复杂度能降低至少一个数量级。首先,通过改进ECA中参考信号子空间的构建方式,重新定义自相关和互相关矩阵的计算方法。然后,通过一种扩维方法来简化杂波估计过程。总体上,所提方法利用计算复杂度更低的快速傅里叶变换及其反变换来替代传统ECA中的高密度计算部分,并省去了高存储量的参考信号子空间的构建。仿真和外场数据处理结果验证了本文所提方法相比于ECA及其他批处理版本的优越性

关键词:外辐射源双基地雷达;杂波抑制;扩展相消算法;计算复杂度;空间复杂度
https://doi.org/10.1631/FITEE.2300859

8. 基于电路参数解空间的宽带非对称Doherty功率放大器

毕诚1,李浩天2,王帅2,代志江1,庞竞舟1,高瑞彬1,钟康1,王靖淞1

1重庆大学微电子与通信工程学院,中国重庆市,400044

2中国电子科技集团公司第五十四研究所,中国石家庄市,050081


摘要:本文将后匹配网络的输入阻抗设为复数。基于Doherty功率放大器(DPA)的基本原理,确定了参数解空间,使得DPA在回退状态能实现高效率。参数解空间包含3个变量:载波功率放大器输出匹配网络的相位参数、峰值功率放大器输出匹配网络的相位参数以及后匹配网络的输入阻抗。这些参数经过优化,使DPA能在回退状态实现高效率。在频率与参数解空间之间建立了一一映射关系,使得在宽频范围内对DPA进行精确优化成为可能。利用这种映射关系,设计并制作了一款工作在1.8–2.6 GHz频段的非对称DPA,验证了所提方法的可行性和有效性。在连续波激励下,测试结果显示,当功率回退量为9.5 dB 时,漏极效率为42.7%–56.4%。功率饱和点的漏极效率和输出功率分别为45.8%–71.1%和46.9–48.8 dBm,饱和增益为5.5–8.0 dB。此外,在1.8、2.1和2.6 GHz频率下,输入激励采用峰均比为8 dB,信号带宽为20 MHz的长期演进(LTE)调制信号。DPA经过数字预失真线性化后,邻信道功率比(ACPR)始终低于48 dBc

关键词:Doherty功率放大器;输出匹配网络;参数解空间
https://doi.org/10.1631/FITEE.2400226

9. 具有优异温度鲁棒性的 V 波段高线性度BiCMOS 混频器

罗将1,2李义昭1彭尧3,程强2

1杭州电子科技大学电子信息学院,中国杭州市,310018

2东南大学毫米波国家重点实验室,中国南京市,210096

3北京无线电测量研究所,中国北京市,100854

摘要:本文提出一种高线性度且具有优异温度鲁棒性的V波段下变频混频器。通过在跨导(gm)级和中频(IF)输出缓冲器中分别采用负温度补偿电路(NTC)和正温度补偿电路(PTC),极大增强了混频器的温度耐受性。得益于采用跨导增强的有源巴伦和发射极负反馈技术,混频器的线性度得到了显著改善。为验证效果,基于130纳米SiGe BiCMOS工艺流片制造了一个V波段双平衡下变频混频器。测试结果表明,本地振荡器(LO)在57 GHz至63 GHz的频率范围内且注入功率为−3 dBm时,混频器的峰值转换增益(CG)为−0.5 dB,最小噪声系数(NF)为11.5 dB,输入1 dB压缩点(IP1 dB)为4.8 dBm。进一步地,在−55 °C至85 °C的温度范围内,CG、NF和IP1 dB的测量结果具有良好的一致性,它们的波动分别小于0.8 dB、1 dB 和 1.2 dBm。在57 GHz至63 GHz范围内,LO端口至频射(RF)端口测量的隔离度优于46 dB,RF端口测量的回波损耗大于29 dB,LO端口测量的回波损耗超过12 dB。在2.5 V电源电压下,混频器在−55 ℃、25 ℃ 和 85 ℃ 温度下的功耗分别为15.75 mW、18.5 mW 和21 mW。此外,混频器芯片包括所有测试焊盘在内的硅片总面积为0.56 mm2

关键词:V 波段;下变频混频器;SiGe BiCMOS;温度补偿;高线性度;有源巴伦
https://doi.org/10.1631/FITEE.2400378


往期目录

FITEE 2024年第10期

FITEE 2024年第9期

FITEE 2024年第8期

FITEE 2024年第7期

FITEE 2024年第6期

FITEE 2024年第5期(“算网融合:架构、理论与实践”专题)

FITEE 2024年第4期

FITEE 2024年第3期

FITEE 2024年第2期(“工业元宇宙安全控制与滤波”专题)
‍‍FITEE 2024年第1期(“人工智能生成内容最新进展”专刊)
‍‍FITEE 2023年第12期(“面向无线通信的智能超表面设计与系统应用研究”专刊)
‍‍FITEE 2023年第11期
‍‍FITEE 2023年第10期
‍‍FITEE 2023年第9期(“智能动力学优化方法与应用”专题)
‍‍FITEE 2023年第8期
‍‍FITEE 2023年第7期
FITEE 2023年第6期

FITEE 2023年第5期(“新型存储系统设计与应用”专题)

FITEE 2023年第4期

FITEE 2023年第3期
FITEE 2023年第2期
FITEE 2023年第1期
FITEE 2022年第12期
FITEE 2022年第11期
FITEE 2022年第10期
FITEE 2022年第9期(“视觉知识”专栏)
FITEE 2022年第8期(“人机协同与认知计算”专题)
FITEE 2022年第7期(“多智能体系统的组织化和体系化博弈”专题)
FITEE 2022年第6期
FITEE 2022年第5期(“软件数据智能分析”专题)
FITEE 2022年第4期(“人工智能在空间环境和航天器中的应用”专题)
FITEE 2022年第3期
FITEE 2022年第2期

FITEE 2022年第1期(“智简无线网络理论与技术”专题)



热点文章

1. 潘云鹤院士 | 论视觉知识

2. 潘云鹤院士|视觉知识的五个基本问题
3. 潘云鹤院士 | 论视觉理解
4. 马毅、沈向洋等 | 论智能起源中的简约与自洽原则

5. 段宝岩院士 | FITEE后5G与6G天线系统技术演进与创新专题导读

6. 张平院士、彭木根教授等 | FITEE智简无线网络理论与技术专题导读

7. 邬江兴院士团队 | 6G网络内生安全新范式探讨

8. 浙大杨易、庄越挺等 | 大数据人工智能下的多重知识表达:框架、应用及案例研究

9. 国防科大苏金树、赵宝康等 | 大规模高效网络计算中的网络技术发展趋势

10. 中科院自动化所叶佩军、王飞跃等 | 平行认知:面向人机交互与管理的混合智能

11. 中科院王飞跃、武大张俊等 | 人机互信的知识自动化与混合增强智能:复杂系统认知管控机制及其应用

12. 西南大学刘志明、国防科大王戟 | 人机物融合系统:概念、挑战与研究机遇

13. 西北工大胡劲文等 | 基于多传感器融合的智能车在野外环境中的障碍物检测研究

14. 北邮张建华等 |  面向6G的信道测量与建模:现状与展望

15. 国防科大王浩楠、李东升等 | 深度强化学习综述

16.  电子科大牛中乾、张波等 | 亚毫米和太赫兹波段3-dB分支波导定向耦合器的机械可靠性研究

17. 东南大学卢剑权等 | 多智能体系统的二分异步脉冲跟踪一致性

18. 国防科大达凯、西北工大李天成等 | 基于随机有限集的多传感器多目标跟踪研究进展

19. 兰州理工大学谢盈、马军等 | 神经元之间的相位同步和能量平衡

20. 伊利诺伊大学张凯清等 | 带有网络智能体的去中心化多智能体强化学习进展

21. Branislav REHÁK等 | 具有异构时延的多智能体系统的领导-跟随同步

22. 华中科大肖人彬等 | 面向复杂优化调度的角色分工萤火虫算法

23. 东南大学温广辉等 | 智能电网中分布式经济调度研究进展:综述

24. 浙大步明轩、皮孝东等 | 基于半导体纳米晶体的神经突触器件

25. 北大喻俊志等 | 基于改进YOLOv4的水下垃圾清理机器人视觉检测算法

26. 复旦大学周杰、张军平等 | ChatGPT:潜力、前景和局限

27. 北邮张平、许晓东、董辰、牛凯等 | 面向语义通信的模分多址技术
28. 中科院沈阳自动化所许驰、于海斌等 | 基于多智能体深度强化学习的工业无线网络端边协同资源分配
29. 中国空间技术研究院王玉莹、李劲东等 | 中长波红外探测技术空间应用进展
30. 华中科大肖人彬:群体智能的四个发展阶段






关于本刊

Frontiers of Information Technology & Electronic Engineering(简称FITEE,中文名《信息与电子工程前沿(英文)》,ISSN 2095-9184,CN 33-1389/TP)是信息电子类综合性英文学术月刊,SCI-E、EI收录,最新影响因子2.7,位于JCR Q2分区。前身为2010年创办的《浙江大学学报英文版C辑:计算机与电子》,2015年更为现名,现为中国工程院院刊信息与电子工程领域分刊。覆盖计算机、信息与通信、控制、电子、光学等领域。文章类型包括研究论文、综述、个人视点、评述等。现任主编为中国工程院院士潘云鹤、费爱国。实行国际同行评审制,初次转达意见一般在2~3个月内。文章一经录用将快速在线。

荣获中国科协等七部委推出的中国科技期刊卓越行动计划项目资助(一期和二期,梯队期刊)。2021~2022年,先后入选信息通信领域(中国通信学会组织评选)和计算领域(中国计算机学会组织评选)高质量科技期刊分级目录,均被列为最高的T1级别;入选中国计算机学会推荐国际学术会议和期刊目录-2022(交叉/综合/新兴)。2024年,入选《中国人工智能学会推荐国际学术会议和国际/国内期刊目录》(人工智能基础与综合领域,B类国际期刊)。


官网http://www.fitee.zjujournals.com

期刊Springer主页

http://www.springer.com/computer/journal/11714

投稿http://www.editorialmanager.com/zusc

邮发代号:32-324

地址:浙江省杭州市西湖区天目山路148号

电话:+86-571-88273162

邮箱:fitee@zju.edu.cn


加关注  ID: fitee_cae
本公众号为中国工程院院刊《信息与电子工程前沿(英文)》(SCI-E、EI检索期刊)官方微信,功能包括:传播期刊的学术文章;为刊物关联学人(读者、作者、评审人、编委,等)提供便捷服务;发布学术写作、评审、编辑、出版等相关资讯;介绍信息与电子工程领域学术人物、学术思想、学术成果,展示该领域科学研究前沿进展;为该领域海内外学者提供友好互动平台。

信息与电子工程前沿FITEE
传播中国工程院院刊《信息与电子工程前沿(英文)》(FITEE)的学术文章;为FITEE关联人群(作者、读者等)提供便捷服务;提供学术写作、出版等相关资讯;介绍信息与电子工程领域学术人物、学术思想、学术成果,展示该领域科学研究前沿进展。
 最新文章