• 2024年 第47卷 第4期 刊出日期：2024-08-28 上一期

体系化人工智能专题

• 体系化人工智能
• 冯俊兰
• 北京邮电大学学报. 2024, 47(4): 1-10.
• 摘要 ( 90 )     PDF ( 15 ) 　　
• 随着以基础模型为代表的人工智能(AI)技术取得举世瞩目的成绩,机器智能的总体水平已达到前所未有的高度。基础模型、算力及网络、数据逐渐成为 AI 领域的重要基础设施。为了实现依托上述基础设施提供泛在安全的社会级智能服务,让其像水、电、通信服务一样无处不在且边际成本趋向为零的目标,从技术体系的角度,提出并阐述了体系化 AI (HAI)技术框架。该框架中,用户的智能化需求可以用自然语言、图形、图片、组件编排等方式灵活表达。依托基础大模型,HAI 对用户需求进行理解并形成最优执行计划,执行计划包括完成业务需求所需的模型、工具、数据及算力网络资源;继而 HAI 将模型和能力部署到相应的算力网络资源上,通过灵活调度及联合优化满足用户需求。所提框架涉及到的核心技术包括 AI 服务大闭环优化、AI 能力原子化、网络原生的建模技术以及安全可信 AI 服务技术。
• 相关文章 | 计量指标

• 体系化人工智能与大语言模型在智能情报场景中的应用
• 韩旭 孙亚伟 赵璐
• 北京邮电大学学报. 2024, 47(4): 11-19,28.
• 摘要 ( 58 )     PDF ( 11 ) 　　
• 对体系化人工智能与大语言模型在智能情报收集、分析、决策中的场景应用进行研究。首先,对体系化人工智能与大语言模型的发展现状进行综述,明确相关技术在智能情报场景应用中的优势,并提出了将其融合进智能情报研究的理论框架。其次,对框架的各个功能模块详细解读并就对应的技术点深入分析,探索在此框架体系下对应的具体落地场景。最后,分析了体系化人工智能对智能情报工作效率和准确性的提升,并探讨了在实际应用中可能面临的风险和挑战及未来探索和发展的方向。
• 相关文章 | 计量指标

• 大语言模型时代的人工智能:技术内涵、行业应用与挑战
• 陈光 郭军
• 北京邮电大学学报. 2024, 47(4): 20-28.
• 摘要 ( 106 )     PDF ( 11 ) 　　
• 大语言模型(LLM)的出现标志着人工智能 LLM 时代的来临。基于海量数据集的预训练,LLM 展现出卓越的适应性和创造力,正在成为推动社会发展的关键驱动力,并将在体系化人工智能中扮演重要角色。鉴于既有综述在分析 LLM 面临的挑战、关键属性、工程实现等方面的不足,笔者从技术内涵、行业应用和主要挑战三个维度重新构建探讨框架。重点阐述了 LLM 在系统架构、训练策略、模型规模、压缩、多模态融合、提示与规划等技术层面的内涵,以及在教育、科研、医疗、金融、司法等领域的应用前景。同时,讨论了 LLM 可信性、可控性与安全性的研究现状,以及 LLM 在技术和社会层面所面临的双重挑战,展望了 LLM 在体系化人工智能中的角色定位和研究方向的契合点,以期为 LLM 的研究与应用提供新的视角和思路。
• 相关文章 | 计量指标

• 基于物理信息变分自编码器的计算流体动力学修复
• 王佳敏 颜哲熙 王笑琨 张雅斓 郭宇
• 北京邮电大学学报. 2024, 47(4): 29-35,43.
• 摘要 ( 33 )     PDF ( 3 ) 　　
• 为修复噪声干扰或局部缺失的流体流动数据,实现精确的流体动力学分析,提出了一种基于物理信息的变分自编码器模型。首先,利用变分自编码器学习流体流动的潜在表示;其次,将时空坐标信息与流体流动的潜在表示结合,通过自动微分技术获得解码后的流场信息关于时空坐标输入的偏导数;最后,引入流体动力学的物理先验信息,构造物理约束损失项,使得生成的数据同时符合流动关键特征和底层物理定律,从而增强了流体流动的物理一致性和重建精度,并且提供了一定的可解释性。实验结果表明,所提模型在处理流场噪声和数据缺失问题方面比现有方法具有更高的精度,并且在二维和三维复杂涡旋流场中都证明了其有效性。
• 相关文章 | 计量指标

• 基于多模态推荐指令的大语言模型指令微调
• 郝博文 柳溢菲 李立耀 王洁 彭岩
• 北京邮电大学学报. 2024, 47(4): 36-43.
• 摘要 ( 148 )     PDF ( 13 ) 　　
• 基于多模态指令的大语言模型指令微调能够有效赋予大模型解决相关多模态任务的能力。为了进一步使大模型能够完成多模态零样本或少样本推荐任务,提出了多模态推荐大语言模型,该模型以大语言模型 ChatGLM2-6B 为基座,选取包含文本、图片信息的多模态推荐数据集,利用 ChatGPT 和 GPT4 构建多模态用户画像和物品属性生成指令,以及零样本和少样本推荐指令,并采用高效参数微调 P-tuning v2 方式,仅需用一张 A100 40GB 图形处理器即可微调得到多模态推荐大语言模型,用于完成多模态零样本和少样本推荐任务。实验结果证明,所提模型显著优于现有基线模型。
• 相关文章 | 计量指标

• 基于空间极坐标卷积的流体动力学预测
• 杜飞龙 班晓娟 张雅斓 董子瑞 王笑琨
• 北京邮电大学学报. 2024, 47(4): 44-49.
• 摘要 ( 31 )     PDF ( 5 ) 　　
• 流体作为自然界中最基本的物质之一,对其模拟往往需要在精度和效率之间进行取舍。为此,提出了一种端到端体系化的新型卷积网络流体模拟器———PolarNet。首先,将粒子数据转换为三维极坐标表示,设计了 PolarConv空间卷积结构。其次,结合物理流体模拟器,构建了四层网络结构,设计了网络流体模拟器 PolarNet,实现流体的端到端预测。此外,精心设计了基于物理的约束,以强化流体的不可压缩性。实验结果表明,与传统基于建模模拟器相比,PolarNet 在提高流体边界的精确性和保持不可压缩性方面有显著提升,同时保证了效率。相较于其他基于学习的流体模拟器,得益于极坐标的空间紧凑表示,PolarNet 在具有更少训练参数的情况下,保持了最高的预测稳定性。PolarNet 为多模态信息处理提供了新的方法和视角。
• 相关文章 | 计量指标

• 融合大语言模型的领域问答系统构建方法
• 齐思洋 胡慧云 李洪冰 李琦 肖波
• 北京邮电大学学报. 2024, 47(4): 50-56.
• 摘要 ( 74 )     PDF ( 8 ) 　　
• 针对构建领域问答系统时所面临的数据成本高、知识构建复杂和不同领域数据集差异大等挑战,提出了一种融合大语言模型和领域知识的问答系统构建方法。现有方法多是直接将本地知识语料分段存储匹配,在进行检索增强生成时,查询文本与分段内容语义匹配度不高,从而降低文本生成质量。为此,提出基于提示工程的查询语义对齐优化方法,通过生成“假设性问答对冶来统一用户查询和语料的语义空间,从而提高领域知识的检索效率和答案的准确性。此外,实验证明,所提方法能够克服模型训练成本高的问题,迅速构建部署到不同垂直领域,并在性能上优于其他方法。
• 相关文章 | 计量指标

• 复杂端到端场景的跨视觉域目标检测算法
• 陈傲然 黄海 朱玥琰 薛俊笙
• 北京邮电大学学报. 2024, 47(4): 57-62.
• 摘要 ( 37 )     PDF ( 3 ) 　　
• 深度学习应用往往假设部署场景与训练数据具有相似的视觉域特征分布,但是在复杂端到端场景中该假设并不总是成立,难以满足开放环境中智能检测业务的需求。为此,提出了基于人工智能闭环组合理论与跨视觉域的目标检测算法,在检测框架中引入多尺度卷积层构建检测算法的主干网络与瓶颈层网络,提出带有长距离依赖注意力的视觉域判别器作为二次检测头细化检测结果,设计基于空间重构注意力单元的背景聚焦模块进行伪背景图的聚焦学习,从而提升跨视觉域目标检测的准确率。实验结果表明,所提算法在跨视觉域场景中目标检测平均准确率相比双阶段算法提高 6.9% ,相比单阶段算法提高 9.0% 。
• 相关文章 | 计量指标

• 基于雅可比动态逼近的图像去噪网络算法
• 刘美琴 姬厚国 白羽 姚超 赵耀
• 北京邮电大学学报. 2024, 47(4): 63-70.
• 摘要 ( 24 )     PDF ( 4 ) 　　
• 受到环境因素和采集设备性能的限制,图像采集易受噪声干扰从而降低用户的视觉体验。为了有效去除图像噪声,提出了基于雅可比动态逼近的端到端图像去噪网络算法。利用常微分方程的思想构建前向微分结构,动态拟合噪声分布,并设计雅可比矩阵的求解模块实现前向求导,降低去噪网络的复杂度。为了提高对复杂噪声的特征表示能力,应用多尺度特征提取模块获取图像中非均匀噪声的特征,并进一步获取图像的上下文语义信息。此外,采用双注意力结构增强重建特征,提高重建图像的质量。大量实验结果表明,所提算法可以有效地去除合成噪声和真实噪声,重建图像在客观评价指标与主观视觉效果上均取得较好的效果。
• 相关文章 | 计量指标

• 基于子图结构语义增强的少样本知识图谱补全
• 杨荣泰 邵玉斌 杜庆治 龙华 马迪南
• 北京邮电大学学报. 2024, 47(4): 71-76,89.
• 摘要 ( 40 )     PDF ( 6 ) 　　
• 针对少样本场景下实体表示不充分的问题,提出一种基于子图结构语义增强的少样本知识图谱补全模型。首先,采用注意力机制,提取节点以关系交互为核心的文本语义特征,并提取节点以集群系数为核心的子图结构语义特征;接着,使用前馈神经网络实现实体语义聚合,并利用 Transformer 网络针对三元组进行编码;最后,通过原型匹配网络来计算链接预测分数。实验表明,所提模型优于所有基于度量学习的基线模型,对比最新基于元学习的基线模型,在 NELL-One 数据集上 Hits@ 1 指标得到改善,Wiki-One 数据集上所有指标得到提升,表明所提模型在增强实体表示和提升实体链接的预测效果上是有效的。
• 相关文章 | 计量指标

• 基于元多任务提示学习的零样本谣言检测方法
• 石宇 于宁 孙亚伟 刘建毅
• 北京邮电大学学报. 2024, 47(4): 77-82.
• 摘要 ( 43 )     PDF ( 6 ) 　　
• 针对现有谣言检测方法在微调大语言模型时导致的高内存占用,以及提示学习方法对初始点选择敏感的问题,提出一种基于元多任务提示学习的零样本谣言检测方法。首先,基于提示学习范式调整零样本谣言检测任务目标,通过设计提示模板使这一任务目标与大语言模型的训练任务目标保持一致,以充分利用大语言模型积累的先验知识。其次,利用元学习的参数更新策略以定位适用于零样本谣言检测任务的提示模板初始点,从不同的元任务中学习通用知识来实现参数优化。最后,引入情感分析作为辅助元任务进一步调整和优化模型参数。在多个公开数据集上的对比实验结果表明,所提方法在零样本谣言检测任务中表现出色,其性能指标优于基准方法。
• 相关文章 | 计量指标

• 面向工业膏体浓度监测的体系化智能视觉信息融合模型
• 王贺正 马博渊 李潇睿 郭利杰 刘光生
• 北京邮电大学学报. 2024, 47(4): 83-89.
• 摘要 ( 29 )     PDF ( 4 ) 　　
• 针对膏体充填技术中对于膏体浓度监控方法存在的精准度低、仪器使用寿命短、测量耗时长、因安全问题导致使用受限等局限性,提出了一种双流视觉信息融合模型以实现膏体浓度自动化准确估计,以减少膏体浓度监测对人工的需求,增加矿场的自动化程度,促进体系化人工智能在智能采矿领域中的应用。所提模型以卷积神经网络模型为基础,使用双流结构,通过分析膏体视频及相应的光流信息,学习提取其中的空间特征和时间特征,形成对膏体视频的双流特征感知表示;特征融合模块进一步强化对有效特征的识别,使模型能够对膏体浓度进行非接触式的准确监测。在此基础上,采集实际生产环境下膏体视频数据并构建真实的膏体视频 浓度数据集,并以此数据集对所提模型进行验证。实验结果表明,所提模型在真实膏体视频数据集中识别准确率能够达到 94.16% ,在同等条件下准确率较其他深度学习模型高出 3.47% ,实现了在生产环境下对膏体浓度进行实时准确监测的目的。
• 相关文章 | 计量指标

• 物理先验指导的神经微分方程模型
• 陈昊炜 郭宇 袁兆麟 王宝杰 班晓娟
• 北京邮电大学学报. 2024, 47(4): 90-97.
• 摘要 ( 36 )     PDF ( 5 ) 　　
• 流程工业中涉及多个复杂设备的耦合,独立设备模型无法有效指导实际生产;纯数据驱动模型常因面临分布外泛化问题,难以体现良好的数据效率和泛化能力。对此,针对浮选这一典型的流程工业系统,提出了一种物理先验指导的神经微分方程模型,该模型考虑设备间耦合关系和全局特征,利用物理先验对神经微分方程进行重构,以建模可感知环境的单智能体。所提模型由序列编码器、插值模块、神经微分方程预测模块和状态解码器构成,并基于物理先验设计了神经微分方程的梯度网络计算图结构。将多智能体模型按照实际工序拓扑建立不同体系,可以实现浮选全流程的长时液位预测,并作为在线仿真环境协助实现多智能体协同控制。使用从浮选厂采集的工业数据集对该模型进行了验证,结果表明,与离散时间模型和未借助物理信息重构梯度网络的基线模型相比,所提模型具有更优的数据效率和泛化能力。
• 相关文章 | 计量指标

• 面向医学大模型的体系化人工智能框架构建与应用
• 罗妍 刘宇炀 李晓瑛 刘辉
• 北京邮电大学学报. 2024, 47(4): 98-104.
• 摘要 ( 41 )     PDF ( 9 ) 　　
• 大语言模型具有强大的自我学习和理解能力,在医学领域具有巨大的发展潜力与应用价值。目前医学领域大语言模型的预训练数据量大、算力成本高、缺乏规范化标准与指标体系,极大地限制了大语言模型的扩展与应用。为解决上述问题,提出一种面向医疗全流程服务场景的体系化人工智能框架,通过知识分解和动态资源管理方法完成模型简化分解和原生网络构建实现模型的弹性部署和灵活配置,在一定程度上降低了大语言模型对算力资源的依赖;引入区块链技术保障医疗数据的安全可信。通过引入体系化人工智能概念构建了面向医学领域的体系化人工智能框架,期望促进医学大语言模型的快速落地与持续健康发展。
• 相关文章 | 计量指标

论文

• 基于分片 DAG 区块链的拜占庭容错共识改进算法
• 李晓辉, 刘晓炜, 吕思婷
• 北京邮电大学学报. 2024, 47(4): 105-110.
• 摘要 ( 39 )     PDF ( 4 ) 　　
• 物联网场景下,传统区块链存在扩展性不足、开销大、出块效率低等问题,引入有向无环图( DAG)的结构能够有效地提高区块链系统的并发程度,但也带来了网络负载严重和一致性难以达成等问题。针对以上问题,设计了一种结合网络分片方案的 DAG 区块链模型,基于此,提出了一种改进的拜占庭容错共识算法。所提算法通过社区机制发现将网络中的节点划分为多个小组,每个小组中由信任积分机制筛选出候选节点,然后使用可验证随机函数筛选出主节点,并根据聚合签名方案改进共识流程。仿真实验结果表明,所提算法能够缩短交易延迟并有效地提高系统的吞吐量。
• 相关文章 | 计量指标

• 基于时序卷积网络的数据中心服务器能耗模型
• 周舟 朱单 李闯 南苏琴 文艳华
• 北京邮电大学学报. 2024, 47(4): 111-116.
• 摘要 ( 44 )     PDF ( 6 ) 　　
• 为了解决服务器实时能耗估量问题,提出了一种基于时序卷积网络的数据中心服务器能耗预测模型。首先, 根据服务器所处理负载的不同将其分成 4 类,分别为中央处理器密集型负载、内存密集型负载、输入/ 输出密集型 负载和混合型负载;然后,针对每种类型负载,通过随机森林算法分别计算其特征参数的重要性并筛选出大于阈值 的代表性参数作为模型输入;最后,利用时序卷积网络构建数据中心服务器的能耗预测模型。实验结果表明,与其 他模型相比,所提模型的平均相对误差降低了 2.18% ~ 5.29% ,在能耗预测精度方面具有一定的优势。
• 相关文章 | 计量指标

• 基于改进生成对抗网络的动漫图像风格迁移算法
• 李云红 朱景坤 刘杏瑞 陈锦妮 苏雪平
• 北京邮电大学学报. 2024, 47(4): 117-123.
• 摘要 ( 49 )     PDF ( 9 ) 　　
• 针对动漫风格迁移图像存在细节结构缺失、色彩偏移、语义内容伪影等问题,提出了一种改进型生成对抗网络的动漫风格迁移算法。首先,利用通道混洗操作结合改进后的反转残差块组成特征转换模块增强图像的局部特征属性,同时引用高效注意力机制进一步提升风格特征表达能力;其次,改进风格损失函数,抑制亮度和色彩对高频纹理信息学习的干扰;最后,将含有随机噪声的内容图像输入生成器,并在判别器中引入谱约束层限制谱半径,以解决训练过程中出现模式崩溃的问题。实验结果表明,所提算法生成的图像相比于其他算法细节刻画更为丰富,并且有效避免了伪影的出现与色彩的偏移,使生成图像具有更强的写实感,风格 Frechet 起始距离分别达到了154.61 和 115.64
• 相关文章 | 计量指标

• 面向车联网的动态网络切片资源部署算法
• 李晓辉 周媛媛 吕思婷 苏家楠
• 北京邮电大学学报. 2024, 47(4): 124-129.
• 摘要 ( 130 )     PDF ( 6 ) 　　
• 考虑到车联网中车辆快速移动造成拓扑复杂的问题,提出了一种基于深度强化学习的动态网络切片资源部署算法。在车辆到基础设施通信场景下,针对不断变化的车辆拓扑和业务请求,将切片资源部署问题建模为可观测的马尔可夫决策模型,利用联合控制器实时监测网络状态,根据执行切片资源分配比例的动作奖励值来实时更新参数,引入优先经验回放策略来加快收敛速度,为每个业务请求提供充足的通信资源来交互车辆速度和位置信息。仿真实验结果表明,对比其他算法,所提算法在端到端吞吐量、端到端时延、切片丢包率和车辆业务请求接受率方面都展现了更好的性能。
• 相关文章 | 计量指标

• 基于多模态特征与增强对齐的细粒度图像分类
• 韩晶 张天鹏 吕学强
• 北京邮电大学学报. 2024, 47(4): 130-135.
• 摘要 ( 64 )     PDF ( 5 ) 　　
• 针对现有模型在多模态信息处理过程中存在特征提取不足、信息交互不充分等问题,提出基于多模态特征增强对齐的细粒度图像分类模型。首先,提出层次特征自适应融合模块,以实现多模态特征的多层次自适应融合,从而充分利用卷积中间层的特征信息,增强模型对图像局部细节的感知能力。其次,为提高多模态特征之间的交互维度,提出增强对齐特征融合模块,以充分挖掘不同模态之间的映射关系。实验结果表明,所提模型在多个数据集上均取得了良好的识别效果,优于以往多模态特征融合的模型。同时,消融实验结果表明,2 个模块单独使用的效果均优于原模型,进一步验证了所提模型的有效性。
• 相关文章 | 计量指标

• 一种应用于协作MIMO-NOMA系统的符号检测算法
• 谢文武 李攀 肖健 王骥 杨亮
• 北京邮电大学学报. 2024, 47(4): 136-142.
• 摘要 ( 65 )     PDF ( 6 ) 　　
• 受发射端的功率分配与叠加编码的影响,基于单任务神经网络的功率域非正交多址接入( NOMA)符号检测算法无法兼容不同用户的符号检测任务。针对用户辅助的协作多输入多输出( MIMO)-NOMA 通信系统,设计基于多任务神经网络的符号检测算法,通过学习协作 MIMO-NOMA 系统中信号的深层共享特征,实现不同用户的联合符号检测。由于协作通信中不同用户接收信号的数据分布不同,并且存在数据孤岛问题,而机器学习模型要求训练数据和测试数据均独立采样于同一数据分布,因此提出多任务联邦学习框架来解决这一问题。实验结果表明,随着信噪比的提高,所提出的符号检测算法较传统符号检测算法展现出更好的性能。
• 相关文章 | 计量指标