水声被动定位中的机器学习方法研究进展综述

对基于机器学习方法的水声被动定位研究进展进行了综述。所涉及的机器学习方法有多层感知机（前馈神经网络）、支持向量机、随机森林及以卷积网络层和全连接层为主要组成单元的深度神经网络。本文通过重点引述近几年发表在国际期刊和会议上的相关前沿研究工作,详细论述了将机器学习方法应用于水声被动定位的关键理论基础、单水听器和阵列前端信号预处理算法设计及几种典型的机器学习模型。此外,还指出了现有算法在推向实际应用中面临的困难及挑战。最后,基于作者的思考,文章展望了未来基于机器学习的水声定位算法的几个潜在的研究方向。      

机器学习算法研究及前景展望

近年,随着人工智能的快速发展,机器学习逐渐成为学术研究的热点。机器学习是人工智能的核心,专门研究计算机怎样模拟和人类的学习行为,重新组织已有的知识结构并以此来改善自身功能。通过分析机器学习的经典算法中的BP神经网络算法,深度学习算法以及朴素贝叶斯算法的模型和理论依据来对机器学习做简单的介绍,同时阐述了经典算法在机器学习中的重要应用,最后探讨了机器学习未来的愿景。     

大数据在无线通信中的应用综述

近年来,新兴出现的深度学习(Deep Learning, DL)已经被认为是一种能很好地处理复杂通信问题的技术,基于DL的算法可以大大提高通信系统的性能。本文概述了DL算法在通信物理层应用的最新进展,首先回顾了DL在信道估计、均衡、信号检测、信道状态信息(Channel State Information,CSI)反馈等物理层方面的代表性应用,然后讨论了DL在通信物理层应用的挑战。DL在物理层的应用将为无线通信的研究带来新的方向。     

基于机器学习的无线通信网络资源分配方法研究

针对现有无线网络资源分配面临的资源分配不合理问题,提出基于机器学习的无线通信网络资源分配方法研究。在网络资源接入时设定优先级,然后进行中继转发,最后利用比例公平算法对无线通信网络资源进行合理分配。通过实验得到,提出的基于机器学习的无线通信网络资源分配方法,能够有效解决资源分配不合理的问题。     

基于机器学习的无线通信网络安全漏洞智能监测系统

针对传统无线通信网络安全漏洞监测系统监测精度较低、耗时长等问题,提出基于机器学习的无线通信网络安全漏洞智能监测系统.在监测系统硬件设计中,根据无线通信网络总体架构,以及无线通信网络数据特征,将其划分为漏洞数据采集模块、漏洞数据扫描模块及网络安全漏洞智能监测模块.在漏洞数据采集模块中,利用无线数据采集器在漏洞数据库中采集...     

基于机器学习的网络舆情预测研究综述

大数据时代来临,社交网络和自媒体平台为公众提供了解多元文化的渠道。与此同时,一些负面、虚假或未被证实的消息同样可以得到传播。因此,在舆情形成初期,实时监看和预测未来的舆情走势成为重中之重。传统的网络舆情监看依靠人工信息汇集和分析预测舆情走势,随着机器学习技术的发展,基于机器学习的预测方法已在各个行业取得成就。文中对应用于网络舆情预测的主要机器学习模型进行梳理和理论介绍。此外,对当前应用机器学习于网络舆情预测的主要方法进行全面综述、对引入的关键技术进行整理介绍并探讨未来发展方向。     

集成学习之随机森林算法综述

集成学习是一类非常重要且实用的方法,以简单高效著称的随机森林算法是集成学习算法的代表之一,它集成众多决策树并以投票的方式输出结果,在许多应用领域取得了巨大的成功。文章介绍决策树和随机森林算法,总结随机森林算法在性能改进、理论性质方面的研究进展,及其和深度学习算法之间的区别与联系。     

面向图像视频取证的机器学习综述

近年来,随着机器学习技术,特别是深度学习技术的飞速发展,使得一般人也能够生成非常逼真的高质量造假图像和视频.这给社会和个人带来了极大的风险,也引起了世界各国相关部门以及学术界的高度重视.针对图像和视频的篡改技术和取证技术是相互对抗相互促进的矛盾双方.机器学习技术的飞速发展,同样地也触发了图像/视频取证技术的跨越式演化....     

基于机器学习的图像分割算法研究

图像分割是计算机视觉研究中重要的一部分,其主要目的是在图像中将兴趣域目标与背景分割,关系到后续的目标识别、图像理解等操作的准确性.经过几十年的发展,许多优秀的图像分割的方法被提出.机器学习是当今时代的研究热点,基于深度卷积神经网络等机器学习的图像分割研究进展迅速.总结介绍了应用于图像分割的几种典型机器学习方法,分析比较了相关的分割原理步骤、优缺点和发展现状.最后分析了基于机器学习的图像分割算法的发展方向.     

机器学习系统毒化攻击综述

自机器学习被应用到许多关键性领域以来,机器学习系统的脆弱性也引起了人们的高度重视。其中,针对机器学习系统的毒化攻击得到了研究者的广泛关注,呈现了一些研究成果。因此,将系统地介绍当前机器学习系统毒化攻击的研究进展,对机器学习系统毒化攻击算法进行分类和总结,包括针对机器学习中的线性分类器、支持向量机、贝叶斯分类器和深度神经网络等几类常见模型的毒化攻击等攻击算法,目标是使现有的关于机器学习系统毒化攻击的研究成果更加清晰,为相关研究者的研究工作提供启发。     

基于自编码器的无线通信系统

本文针对无线通信系统与自编码器的相似性,提出将传统无线通信系统理解为端到端的自编码器任务,并将无线通信系统的发送端与接收端分别对应为自编码器的编码与译码模块。仿真结果表明,基于自编码器的无线通信系统比传统的无线通信系统具有更好的性能。     

迁移学习在6G无线通信中的应用综述

为了促进迁移学习在6G通信中的应用发展,详细研究迁移学习技术在6G典型场景中的应用。通过综述迁移学习在BSs/APs切换能源效率、频谱资源动态分配、内容流行度预测、室内无线定位和网络入侵检测等方面的研究工作,挖掘迁移学习在无线通信领域的潜在价值,并结合6G先进的服务需求,分析如何利用迁移学习技术来促进实现6G无线通信愿景。最后对未来迁移学习服务于6G无线通信的挑战进行了总结分析,旨在为业界了解迁移学习和无线通信之间的过去、现在和未来提供参考。     

基于机器学习的服务组合技术研究进展

服务组合是服务计算领域内的经典研究问题,在工业及学术领域内受到广泛关注。随着云原生和微服务技术不断普及,服务组合领域涌现出一系列富有创新性的研究。随着计算机技术和人工智能的快速发展,深度学习、强化学习等机器学习算法被越来越多地应用于传统服务组合问题中。文中介绍了服务组合问题常见的分类及面临的挑战,并对近年来涌现的机器学习算法在服务组合问题中的应用进行了归纳介绍。此外,文中还总结了基于机器学习算法解决服务组合问题时所面临的问题,并对今后的发展方向进行了展望。     

短波认知通信中的机器学习策略

在短波中应用认知无线电,能够提高短波频谱利用率。为提高短波认知通信系统的智能水平,应用机器学习策略能够更加智能地预测相关参数、选择通信频率,保证短波通信质量。文章主要综述机器学习策略中基于神经网络的学习、统计学习和强化学习在短波认知通信中的应用,并展望其在短波中的发展前景。     

互联网智能路由架构及算法

突发流量在网络中非常普遍,会严重损害用户体验。突发流量往往能在短时间（如毫秒级别）内充满链路,导致网络拥塞和频繁分组丢失,端到端时延增加。传统路由算法要么是流量无关（如 OSPF（open shortest path first,开放式最短路径优先））的,无法对实时流量的变化做出调整;要么是集中式控制的（如线性规划）,面临求解时延过大而无法有效应对突发流量的问题。提出了一种新的智能路由算法解决突发流量的问题。一方面,提出的算法能利用机器学习强大的建模能力,通过对网络历史数据的挖掘来学习“隐式”的路由决策依据。另一方面,提出的算法能借助机器学习的快速推理能力降低决策时延,提高系统对突发流量的响应速度。实验结果表明,在真实流量数据集下,相比较其他路由算法,提出的智能路由算法能降低13%～70%的瓶颈链路利用率。     

深度学习在无线通信系统信道估计中的应用

近年来,人工智能飞速发展,深度学习(Deep Learning,DL)逐渐被应用到无线通信系统中,并取得了显著的效果,基于DL的算法可以获得比传统算法更高的性能。文章主要介绍DL算法在无线通信系统信道估计中的应用,首先介绍DL和信道估计的基本原理以及DL应用于信道估计的典型网络模型,然后讨论了DL应用于无线通信系统信道估计所面临的挑战。DL在信道估计中的应用将会给无线通信的研究带来新的方向。     

深度机器学习在医院智能化管理中的应用

本文首先针对医院智能化管理数据挖掘应用流程,如做好数据前期准备工作、构建数据挖掘应用体系等予以分析,其次对医院智能化管理应用方向如医疗质量控制及医疗辅助诊断等予以阐述,最后对深度机器学习体系构建展开探讨,望借此可为医院管理智能化发展提供相应参考。