• 面向微服务云应用异常检测的异步实时联邦学习新方法

  随着云计算技术的快速发展，微服务架构已成为构建现代云原生应用的主流范式。这种将单体应用拆分为多个独立部署、松耦合服务的架构模式，虽然提升了系统的可扩展性和开发效率，却给运维保障带来了前所未有的挑战。工业级微服务系统通常包含数百至数千个服务实例，这些实例在复杂的云基础设施中动态创建和销毁，导致系统行为难以捉摸。更棘手的是，微服务环境的高度动态性、频繁更新以及服务间错综复杂的调用关系，使得传统监控手段难以有效捕捉潜在异常，往往等到故障发生时已造成严重影响。现有基于机器学习的异常检测方法大多采用集中式学习（CL）范式，需要将分布式设备产生的数据统一传输到中央服务器进行模型训练。这种方式不仅面临巨大的

  来源：IEEE Transactions on Machine Learning in Communications and Networking

  时间：2025-11-18

• 基于大语言模型语义校正的语义重要性感知通信新方法

  在人工智能与通信技术深度融合的今天，语义通信作为一种超越传统香农理论范式的通信方式，正受到学术界和工业界的广泛关注。传统通信系统主要关注比特或符号的准确传输，而语义通信则致力于直接传递信息的“意义”，这对于机器与人类（agent-human）以及机器与机器（agent-agent）之间的高效交互至关重要。然而，现有的语义通信系统大多停留在特征层面（Feature-Level Semantic Communications, FLSC），例如将图像编码为连续的潜空间表示（Continuous Latent Space Representations）或离散的潜空间表示（Discrete Late

  来源：IEEE Transactions on Machine Learning in Communications and Networking

  时间：2025-11-18

• 面向物联网设备识别的轻量级网络流量包编码模型研究

  随着物联网设备的爆炸式增长，现代网络环境变得越来越复杂。网络管理员迫切需要准确识别连接设备类型，以便实施安全策略、检测非法设备并优化资源分配。然而，传统设备分类技术严重依赖人工特征工程，需要领域专家手动分析网络流量以识别区分性特征。这种方法不仅耗时耗力，还难以适应不断变化的网络行为。近年来，基于机器学习的技术在网络管理任务中日益普及，尤其是神经网络流量分析方法已展现出与人工特征工程相媲美的性能。但神经网络的高计算成本和复杂性限制了其在实时操作中的应用，通常需要专用硬件支持高吞吐量流量条件。此外，现有方法往往依赖特定类型的网络数据包或涉及计算密集的预处理步骤，这进一步限制了其实际应用价值。针对这

  来源：IEEE Transactions on Machine Learning in Communications and Networking

  时间：2025-11-18

• 基于自监督对比学习的RIS辅助MU-MIMO系统联合波束成形优化研究

  在第五代移动通信技术持续推进的今天，如何有效提升无线网络容量和覆盖范围成为学术界和工业界关注的焦点。可重构智能表面（RIS）作为一种新兴技术，通过智能调控电磁波传播环境，为无线通信系统带来了革命性的可能性。这种由大量无源反射元件组成的表面能够动态调整入射信号的相位和幅度，从而增强目标信号并抑制干扰。特别是在多用户多输入多输出（MU-MIMO）系统中，RIS技术展现出巨大潜力，但同时也带来了前所未有的挑战。传统RIS辅助系统的核心难题在于联合波束成形设计的计算复杂度。当基站（BS）和RIS的天线数量增加时，波束成形的可选方案呈指数级增长。现有解决方法多采用计算密集的迭代算法，这些方法不仅无法保证

  来源：IEEE Transactions on Machine Learning in Communications and Networking

  时间：2025-11-18

• 面向鲁棒MIMO速率分割多址的深度接收机架构：基于混合模型/数据驱动的创新方法

  在追求更高频谱效率的驱动下，非正交多址接入（NOMA）技术，特别是速率分割多址（RSMA），已成为超越传统正交多址（OMA）方案的有力候选者，被广泛视为6G的关键技术之一。RSMA通过将用户消息拆分为公共部分和私有部分，并采用叠加编码和预编码技术，能够更灵活地管理多用户干扰，从而在多种性能指标上展现出优势。然而，RSMA接收机的核心——连续干扰消除（SIC）技术，其性能高度依赖于精确的信道状态信息（CSI）。在实际系统中，信道估计误差、预编码不完美以及收发器非线性（如功率放大器饱和）等模型失配问题，极易导致SIC操作中的误差传播，从而使接收机性能急剧下降。传统基于模型的信号处理算法难以有效应对

  来源：IEEE Transactions on Machine Learning in Communications and Networking

  时间：2025-11-18

• 用于光子神经网络的多功能低阈值非线性激活函数

  摘要：近年来，随着光计算技术的进步，光电激活函数已成为高性能光计算系统的关键组成部分。在这里，我们提出了一种全模拟的光电非线性激活单元。通过连续调节偏置电压和参考光强度，可以实现多种激活函数，包括Sigmoid、指数线性单元（ELU）、漏电ELU、逆ELU、对数-对数函数以及其他非典型函数。将这些非线性激活函数嵌入到卷积神经网络中，用于修改后的国家标准与技术研究院（MNIST）手写数字分类和Fashion-MNIST任务中，我们分别获得了99.21%和89.47%的高推理准确率。该连续可编程单元具有结构简单、成本低廉且易于集成的特点。它可以在低至-24 dBm的光功率下工作，适用于低光照条件。

  来源：Journal of Lightwave Technology

  时间：2025-11-18

• 使用Koopman神经算子对相干光纤通信系统进行光纤通道建模

  摘要：光纤通道建模在光纤通信系统的仿真、设计和性能评估中起着至关重要的作用。本文研究了一种新的深度学习架构——基于Koopman神经算子（KNO）的网络，用于学习标准单模光纤（SSMF）的传输函数，该函数考虑了衰减、色散（CD）和非线性的联合效应。为了在长距离相干光通信系统中实现有效的通道建模，我们修改了损失函数，特别重新设计了用于偏振分复用（PDM）信号的输入向量，并优化了网络参数。该模型的有效性在28 GBaud PDM-16QAM/32QAM/64QAM相干光通信系统中进行了评估，传输距离分别为1600公里、800公里和400公里，使用的是SSMF光纤。结果显示，在发射功率范围为−3 d

  来源：Journal of Lightwave Technology

  时间：2025-11-18

• 基于眼动追踪技术的自动写作评价系统对英语专业学生写作错误的干预效应研究

  在英语作为外语(EFL)教学中，写作能力的培养一直是重点难点。传统写作教学需要教师投入大量时间批改作文并提供反馈，这给教师带来沉重负担。随着人工智能(AI)技术的发展，自动写作评价(AWE)系统应运而生，它能够快速提供个性化反馈，允许学生多次提交作文，从而增加写作练习机会。然而，关于AWE系统是否能有效提高学生写作水平，尤其是减少写作错误，学术界存在争议。以往研究大多采用产品导向的方法，关注学生最终作文的分数变化或错误数量减少，但很少探讨学生如何内化和应用AWE系统提供的反馈来减少写作错误。这一认知过程具有私密性，难以直接观察，导致研究存在空白。此外，现有研究多关注国际主流AWE系统（如Cri

  来源：IEEE Transactions on Learning Technologies

  时间：2025-11-18

• 基于皮肤电导峰值与神经建模的虚拟现实游戏类型情绪唤醒预测研究

  随着虚拟现实技术在教育、医疗和娱乐领域的快速普及，如何精准量化用户对沉浸式体验的情绪反应成为关键挑战。尽管VR能通过多感官刺激创造独特的情绪测量机会，但开发者仍缺乏标准化的生理指标来指导体验设计，特别是不同游戏类型所引发的情绪唤醒差异。现有研究多局限于单一游戏类型或混合人群，难以揭示特定用户群体（如大学生）在跨类型VR内容中的生理响应规律。为破解这一难题，墨西哥泛美大学的研究团队在《IEEE Latin America Transactions》发表了一项创新研究，通过高分辨率皮肤电导反应(SCR)数据和神经预测模型，系统比较了恐怖类、技巧类和运动类VR游戏对情绪激活的调节作用。研究采用Shi

  来源：IEEE Latin America Transactions

  时间：2025-11-18

• 基于双层神经自适应补偿的四轮全向移动机器人轨迹跟踪控制研究

  在人工智能技术飞速发展的当下，自主移动系统正逐渐融入工业物流、服务机器人等众多领域。然而，这类系统在实际应用中面临着一个核心挑战：如何在缺乏精确数学模型和存在参数不确定性的情况下，实现高精度的轨迹跟踪控制？对于采用Mecanum车轮的四轮全向移动机器人（4-Wheeled Omnidirectional Mobile Robot, 4-WOMR）而言，这一问题尤为突出。其独特的运动机制带来了高度灵活性的同时，也使得系统动力学更加复杂，传统的基于模型的控制方法往往难以取得理想效果。为此，研究人员Sergio López和Miguel A. Llama在《IEEE Latin America Tr

  来源：IEEE Latin America Transactions

  时间：2025-11-18

• 基于联邦迁移学习与混合神经网络的混淆恶意软件检测新方法

  随着网络攻击手段的日益复杂化，恶意软件通过混淆技术（如加密、打包等）逃避传统检测方法已成为网络安全领域的重大挑战。根据CERT.br数据，2024年全球安全事件通知超过120万起，其中混淆恶意软件攻击占比显著增长。这类恶意软件一旦被合法进程执行，往往在达成攻击目标后才被发现，对个人隐私、企业数据乃至政府机密构成严重威胁。传统检测方法难以应对实时动态变化的混淆技术，而集中式机器学习方案又面临数据隐私泄露和传输效率低下的双重困境。在此背景下，巴西圣保罗州立大学的研究团队在《IEEE Latin America Transactions》发表了一项突破性研究，提出将联邦学习(Federated Le

  来源：IEEE Latin America Transactions

  时间：2025-11-18

• 具有解耦运动学的腿轮变形机构设计与计算建模研究

  在移动机器人技术飞速发展的今天，机器人在各种人类活动领域的应用前景日益广阔。然而，传统移动机器人在面对复杂多变的地形环境时往往显得力不从心——轮式机器人在平坦路面上效率卓越，但在崎岖不平的地形上举步维艰；而腿式机器人虽然擅长应对复杂地形，却在平坦路面上的运动效率和能耗表现不佳。这种"鱼与熊掌不可兼得"的困境严重限制了机器人的实际应用范围。正是在这样的背景下，研究人员开始将目光投向多模式运动系统，特别是能够结合轮式与腿式运动优势的变形机构。这类系统可以根据地形条件动态切换最合适的运动模式，从而在保持高效移动的同时获得强大的地形适应能力。然而，现有的腿轮变形机构设计往往存在驱动系统复杂、运动耦合性

  来源：IEEE Latin America Transactions

  时间：2025-11-18

• 一种基于普适物理原理的神经网络框架，用于预测网络动态：从低阶到高阶

  摘要：准确预测复杂网络动态是一项具有挑战性的任务。许多研究表明，数据驱动的框架为这一问题提供了有希望的解决方案。然而，现有方法仍然存在显著的限制，尤其是在网络结构从低阶向高阶演变时，或者当网络的动态方程受到多种动态因素（如局部自动态、低阶和高阶耦合动态）的影响时。为此，我们提出了一个通用的、基于物理原理的神经网络框架，能够预测低阶和高阶网络中的各种动态行为。首先，该框架通过高阶项扩展模块捕捉并整合了更多的非线性特征；其次，我们设计了一个混合神经网络模块来差异性地学习每个动态因素，以全面理解网络动态；最后，引入了一个基于物理原理的损失函数构建模块，将差分损失与预测损失相结合，提高了网络动态预测的

  来源：IEEE Transactions on Knowledge and Data Engineering

  时间：2025-11-18

• 图神经网络的多目标解释框架

  摘要：图神经网络（GNNs）在各种应用领域展现出巨大潜力，但其有限的可解释性阻碍了其广泛采用，从而影响了客户满意度和忠诚度。当需要满足不同用户群体的多样化解释需求时，这一问题变得更加严重。现有的GNN解释模型通常专注于单一目标，忽略了用户需求的多样性和潜在冲突，导致结果不尽理想。此外，在多目标解释过程中，现有模型会优先考虑某些解释目标，破坏图中的内在层次结构和远距离关系，进一步降低了解释效果。为了解决这些问题，本文提出了一种新的多目标解释框架——HM-Explainer，该框架具有层次结构归因功能。该框架基于帕累托理论构建了一个多目标解释生成模块，以平衡不同且可能相互冲突的解释目标。同时，HM

  来源：IEEE Transactions on Knowledge and Data Engineering

  时间：2025-11-18

• 用于高效能5G支持的IoMT医疗系统的量子机器学习：提升数据安全与处理能力

  摘要：随着医疗物联网（IoMT）的扩展，尤其是在5G技术的整合下，节能型医疗系统对工业5.0来说变得越来越重要。基于5G的IoMT系统实现了实时数据收集、高速通信以及医疗设备与医疗服务提供者之间的增强型连接。然而，这些系统面临着能源消耗和数据安全方面的挑战，尤其是在工业5.0环境中运行的连接设备数量不断增加且电力资源有限的情况下。将量子计算与机器学习（ML）算法相结合，形成量子机器学习（QML），通过叠加和纠缠等原理在计算速度和效率上实现了指数级的提升。在本文中，我们提出并评估了三种QML算法：变分量子神经网络（QNNs），用于对来自四个不同数据集（5G-South Asia (5G-SA)、

  来源：IEEE Internet of Things Journal

  时间：2025-11-18

• 臂丛神经损伤患者的肩关节融合术：采用扩孔器冲洗、抽吸及骨移植技术

  摘要 通俗语言总结 臂丛神经损伤（BPI）可能导致肩带肌肉的功能性不可逆丧失，进而引发肱骨头半脱位和关节不稳定。由此产生的机械性疼痛可能非常严重，并且对神经性疼痛药物无反应。通过肩关节融合术（SA）进行外科干预可以稳定关节并缓解这种机械性疼痛。然而，在普通人群中，肩关节融合术的术后效果参差不齐，非愈合率较高。对于BPI患者来说，这一问题尤为严重，因为他们通常伴有废用性骨质疏松。本文介绍了使用Reamer-Irrigator-Aspirator系统（RIA，DePuy Synthes，Ra

  来源：Techniques in Hand & Upper Extremity Surgery

  时间：2025-11-18

• 分割背阔肌肌腱转移术在产科臂丛神经损伤患者中的外旋功能重建应用

  摘要通俗语言总结 背阔肌的肌内神经血管分支模式使其分为两个具有独立神经血管供应的部分。从胸背动脉蒂发出的内侧和外侧分支与肌肉纤维平行，因此可以分别获取两个独立的肌肉瓣。我们根据这两个肌肉部分提出了一种改良的背阔肌肌腱移植方法，用于改善外旋功能。内侧（横向）部分被移植到旋转袖的附着点，以动态增强外旋能力；而外侧部分则在旋转过程中起到稳定肱骨头的作用。我们对接受该手术的患者进行了回顾性分析，评估了外旋的主动和被动活动范围以及Mallet评分，并特别关注了内旋方面的并发症和限制。术后平均肩关节外展活动范围为140度（范围：90至180度）。外旋活

  来源：Techniques in Hand & Upper Extremity Surgery

  时间：2025-11-18

• 基于生存分析增强型深度神经网络与协同过滤的出发时间预测新方法

  每天清晨，世界各地的城市都上演着同样的戏码——通勤大潮。车流缓慢蠕动，时间一分一秒流逝，带来的不仅是焦躁的情绪，还有真金白银的损失。据统计，早在2018年，美国普通驾车者每年因交通拥堵平均浪费97小时，造成的总成本接近870亿美元。这个问题在早高峰时段尤为突出，而COVID-19大流行更是改变了传统的工作模式，使得高峰时段变得更加模糊和不可预测。面对这一严峻挑战，城市交通管理部门迫切需要一种能够准确预测个体早晨出发时间的能力，这对于管理高峰需求、优化交通系统至关重要。传统的出发时间预测方法，如四步交通分配模型，往往依赖于固定的高峰小时假设和有限的协变量（如一天中的时间和历史交通数据），难以捕捉

  来源：IEEE Open Journal of Intelligent Transportation Systems

  时间：2025-11-18

• 面向自动驾驶系统的恶劣天气图像分类CNN方法评估：一种新型评估框架与性能分析

  当自动驾驶汽车行驶在暴雨或浓雾中时，它们的"眼睛"——光学传感器往往会变得模糊不清。恶劣天气条件(AWC)会显著降低传感器数据质量，进而影响自动驾驶系统(ADS)对周围环境的准确感知。这就好比人类驾驶员在暴风雨中视线受阻，需要更加谨慎地驾驶。然而，对于无人驾驶汽车而言，缺乏人类直觉判断的能力使得准确识别天气状况变得至关重要。目前，虽然卷积神经网络(CNN)在图像分类任务中表现出色，但针对ADS的恶劣天气图像分类仍缺乏系统性的评估标准。不同研究使用的模型架构、数据集和评估指标各不相同，导致结果难以直接比较。更关键的是，现有研究往往忽视了模型在资源受限的嵌入式平台上的实时性能，而这正是ADS实际部

  来源：IEEE Open Journal of Intelligent Transportation Systems

  时间：2025-11-18

• 基于生成对抗网络的ACC车辆隐蔽网络攻击检测与交通流影响分析

  随着自动驾驶技术的快速发展，配备自适应巡航控制（Adaptive Cruise Control, ACC）的车辆正逐渐改变传统交通格局。这类车辆通过先进传感和自动化技术承诺提升交通稳定性、节约能源并优化道路资源利用。然而作为典型的Cyber-Physical Systems（信息物理系统），ACC车辆同样面临严峻的网络安全威胁。与导致明显碰撞的显性攻击不同，那些仅细微改变驾驶行为的隐蔽攻击更具危险性——它们可能引发连锁式交通波动，增加燃油消耗和事故风险，却难以被传统检测方法识别。这一隐患为智能交通系统的安全部署带来了巨大挑战。为应对这一难题，明尼苏达大学研究团队在《IEEE Open Jour

  来源：IEEE Open Journal of Intelligent Transportation Systems

  时间：2025-11-18

知名企业招聘：