ISSN 
优先发表
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。
, 最新更新时间 , doi: 10.12178/1001-0548.2024156
摘要:
近年来，深度学习技术的飞速发展极大地推动了虚拟数字人技术的进步，尤其是在说话数字人视频生成方面。该领域的研究在视频翻译、电影制作和虚拟助手等多个场景中展现出广阔的应用前景。该文对当前语音驱动说话数字人视频生成方法及研究现状进行了梳理与总结，并深入探讨了关键技术、数据集以及评估策略。在关键技术方面，生成对抗模型、扩散模型和神经辐射场等人工智能技术均发挥了重要作用。数据集的规模和多样性对于模型训练至关重要，而评估策略的完善则有助于更加客观地评价生成效果。虚拟数字人视频生成技术将继续面临众多挑战与机遇，期待该领域能够持续创新与发展，为人类社会带来更多便捷与乐趣。
近年来，深度学习技术的飞速发展极大地推动了虚拟数字人技术的进步，尤其是在说话数字人视频生成方面。该领域的研究在视频翻译、电影制作和虚拟助手等多个场景中展现出广阔的应用前景。该文对当前语音驱动说话数字人视频生成方法及研究现状进行了梳理与总结，并深入探讨了关键技术、数据集以及评估策略。在关键技术方面，生成对抗模型、扩散模型和神经辐射场等人工智能技术均发挥了重要作用。数据集的规模和多样性对于模型训练至关重要，而评估策略的完善则有助于更加客观地评价生成效果。虚拟数字人视频生成技术将继续面临众多挑战与机遇，期待该领域能够持续创新与发展，为人类社会带来更多便捷与乐趣。
, 最新更新时间 , doi: 10.12178/1001-0548.2023273
摘要:
网络钓鱼作为一种社会工程攻击手段，旨在通过伪装成可信任的实体，如银行、社交媒体平台或政府机构，通过虚假的电子邮件、网站或消息来欺骗受害者。研究者主要通过各种技术手段检测网络钓鱼攻击，但当前检测研究仍面临三方面问题。首先，攻击者采用伪装、漏洞利用和规避技术以逃避检测。其次，现有的检测方法存在可解释性差、实时性低以及概念漂移等问题。最后，由于缺乏足够的可解释性，造成用户对检测结果产生不信任。从应用场景、数据集、检测方法等方面对当前检测研究进行归纳与总结，并提出当前检测研究所面临的问题以及展望未来可能的研究热点。
网络钓鱼作为一种社会工程攻击手段，旨在通过伪装成可信任的实体，如银行、社交媒体平台或政府机构，通过虚假的电子邮件、网站或消息来欺骗受害者。研究者主要通过各种技术手段检测网络钓鱼攻击，但当前检测研究仍面临三方面问题。首先，攻击者采用伪装、漏洞利用和规避技术以逃避检测。其次，现有的检测方法存在可解释性差、实时性低以及概念漂移等问题。最后，由于缺乏足够的可解释性，造成用户对检测结果产生不信任。从应用场景、数据集、检测方法等方面对当前检测研究进行归纳与总结，并提出当前检测研究所面临的问题以及展望未来可能的研究热点。
, 最新更新时间 , doi: 10.12178/1001-0548.2023266
摘要:
在对射频微波功率放大器芯片的概念、类型与实现工艺进行全面综述与分类的基础上，聚焦其高频化、线性度改善、能量转换效率提升、带宽扩展以及高集成度封装等关键技术的研究现状与亟待解决的技术问题，深入分析并讨论了各项关键技术的主流实现方式、典型研发案例以及相关应用利弊，旨在为现代无线通信系统射频前端集成的功率放大器芯片研发提供方法总结与设计参考。最后对射频微波功率放大器芯片技术的发展趋势与行业走向做出了展望。
在对射频微波功率放大器芯片的概念、类型与实现工艺进行全面综述与分类的基础上，聚焦其高频化、线性度改善、能量转换效率提升、带宽扩展以及高集成度封装等关键技术的研究现状与亟待解决的技术问题，深入分析并讨论了各项关键技术的主流实现方式、典型研发案例以及相关应用利弊，旨在为现代无线通信系统射频前端集成的功率放大器芯片研发提供方法总结与设计参考。最后对射频微波功率放大器芯片技术的发展趋势与行业走向做出了展望。
, 最新更新时间 , doi: 10.12178/1001-0548.2023229
摘要:
对Twitter、Facebook以及新浪微博等大型在线社交平台上不同类型的社交机器人进行特征分析，围绕社交机器人检测框架，对基于机器学习、深度学习以及其他新兴检测方法的社交机器人检测模型的优缺点和适用性进行总结和分析。研究发现对于不同平台和攻击目标的社交机器人需要提取多种维度的特征并设计相应的检测方法。最后对如何减少社交机器人的危害以及应对人类与社交机器人共存挑战的措施进行深层次挖掘和分析，并对如何提高识别精度以及热点技术的发展进行了讨论和展望。
对Twitter、Facebook以及新浪微博等大型在线社交平台上不同类型的社交机器人进行特征分析，围绕社交机器人检测框架，对基于机器学习、深度学习以及其他新兴检测方法的社交机器人检测模型的优缺点和适用性进行总结和分析。研究发现对于不同平台和攻击目标的社交机器人需要提取多种维度的特征并设计相应的检测方法。最后对如何减少社交机器人的危害以及应对人类与社交机器人共存挑战的措施进行深层次挖掘和分析，并对如何提高识别精度以及热点技术的发展进行了讨论和展望。
, 最新更新时间 , doi: 10.12178/1001-0548.2022360
摘要:
量子计算机已经逐步进入人们的视野，并被期望能够高效解决经典计算机不能解决的问题。量子计算机潜力巨大，是国内外积极关注的颠覆性计算技术。本文首先总结了国内外量子计算机系统的发展（涉及硬件、软件等多个层次），并归纳目前量子计算系统存在的、需要面对的问题以及相关的解决方案和方向。随后，提出了量子操作系统的设计原则，并介绍了一种量子操作系统QuOS的原型的核心机制。
量子计算机已经逐步进入人们的视野，并被期望能够高效解决经典计算机不能解决的问题。量子计算机潜力巨大，是国内外积极关注的颠覆性计算技术。本文首先总结了国内外量子计算机系统的发展（涉及硬件、软件等多个层次），并归纳目前量子计算系统存在的、需要面对的问题以及相关的解决方案和方向。随后，提出了量子操作系统的设计原则，并介绍了一种量子操作系统QuOS的原型的核心机制。
, 最新更新时间 , doi: 10.12178/1001-0548.2023242
摘要:
为辅助监控超精密飞切机床对磷酸二氢钾（KDP）精加工过程中偶发的加工误差，结合机床加工过程中的振动数据和温度数据关键特征提取，建立晶体加工表面的预测模型。基于ResNet-18分析振动数据与KDP晶体表面是否合格之间的联系进行二分类预测，最终在测试集上模型准确率达到88.5%。同时，基于XGBoost模型分析温度数据与KDP晶体表面质量低频指标P-V的联系并进行预测，实验结果表明预测模型能较快预测加工元件表面质量，且整体误差在可接受范围内。对加工误差进行溯源分析，构建机床的整机模型，利用有限元分析计算长时间的加工状态下机床的瞬态温度场，仿真结果表明在机床运行8580 s后机床最高温度达26.9 ℃，并开展实验证明了仿真结果的准确性，证实了“KDP晶体加工后期质量变差”与“机床主轴系统随加工过程持续升温”有关的推论。
为辅助监控超精密飞切机床对磷酸二氢钾（KDP）精加工过程中偶发的加工误差，结合机床加工过程中的振动数据和温度数据关键特征提取，建立晶体加工表面的预测模型。基于ResNet-18分析振动数据与KDP晶体表面是否合格之间的联系进行二分类预测，最终在测试集上模型准确率达到88.5%。同时，基于XGBoost模型分析温度数据与KDP晶体表面质量低频指标P-V的联系并进行预测，实验结果表明预测模型能较快预测加工元件表面质量，且整体误差在可接受范围内。对加工误差进行溯源分析，构建机床的整机模型，利用有限元分析计算长时间的加工状态下机床的瞬态温度场，仿真结果表明在机床运行8580 s后机床最高温度达26.9 ℃，并开展实验证明了仿真结果的准确性，证实了“KDP晶体加工后期质量变差”与“机床主轴系统随加工过程持续升温”有关的推论。
, 最新更新时间 , doi: 10.12178/1001-0548.2023213
摘要:
LLC谐振变换器有着转换效率高、软开关特性好等显著优点。但在储能系统充电的应用场合，宽电压增益输出要求LLC谐振变换器工作频率在较大范围内变化，从而引起转换效率明显降低、磁性元件设计困难、轻载调节有限等问题。本文研究了一种采用谐振电感复用的LCL-T/LLC谐振变换器，可用于电动汽车的车载充电。将谐振电感置于变压器副边，构建LCL-T谐振腔使得变换器工作在恒流充电阶段，LCL-T谐振变换器的恒流特性可以显著减小变换器的工作频率范围；通过辅助开关改变谐振支路，该谐振电感也可参与LLC谐振，使变换器工作在恒压充电阶段，提供稳定的充电电压。由于谐振电感位于变压器副边，减少了死区时间内的磁芯损耗，提高了转换效率。本文详细分析了该变换器的工作模式和直流增益特性，给出了关键参数设计原则。最后，搭建了一台3.3kW、400V/330V的实验样机，验证了变换器拓扑和控制方案的有效性。
LLC谐振变换器有着转换效率高、软开关特性好等显著优点。但在储能系统充电的应用场合，宽电压增益输出要求LLC谐振变换器工作频率在较大范围内变化，从而引起转换效率明显降低、磁性元件设计困难、轻载调节有限等问题。本文研究了一种采用谐振电感复用的LCL-T/LLC谐振变换器，可用于电动汽车的车载充电。将谐振电感置于变压器副边，构建LCL-T谐振腔使得变换器工作在恒流充电阶段，LCL-T谐振变换器的恒流特性可以显著减小变换器的工作频率范围；通过辅助开关改变谐振支路，该谐振电感也可参与LLC谐振，使变换器工作在恒压充电阶段，提供稳定的充电电压。由于谐振电感位于变压器副边，减少了死区时间内的磁芯损耗，提高了转换效率。本文详细分析了该变换器的工作模式和直流增益特性，给出了关键参数设计原则。最后，搭建了一台3.3kW、400V/330V的实验样机，验证了变换器拓扑和控制方案的有效性。
, 最新更新时间 , doi: 10.12178/1001-0548.2023170
摘要:
海量图像以流数据的形式实时涌入网络，使得在线图像检索需求越来越迫切。为了保证在线图像检索性能，人们利用在线哈希算法实时更新哈希函数，并重新学习新、旧数据集的哈希码。然而，随着旧数据集的日益积累，在线更新旧数据集的哈希码会严重影响在线检索效率。为此，创新性提出非对称深度在线哈希（Asymmetric Deep Online Hashing, ADOH），以非对称的方式深度学习在线哈希网络，并且仅生成新数据集的哈希码，无需更新旧数据集的哈希码，能够有效地提升在线检索效率。ADOH算法通过最小化哈希码内积与相似度矩阵之间的差异，保持样本对之间的语义相似性关系。另外，ADOH算法建立分类损失项和标签嵌入模块学习样本的语义信息，使生成的哈希码更具备语义鉴别性。在3个广泛使用的数据集cifar-10、mnist和Places205上设置在线近邻检索对比实验，结果表明ADOH算法的在线近邻检索性能优于目前8种较先进的在线哈希算法。
海量图像以流数据的形式实时涌入网络，使得在线图像检索需求越来越迫切。为了保证在线图像检索性能，人们利用在线哈希算法实时更新哈希函数，并重新学习新、旧数据集的哈希码。然而，随着旧数据集的日益积累，在线更新旧数据集的哈希码会严重影响在线检索效率。为此，创新性提出非对称深度在线哈希（Asymmetric Deep Online Hashing, ADOH），以非对称的方式深度学习在线哈希网络，并且仅生成新数据集的哈希码，无需更新旧数据集的哈希码，能够有效地提升在线检索效率。ADOH算法通过最小化哈希码内积与相似度矩阵之间的差异，保持样本对之间的语义相似性关系。另外，ADOH算法建立分类损失项和标签嵌入模块学习样本的语义信息，使生成的哈希码更具备语义鉴别性。在3个广泛使用的数据集cifar-10、mnist和Places205上设置在线近邻检索对比实验，结果表明ADOH算法的在线近邻检索性能优于目前8种较先进的在线哈希算法。
