- 基于生成模型的下一代无线网络优化：基础、现状与关键挑战
下一代无线网络中，生成式人工智能（Generative AI，GAI）模型的应用可以提升资源分配和网络性能优化，解决传统优化技术面临的挑战。
- MM利用网络与遥感数据进行上下文感知的移动网络性能预测
在这项研究中，我们使用卫星图像数据来预测电信网络的性能，实验证明模型在不同地区都表现出很好的泛化能力，并且对于新部署的站点提供了一个可行的初始性能估计方法。
- 基于卷积的概率梯度损失用于语义分割
本文介绍了一种新颖的基于卷积的概率梯度（CPG）损失方法，它使用类似 Sobel 算子的卷积核计算图像中像素强度的梯度，从而能够计算真值和预测的类别概率之间的梯度。这种方法通过最大化这两个概率梯度之间的相似性来提高网络性能。此外，为了专门增 - BiPer：使用周期函数的二进制神经网络
通过使用二进制周期函数，将二进制神经网络的前向和反向模型一致化，可以控制量化误差并提高网络性能。在 CIFAR-10 和 ImageNet 数据集上的分类任务中，相比于现有方法，我们的方法能获得高达 1% 和 0.69% 的改进效果。
- 自动驾驶全景分割鲁棒性的基准测试
准确的情景感知对于辅助和自动驾驶功能 (AAD) 的安全决策至关重要。全景分割是一种有前景的感知技术，可以在像素级别上识别和分类对象、潜在危险和可驾驶空间。本研究提出了一个统一的流程，评估全景分割模型在 AAD 中的鲁棒性，并将其与传统图像 - 双胞胎车联网络在密集区域是否能提升其性能？
该研究探讨了数字孪生（DT）在提升密集人口城区中的网络性能方面的潜力，具体关注车辆网络。研究包括两个阶段，第一阶段利用交通数据和人工智能聚类来确定关键位置，尤其是在事故率高的拥挤城区。第二阶段评估了通过三种部署场景对车辆网络进行孪生的优势： - 3D 目标检测中的大感受野策略与重要特征提取策略
利用 3D 物体检测、LiDAR 点云、动态特征融合模块和特征选择模块以提高网络性能。
- 无人机辅助无线网络中基于深度强化学习的综合接入返程布局
利用深度强化学习优化实时的无人机部署，实现 5G 网络的增强与改进，填补了无人机辅助 5G 网络的空白，为未来移动网络提供可扩展且适应性强的解决方案。
- DGNet: 动态梯度引导网络与噪声抑制方法用于水下图像增强
利用预测图像动态更新伪标签，将动态梯度添加到优化网络的梯度空间，通过特征恢复与重建模块和频率域平滑模块降低各种类型噪声对网络性能的影响，实现了在水下图像增强方面的显著优势。
- 基于神经辐射场的智能多层次视图合成架构
通过提出的优化路由选择策略，使用红火蚁策略改进按需源路由系统，通过预测路由故障和能量利用来选择路径，评估结果表明该策略提高了网络生命周期，降低了节点能量消耗和端到端延迟。
- 关于在具有高度区分特征的数据上微调的后果
在迁移学习时代，从头开始训练神经网络已经过时。迁移学习利用先前的知识进行新任务训练，节省计算资源。然而，我们发现一个显著的缺点：网络倾向于优先考虑基本的数据模式，而忽视宝贵的预先学习特征。我们将这种行为称为 “特征侵蚀”，并分析其对网络性能 - 信号路网中交通信号控制和车辆路径的多智能体深度强化学习的联合优化
为了缓解城市交通拥堵问题并提高交通效率，本文提出了一种联合优化方法，使用多智能体深度强化学习（MADRL）来进行交通信号控制和车辆路由的信号化道路网络。通过建立代理之间的联系和共享观察和奖励，促进了代理之间的交互和合作，增强了个体训练。数值 - 通过四元波尔兹曼网络推广医学图像表示
神经网络普遍性研究领域愈发广泛，鉴于来自不同源和任务的数据集日益丰富。这个问题在处理医学数据时尤为重要，因为缺乏方法标准会导致不同成像中心或使用不同设备和辅助因素提供的数据变化很大。为了克服这些限制，我们引入了一种新的、泛化的、数据和任务无 - TEM 图像中位错的实例分割
本文研究了在原位应力变形实验中利用定量透射电子显微镜（TEM）揭示金属晶格中线性缺陷 —— 位错的运动。通过定量比较现有的实例分割方法，并将位错分割结果转换为数学线条以进行定量分析，我们提出了一种基于长度的新颖质量度量指标，用于估计网络性能 - 使用与滥用等变性
我们研究了群等变卷积神经网络如何使用子采样来打破对其对称性的等变性，并探讨了对网络性能的影响。我们发现，即使输入维度只有一个像素的微小变化，常用的架构也会变得近似等变，而不是完全等变。当训练数据中的对称性与网络的对称性不完全相同时，近似等变 - 卷积神经网络中高效二次神经元的表达能力增强
本文提出了一种高效的二次神经元结构，能够提高卷积神经网络的表现，并在分类任务中实现了更高的精度和更好的计算效率。
- 基于置信度引导的半监督地表覆盖分类学习
开发了一种基于置信度的半监督学习方法，利用高置信度伪标签并减少低置信度对土地覆盖分析网络训练的负面影响，采用多个网络结构来提高伪标签的多样性，并在计算机视觉中优于经典的半监督学习方法，甚至优于完全监督学习的基准 Potsdam 土地覆盖数据 - RFAConv：创新的空间注意力和标准卷积操作
提出了一种新的注意力机制 —— 接收场注意，该机制不仅专注于感受野的空间特征，而且为大尺寸卷积核提供了有效的注意力权重，实现了用接收场空间特征替换空间特征的新方法，提高了网络的性能。
- 5G/6G 核心网络智能支持：NWDAF 实现和初步分析
本文中，作者将功能性的 5G Core Network Data Analytics Function（NWDAF）应用于基于开源软件的 5G 网络，从而通过智能分析和处理方法来提供支持高数据速率，低延迟和可靠性要求的 5G 网络。文章提出 - 使用神经网络检测 DDoS 攻击的方法 DDoSDet
本研究提出使用神经网络检测 DDoS 攻击，区分恶意和合法数据流，从而防止网络性能下降。该系统精度高达 99.7％。