来源:科学网 www.sciencenet.cn 发布时间:2018/1/9 15:05:14
选择字号:
Frontiers of Computer Science 2017海外下载排名Top10论文

 

智能发展,已成为全球新一轮科技革命与产业变革的核心驱动,而学术研究中的每一次攻克、创新与开拓都令这股力量更强大,是预知未来的风向标。从图灵测试的提出,到机器学习算法的发展,到深度学习算法的成功,无数学者和创新者一直在推进人工智能技术在各领域的发展和应用。中国学者在人工智能领域的成果已具有广泛的国际影响力,所发表的学术论文在国际上得到了认可。国际学术期刊Frontiers of Computer Science 2017全年发表的文章中,海外下载量前10名的文章均聚焦于智能发展领域,从体系架构,到深度学习算法,到各领域的智能应用,充分显示出国际学术界对我国人工智能研究领域的关注。
 
No.1
 
 
预测性可视分析的现状和发展
 
Junhua LU, Wei CHEN, Yuxin MA, Junming KE, Zongzhuang LI, Fan ZHANG, Ross MACIEJEWSKI
 
Front. Comput. Sci., 2017, 11(2): 192-207   https://doi.org/10.1007/s11704-016-6028-y
 
预测分析技术已广泛地应用于各领域的业务分析、决策管理和部署。可视化可以加强预测分析过程的交互性,将人类专家知识结合进预测过程的各阶段,从而提高预测分析的可信度和准确度。本文综述了预测性可视分析的现状和发展趋势,提出了预测性可视分析系统运行的通用架构,并总结出预测分析工作流程。
 
No.2
 
 
基于自行车共享系统开放数据的自行车出行模式研究
 
Longbiao CHEN, Xiaojuan MA, Thi-Mai-Trang NGUYEN, Gang PAN, Jérémie JAKUBOWICZ
 
Front. Comput. Sci., 2017, 11(1): 38-48   https://doi.org/10.1007/s11704-016-6006-4
 
在共享单车系统快速发展的背景下,了解自行车共享系统中自行车出行模式的时空特征,对于设计车辆调度和车站管理模型具有重要的意义。本文提出了一种从公共站点反馈中推断时空自行车出行模式的方法。文章将行程推断定义为不适定的逆问题,首先识别出自行车出行模式的稀疏性和局部性,然后提出了一个稀疏加权正则化模型,将这两个属性同时应用于求解中。
 
No.3
 
 
神经网络加速器研究综述
 
Zhen LI, Yuqing WANG, Tian ZHI, Tianshi CHEN
 
Front. Comput. Sci., 2017, 11 (5): 746-761   https://doi.org/10.1007/s11704-016-6159-1
 
人工神经网络算法需要强大的计算能力和内存容量做支持,常规情况下,传统的CPU 和 GPU 由于过度追求灵活性导致能源利用率低下。近年来涌现出一些关于神经网络加速器的研究工作,用于实现高性能和低功耗。本文回顾了包括DianNao加速器在内的神经网络加速器相关的研究工作,可为神经网络领域的硬件研究人员提供参考。
 
No.4
 
 
城市计算:使用大数据实现智慧城市
 
Yu ZHENG
 
Front. Comput. Sci., 2017, 11(1): 1-3   https://doi.org/10.1007/s11704-016-6907-2
 
城市计算是一个获取、整合和分析由城市空间中的各种数据源生成的大数据、异构数据的过程,以创建可改善城市环境、人类生活质量和城市运营系统的解决方案。城市计算也有助于我们理解城市现象的本质,甚至预测、掌控城市的未来发展。本篇“观点”文章解释了城市计算的概念,展示了城市计算的架构,包括四层:城市感测、城市数据管理、城市数据分析和服务提供,并描述了每一层的主要挑战和所需关键技术。
 
No.5
 
 
终身机器学习: 一种持续学习的范式
 
Bing LIU
 
Front. Comput. Sci., 2017, 11(3): 359-361   https://doi.org/10.1007/s11704-016-6903-6
 
终身机器学习是模仿人类学习过程和能力的范式,即不断地积累过去学习的知识,并无缝地利用它们学习更多的知识,越来越善于学习。本篇“观点”文章介绍了终身机器学习的研究背景、定义、特征、研究历史,并展望了终身机器学习研究的前景。
  
No.6
 
 
软件定义网络模式的网络更新研究综述
 
Dan LI, Songtao WANG, Konglin ZHU, Shutao XIA
 
Front. Comput. Sci., 2017, 11(1): 4-12   https://doi.org/10.1007/s11704-016-6125-y
 
本文对网络更新引发的问题进行了综述,包括转发环路、转发黑洞、链路拥塞、网络策略违规等,以及软件定义网络(SDN)模式下对这些问题的解决方案。在此基础上,总结了SDN模式下网络配置的优势,并讨论了SDN模式下网络更新的开放性问题。
 
No.7
 
 
求解不适定问题的正则优化方法:综述及多目标框架
 
Maoguo GONG, Xiangming JIANG, Hao LI
 
Front. Comput. Sci., 2017, 11(3): 362-391   https://doi.org/10.1007/s11704-016-5552-0
 
本文章回顾总结了常用的正则化模型、优化方法以及正则化参数选取方法,并提出了一个多目标框架,可以处理例如非凸性、不连续性等复杂的特征。此多目标框架将保真度项和正则化项同时优化,可以更好地探究不适定问题。文章还用一个信号复原的案例研究展示了此多目标框架处理不适定问题的效果。
 
No.8
 
 
基于 Lyapunov 方法的线性时滞系统稳定性的研究综述
 
Jian SUN, Jie CHEN
 
Front. Comput. Sci., 2017, 11(4): 555-567   https://doi.org/10.1007/s11704-016-6120-3
 
本文旨在对线性时滞系统稳定性研究领域的最新进展作一个全面的综述。本文主要从如何选择适当的 Lyapunov 函数以及如何对 Lyapunov 函数的导数估计进行更准确的估计两个方面进行了总结。此外,还强调了使用尽可能少的决策变量来减小稳定性条件的保守性。最后,文章讨论了线性时滞系统稳定性研究领域的未来发展方向。
  
No.9
 
 
VIPLFaceNet:一个开源深度化人脸识别SDK
 
Xin LIU, Meina KAN, Wanglong WU, Shiguang SHAN, Xilin CHEN
 
Front. Comput. Sci., 2017, 11(2): 208-218   https://doi.org/10.1007/s11704-016-6076-3
 
本文提出了一种深度表达的开源人脸识别方法 VIPLFaceNet。它是一个10层深度卷积神经网络,具有7个卷积层和3个完全连通层。与 AlexNet 相比,VIPLFaceNet 只需20 %的训练时间和60 %的测试时间,但在真实人脸识别基准LFW上的错误率可下降40%。基于 VIPLFaceNet 的开源 C++SDK 在 BSD 许可下完成发布。
 
No.10
 
 
优化3D打印的生产制造性
 
Yu HAN, Guozhu JIA
 
Front. Comput. Sci., 2017, 11(2): 347-357   https://doi.org/10.1007/s11704-016-6154-6
 
当前 3D 打印技术面临的发展瓶颈不容忽视,主要表现在成本、时间和材料等方面。本论文针对一系列产品,提出了结合使用3D打印技术和传统技术来优化实际生产制造的方案。论文使用树状结构模拟问题,使用线性整数规划公式表示问题,并采用差分进化算法解决问题,从而自动决定在生产中的各部分应该使用3D打印还是传统技术。
 
------------------------------------------------------------------------------------
 
Frontiers of Computer Science 期刊简介
 
Frontiers of Computer Science (FCS) 是由教育部主管、高等教育出版社主办和出版、 Springer海外发行的英文学术期刊。于 2007 年创刊,双月刊,全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为李未院士,执行主编为熊璋教授和周志华教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库(CSCD)核心库等收录,为 CCF 推荐期刊;最新影响因子1.039;两次入选“中国科技期刊国际影响力提升计划”;入选“第4届中国国际化精品科技期刊”。
 
 
 

 

 
 打印  发E-mail给: 
    
 
以下评论只代表网友个人观点,不代表科学网观点。 

目前已有0条评论
相关新闻 相关论文

图片新闻
美研究人员寻找记忆的痕迹 荷兰捕鱼技术创新遭遇“扼杀”
争议性天花论文出版 我国朱鹮种群数量增至2600只左右
>>更多
 
一周新闻排行 一周新闻评论排行
 
编辑部推荐博文
 
论坛推荐