• 面向高效能计算与可信系统的VLSI设计新进展：NorCAS 2024精选论文解读

  在当今计算技术飞速发展的时代，我们正面临着前所未有的挑战：从需要瞬时响应的安全关键控制系统，到处理海量数据的高能物理实验；从保护个人隐私的嵌入式设备，到在资源受限的边缘端高效运行复杂的人工智能模型。这些应用场景对底层硬件提出了严苛的要求——不仅需要极高的计算性能和能效，还必须具备可靠的实时性、强大的安全性以及应对不同任务关键级别的灵活性。然而，传统的计算架构往往难以同时满足这些多元且矛盾的需求。例如，在中断驱动的系统中，频繁的上下文切换会成为性能瓶颈；在多处理器系统芯片（MP-SoC）中，硬件木马（Hardware Trojan, HT）可能潜伏于制造环节，威胁通信安全；而将庞大的图神经网络（

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2025-11-21

• 有限迭代约束的鲁棒自适应迭代学习控制算法，用于具有超速保护和追尾保护功能的高速列车在扰动环境下的控制

  摘要：为了确保完美的跟踪性能，大多数现有的迭代学习控制（ILC）方法在应用于自动高速列车（HST）运行控制系统时，都要求操作/迭代次数趋于无穷大。这在实际的列车运行控制实践中并不现实。本文提出了一种新的有限迭代约束鲁棒自适应迭代学习控制（FICRAILC）方法。该方法不仅能够实现有限次数的迭代收敛，还能保证超速保护和追尾保护，从而确保安全性。具体来说，收敛所需的迭代次数可以通过计算直接获得，并且可以根据所需的跟踪控制精度、可调控制器参数和初始系统值进行灵活调整。此外，还构建了一种新的控制策略，该策略将相邻列车的距离信息整合到设计的控制器中，从而可以调整与相邻列车的距离，始终保持安全距离。另外，

  来源：IEEE Transactions on Vehicular Technology

  时间：2025-11-21

• 一种应用于噪声干扰环境下AUV轨迹跟踪的AUV-TTN方案

  摘要：在海洋工程中，自主水下航行器（AUV）结合了自主导航、决策制定和操作技能，对于执行海洋任务至关重要。轨迹跟踪是评估AUV性能的关键指标，因此受到了广泛关注。然而，现有的AUV轨迹跟踪方法在控制精度方面存在局限性，并且需要大量的计算资源和时间，这限制了它们在动态环境中的实时应用能力。为了解决这些问题，本文将AUV轨迹跟踪问题简化为一个受不等式和等式约束的动态二次规划（IE-DQP）问题，并引入了归零神经网络（ZNN）模型来解决该问题。此外，为了减少水下噪声干扰，我们提出了基于弗罗贝尼乌斯范数的投影和椭圆ZNN（PEZNN）模型，并开发了两种符合AUV物理约束的投影函数。我们将上述方法统称为

  来源：IEEE Transactions on Vehicular Technology

  时间：2025-11-21

• 基于神经预测器的无人水面航行器编队控制：在非周期性拒绝服务攻击下的非合作博弈方法

  摘要：本文研究了一种基于非合作博弈的无人水面舰艇（USVs）编队控制策略，以应对拒绝服务（DoS）攻击。提出了一种具有弹性的纳什均衡（NE）估计器，该估计器能够在非周期性DoS攻击存在的情况下稳定地搜索和追踪NE解。为了提高预测精度，引入了结合加速学习的神经网络来高效逼近USV模型的未知参数。在非合作博弈框架内，设计了一种基于NE策略寻优的分布式控制策略，使每艘USV能够利用本地信息与邻近USV协调运动。仿真结果表明，所提出的控制方法在恶劣的网络环境中表现出强大的性能，有效减轻了DoS攻击的负面影响，并确保了USV编队和跟踪的精确控制。引言无人水面舰艇（USVs）是自主或远程操作的海洋航行器，

  来源：IEEE Transactions on Vehicular Technology

  时间：2025-11-21

• 基于事件相机与Loihi 2神经形态芯片的驾驶员动作学习预测系统N-DriverMotion

  随着人工智能技术在汽车工业的深度融合，车载AI系统已成为提升自动驾驶安全性的核心要素。据统计，高达95%的交通事故源于人为操作失误，欧盟与美国已强制要求新车配备高级驾驶辅助系统(ADAS)，预计到2038年可挽救超过2.5万人的生命。然而，传统基于GPU的视觉系统存在高功耗、高延迟等瓶颈，难以满足复杂驾驶场景下的实时响应需求。在这一背景下，神经形态计算技术仿生生物视觉系统，通过事件相机（又称神经形态相机）和神经形态处理器，实现了微秒级响应与毫瓦级功耗的突破性表现。但现有系统在面对高分辨率事件流处理时，仍存在模型复杂度过高、内存占用大、难以适配边缘设备等问题。为此，纽约州立大学韩国分校研究团队开

  来源：IEEE Open Journal of Vehicular Technology

  时间：2025-11-21

• 基于视神经头光学相干断层扫描血管造影的深度学习方法用于估计24×2视野图

  人工智能在视网膜光学相干断层扫描血管成像（OCTA）图像中的应用，展示出在估算24-2视野图（VF）方面的高准确性。这项研究的核心在于开发一种深度学习（DL）模型，该模型能够通过OCTA视神经乳头（ONH）的横断面图像，预测与视野损伤相关的指标，如平均偏差（MD）、模式标准差（PSD）、52个点的总偏差（TD）和模式偏差（PD）。与传统的线性回归（LR）模型相比，深度学习方法在多个评估维度上表现出更优的性能。这一成果为眼科临床实践提供了新的可能性，尤其是在减少视野测试频率方面，有助于提高诊断效率和患者体验。### 研究背景与意义在青光眼的发展过程中，视神经乳头和视网膜神经节细胞会逐渐受到损害，

  来源：Journal of Glaucoma

  时间：2025-11-21

• 基于ANN的电动汽车快速充电控制策略：结合智能电池热管理与可再生能源资源

  摘要：随着人们对大气中污染物问题的日益关注，汽车制造商被推动生产可持续且环保的交通工具。快速充电技术（目标是最短充电时间）有望加速电池驱动汽车的普及。本研究提出了一种快速电动汽车充电系统的原型，该系统与由可持续能源供电的独立直流微电网相连。在这项研究中，通过将模型预测控制（MPC）与人工神经网络（ANN）相结合，而非仅使用MPC，建立了一种新的基于深度神经网络（DNN）的控制方法，从而在波动的环境下显著提升了电力需求控制的安全性。人工神经网络监督系统利用来自清洁能源资源和电池备用设备的电力来管理电动汽车（EV）的快速直流充电过程。为了确保电动汽车电池在极端使用条件下的安全性和效率，本文提出了一

  来源：IEEE Transactions on Transportation Electrification

  时间：2025-11-21

• 利用智能数据分析技术对高等教育申请者进行画像与原型分析

  摘要：学生辍学是高等教育面临的一个重大挑战，这不仅在社会上引发挫败感，还浪费了资源。因此，如何留住学生成为全球高等教育机构持续关注的焦点。本研究探讨了一个问题：是否可以通过智能预测数据分析技术来降低公立和私立大学的辍学率？为了解答这个问题，我们采用了一种基于历史数据的方法论，这些数据来自大约13,715名后来成为大学生的申请者。与其他仅使用公开数据和统计信息的研究不同，我们的研究依赖于五年来关于学生行为的实际数据，并将这些数据整合成了27个与社会经济、学术和家庭因素相关的变量进行深入分析。本文主要有两个贡献：首先，我们提出了智能预测数据分析技术，并证明了可以通过对申请者进行画像和分类来降低辍学

  来源：IEEE Revista Iberoamericana de Tecnologias del Aprendizaje

  时间：2025-11-21

• 超越童年：理解成人多动症（ADHD）

  摘要 注意缺陷/多动障碍（ADHD）是一种神经发育障碍，通常会持续到成年期。成年人可能首先在初级保健机构被诊断出该疾病，有时是在之前未被发现的儿童期症状出现之后。关于“新发”（即“成人期发病”的ADHD）的报告仍存在争议；经过仔细审查后，这些病例大多可以归因于儿童期症状未达到诊断标准、其他精神或医学原因，或是测量误差。如果一名成年人出现ADHD的症状，但无法证明其发病时间早于12岁，医疗提供者在将其诊断为成人期发病的ADHD之前，应系统地排除其他类似病症，包括情绪障碍、焦虑障碍、物质使用障碍、睡眠障碍、脑外伤、甲状腺疾病以及药物副作

  来源：JAAPA

  时间：2025-11-21

• 基于多项式Petri模糊神经网络的控制策略在微电网集群中的频率和电压稳定化应用

  摘要：随着现代电力系统复杂性的增加以及分布式能源资源整合程度的不断提高，微电网集群（MGCs）需要采用先进的控制策略。本研究探讨了在MGCs中采用基于多项式Petri模糊神经网络（PPFNN）的控制器来应对这些挑战。PPFNN控制器结合了多项式理论、Petri网和模糊神经网络的优点，为互联微电网之间的动态共识和协调提供了强大的框架。传统的控制方法在处理微电网系统的动态性和随机性方面往往显得力不从心。PPFNN控制器凭借其模糊逻辑的鲁棒性和神经网络的学习能力，为维持电压稳定性、频率调节和高效电力共享提供了更优的解决方案。研究表明，采用PPFNN控制器不仅提高了MGCs的运行韧性，还保持了电压和频

  来源：IEEE Systems Journal

  时间：2025-11-21

• 基于联邦学习的分布式定位技术：针对智能电网中虚假数据注入攻击的防护措施

  摘要：智能电网上的数据分析和监控受到网络物理系统攻击的威胁。虚假数据注入攻击（FDIA）是一种针对智能测量设备的攻击方式，通过注入恶意数据来实现。机器学习技术在检测和定位FDIA方面被证明是有效的。然而，训练此类模型需要处理敏感的用户数据，这在实际应用中可能不可行。通过采用联邦学习技术，可以在保护敏感用户数据隐私的同时，训练出用于检测和定位FDIA的模型。不过，联邦学习引入了新的问题，例如每个节点中检测器的个性化问题。在本文中，我们提出了一种基于联邦学习的方案，该方案结合了混合深度神经网络架构，利用图神经网络来捕捉连接的电力总线之间的局部相关性，并通过长短期记忆层来分析数据中的时间模式。所提出

  来源：IEEE Systems Journal

  时间：2025-11-21

• 显而易见：基于人工智能的边缘计算平台异常检测

  摘要：作为物联网（IoT）节点的嵌入式系统常常容易受到恶意或未知运行时软件的攻击，这些软件可能会损害系统安全、窃取敏感数据并导致系统行为异常。用于自动化、医疗设备和汽车行业的商用嵌入式系统尤其容易受到这种威胁，因为它们缺乏集成传统安全功能的资源，而且通过传统方法难以对其进行防护。我们提出了一种名为APPARENT的新系统设计，该设计通过监控和统计程序执行过程中硬件性能计数器（HPCs）发生的最大低级硬件事件数量来识别程序特征，并分析各种被监控事件之间的相关性。为了进一步利用这些捕获的事件作为特征，我们提出了一种基于自监督机器学习的算法，该算法结合了图注意力网络（GAT）和生成拓扑映射（GTM）

  来源：IEEE Transactions on Sustainable Computing

  时间：2025-11-21

• 面向3D空间计算系统的AI硬件架构与芯片技术综述

  当你在虚拟现实中伸手触碰一朵悬浮的光束花，或通过自动驾驶系统实时识别街道障碍物时，背后是海量3D数据在毫秒级内的精准运算。传统2D图像处理器（GPU）面对具有额外深度轴的3D RGB-D数据时，就像用剪刀裁剪水波般力不从心——稀疏分布的点云会导致计算资源利用率骤降，而高精度的神经渲染又需消耗堪比超级计算机的算力。这类矛盾使得微软HoloLens 2、苹果Vision Pro等顶尖设备仍部分依赖传统计算机视觉算法，制约了沉浸式体验的进一步突破。韩国科学技术院（KAIST）的Dongseok Im团队在《IEEE Open Journal of the Solid-State Circuits S

  来源：IEEE Open Journal of the Solid-State Circuits Society

  时间：2025-11-21

• MetaSel：一种用于微调深度神经网络模型的测试样本选择方法

  摘要：深度神经网络（DNNs）在部署过程中会面临协变量偏移的问题，即开发环境和部署环境之间的数据分布发生了变化。微调技术可以将预训练模型适配到新的环境中，但这种适应通常需要较小的标注数据集。然而，在有限的标注预算下测试微调后的模型仍然是一个关键挑战。本文介绍了一种名为MetaSel的新方法，该方法专为解决协变量偏移问题而设计，可以从未标注的输入中选择合适的测试样本。MetaSel假设微调模型和预训练模型具有相似的数据分布，并且在许多输入上表现出类似的行为；但在某些输入子空间内，微调会改变模型的决策边界，使得这些输入更容易被错误分类。与仅依赖DNN模型及其输入集的传统方法不同，MetaSel结合

  来源：IEEE Transactions on Software Engineering

  时间：2025-11-21

• 恶意社交机器人的演变：从个体画像到群体分析及超越

  在当今社会，Facebook、Twitter、微博等在线社交网络（OSN）已深度融入人们的日常生活，成为信息传播、观点交流和社群互动的重要场所。然而，这片繁荣的图景背后也潜藏着危机——恶意社交机器人的泛滥。这些由程序控制的账户，模仿人类用户自动发布内容和进行互动，被不法分子用于散布谣言、操纵舆论、进行金融欺诈甚至干预政治进程。它们不仅威胁平台安全，更扰乱了正常的社会秩序。尤其随着ChatGPT、GPT-4等大型语言模型（LLM）的崛起，恶意机器人能够生成高度逼真、上下文连贯的内容，使其伪装能力大幅提升，传统检测方法面临严峻挑战。为了系统应对这一不断演变的威胁，研究人员对恶意社交机器人检测技术进

  来源：Journal of Social Computing

  时间：2025-11-21

• 梯度网络

  摘要：直接对函数梯度进行参数化并学习这些梯度具有广泛的意义，具体应用包括逆问题、生成建模和最优传输等领域。本文介绍了梯度网络（GradNets）：这是一种新型的神经网络架构，能够对各类函数的梯度进行参数化。GradNets具有特殊的架构约束，确保其与梯度函数相匹配。我们提供了一个全面的GradNet设计框架，其中包括将GradNets转换为单调梯度网络（mGradNets）的方法，这类网络能够保证表示凸函数的梯度。我们的研究结果表明，所提出的GradNet（以及mGradNet）能够通用地逼近（凸）函数的梯度。此外，这些网络可以针对特定的潜在函数空间进行定制，包括（凸）脊函数的变换和组合。我们

  来源：IEEE Transactions on Signal Processing

  时间：2025-11-21

• 基于语言引导反事实图像生成与模型增强的深度分类器鲁棒性提升方法

  在深度学习席卷计算机视觉领域的今天，一个令人困扰的"黑箱"问题始终制约着模型的可靠性。当深度神经网络（DNN）在进行图像分类时，它们往往依赖于训练数据中存在的偏见，学习到特征之间的错误关联——比如通过背景而非主体物体进行判断。这种问题在医疗诊断等关键领域尤为致命，因为单纯的"阳性/阴性"结果无法提供可信的决策依据。可解释人工智能（XAI）的兴起正是为了破解这一难题。在众多技术路径中，反事实解释通过生成"如果...那么..."场景，为理解模型决策机制提供了独特视角。视觉反事实方法通过最小化但显著的图像扰动，揭示模型依赖的关键特征。然而，现有方法如LANCE虽然能识别模型弱点，却缺乏利用这些信息直

  来源：IEEE Open Journal of Signal Processing

  时间：2025-11-21

• 利用语音-脑电的多阶段性特性增强默语识别的多相相关网络研究

  想象一下，当一个人因肌萎缩侧索硬化症（ALS）或闭锁综合征而失去言语能力时，如何与外界沟通？脑机接口（BCI）技术为这类患者带来了希望，它能够将大脑信号转化为可识别的指令。然而，当前基于脑电图（EEG）的默语识别系统仍面临巨大挑战：信号信噪比低、空间分辨率有限，且容易受到各种伪迹的干扰。更棘手的是，大多数研究仅聚焦于单一语音阶段（如默语），忽略了人类沟通本身涉及听觉感知、语音产生、发音动作和内心想象等多个阶段的协同工作。这种"单阶段中心"的研究范式，限制了识别准确率的进一步提升。正是在这一背景下，来自印度理工学院马德拉斯分校和麻省理工学院的研究团队在《IEEE Open Journal of

  来源：IEEE Open Journal of Signal Processing

  时间：2025-11-21

• 人工智能辅助的卡尔曼滤波器：用于卡尔曼类型算法的AI增强设计

  摘要：卡尔曼滤波器（KF）及其变体是信号处理领域中最著名的算法之一。这些方法通过依赖简单的状态空间（SS）模型来进行动态系统的状态估计，尽管这些模型可能对底层动态的描述较为粗糙且不够准确。新兴的数据驱动型人工智能（AI）技术利用深度神经网络（DNN）来处理这些任务，而DNN对模型类型没有特定要求。最近的研究表明，将DNN与经典的卡尔曼滤波方法相结合是可行的，这样可以构建出能够在部分已知动态环境下进行跟踪的系统。本文以教程的形式概述了将AI融入卡尔曼滤波算法的设计方法。我们回顾了适用于状态估计的通用和专用DNN架构，并系统地介绍了将AI工具与卡尔曼滤波器结合的技术，以及如何利用部分状态空间建模和

  来源：IEEE Signal Processing Magazine

  时间：2025-11-21

• 高血压患者的蛋白尿与肾功能：肾神经在其中的作用

  ```section> 摘要 通俗语言总结 蛋白尿是肾损伤的关键标志物，常与高血压和心血管风险增加相关。本研究回顾了临床和实验研究中肾神经在蛋白尿和肾功能障碍病理生理学中的潜在作用。研究表明，肾交感神经和感觉神经活性的增强（单独或与肾素-血管紧张素-醛固酮系统（RAAS）共同作用）会促进蛋白尿的发展和肾功能的下降。这种现象可能是通过改变肾小球和/或肾小管功能来实现的。此外，旨在干扰肾神经活性的干预措施（包括药物和外科去神经术或RAAS阻断）显著降低了蛋白尿，并改善了肾脏和心血管结局。在这里，我们强调了肾神经在心血管疾病和高血压性肾病的发生和发展中的潜在作用，这些作用超出了它们

  来源：Journal of Hypertension

  时间：2025-11-21

知名企业招聘：