我院青岛市随钻仪器及智能信息处理技术创新中心在机器学习领域应用研究方面取得进展，教师段友祥、张培颖、研究生陈宁近期在中科院大类分区1区TOP期刊上发表多篇论文。

在中科院大类分区1区TOP期刊《Pattern Recognition》（PR）发表题为“MS2GAH: Multi-label Semantic Supervised Graph Attention Hashing for Robust Cross-Modal Retrieval”的研究论文。PR的最新影响因子为8.518，是人工智能领域的顶级期刊，是中国石油大学（华东）T1期刊。

由于深度神经网络强大的非线性表示能力和哈希学习的低存储和高效率特性，深度跨模态哈希已被推向学术界的前沿。如何更好地桥接语义相关性以进一步弥合语义模态差距是提高模型性能的重要瓶颈。面对语义丰富的样本，如何全面挖掘隐性相关性，建立更精确的模态关系是亟待解决的首要问题。在这项工作中，提出了一种新颖的深度哈希方法MS2GAH，这是一个集成了图注意力网络的端到端框架。它通过节点的邻接来构造图特征，并为相邻边分配不同的权重，以增强模型的鲁棒性。同时，利用多标签注释以更细粒度的方式弥合模态之间的语义相关性。为了更好地利用丰富的语义信息，设计了一种端到端标签编码器，从多标签标注中挖掘高级语义，以指导特定模态网络的特征提取过程，从而进一步缩小模态差距。

原文链接：https://www.sciencedirect.com/science/article/pii/S0031320322001571

在中科院大类分区1区TOP期刊《Knowledge-Based Systems》（KBS）上发表题为“Spectral Graph Theory-Based Virtual Network Embedding for Vehicular Fog Computing: A Deep Reinforcement Learning Architecture”的研究论文。KBS的最新影响因子为8.139，是计算机领域的顶级期刊，是中国石油大学（华东）T1期刊。

在智能交通系统（ITS）中，车雾计算网络（VFCN）可以通过边缘计算卸载有效缓解云计算框架中存在的瓶颈，例如高时延敏感型应用。它以车辆为基础设施，雾节点可以通信、感知和共享资源，因此资源编排成为VFCN必不可少的问题。为了降低VFCN的通信传输成本，提高VFCN的资源利用率，结合虚拟网络嵌入（VNE）和深度强化学习（DRL），提出了一种基于谱图论的资源编排算法。具体来说，提出了一种基于图卷积网络的四层策略网络，用于计算节点嵌入概率，其中雾节点通过与邻域信息融合来充分挖掘空间结构信息，以弥补传统启发式VNE的不足。此外，雾链接嵌入是通过广度优先搜索执行的。最后，通过仿真算例，从长期平均收益、长期平均收益成本比、VNR接受率等方面科学、严谨地证明了所提策略的有效性，能够合理安排VFCN的资源。

原文链接：https://www.sciencedirect.com/science/article/pii/S0950705122010243

在中科院大类分区1区TOP期刊《IEEE Wireless Communications》（IEEE WCM）上发表题为“Future Quantum Communications and Networking: A Review and Vision”的研究论文。IEEE WCM的最新影响因子为12.777，为通信领域的顶级期刊，是中国石油大学（华东）T0期刊。

量子通信具有时钟同步特性和牢不可破的安全性。近年来，量子通信相关技术相继取得突破，也实现了传统网络难以实现的功能和应用。在这个类似于经典互联网“阿帕网”诞生前夜的量子网络兴起的时代，研究人员对未来量子网络的蓝图充满憧憬。这项工作总结、分析和展望了量子通信和网络与传统互联网的对比。具体来说，首先分析了量子网络的相关基本面、相关技术发展和现有挑战。在此基础上，展望未来，提出未来量子网络架构的原型。最后，梳理和分析了量子通信的范式、原理和性质。

原文链接：https://ieeexplore.ieee.org/document/9928082