Транзакции IEEE по антеннам и распространению только что объявил о предстоящем специальном выпуске, который выйдет в ноябре 2021 года на Искусственный интеллект: новые рубежи обратного рассеяния в реальном времени и создания электромагнитных изображений которую будут редактировать Мануэль АРРЕБОЛА, Маокун ЛИ, Марко САЛУЧЧИ. Пожалуйста, найдите ниже дополнительную информацию и важные даты и посетите специальная веб-страница для процедуры подачи.

Приглашенные редакторы

Мануэль АРРЕБОЛАУниверситет Овьедо, Испания (arrebola@uniovi.es)
Маокун Л.И.Университет Цинхуа (maokunli@tsinghua.edu.cn)
Марко САЛУЧЧИУниверситет Тренто (marco.salucci@unitn.it)

Контур

Понимание и решение сложных проблем в физическом мире было разумным стремлением человечества. Более того, изучение искусственного интеллекта воплощает в себе мечту о создании машин, подобных людям. Исследования в области методов глубокого обучения (ГО) привлекли большое внимание во многих прикладных областях. С помощью технологии больших данных, массивных параллельных вычислений и быстрых алгоритмов оптимизации ГО значительно улучшило производительность многих задач в исследованиях речи и изображений, сетях передачи энергии или биоэлектромагнетизме, среди прочих. В настоящее время DL быстро появляется в сообществе антенн и специалистов по распространению радиоволн как чрезвычайно мощная парадигма для решения сложных задач электромагнитного обратного рассеяния (IS) и визуализации с беспрецедентной вычислительной эффективностью без снижения точности и, следовательно, надежности. На самом деле, DL — это многообещающее решение для достижения точных попиксельных реконструкций с производительностью оценки в реальном времени, желательной функцией во многих приложениях, таких как биомедицинская визуализация, произведения искусства и археологические исследования, промышленные неразрушающие испытания и оценка, визуализация сквозь стену и визуализация подповерхностного изображения. С распространением методов глубокого обучения улучшение способности к обучению может позволить машинам «учиться» на большом количестве физических данных и «осваивать» физические законы в определенных контролируемых граничных условиях. В долгосрочной перспективе гибридизация фундаментальных физических принципов со «знаниями» из больших данных может дать волю многочисленным инженерным приложениям, которые раньше были невозможны из-за ограниченности данных и возможностей вычислений. В результате могут быть разработаны более совершенные методы IS и электромагнитной визуализации с повышенной точностью, надежностью и вычислительной эффективностью. Целью этого специального выпуска является сообщение о последних достижениях в области теории и приложений искусственного интеллекта и глубокого обучения для решения электромагнитных IS и проблем визуализации в области исследований антенн и распространения с помощью чрезвычайно быстрых, но надежных методов. С помощью этого специального выпуска мы надеемся привлечь больше внимания и усилий в нашем обществе к этой новой междисциплинарной области, что приведет к развитию современного искусства.

Важные даты

• Подчинение: 31 марта 2021 г.
• Окончательное решение: 31 августа 2021 г.
• Публикация: 30 ноября 2021 г.