近日，中国科学技术信息研究所

线上举办本年度

“中国科技论文统计报告发布会”

报告公布了2021年中国百篇

最具影响国际（国内）学术论文

其中，东南大学有2篇论文上榜

跟随官微一起了解详情！

2022年12月29日，中国科学技术信息研究所线上举办了本年度“中国科技论文统计报告发布会”（点击查看）。

东南大学金石教授课题组与崔铁军院士、程强教授课题组共同发表于IEEE Transactions on Wireless Communications的论文“Wireless communications with reconfigurable intelligent surface: Path loss modeling and experimental measurement”入选2021年中国百篇最具影响国际学术论文。论文第一作者为东南大学青年教师唐万恺副研究员，合作者还包括戴俊彦副研究员、韩瑜副研究员、曾勇教授和巴黎萨克雷大学Marco Di Renzo教授等。

东南大学仪科学院兼职教授严如强指导的博士陈超发表于仪器仪表学报的论文“改进LSSVM迁移学习方法的轴承故障诊断”入选2021年中国百篇最具影响国内学术论文。论文第一作者为东南大学陈超博士。

Wireless communications with reconfigurable intelligent surface: Path loss modeling and experimental measurement

论文面向无线通信与智能超表面进行学科交叉融合，从智能超表面的物理和电磁特性出发，提出了智能超表面无线信道路径损耗模型，揭示了智能超表面辅助的无线通信系统的路径损耗与收发机至智能超表面的距离、智能超表面的尺寸大小、智能超表面的近场/远场效应、以及天线和电磁单元辐射方向图之间的具体关系，并使用三个智能超表面硬件实物开展了实验测量，不同场景下的测量结果证实了理论发现，解决了学术界和工业界对智能超表面基本路径损耗特性的长期疑问。

智能超表面无线信道路径损耗测量

该论文是智能超表面无线通信领域的先导性理论建模+测量验证工作，谷歌学术引用600余次，Web of Science引用300余次，入选ESI热点论文和ESI高被引论文，得到国内外学者的广泛关注和引用。

改进LSSVM迁移学习方法的

轴承故障诊断

机械系统存在的外部环境干扰、变工况条件以及无法直接测量等因素，导致获取的数据常常不满足传统机器学习的两个前提：训练与测试数据分布相同以及目标诊断数据量充足，从而影响诊断模型的泛化能力。

针对上述问题，论文提出一种基于辅助数据的增强型最小二乘支持向量机（LSSVM）迁移学习策略，用于数据量不足时的轴承故障诊断。其中利用递归定量分析（RQA）提取非线性特征并与传统时域特征相结合以提高诊断精度。诊断分类器通过改进传统LSSVM模型，在原目标函数和约束条件中分别增加辅助集的惩罚函数和约束条件，最终得到加入辅助集的函数估计，从而将该算法推广至迁移学习。

此外，类内类间距离指标用于描述特征区分性，并提出4种辅助数据集的使用方法，构建迁移学习为框架的诊断模型。球形轴承的振动信号试验结果表明，相比传统机器学习，在目标振动数据较少条件下所提模型在轴承故障诊断时性能提升显著。

该论文中国知网引用百余次，下载量三千余次，入选北大核心期刊，EI和CSCD，获得国家自然科学基金（51575102）项目资助。

精益求精 止于至善

祝愿东大师生在科学研究领域

行稳致远，再创新高！

来源 | 公众号“东大信息”

转自：“东大科研”微信公众号

如有侵权，请联系本站删除！