近日，中國科學技術信息研究所

　　線上舉辦本年度

　　“中國科技論文統計報告發布會”

　　報告公布了2021年中國百篇

　　最具影響國際（國內）學術論文

　　其中，東南大學有2篇論文上榜

　　2022年12月29日，中國科學技術信息研究所線上舉辦了本年度“中國科技論文統計報告發布會”（點擊查看）。

　　東南大學金石教授課題組與崔鐵軍院士、程強教授課題組共同發表於IEEE Transactions on Wireless Communications的論文“Wireless communications with reconfigurable intelligent surface: Path loss modeling and experimental measurement”入選2021年中國百篇最具影響國際學術論文。論文第一作者為東南大學青年教師唐萬愷副研究員，合作者還包括戴俊彥副研究員、韓瑜副研究員、曾勇教授和巴黎薩克雷大學Marco Di Renzo教授等。

　　東南大學陳超副教授發表於儀器儀表學報的論文“改進LSSVM遷移學習方法的軸承故障診斷”入選2021年中國百篇最具影響國內學術論文。論文第一作者為東南大學陳超副教授。

　　論文麵向無線通信與智能超表麵進行學科交叉融合，從智能超表麵的物理和電磁特性出發，提出了智能超表麵無線信道路徑損耗模型，揭示了智能超表麵輔助的無線通信係統的路徑損耗與收發機至智能超表麵的距離、智能超表麵的尺寸大小、智能超表麵的近場/遠場效應、以及天線和電磁單元輻射方向圖之間的具體關係，並使用三個智能超表麵硬件實物開展了實驗測量，不同場景下的測量結果證實了理論發現，解決了學術界和工業界對智能超表麵基本路徑損耗特性的長期疑問。

　　智能超表麵無線信道路徑損耗測量

　　該論文是智能超表麵無線通信領域的先導性理論建模+測量驗證工作，穀歌學術引用600餘次，Web of Science引用300餘次，入選ESI熱點論文和ESI高被引論文，得到國內外學者的廣泛關注和引用。

改進LSSVM遷移學習方法的軸承故障診斷

　　機械係統存在的外部環境幹擾、變工況條件以及無法直接測量等因素，導致獲取的數據常常不滿足傳統機器學習的兩個前提：訓練與測試數據分布相同以及目標診斷數據量充足，從而影響診斷模型的泛化能力。

　　針對上述問題，論文提出一種基於輔助數據的增強型最小二乘支持向量機（LSSVM）遷移學習策略，用於數據量不足時的軸承故障診斷。其中利用遞歸定量分析（RQA）提取非線性特征並與傳統時域特征相結合以提高診斷精度。診斷分類器通過改進傳統LSSVM模型，在原目標函數和約束條件中分別增加輔助集的懲罰函數和約束條件，最終得到加入輔助集的函數估計，從而將該算法推廣至遷移學習。

　　此外，類內類間距離指標用於描述特征區分性，並提出4種輔助數據集的使用方法，構建遷移學習為框架的診斷模型。球形軸承的振動信號試驗結果表明，相比傳統機器學習，在目標振動數據較少條件下所提模型在軸承故障診斷時性能提升顯著。

　　該論文中國知網引用百餘次，下載量三千餘次，入選北大核心期刊，EI和CSCD，獲得國家自然科學基金（51575102）項目資助。

精益求精 止於至善

　　祝願東大師生在科學研究領域

　　行穩致遠，再創新高！