IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

2021年研究前沿报告最新发布

已有 1371 次阅读 2021-12-9 08:40 |系统分类:博客资讯

昨日,科睿唯安与中国科学院在北京联合向全球发布了《2021研究前沿》报告,遴选和展示了11大学科领域中的110个热点前沿和61个新兴前沿。

报告在遴选的171个研究前沿的数据的基础上,由中国科学院科技战略咨询研究院的战略情报研究人员对11大学科领域的110个热点前沿的发展趋势进行了分析,并对31个重点研究前沿和2个前沿群进行了详细的解读。重点研究前沿包括重点热点前沿和重点新兴前沿两部分。

为您遴选信息科学领域最新研究前沿


图1.png

1. 热点前沿及重点热点前沿解读


1.1 信息科学领域 Top 10 热点前沿发展态势


信息科学领域位居前十位的热点前沿主要集中于:面向 6G 通信、植物分类和病害检测、心电图分类和心率失常自动诊断、人类活动识别、视频动作识别、多模态情感分析、电子健康档案数据挖掘等领域的深度学习方法研究,以及区块链技术、通路数据库、无人机辅助通信技术等方向。

图2.png

深度学习相关的主题占据了今年Top10热点前沿的大部分主题。“基于无人机的无线通信技术”是 2020 年热点前沿“无人机无线通信网络、传输保密和轨迹优化研究”的延续和扩展,其他前沿主题均为首次入选。

图3.png

Top10热点前沿的施引论文


1.2 重点热点前沿——“面向视频动作识别的深度神经网络研究


目前,视频动作识别常用的技术有基于人工特征的视频动作识别、基于双流的神经网络、基于三维卷积的神经网络等。在实际应用中,精确的动作识别有助于舆情监控、广告投放、视频检索、智能医疗监控、自动驾驶和交通安防等相关的任务。


在被引频次超过 100 次的 7 篇核心论文中, 美 国 主 导 发 表 3 篇,分别来自加州大学伯克利分校和斯坦福大学,后者贡献两篇;中国主导发表 2 篇,分别来自中国科学院深圳先进技术研究院和天津大学;法国主导发表 2 篇,分别来自法国国家信息与自动化研究所和法国国家科学研究中心。

图4.png

从施引论文的角度来看,中国表现最突出,以 630 篇施引论文遥遥领先排名第二的美国(176 篇),英国、澳大利亚、印度、韩国等也表现不俗。施引论文 Top产出机构全部为中国机构,中国科学院、天津大学、浙江大学位列前三甲,表明中国一批大学和科研机构在该前沿迅速开展了跟进研究,并产出了众多研究成果。

图5.png

1.3 重点热点前沿——“基于无人机的无线通信技术”


随着低成本、小型化和集成化无人机在民用和工业领域的广泛应用,将无人机作为空中基站辅助地面通信成为解决临时性特殊区域通信问题的有效方案,也使搭载先进收发信机和智能传感设备进行高速数据传输成为无线通信领域的又一新的研究热点。


新加坡贡献了该前沿的大部分研究工作。从核心论文的机构分布看,新加坡国立大学发表的核心论文最多;华为公司的法国研发中心与法国巴黎萨克雷大学、美国弗吉尼亚理工大学和芬兰奥卢大学合作发表 2 篇论文。

图6.png

对施引论文的分析显示中国是该前沿后续研究最活跃的国家,其次为美国、英国和韩国。在施引论文Top10 机构中,中国占据 7 席,其中北京邮电大学和东南大学是该前沿最为活跃的两个研究机构。此外,新加坡、美国、澳大利亚和英国也各有 家机构上榜。

图7.png

2. 新兴前沿及重点新兴前沿解读


2.1 新兴前沿——“利用医学影像检测和诊断新冠肺炎的深度神经网络研究


与新冠肺炎作斗争的一个关键步骤是对受感染患者进行有效筛查,以便受感染的病人能够立即得到治疗和护理,并被隔离以减轻病毒的传播。如何利用先进的人工智能深度学习技术迅速、准确地识别出新冠肺炎病情成为信息科学领域的新兴重点研究方向


该前沿围绕着如何利用深度学习技术在医学影像数据中迅速识别新冠肺炎展开研究。在数据源方面,大部分研究使用 X 光片进行自动识别,有 2 篇文献采用 CT 影像数据进行识别。在疫情初期,由于可用的数据集较小,部分研究采用数据增强的方法进行深度学习训练,提升对新冠肺炎的识别性能。在识别方法方面,涉及了辅助分类器生成对抗网络(GAN)、深度迁移学习方法、多目标差分进化卷积神经网络、 Deep Bayes-Squeeze Net 等。

图8.png


来源:《2021研究前沿》


***关注自动化学报英文版微信公众号,获取最新前沿完整PDF




https://m.sciencenet.cn/blog-3291369-1315793.html

上一篇:JAS蝉联Top5%最具国际影响力期刊称号,国际影响力指数连续四年排名第1
下一篇:基于文本引导的注意力图像转发预测排序网络

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-2 17:25

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部