Nuevas Fronteras en Dispersión Inversa en Tiempo Real e Imágenes Electromagnéticas” – ELEDIA E-AIR

los Transacciones IEEE sobre antenas y propagación acaba de anunciar un próximo número especial que aparecerá en noviembre de 2021 en Inteligencia artificial: nuevas fronteras en tiempo real de dispersión inversa e imágenes electromagnéticas que contará con la edición invitada de Manuel ARREBOLA, Maokun LI, Marco SALUCCI. A continuación encontrará información adicional y fechas importantes y visite el página web dedicada para los procedimientos de presentación.

Editores invitados

Manuel ArreboláUniversidad de Oviedo, España ([email protected])
maokun liUniversidad de Tsinghua ([email protected])
marco salucciUniversidad de Trento ([email protected])

Esquema

Comprender y resolver problemas complejos en el mundo físico ha sido un esfuerzo inteligente de la humanidad. Además, el estudio de la inteligencia artificial encarna el sueño de diseñar máquinas como los humanos. La investigación en técnicas de aprendizaje profundo (DL) ha atraído mucha atención en muchas áreas de aplicación. Con la ayuda de la tecnología de big data, la computación paralela masiva y los algoritmos de optimización rápida, DL ha mejorado enormemente el rendimiento de muchos problemas en la investigación de voz e imagen, redes de transporte de energía o bioelectromagnética, entre otros. Hoy en día, DL está emergiendo rápidamente en la comunidad de antenas y propagación como un paradigma extremadamente poderoso para resolver problemas de imagen y dispersión electromagnética inversa (IS) de alta complejidad con una eficiencia computacional sin precedentes sin reducir la precisión y, por lo tanto, la confiabilidad. De hecho, DL es una solución prometedora para lograr reconstrucciones precisas de píxeles con rendimiento de estimación en tiempo real, una característica deseable en muchas aplicaciones, como imágenes biomédicas, obras de arte e inspección arqueológica, pruebas y evaluaciones industriales no destructivas, imágenes a través de la pared e imágenes del subsuelo. Con la difusión de las técnicas de DL, la mejora en la capacidad de aprendizaje puede permitir que las máquinas «aprendan» de una gran cantidad de datos físicos y «dominen» las leyes físicas en ciertas condiciones límite controladas. A la larga, una hibridación de los principios físicos fundamentales con el «conocimiento» de los grandes datos podría desencadenar numerosas aplicaciones de ingeniería que solían ser imposibles debido al límite de la información de los datos y la capacidad de cálculo. Como resultado, se pueden desarrollar técnicas de imagen electromagnética e IS más avanzadas con mayor precisión, robustez y eficiencia computacional. El objetivo de este número especial es informar sobre los avances recientes en teoría y aplicaciones de inteligencia artificial y DL para resolver problemas de imagen e IS electromagnéticos dentro del ámbito de investigación de Antenas y Propagación con técnicas extremadamente rápidas pero confiables. Con este número especial, esperamos atraer más atención y esfuerzos de investigación en nuestra sociedad a este campo multidisciplinario emergente, lo que resultará en una evolución del estado del arte.

Fechas importantes

  • Envío: 31 de marzo de 2021
  • Decisión final: 31 de agosto de 2021
  • Publicación: 30 de noviembre de 2021
¿Que te ha parecido?

Deja un comentario