Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 21

年份

2023 7

2022 1

2021 3

2020 2

2019 1

2018 1

2017 2

2011 1

2008 1

2006 1

2005 1

展开︾

关键词

形状记忆合金 3

长短期记忆网络 3

4D打印 2

增材制造 2

形状记忆聚合物 2

机器学习 2

Ni–Ti–Cu–V合金 1

UniDrop 1

人—多机器人协同系统；基于零空间行为控制；任务管理器；强化学习；知识库 1

人脑功能磁共振 1

充电模式；充电时长；随机森林；长短期记忆网络（LSTM）；简化粒子群优化算法（SPSO） 1

兴趣点推荐 1

冰激振动 1

分数阶微积分；分忆抗；分忆抗值；分数阶忆阻；分数阶记忆性突触 1

初始刚度 1

双向4D打印 1

可逆4D打印 1

四元合金 1

在轨展开 1

展开︾

检索范围：

排序：展示方式：

基于深度序列特征学习的临床感染性角膜炎图像分类 Article

许叶圣, 孔鸣, 谢文加, 段润平, 方钲清, 林宇萧, 朱强, 汤斯亮, 吴飞, 姚玉峰

《工程（英文）》 2021年第7卷第7期页码 1002-1010 doi: 10.1016/j.eng.2020.04.012

摘要：

感染性角膜炎是最常见的角膜疾病之一，病原体在角膜中生长引发炎症反应并损伤角膜组织。感染性角膜炎作为一种临床急症，需要快速、精准的诊断，确保患者能够得到及时、准确的治疗，从而遏制疾病的发展，并将其对角膜的损伤降到最低。否则患者会有失明的风险，严重者甚至会失去眼球。本文提出了一种深度序列特征学习模型，该模型能够通过对临床图像的分类高效地鉴别不同的感染性角膜炎。我们针对感染性角膜炎的特点设计了一种能够解耦临床图像中最具区别
性的特征并保持其空间结构的机制。通过比较，我们提出的深度序列特征学习模型在120张图像的测试集上的准确率能够达到80%，远高于421位眼科医生所能达到的平均水平[(49.27 ± 11.5)]%。

关键词：深度学习角膜病序列特征机器学习长短时记忆

HTML PDF 收藏

一种基于非线性时空效应的个性化下一个兴趣点推荐方法

孙曦,吕志民

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1273-1286 doi: 10.1631/FITEE.2200304

摘要：该模型使用具有注意力机制的长短期记忆网络（LSTM）作为基本框架，并将时空信息以编码形式引入模型。在编码信息过程中，使用指数型衰减因子刻画用户兴趣随时间和距离的非线性漂移特性。

关键词：兴趣点推荐时空效应长短期记忆网络注意力机制

HTML 收藏

ECGID：一种基于自适应粒子群优化算法和双向LSTM网络的个体身份识别模型 Research Article

张烨菲,赵治栋,邓艳军,张晓红,张钰

《信息与电子工程前沿（英文）》 2021年第22卷第12期页码 1551-1684 doi: 10.1631/FITEE.2000511

摘要：本文针对现有深度学习算法在心电身份识别领域应用中面临的3个主要瓶颈——超参数寻优费时、识别过程缓慢且计算量大、心电采集环境复杂且不稳定，提出一种新的深度神经网络框架，集双向长短期记忆网络（BLSTM）和自适应粒子群优化算法该方法避免了超参数选择寻优效率低下且依赖于经验设定的不足，充分利用时序信号的空间信息特征和识别算法对关键特征的记忆特性。

关键词：心电图生物特征；个体身份识别；长短期记忆网络；自适应粒子群优化算法

HTML PDF 收藏

Ldformer：面向长期电力预测的并行神经网络模型

田冉,李新梅,马忠彧,刘颜星,王晶霞,王楚

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1287-1301 doi: 10.1631/FITEE.2200540

摘要：首先，将Informer与长短期记忆网络相结合，以获得时间序列的深度表达能力。其次，提出并行编码器模块提高模型鲁棒性，并将卷积层与注意力机制相结合，以避免注意力机制中的值冗余。

关键词：长期电力预测长短期记忆网络 UniDrop 自注意力机制

HTML 收藏

一种用于淮河上游日径流预测的增强型LSTM模型 Article

满媛媛, 杨勤丽, 邵俊明, 王国庆, 白林龙, 薛运宏

《工程（英文）》 2023年第24卷第5期页码 230-239 doi: 10.1016/j.eng.2021.12.022

摘要：为此，本研究提出了一种用于日径流预测的增强型长短期记忆（LSTM）模型，其中集成了特征提取器并引入了新的损失函数。

关键词：径流预测长短期记忆网络淮河上游流域极端径流损失函数

HTML PDF 收藏

基于时序优化长短期记忆和自适应阈值的高排放重型柴油车识别 Research Article

许镇义1,王仁军1,2,曹洋1,3,4,康宇1,3,4

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1633-1646 doi: 10.1631/FITEE.2300005

摘要：本文提出一种时间优化长短期记忆（LSTM）和自适应动态阈值方法，使用OBD数据识别重型高排放车辆。首先，建立一个时间优化LSTM排放预测模型，以解决实际中大量OBD数据流造成的时间步注意力偏重问题。

关键词：高排放识别；时序优化；车载诊断设备（OBD）；动态阈值

HTML PDF 收藏

一种基于充电模式识别的电动汽车充电时间预测方法 Research Article

李春喜1,傅莹颖1,崔向科2,葛泉波3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第2期页码 299-313 doi: 10.1631/FITEE.2200212

摘要：电动汽车动力电池过度充电容易导致电池加速老化和严重的安全事故。因此，准确预测车辆充电时间对充电安全防护意义重大。由于电池组结构复杂，充电方式多样，传统方法因缺乏充电模式识别而预测精度不高。本文应用数据驱动和机器学习理论，提出一种新的基于充电模式识别的充电时间预测方法。首先，基于动态加权密度峰值聚类（DWDPC）和随机森林融合的智能算法对车辆充电模式进行分类；然后，采用改进的简化粒子群优化算法（ISPSO）和强跟踪滤波器（STF），对LSTM神经网络进行优化，构建了一种高性能的充电时间预测方法；最后，通过实际工程数据对所提出的ISPSO-LSTM-STF方法进行了验证。实验结果表明，该方法能够有效区分充电模式，提高了充电时间预测精度，具有实际工程意义。

关键词：充电模式；充电时长；随机森林；长短期记忆网络（LSTM）；简化粒子群优化算法（SPSO）

HTML PDF 收藏

多式联运的最短时间路径-运输费用模型研究

魏众,申金升,黄爱玲,张智文,石定寰

《中国工程科学》 2006年第8卷第8期页码 61-64

摘要：单一的运输方式越来越不能满足来自客户的敏捷制造、快速响应市场、物流供应链管理等诸多方面的需求，多式联运为之提供了良好的解决方案；多式联运运输网络考虑了节点间的运输时间、节点处的运输方式转换时间以及可能发生的货运延迟；给出了多式联运下的路径最短时间模型，并根据求得的最短时间路径提供了相应的运输费用模型，为多式联运的相关研究工作提供了理论基础。

关键词：多式联运最短时间路径运输费用

HTML PDF 收藏

双向4D打印——对3D打印形状记忆材料可逆性的回顾

Amelia Yilin Lee, Jia An, Chee Kai Chua

《工程（英文）》 2017年第3卷第5期页码 663-674 doi: 10.1016/J.ENG.2017.05.014

摘要：

增材制造技术的快速发展和形状记忆材料的进步推动了四维（4D）打印的发展。随着目前对形状记忆机制的理解和对增材制造技术的改进设计，4D 打印的可逆性已经被证明是可行的。本文综述了影响4D 打印的形状记忆材料的机制，目前在合金和聚合物上的4D 打印研究结果，以及它们各自存在的一些局限性。对形状记忆材料的可逆性和利用三维（3D）打印技术制作的可行性进行了总结和分析。

关键词： 4D打印增材制造形状记忆材料智能材料形状记忆合金形状记忆聚合物

HTML PDF 收藏

一种非侵入式的基于功耗的可编程逻辑控制器异常检测方案 Article

Yu-jun XIAO, Wen-yuan XU, Zhen-hua JIA, Zhuo-ran MA, Dong-lian QI

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 519-534 doi: 10.1631/FITEE.1601540

摘要：为了更好的分析功耗信息，本文首先从原始功耗数据中提取有效的特征值组合，然后利用正常样本来训练一个基于长短记忆（long short-term memory, LSTM）单元的神经网络模型，利用该模型对后续正常样本进行预测

关键词：工业控制系统；可编程逻辑控制器；边信道；异常检测；基于长短记忆单元的神经网络模型

HTML PDF 收藏

脉冲型惯性双向联想记忆神经网络新解 Research Articles

Chaouki AOUITI, Mahjouba Ben REZEG, Yang CAO

《信息与电子工程前沿（英文）》 2020年第21卷第2期页码 324-339 doi: 10.1631/FITEE.1900181

摘要：探究了具有混合时滞和脉冲效应的惯性双向联想记忆神经网络。该研究为类似系统的反周期解的存在性、唯一性和全局指数稳定性提供了新的实用条件。

关键词：惯性神经网络；反周期解；全局指数稳定；脉冲；时变延迟；双向联想记忆

HTML PDF 收藏

基于脉冲分忆抗桥电路的分数阶记忆性神经突触加权 Research Articles

蒲亦非1,余波1,2,何秋燕1,袁晓3

《信息与电子工程前沿（英文）》 2021年第22卷第6期页码 862-876 doi: 10.1631/FITEE.2000085

摘要：提出一种新颖的分数阶记忆性神经突触加权电路。与以往大多数整数阶神经突触加权电路不同，该分数阶记忆性神经突触加权电路具有许多重要优点。由于忆阻的概念已从经典的整数阶忆阻推广到分数阶忆阻（分忆抗），分忆抗能否实现分数阶记忆性突触成为一个具有挑战性的理论问题。本文研究利用脉冲分忆抗桥电路实现的分数阶记忆性神经突触加权电路的特点。首先，利用基于脉冲的分忆抗桥电路设计分数阶记忆性神经突触加权电路结构。其次，从数学上证明分数阶记忆性神经突触加权电路的分数阶学习能力。最后，通过实验研究分数阶记忆性神经突触加权电路的电特性。分数阶记忆性神经突触加权电路在解释学习和记忆基础的细胞机制方面具有很强的能力，优于传统的整数阶神经突触加权电路，是该电路的主要优势。

关键词：分数阶微积分；分忆抗；分忆抗值；分数阶忆阻；分数阶记忆性突触

HTML PDF 收藏

时序增强的知识记忆网络在问答中的应用 Article

Xin-yu DUAN, Si-liang TANG, Sheng-yu ZHANG, Yin ZHANG, Zhou ZHAO, Jian-ru XUE, Yue-ting ZHUANG, Fei WU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 104-115 doi: 10.1631/FITEE.1700788

摘要：本文设计了一个名为时序增强型知识记忆网络（temporality-enhanced knowledge memory network, TE-KMN）的架构，并将该模型应用于一个名为Quiz Bowl的知识竞赛问答数据集

关键词：问答系统；知识记忆；时序增强

HTML PDF 收藏

参与中文配对词语联想学习记忆的脑区和神经机制——脑功能磁共振的研究

郑金龙,舒斯云,刘颂豪,郭周义,吴永明,包新民, 张增强,金梅,马翰章

《中国工程科学》 2008年第10卷第5期页码 38-45

摘要：

通过脑功能磁共振技术，研究健康人参与语言的词语配对联想学习记忆任务的脑区和神经机制。对16名右利手健康志愿者进行一项词语配对联想学习记忆任务作业的同时，进行脑功能磁共振扫描。实验采用组块设计，实验任务（包括记忆编码相和记忆提取相）与对照任务（共两个相）交替进行；数据采用SPM99软件进行数据分析和脑功能区定位。结果表明：左侧额叶，特别是左侧额叶的额中下回和枕叶的18，19区在词语联想学习记忆的编码阶段中起重要作用；而左侧顶上小叶、缘上回和角回则在进行记忆提取阶段起重要作用；左侧纹状体边缘区参与了人脑词语联想学习记忆作业的编码阶段揭示了人大脑完成语言联想学习记忆任务时，除额、顶、枕和颞叶的皮层结构参与外，还新发现有皮层下结构如纹状体参与了词语联想学习记忆。

关键词：人脑功能磁共振配对词语语言联想学习记忆皮层和皮层下结构

HTML PDF 收藏

记忆成像 Article

方璐, 季梦奇, 袁肖赟, 贺敬, 张嘉凝, 朱胤恒, 郑添, 刘乐遥, 王滨, 戴琼海

《工程（英文）》 2023年第25卷第6期页码 101-109 doi: 10.1016/j.eng.2021.12.012

摘要：

Sensing and understanding large-scale dynamic scenes require a high-performance imaging system. Conventional imaging systems pursue higher capability by simply increasing the pixel resolution via stitching cameras at the expense of a bulky system. Moreover, they strictly follow the feedforward pathway: that is, their pixel-level sensing is independent of semantic understanding. Differently, a human visual system owns superiority with both feedforward and feedback pathways: The feedforward pathway extracts object representation (referred to as memory engram) from visual inputs, while, in the feedback pathway, the associated engram is reactivated to generate hypotheses about an object. Inspired by this, we propose a dual-pathway imaging mechanism, called engram-driven videography. We start by abstracting the holistic representation of the scene, which is associated bidirectionally with local details, driven by an instance-level engram. Technically, the entire system works by alternating between the excitation–inhibition and association states. In the former state, pixel-level details become dynamically consolidated or inhibited to strengthen the instance-level engram. In the association state, the spatially and temporally consistent content becomes synthesized driven by its engram for outstanding videography quality of future scenes. The association state serves as the imaging of future scenes by synthesizing spatially and temporally consistent content driven by its engram. Results of extensive simulations and experiments demonstrate that the proposed system revolutionizes the conventional videography paradigm and shows great potential for videography of large-scale scenes with multi-objects.

关键词： Instance-level videography Memory engram Large-scale dynamic scene Feedforward and feedback Entropy equilibrium