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 1106

会议视频 39

会议信息 23

年份

2024 2

2023 122

2022 136

2021 126

2020 104

2019 104

2018 77

2017 81

2016 64

2015 23

2014 17

2013 25

2012 17

2011 19

2010 9

2009 14

2008 27

2007 29

2006 34

2005 36

展开︾

关键词

机器学习 27

神经网络 27

人工智能 18

深度学习 15

能源 11

遗传算法 7

智能制造 6

2020 5

人工神经网络 5

2019 4

BP神经网络 4

模式识别 4

网络 4

网络安全 4

网络空间安全 4

预测 4

MATLAB 3

信息技术 3

图像处理 3

展开︾

检索范围：

排序：展示方式：

一种基于结构和词汇分析的精确重命名方法 Research Article

骆君鹏1,张静宣1,2,黄志球1,徐勇3,孙辰星3

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 732-748 doi: 10.1631/FITEE.2100470

摘要：程序中的方法必须准确命名，以便于源代码分析和理解。随着软件的演变，方法名称可能与其实现的方法体不一致，导致方法名称不准确或有缺陷。调试方法名称仍然是文献中的一个重要主题。尽管研究人员已提出一些方法，用于在方法体被修改后给出准确的方法名称建议，但有两个主要不足仍待解决：对方法名称结构未加以分析，且未能有效捕获编程环境上下文信息。为避免上述不足，并给出更准确的方法名称建议，提出一种基于方法名称结构分析和编程上下文信息词法分析的新颖自动化方法。首先，利用深层特征表示，将方法名称和方法体嵌入向量中；然后，通过结构分析从大型方法语料库中获取有用的动词标记，通过词汇分析从方法体中获取名词标记；最后，动态结合这些标记，形成并推荐高质量和特定于项目的方法名称在2111个Java测试方法上的实验结果表明，所提方法可以达到33.62%的命中率（Hit@5），并且在建议准确方法名称方面比最先进的方法高出14.12%。

关键词：方法重命名；代码重构；深度学习；卷积神经网络

HTML PDF 收藏

深度三维重建：方法、数据和挑战 Review Article

刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1

《信息与电子工程前沿（英文）》 2021年第22卷第5期页码 615-766 doi: 10.1631/FITEE.2000068

摘要：现有三维重建方法通常存在两个瓶颈：（1）它们涉及多个人工设计阶段，导致累积误差，且难以自动学习三维形状的语义特征；（2）它们严重依赖图像内容和质量，以及精确校准的摄像机。因此，这些方法的重建精度难以提高。基于深度学习的三维重建方法通过利用深度网络自动学习低质量图像中的三维形状语义特征，克服了这两个瓶颈。然而，这些方法具有多种体系框架，但是至今未有文献对它们作深入分析和比较。本文对基于深度学习的三维重建方法进行全面综述。首先，基于不同深度学习模型框架，将基于深度学习的三维重建方法分为4类：递归神经网络、深自编码器、生成对抗网络和卷积神经网络，并对相应方法作详细分析。其次，详细介绍上述方法常用的4个代表性数据库。再次，对基于深度学习的三维重建方法进行综合比较，包括不同方法在同一数据库、同一方法在不同数据库以及同一方法对于不同视角个数输入的结果比较。最后，讨论了基于深度学习的三维重建方法的发展趋势。

关键词：深度学习模型；三维重建；循环神经网络；深度自编码器；生成对抗网络；卷积神经网络

HTML PDF 收藏

基于图像的深度学习降雨强度估计方法 Article

尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan

《工程（英文）》 2023年第21卷第2期页码 162-174 doi: 10.1016/j.eng.2021.11.021

摘要：减轻其影响的一种有希望的方法是开发实时洪水风险管理系统；然而，由于缺乏高时空降雨数据，构建这样一个系统通常具有挑战性。虽然一些方法（即地面降雨站或雷达和卫星技术）可用于测量和（或）预测降雨强度，但使用这些方法很难获得具有理想时空分辨率的准确降雨数据。本文提出了一种基于图像的深度学习模型来估计具有高时空分辨率的城市降雨强度。进一步来说，一种称为基于图像的降雨卷积神经网络（image-based rainfall convolutional neural network, irCNN）模型是使用从现有密集传感器（即智能手机或交通摄像头

关键词：城市洪水降雨图像深度学习模型卷积神经网络（CNN）降雨强度

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比，我们提出的方法能有效的提高分类精度。

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类

HTML PDF 收藏

可见光波段的深度衍射神经网络 Article

陈航, 冯佳楠, 江闽伟, 王逸群, 林杰, 谭久彬, 金鹏

《工程（英文）》 2021年第7卷第10期页码 1485-1493 doi: 10.1016/j.eng.2020.07.032

摘要： justify;">基于衍射光学元件的光学深度学习在并行处理深度衍射神经网络（D²NN）是其中一项具有里程碑意义的研究工作。D²NN在太赫兹波段通过3D打印进行神经网络的物理固化。鉴于太赫兹波段下存在的粒子间耦合限制和材料损耗，本文将D2NN的应用波段延展至可见光波段，并提出了包括修订公式在内的一般理论，解决了工作波长、人工神经元特征尺寸和加工制备之间的矛盾。

关键词：光计算光学神经网络深度学习光学机器学习深度衍射神经网络

HTML PDF 收藏

一种基于卷积神经网络从3导联心电图推导标准12导联心电图的新方法 Regular Papers

Lu-di WANG, Wei ZHOU, Ying XING, Na LIU, Mahmood MOVAHEDIPOUR, Xiao-guang ZHOU

《信息与电子工程前沿（英文）》 2019年第20卷第3期页码 405-413 doi: 10.1631/FITEE.1700413

摘要：为满足人们佩戴舒适性和行走环境的需求，研究人员对从3导联心电图重建12导联心电图（electrocardiogram，ECG）方法进行了一系列研究。然而，传统方法精度和实时性有待提高。本文提出一种基于卷积神经网络（convolutional neural network，CNN）的导联重构方法。使用PTB数据库进行实验分析，结果表明，该方法重构的心电信号与真实信号之间具有较高相似性和训练效率。该方法在重建病理性心电信号时的表现优于传统算法，对心脏诊断具有重要意义。该方法能够在院外环境下部署，并且能够从较少导联心电图合成标准12导联心电图，对于心脏护理具有重要意义。

关键词：卷积神经网络（CNNs）；心电图重构；电子健康

HTML PDF 收藏

深度卷积神经网络高效计算研究进展 Review

Jian CHENG, Pei-song WANG, Gang LI, Qing-hao HU, Han-qing LU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 64-77 doi: 10.1631/FITEE.1700789

摘要：近年来迅速发展的深度神经网络已成为许多智能系统的基础工具。同时，深度网络的计算复杂度和资源消耗也在持续增加，这给深度网络的部署带来了严峻挑战，尤其在实时应用中或应用设备资源有限时。因此，网络加速是深度学习领域的热门话题。为提升深度神经网络的硬件性能，最近几年涌现出一大批基于现场可编程门阵列（field-programmable gate array, FPGA）或专用集成电路（application-specific本文针对网络加速、压缩、软硬件结合的加速器设计等方面的进展进行了详细而全面的总结。特别地，本文对网络剪枝、低秩估计、网络量化、拟合网络、紧凑网络设计以及硬件加速器进行了深入分析。

关键词：深度神经网络；加速；压缩；硬件加速器

HTML PDF 收藏

王旭娜,谭清美

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-980 doi: 10.1631/FITEE.1900236

摘要：在此情况下，出现了基于深度学习的推荐系统。当前深度学习推荐大多利用深度神经网络针对一些辅助信息建模，且在建模过程中根据输入数据类别，分别采用多条映射通路，将原始输入数据映射到潜在向量空间。然而，这些深度神经网络推荐算法忽略了不同类别数据间的联合作用可能对推荐效果产生的潜在影响。针对这一问题，本文提出一种基于多类别信息联合作用的前馈深度神经网络推荐方法——深度联合网络，以解决隐性反馈的推荐问题。在公开数据集上的实验表明，我们提出的方法对现有方法有显著改进。经验证据表明，使用深度联合推荐可以提供更好推荐性能。

关键词：神经网络；深度学习；DAN；推荐

HTML PDF 收藏

基于海面更快区域卷积神经网络的导航雷达平面位置指示器图像海面目标检测方法 Research Article

陈小龙,牟效乾,关键,刘宁波,周伟

《信息与电子工程前沿（英文）》 2022年第23卷第4期页码 630-643 doi: 10.1631/FITEE.2000611

摘要：更快的区域卷积神经网络（Faster R-CNN）作为一种经典深度学习目标检测算法，已广泛应用于高分辨率合成孔径雷达和逆合成孔径雷达的图像检测。本文以导航雷达PPI图像为例，针对复杂背景（如海杂波）和目标特性情况，提出一种基于海面的更快的区域卷积神经网络（Marine-Faster R-CNN）算法的海面目标检测方法。该方法利用卷积神经网络（CNN）对雷达回波生成的PPI图像进行特征提取和目标识别。首先，为提高检测海面目标的准确率，降低虚警率，设计了特征融合网络FFNet（Feature Fusion Network），并从锚点尺度、多目标检测、数据样本平衡性、尺度归一化等方面优化Faster R-CNN最后，与经典Faster R-CNN方法和恒虚警率算法对比，证明所提方法准确率更高，稳健性更佳，泛化能力更强，可应用于导航雷达海面目标检测。

关键词：海面目标检测；导航雷达；平面位置指示器（PPI）图像；卷积神经网络；更快的区域卷积神经网络

HTML PDF 收藏

深度学习中的对抗性攻击和防御 Feature Article

任奎, Tianhang Zheng, 秦湛, Xue Liu

《工程（英文）》 2020年第6卷第3期页码 346-360 doi: 10.1016/j.eng.2019.12.012

摘要：

在深度学习（deep learning, DL）算法驱动的数据计算时代，确保算法的安全性和鲁棒性至关重要。最近，研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响，但会使深度学习模型输出意想不到的结果。最近，在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。因此有关对抗性攻击和防御技术的研究引起了机器学习和安全领域研究者越来越多的关注。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后，讨论了防御方法中的一些代表性研究成果。

关键词：机器学习深度神经网络对抗实例对抗攻击对抗防御

HTML PDF 收藏

面向多目标跟踪的关联相似度神经网络学习 Research Articles

马良,钟巧勇,张营营,谢迪,浦世亮

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1194-1206 doi: 10.1631/FITEE.2000272

摘要：为解决视频多目标跟踪问题，提出一种特征和度量联合学习的深度神经网络架构，称为关联相似度网络。关联相似度网络以端到端的方式学习跟踪轨迹和检测结果之间的关联相似度。针对有缺陷的检测结果，关联相似度网络同时学习矩形框回归、目标分类和相似度回归3个任务。不同于现有基于对比排序思想的方法，我们直接训练一个二分类器来学习跟踪轨迹与检测结果的关联相似度，同时设计了损失函数来约束匹配集合元素的个数。得益于上述设计，关联相似度网络不仅能够解决多目标跟踪问题中的匹配问题，还可以进行单目标跟踪。基于提出的关联相似度网络，设计了一个简单的多目标跟踪算法，在MOT16和MOT17测试集上的实验结果表明其有效性。

关键词：多目标跟踪；深度神经网络；相似度学习

HTML PDF 收藏

基于深度学习技术的集群电动汽车及家庭热水系统灵活性预测 Article

胡俊杰, 周华嫣然, 周羿宏, 张海婧, Lars Nordströmd, 杨光亚

《工程（英文）》 2021年第7卷第8期页码 1101-1114 doi: 10.1016/j.eng.2021.06.008

摘要：需求响应（demand response, DR）资源的灵活性已成为解决这一问题的一个有价值的方法。然而，目前关于DR资源的灵活性预测问题尚未得到充分的研究。本研究应用一种深度学习技术，即结合时间卷积神经网络的Transformer模型（temporal convolution network-combined transformer）来预测电动汽车与家庭热水系统两种所提出的灵活性预测方法使用了基于DR资源的历史用电数据以及为了辅助预测所提出的DR信号数据。所提方法不仅可以预测聚合灵活性的大小，还可以预测其维持时间。文中所提出的DR资源灵活性预测方法展现了其在释放需求侧资源的灵活性以向电网提供备用容量方面的应用。

关键词：负荷灵活性电动汽车家庭热水系统结合时间卷积神经网络的Transformer模型深度学习

HTML PDF 收藏

网络空间安全命名实体识别综述 Review Article

高宸1,张璇1,2,3,韩梦婷1,刘会1

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1153-1168 doi: 10.1631/FITEE.2000286

摘要：随着互联网技术飞速发展和大数据时代到来，越来越多网络空间安全文本出现在互联网上。这些文本不仅包括安全概念、事件、工具、指南和政策，还包括风险管理方法、最佳实践、保证和技术等。整合大规模、异构和非结构化的网络空间安全信息，对网络空间安全实体进行识别和分类，有助于处理和解决网络空间安全问题。由于网络空间安全领域文本的复杂性和多样性，使用传统的命名实体识别（NER）方法难以识别该领域中的安全实体。本文介绍该领域NER的各种方法和技术，包括基于规则的方法、基于字典的方法和基于机器学习的方法，并讨论该领域NER研究面临的问题，如实体词组的结合与分离、非标准化的命名约定、缩写和大量嵌套等。最后，提出NER在网络空间安全方面的3个研究方向：（1）应用无监督或半监督技术；（2）开发更全面的网络空间安全本体；（3）应用更加有效的深度学习模型。

关键词：命名实体识别（NER）；信息抽取；网络空间安全；机器学习；深度学习

HTML PDF 收藏

深度神经网络加速器体系结构概述 Review

陈怡然, 谢源, 宋凌皓, 陈凡, 唐天琪

《工程（英文）》 2020年第6卷第3期页码 264-274 doi: 10.1016/j.eng.2020.01.007

摘要：机器学习（ML）方法已成功应用于解决学术界和工业界的许多问题。尽管大数据应用的高速增长为ML的发展提供动力，但它也给传统计算机系统带来了数据处理速度和可扩展性方面的严峻挑战。在本文中，我们特别总结了用于深度神经网络（DNN）的加速器设计（即DNN加速器）的最新进展。我们从计算单元、数据流优化、网络模型、基于新兴技术的体系结构以及针对新兴应用的加速器等方面讨论支持DNN执行的各种体系结构。我们还提供了有关AI芯片设计未来趋势的展望。

关键词：深度神经网络特定领域体系结构加速器

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。伪标签是为未标记数据自动生成的标签，并被当作真实标签用来训练模型。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。两个英语NER任务和一个中文医疗命名实体识别任务的实验结果表明，该方法进一步提高了最佳单神经模型的性能。当仅使用预训练的静态词嵌入且不依赖任何外部知识时，该方法可获得与CoNLL-2003和OntoNotes 5.0英语NER任务上最先进模型相当的性能。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法