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 1496

会议视频 273

会议信息 158

会议专题 5

年份

2024 13

2023 153

2022 272

2021 264

2020 189

2019 162

2018 96

2017 99

2016 73

2015 36

2014 17

2013 55

2012 28

2011 52

2010 27

2009 28

2008 41

2007 30

2006 39

2005 39

展开︾

关键词

2020 61

工程管理 60

三峡工程 42

2019 31

机器学习 27

神经网络 27

人工智能 24

学术会议 24

工程 24

智能制造 23

2022全球十大工程成就 22

2023全球十大工程成就 22

2021全球十大工程成就 20

深度学习 15

农业科学 14

工程成就 14

系统工程 14

创新 13

工程前沿 13

展开︾

检索范围：

排序：展示方式：

继承泰勒级数的关系谱分析：手部肌肉协同与耦合 Research Article

刘刚,王晶

《信息与电子工程前沿（英文）》 2022年第23卷第1期页码 145-157 doi: 10.1631/FITEE.2000578

摘要：数学中有两种著名的函数分解方法：泰勒级数和傅里叶级数。傅里叶级数发展成为傅里叶频谱，用于信号分解和分析；而泰勒级数的求解需要已知具体函数表达式，所以其在工程领域很少被应用。本文使用树突网络发展了泰勒级数，构造了关系谱，并将其应用于模型或系统分解和分析。了解肌肉激活与手指运动之间的直观联系对于开发无需用户预训练的商业假肢至关重要。本文使用关系谱分析了肌肉—手指系统。在手指运动中，一块肌肉同时驱动多个手指，多块肌肉同时驱动一个手指。因此，本研究聚焦于手部的肌肉协同与耦合。本文有两个主要贡献：（1）有关手部的发现有助于假肢手的设计；（2）关系谱使在线模型可读，从而统一了在线性能和离线结果。

关键词：泰勒级数；关系谱；树突网络；假肢手；机器学习；工程

HTML PDF 收藏

不使用任何信任关系构建信任网络 Article

Xin WANG, Ying WANG, Jian-hua GUO

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1591-1600 doi: 10.1631/FITEE.1601341

摘要：由于用户信任关系具有一定稀疏性和动态性，准确预测在线社交媒体中的信任关系变得较为困难；此外，大多数社交媒体平台都没有提供明确的信任关系。这些因素使得预测信任关系并构建信任网络具有一定挑战性。首先，验证了利用稀疏学习模型能够较好实现信任关系预测；然后，提出一个新颖框架bTrust，不使用任何信任关系，仅仅利用交互数据和同质性效应构建信任网络；最后，在Epinions和Ciao两个真实数据集上验证了bTrust框架的有效性，表明交互行为和同质性效应在构建信任网络中的重要性。

关键词：信任网络；稀疏学习；同质效应；交互行为

HTML PDF 收藏

化学工程中机器学习的优势、限制、机会和挑战 Perspective

Maarten R. Dobbelaere, Pieter P. Plehiers, Ruben Van de Vijver, Christian V. Stevens, Kevin M. Van Geem

《工程（英文）》 2021年第7卷第9期页码 1201-1211 doi: 10.1016/j.eng.2021.03.019

摘要：数十年来，将人工智能和化学工程进行有机结合用于建模的努力仍未满足预期效果。在过去的五年中，数据和计算资源的可获性不断提高，使基于机器学习的研究再度兴起。研究者最近努力为化学应用和新的机器学习框架开发大型数据库、基准测试集和表征，这些努力促进了机器学习技术在研究领域的推广。与传统建模技术相比，机器学习具有显著的优势，包括灵活性、精度和执行速度。但有利也有弊，比如机器学习中黑盒模型就缺乏可解释性。其最大的机遇包括在时间有限的应用场合中使用机器学习，比如需要高精度的实时优化和规划技术，并且可以建立具有自学习能力的模型去识别模式，从数据中学习，并随着时间的推移变得更加智能。然而，现在人工智能研究最大的挑战是不恰当的使用，因为大多数化学工程师只在计算机科学和数据分析方面受到有限的培训。尽管如此，机器学习肯定也会成为化学工程师建模工具箱中值得信赖的基础工具。

关键词：人工智能机器学习反应工程过程工程

HTML PDF 收藏

基于深度Q学习网络与新训练算法的服务机器人主动物品检测模型 Research Article

刘少鹏,田国会,崔永成,邵旭阳

《信息与电子工程前沿（英文）》 2022年第23卷第11期页码 1673-1683 doi: 10.1631/FITEE.2200109

摘要： AOD是服务机器人在家庭环境中完成服务任务的重要组成部分，通过适当的移动动作引导机器人接近目标物品。目前基于强化学习的AOD模型存在训练效率低和测试精度差的问题。因此，本文提出一种基于深度Q学习网络的AOD模型，并设计了一种新的模型训练算法。该模型旨在拟合各种动作Q值，包括状态空间、特征提取和多层感知机。

关键词：主动物品检测；深度Q学习网络；训练算法；服务机器人

HTML PDF 收藏

机器学习和数据驱动算法在智慧发电系统中的应用——一种不确定性处理的视角 Review

孙立, Fengqi You

《工程（英文）》 2021年第7卷第9期页码 1239-1247 doi: 10.1016/j.eng.2021.04.020

摘要：机器学习（ML）和数据驱动控制（DDC）技术的蓬勃发展为这些传统方法提供了一种替代方案。本文回顾了机器学习和数据驱动控制技术在发电系统监测、控制、优化和故障检测方面的典型应用，特别着重于揭示这些方法在评价、消除或耐受相关不确定性影响方面的作用。本文为智慧发电控制技术提供了一个从调节层到规划层的总体视角，分别从可见性、机动性、灵活性、经济性和安全性（简称“五性”）方面对机器学习和数据驱动控制技术的优势进行阐释。

关键词：智慧发电机器学习数据驱动控制系统工程

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

微小型机器鼠仿鼠行为学习与生成

高子航, 贾广禄, 谢宏钊, 黄强, 福田敏男, 石青

《工程（英文）》 2022年第17卷第10期页码 232-243 doi: 10.1016/j.eng.2022.05.012

摘要：

现有的仿生机器鼠仅可以执行一些基本的仿鼠运动基元（MP），并通过这些基元的刚性组合来形成简单的行为。这些优势值通过二阶傅里叶级数对实验鼠的脊柱关节轨迹进行拟合，并且通过具有两个隐藏层的反向传播（BP）神经网络对关节轨迹进行泛化。最后，将分层概率模型和泛化的关节轨迹分别作为控制策略和指令映射到机器鼠。本文在机器鼠上实现了6 种典型的仿鼠行为，其结果与实验鼠的行为相比显示出高度相似性。

关键词：仿生学微小型机器鼠神经网络学习行为生成

HTML PDF 收藏

化学中的机器学习——基础与应用 Review

史云飞, 杨正新, 马思聪, 康沛林, 商城, 胡培君, 刘智攀

《工程（英文）》 2023年第27卷第8期页码 70-83 doi: 10.1016/j.eng.2023.04.013

摘要：

过去的十年间，机器学习在科学研究中的应用急剧增加。这篇综述介绍了机器学习的基本组成部分，包括数据库、特征和算法，并着重介绍了机器学习在化学领域取得的一些重要成就。综述了决策树和深度学习神经网络算法，重点介绍了它们的框架和典型应用场景。讨论了机器学习在化学中的三个重要应用领域：①逆合成分析，通过机器学习预测有机物的合成途径；②原子模拟，利用机器学习势函数加速势能面采样；③多相催化，使用机器学习辅助催化设计中从合成条件优化到反应机理探索的各个方面最后对机器学习在化学中的应用前景进行了展望。

关键词：机器学习原子模拟催化逆合成分析神经网络势函数

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

智能过程制造中的数据解析与机器学习——大数据时代的最新进展与展望 Perspective

尚超、 Fengqi You

《工程（英文）》 2019年第5卷第6期页码 1010-1016 doi: 10.1016/j.eng.2019.01.019

摘要：这种新的生产方式不仅要求机器能够帮助人类减轻繁重的体力劳动，还要能有效地承担智力劳动，甚至能够实现自主创新。为了实现这一目标，数据分析与机器学习扮演着不可或缺的角色。在本文中，我们回顾了数据分析和机器学习在工业生产过程监控、控制和优化方面的最新进展，着重分析机器学习模型的可解释性和功能性。通过分析实际需求与研究现状之间的差距，为未来的研究方向给出了建议。

关键词：大数据机器学习智能制造过程系统工程

HTML PDF 收藏

将基于神经网络的机器学习方法应用于增材制造——应用现状、当前挑战和未来前景 Review

亓欣波, 陈国锋, 李勇, 程宣, 李长鹏

《工程（英文）》 2019年第5卷第4期页码 721-729 doi: 10.1016/j.eng.2019.04.012

摘要：使用传统的数值分析模型为增材制造建立流程-结构-属性-性能的对应关系也是一项艰巨的任务。而今，机器学习方法已成为执行复杂模式识别和回归分析的一种有效方式，并且它无需构建和处理潜在的物理模型。得益于当前庞大的数据集、计算能力的提高和计算模型的优化改善，神经网络算法成为了机器学习算法中使用最广泛的模型。本文综述了神经网络算法在增材制造全链条中的模型设计、实时监测、质量评价等方面的应用进展。然后，本文概述了当前将神经网络应用于增材制造所遇到的挑战以及针对这些问题的可能解决方案。最后，提出了未来趋势，以对这一跨学科领域进行全面讨论。

关键词：增材制造 3D打印神经网络机器学习算法