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 4148

会议视频 374

会议信息 51

会议专题 2

年份

2024 18

2023 363

2022 441

2021 510

2020 301

2019 299

2018 217

2017 266

2016 163

2015 123

2014 114

2013 70

2012 96

2011 100

2010 111

2009 113

2008 134

2007 149

2006 147

2005 152

展开︾

关键词

智能制造 55

人工智能 48

可持续发展 37

能源 36

农业科学 32

机器学习 27

增材制造 24

绿色化工 24

医学 23

工程管理 23

神经网络 23

信息技术 20

创新 18

遗传算法 18

环境 17

发展 14

工程 14

数值模拟 14

管理 14

展开︾

检索范围：

排序：展示方式：

NIG-AP：一种自动化渗透测试新方法 Regular Papers-Research Articles

Tian-yang ZHOU, Yi-chao ZANG, Jun-hu ZHU, Qing-xian WANG

《信息与电子工程前沿（英文）》 2019年第20卷第9期页码 1277-1298 doi: 10.1631/FITEE.1800532

摘要：渗透测试在发现网络脆弱性与评估网络安全状态方面发挥着重要作用。但是，渗透测试过程只能由安全专家进行，造成了大量时间、人力开销。自动化渗透测试为解决该问题提供了思路，其中最为关键的是攻击规划。不少学者对攻击路径发现进行了大量深入研究，但是大都基于完备的网络拓扑信息，这与实际渗透测试情况不符。为了从攻击者视角发现网络中存在的所有攻击路径，提出一种基于网络信息增益的攻击规划算法（NIG-AP），该算法将渗透测试过程形式化为马尔科夫决策过程，并利用网络信息构建回报函数，并指导代理从入侵者角度发现隐藏的攻击路径实验结果表明本文提出的算法能够有效提高攻击路径发现效率。

关键词：渗透测试；强化学习；经典规划；部分观测的马尔科夫决策过程

HTML PDF 收藏

融合深度置信网络的串联隐马尔科夫模型及其在脱机手写识别中的应用 Article

Partha Pratim ROY, Guoqiang ZHONG, Mohamed CHERIET

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 978-988 doi: 10.1631/FITEE.1600996

摘要：近年来，为了充分探索隐藏在文档图像中的监督信息，许多研究工作试图将多层感知机以一种混合或串联的形式嵌入隐马尔科夫模型当中。然而，因为多层感知机学习能力的不足，学习到的特征对于后续的识别任务不一定是最优的。在本文中，我们针对自由书写的脱机手写识别提出一种基于深度结构的串联方法。在提出的模型中，深度置信网络被用于学习序列数据的紧致表示，隐马尔科夫模型被用于（子-）词的识别。我们在两个公开的数据集上验证了所提出的模型，这两个数据集是分别基于拉丁和阿拉伯语的RIMES和IFN/ENIT；我们还在Devanagari数据集上验证了所提出的模型，这个数据集是基于印度语的。大量的实验展示了所提出模型的优势，特别是相对于多层感知机-隐马尔科夫模型的串联方法。

关键词：手写识别；隐马尔科夫模型；深度学习；深度置信网络；串联方法

HTML PDF 收藏

TPE-H2MWD: 基于隐马尔科夫模型和分权扩散的精确缩略图保留加密方案 Research Article

柴秀丽1,2,陈绣辉1,马亚坤1,左方3,甘志华2,3,张玉书4

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1169-1180 doi: 10.1631/FITEE.2200498

摘要：随着图像传输技术日益发展，人们对图像安全的需求也在大幅提升。由传统图像加密方案获得的类噪声图像虽然可以保证内容安全，但无法直接用于预览和检索。一些学者基于排序后加密方法，设计了一种三像素缩略图保留加密方案（TPE2），用于平衡图像安全性和可用性，然而该方案的加密效率较低。为此，本文提出一种有效的精确缩略图保留加密方案。首先对明文图像进行分块和位平面置乱，然后采用Z字形置乱模型改变最低的4个位平面中比特的位置，随后介绍了用于改变最高的4个位平面中比特位置的操作（这是隐马尔科夫模型的一个扩展应用）。最后，根据每个位平面中比特的权重不同，设计了一种比特级分权扩散规则。至此生成的加密图像能保证块内像素和不变。仿真结果表明，该方案在平衡图像隐私性和可用性的同时，提高了加密效率。

关键词：隐马尔科夫模型；分权扩散；可用性与隐私性之间的平衡；图像加密

HTML PDF 收藏

基于解耦价值和策略强化学习的家庭能源管理方法

熊珞琳,唐漾,刘臣胜,毛帅,孟科,董朝阳,钱锋

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1261-1272 doi: 10.1631/FITEE.2200667

摘要：由于电动汽车的普及性和家用电器的灵活性，在动态电价下对家庭能源系统进行能源调度优化电力成本和保障居民舒适度是可行的。本文提出一种基于数据驱动的深度强化学习家庭能源管理方法。首先，为揭示影响电动汽车充电行为的多种不确定因素，引入一种结合驾驶员经验、突发事件和交通状况的改进数学模型描述电动汽车在家庭能源系统中的动态能量需求。其次，提出一种解耦优势演员-评论家（DA2C）算法，通过缓解策略和价值共享网络导致的过拟合问题提升能源优化性能。此外，策略函数和价值函数的解耦网络确保了所提方法在不可见场景中的泛化性。

关键词：家庭能源系统电动汽车强化学习泛化性

HTML 收藏

基于广义极值分布和马尔科夫随机场的全极化合成孔径雷达图像潮间带区域地物分类方法 None

Ting-ting JIN, Xiao-qiang SHE, Xiao-lan QIU, Bin LEI

《信息与电子工程前沿（英文）》 2019年第20卷第2期页码 253-264 doi: 10.1631/FITEE.1700462

摘要：考虑到潮汐波动的复杂性和剧烈性，合成孔径雷达（SAR）图像的潮间带区域地物分类是一个重要且具有挑战性的问题。潮间带区域地物分类难点在于，潮间带有很大比例区域经常被海水淹没，使得利用空间信息的统计建模方法常常失效。考虑到极化熵和各向异性在潮间带特征描述中的重要作用，提出一种新的无监督地物分类算法。该算法将广义极值分布模型（GEV）的极化特征与马尔可夫随机场（MRF）的平滑滤波结合，并加入拟合优度检验，以确定统计模型各组成部分的显著性。将极化熵和各向异性的分类结果有效结合，得到最终分类结果。最后，基于中国高分三号SAR卫星获得的全极化数据进行实验，实验结果证明所提方法的可行性和优越性。

关键词：潮间带区域地物分类；极化合成孔径雷达；有限混合模型；马尔可夫随机场；广义极值分布模型

HTML PDF 收藏

Soft-HGRNs: 用于多智能体部分可观察场景的随机性层次图递归网络 Research Article

任一翔1,叶振辉1,2,陈弈宁1,姜晓红2,宋广华1

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 117-130 doi: 10.1631/FITEE.2200073

摘要：近年来，多智能体深度强化学习（multi-agent deep reinforcement learning, MADRL）的研究进展使其在现实世界的任务中更加实用，但其相对较差的可扩展性和部分可观测的限制为MADRL模型的性能和部署带来了更多的挑战。人类社会可以被视为一个大规模的部分可观测环境，其中每个人都具备与他人交流并记忆经验的功能。基于人类社会的启发，我们提出一种新的网络结构，称为层次图递归网络（hierarchical graph recurrent network, HGRN），用于部分可观测环境下的多智能体合作任务。为了鼓励智能体探索并提高模型的鲁棒性，我们进而设计一种最大熵学习方法，令智能体可以学习可配置目标行动熵的随机策略。

关键词：深度强化学习；基于图的通信；最大熵学习；部分可观测性；异构环境

HTML PDF 收藏

人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用 Article

吴京达, 黄志宇, 胡中旭, 吕辰

《工程（英文）》 2023年第21卷第2期页码 75-91 doi: 10.1016/j.eng.2022.05.017

摘要：

由于机器学习智能和能力有限，它目前仍无法处理各种情况，因此不能在现实应用中完全取代人类。因为人类在复杂场景中表现出稳健性和适应性，所以将人类引入人工智能（AI）的训练回路并利用人类智能进一步提升机器学习算法变得至关重要。本研究开发了一种基于实时人类指导（Hug）的深度强化学习
（DRL）方法，用于端到端自动驾驶案例中的策略训练。通过新设计的人类与自动化之间的控制转移机制，人类能够在模型训练过程中实时干预和纠正智能体的不合理行为。本研究通过40 名受试者的人在回路实验对开发的方法进行了验证，并与其他最先进的学习方法进行了比较。

关键词：人在回路AI 深度强化学习人类指导自动驾驶

HTML PDF 收藏

基于专家示教聚类经验池的高效深度强化学习 Research Article

王士珉1,赵彬琦1,张政锋1,张军平1,浦剑2

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1541-1556 doi: 10.1631/FITEE.2300084

摘要：作为强化学习领域最基本的主题之一，样本效率对于深度强化学习算法的部署至关重要。与现有大多数从不同类型的后验分布中对动作进行采样的探索方法不同，我们专注于策略的采样过程，提出一种有效的选择性采样方法，通过对环境的内部层次结构建模来提高样本效率。具体来说，首先在策略采样过程中使用聚类方法生成动作候选集，随后引入一个用于对内部层次结构建模的聚类缓冲区，它由同轨数据、异轨数据以及专家数据组成，用于评估探索阶段动作候选集中不同类别动作的价值。通过这种方式，我们的方法能够更多地利用专家示教数据中的监督信息。在6种不同的连续运动环境中进行了实验，结果表明选择性采样方法具有卓越的强化学习性能和更快的收敛速度。特别地，在LGSVL任务中，该方法可以减少46.7%的收敛步数和28.5%的收敛时间。代码已开源，见https://github.com/Shihwin/SelectiveSampling。

关键词：强化学习；采样效率；采样过程；聚类方法；自动驾驶

HTML PDF 收藏

基于马尔可夫到达过程的两级可修备件（S-1，S）库存优化模型

陈童,黎放,狄鹏

《中国工程科学》 2015年第17卷第5期页码 113-119

摘要：

本文以两级可修备件库存系统为研究对象，采用马尔可夫到达过程（MAP）描述备件需求规律，考虑有限维修设施的情况，假设故障件维修时间、备件运输时间以及采购时间均服从phase-type（PH）分布，建立了一种描述能力更强、解析计算性更好的（S-1，S）库存优化模型，并推导出系统缺货量分布函数；然后通过算例演示了模型的优化效果，验证了模型的正确性和适用性。

关键词：（S-1，S）库存策略；两级库存；可修备件；马尔可夫到达过程

HTML PDF 收藏

三峡库区香溪河流域多变量生态水文风险的不确定性分析 Article

Yurui Fan,Guohe Huang,Yin Zhang,Yongping Li

《工程（英文）》 2018年第4卷第5期页码 617-626 doi: 10.1016/j.eng.2018.06.006

摘要：

本研究基于copula函数开发了一种多变量生态水文风险评估框架，用于分析三峡库区香溪河流域极端生态水文事件的发生频率。通过马尔可夫链蒙特卡罗（MCMC）方法量化边缘分布及copula函数中参数的不确定性，并基于后验概率揭示联合重现期的内在不确定性，同时可进一步得到双变量及多变量风险的概率特征。研究结果显示所得概率模型的预测区间可很好地匹配观测值，尤其对洪水持续时间而言。同时，“AND”联合重现期的不确定性随着单个洪水变量重现期的增加而增加。

关键词：洪水风险 copula 多变量水文频率分析概率分布马尔科夫链蒙特卡罗

HTML PDF 收藏

碳配额市场下以乙醇胺溶液进行碳捕集的电厂的优化竞标和运行：基于强化学习的Sarsa时间差分算法的解决

李子昂, 王美宏, 丁正桃

《工程（英文）》 2017年第3卷第2期页码 257-265 doi: 10.1016/J.ENG.2017.02.014

摘要：

对于处在碳配额市场条件下以乙醇胺(MEA) 进行碳捕集的燃煤电厂，本文应用了基于强化学习的Sarsa 时间差分算法为其自行搜寻一种统一的竞标和运行策略。电厂的决策者的目的被定义为最大化电厂寿命下的贴现累计利润。其中，我们引入以下两个限制条件：一是碳捕集的高能耗和电力生产之间的权衡；二是碳排放交易市场中竞得的碳配额数量与电力生产导致的实际碳排放量的近似相等。本文给出了三个案例方便研究。第二个案例中，相互独立设计的运行和竞标策略与统一设计的运行和竞标策略相互比较，以表明加入了随时间变化、市场导向的碳捕集水平后，Sarsa 算法将有助于电厂决策者获得更高的贴现累计利润。比较两家电厂的贴现累计利润，结果表明：采用Sarsa 学习算法、找到统一的竞标和运行策略的原电厂会更具竞争力。

关键词：电厂燃烧后碳捕集化学吸收碳配额市场决策优化强化学习

HTML PDF 收藏

基于混合强化学习的自动驾驶汽车行人避撞方法 Research Article

李惠乾1,黄晋1,曹重1,杨殿阁1,钟志华2

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 131-140 doi: 10.1631/FITEE.2200128

摘要：确保行人的安全对自动驾驶汽车而言至关重要，同时也具有一定挑战。经典的行人避撞策略无法应对不确定性，而基于学习的方法缺乏明确的性能保障。本文提出一种基于混合强化学习的行人避撞方法，以使自动驾驶车辆能够与具有行为不确定性的行人安全交互。该方法集成了规则策略和强化学习策略，并设计了一个激活函数选择具有更高置信度的作为最终策略，通过这种方式保证最终策略的表现不亚于规则策略。为说明所提方法的有效性，本文使用一种加速测试方法生成了行为随机的行人进行仿真验证。结果表明，该方法在测试场景中的成功率，相比基准方法的94.4%，提升至98.8%。

关键词：行人；混合强化学习；自动驾驶汽车；决策

HTML PDF 收藏

火灾事故的灰色-马尔可夫模型预测研究

毛占利,朱毅,杨伯忠,朱磊

《中国工程科学》 2010年第12卷第1期页码 98-101

摘要：

鉴于火灾事故的发生受多种复杂因素的影响，并且具有较大的随机性和波动性的特点，笔者等将灰色模型和马尔可夫模型相结合，建立火灾事故的灰色–马尔可夫模型，利用灰色模型的灰色性和马尔可夫模型的随机性来体现各自的优点，并运用该模型对全国农村火灾事故进行预测。实际应用表明，灰色–马尔可夫模型的预测精度明显高于灰色模型的预测精度，完全能满足预测精度的要求，可以较好地用于火灾事故的预测。

关键词：灰色模型马尔可夫模型火灾事故预测

HTML PDF 收藏

一种用于工业过程监测的鲁棒迁移字典学习算法 Article

阳春华, 梁慧平, 黄科科, 李勇刚, 桂卫华

《工程（英文）》 2021年第7卷第9期页码 1262-1273 doi: 10.1016/j.eng.2020.08.028

摘要：然而，大多数数据驱动的过程监测方法均假设历史训练数据和在线测试数据遵循相同的分布。这些因素通常会使在线监测数据和历史训练数据分布不同，从而导致过程监测任务中的模型失配。因此，当将从训练数据中学习的模型应用于实际的在线监测时，很难实现精确的过程监测。为了解决操作环境变化导致的历史训练数据和在线测试数据之间的分布差异问题，提出了一种鲁棒的迁移字典学习（RTDL）算法用于工业过程监测。RTDL是表示学习和域自适应迁移学习的协同方法。该方法将历史训练数据和在线测试数据分别作为迁移学习问题的源域和目标域。然后将最大均值差异正则化和线性判别分析正则化引入字典学习框架，可以减少源域和目标域之间的分布差异。这样，即使源域和目标域的特征在实际变化的操作环境的干扰下明显不同，仍可以学习鲁棒的字典。这样的字典可以有效地提高过程监测和模态识别的性能。通过数值仿真和两个工业系统的实验验证了该方法的有效性和优越性。

关键词：过程监测多模态过程字典学习迁移学习

HTML PDF 收藏

面向强化学习自动驾驶模型的异步监督学习预训练方法 Research Articles

王云鹏,郑坤贤,田大新,段续庭,周建山

《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.1900637

摘要：强化学习（reinforcement learning，RL）因其在各种顺序控制问题上的出色表现而被应用于自动驾驶系统设计。然而，基于RL的自动驾驶系统落地应用所面临的主要挑战是其初始性能不佳。强化学习训练需要大量训练数据，然后模型才能达到合理的性能要求，这使得基于强化学习的模型不适用于现实环境，尤其在数据昂贵的情况下。本文为基于强化学习的端到端自动驾驶模型提出一种异步监督学习（asynchronous supervised learning，ASL）方法，以解决在实际环境中训练基于强化学习模型时初始性能差的问题。具体而言，通过在多个驾驶演示数据集上并行且异步执行多个监督学习过程，在异步监督学习预训练阶段引入先验知识。此外，建立一个实车验证系统，以验证所提预训练方法在实车部署中的可行性。仿真结果表明，在有监督的预训练阶段使用一些演示，可以显著提高强化学习训练阶段的初始性能和收敛速度。

关键词：自主驾驶；自动驾驶车辆；强化学习；监督学习