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 1136

会议信息 49

会议视频 42

会议专题 1

年份

2024 4

2023 124

2022 144

2021 149

2020 119

2019 124

2018 82

2017 80

2016 66

2015 20

2014 13

2013 8

2012 27

2011 11

2010 9

2009 16

2008 22

2007 46

2006 24

2005 28

展开︾

关键词

机器学习 27

神经网络 27

人工智能 21

2020 16

深度学习 15

2019 10

智能制造 7

图像处理 6

人工神经网络 5

医院中子照射器 5

第三届 5

BP神经网络 4

仿真 4

优化 4

信息技术 4

农业科学 4

分类 4

网络 4

网络安全 4

展开︾

检索范围：

排序：展示方式：

半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles

侯亮,罗潇逸,汪子扬,梁军

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900116

摘要：图像分类是深度学习的重要应用。在典型分类任务中，分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络，常用于降维和特征提取。本文所提方法基于传统的自动编码器，将不同类别样本之间的“距离”信息纳入其中。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中，将优化的参数设置为初始值。为获得更好性能，使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较，实验结果证明该模型有效。

关键词：自动编码器；图像分类；半监督学习；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。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。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

NGAT：基于广度和深度探索注意力机制的半监督图表示学习 Research Articles

胡荐苛,张引

《信息与电子工程前沿（英文）》 2022年第23卷第3期页码 409-421 doi: 10.1631/FITEE.2000657

摘要：近年来图神经网络（GNN）在图结构数据表示学习方面取得显著成绩。然而，随着网络层数增加，由于过度平滑问题，基于邻域信息聚合策略的GNN性能恶化，这也是GNN应用于真实图的主要瓶颈。为缓解过度平滑，本文提出一种嵌套的图注意网络，即基于双重注意力机制的多尺度特征融合模型NGAT，该网络可以半监督形式工作。本文在公开数据集上对比了现有图神经网络模型，实验表明本文提出的NGAT模型具备更强的节点嵌入学习能力。

关键词：图学习；半监督学习；节点分类；注意力机制

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。

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

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：概要：在图像分类任务中，不同类别之间的相似度是不同的，样本经常被误分到相似度较高的类别中。为了区分高度相似类别中的样本，需要更加具体的图像特征，以便于分类器能够提高分类性能。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。然后，从全部类别中抽取的通用特征和从高度相似类别中抽取的具体特征被融合成一个特征向量，并将其输入线性分类器进行分类。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

用于解决非线性受电弓系统的启发式神经网络计算 Article

Muhammad Asif Zahoor RAJA, Iftikhar AHMAD, Imtiaz KHAN, Muhammed Ibrahem SYAM, Abdul Majid WAZWAZ

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 464-484 doi: 10.1631/FITEE.1500393

摘要：本文提出了一种启发式神经网络计算平台，用于解决基于不同阶数泛函微分方程的非线性受电弓系统（Pantograph systems based on functional differential equations该方案利用了前馈人工神经网络（Artificial neural networks, ANNs）、基于遗传算法（Genetic algorithms, GAs）的进化计算技术，以及内点技术（Interior-point通过设定一个无监督学习误差，针对完全和不完全满足初始条件两种情况，利用ANNs创建了系统的两种数学模型。采用GA–IPT混合算法，对ANN模型的设计参数进行了优化。通过采用不同数量神经元的ANN模型进行了大量的数值实验，进一步验证了该方案的准确性和收敛性。

关键词：神经网络；初值问题（IVP）；函微分方程（FDE）；无监督学习；遗传算法（GAs）；内点技术（IPT）

HTML PDF 收藏

一种粗模糊神经分类器

曾黄麟,王晓

《中国工程科学》 2003年第5卷第12期页码 60-65

摘要：

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。

关键词：模糊粗集神经网络分类

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。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。本文在赛车模拟器TORCS（The Open Racing Car Simulator）上对所提出的预训练方法进行评估，以验证该方法在改善强化学习训练阶段端到端自动驾驶模型的初始性能和收敛速度方面足够可靠仿真结果表明，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

HTML PDF 收藏

集成增强主动学习混合判别分析模型及其在半监督故障分类中的应用 Research Article

王伟俊1,王云2,王君1,方信昀3,何雨辰1

《信息与电子工程前沿（英文）》 2022年第23卷第12期页码 1814-1827 doi: 10.1631/FITEE.2200053

摘要：故障分类作为过程监控中不可缺少的部分，其性能高度依赖于过程知识的充分性。然而，由于采样条件有限及实验室分析昂贵，数据标签总是难以获取，这可能导致分类性能下降。为了解决这个难题，本文提出一种新的半监督故障分类方法，其中每个未标记样本相对于特定标记数据集的价值采用增强的主动学习来评估。具有高价值的未标记样本将作为训练数据集的补充信息。最后，通过数值例子和田纳西伊士曼过程（TEP）评估了该方法的故障分类有效性。

关键词：半监督；主动学习；集成学习；混合判别分析；故障分类

HTML PDF 收藏

基于回归预测集成学习的交互式图像分割 Article

Jin ZHANG, Zhao-hui TANG, Wei-hua GUI, Qing CHEN, Jin-ping LIU

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 1002-1020 doi: 10.1631/FITEE.1601401

摘要：对于复杂场景下的自然图像，全自动图像分割方法难以获得与真实情况吻合的结果，人们常常采用交互式分割手段实现精确分割。然而，当前及背景中存在颜色相似的区域时，传统半监督图像分割方法只能通过大量增加手工标记获得精确分割结果。为此，本文提出一种结合半监督学习的基于回归预测的集成学习交互式图像分割方法。通过集成两个互补的样条回归函数，将图像分割视为一个非线性预测问题。首先，基于已标记样本训练出两个在属性上互补的多元自适应回归样条学习器（multivariate adaptive regression splines, MARS）和薄板样条回归学习器（thin platespline regression, TPSR）；接着，提出一种基于聚类假设和半监督学习的回归器增强算法，该算法从未标记样本中抽选部分样本辅助训练MARS和TPSR；然后，引入支持向量回归方法（support

关键词：交互式图像分割；多元自适应回归样条；集成学习；薄板样条回归；半监督学习；支持向量回归

HTML PDF 收藏

融合自监督图学习与目标自适应屏蔽的会话型推荐方法 Research Article

王祎童,蔡飞,潘志强,宋城宇

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 73-87 doi: 10.1631/FITEE.2200137

摘要：现有模型主要使用循环神经网络（RNN）或图神经网络（GNN）来建模顺序序列或物品之间的传递关系。为了解决上述问题，本文提出一种融合自监督图学习与目标自适应屏蔽的会话型推荐方法(SGL-TM)。具体来说，首先根据所有涉及到的会话构建全局图，然后从物品之间的全局连接中捕捉自监督信号，用来监督模型生成当前会话中准确的物品表示。之后，通过比较真值与经过我们设计的目标自适应屏蔽模块调整后的物品的预测分数来计算主监督损失。最后，将主监督组件与辅助自监督模块相结合，以获得用来优化模型参数的最终损失。

关键词：会话型推荐；自监督学习；图神经网络；目标自适应屏蔽

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。然而，对于大多数常见的低分辨率雷达平面位置指示器（PPI）图像，很难取得良好性能。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

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

基于注意力的高效机器人抓取检测网络 Research Article

秦晓飞1,胡文凯1,肖晨2,何常香2,裴颂文1,3,4,张学典1,3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第10期页码 1430-1444 doi: 10.1631/FITEE.2200502

摘要：为平衡抓取检测算法的推理速度和检测精度，本文提出一种编码器–解码器结构的像素级抓取检测神经网络，称为基于注意力的高效机器人抓取检测网络（AE-GDN）。在编码器阶段引入3个空间注意模块以增强细节信息，在解码器阶段引入3个通道注意模块以提取更多语义信息。采用多个轻量高效的DenseBlocks连接编码器和解码器，提高AE-GDN的特征建模能力。

关键词：机器人抓取检测；注意力机制；编码器–解码器；神经网络

HTML PDF 收藏

基于自适应置信度校准的交互式医疗图像分割框架

沈楚云,李文浩,徐琪森,胡斌,金博,蔡海滨,朱凤平,李郁欣,王祥丰

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1332-1348 doi: 10.1631/FITEE.2200299

摘要：基于人机交互的医疗图像分割方法是一种新的范式，其通过引入专家交互信息来指导算法完成图像分割任务。然而，现有医疗图像分割模型往往容易产生“交互误解”，即无法合理权衡短期和长期交互信息的重要性。为更好地利用不同时间尺度上的交互信息，本文提出一种基于自适应置信度校准的交互式医疗图像分割框架MECCA，其结合了基于分割决策的置信度学习技术和多智能体强化学习技术，并通过预测分割决策与短期交互信息的对齐水平来学习一个新颖的置信度网络

关键词：医疗图像分割交互式分割多智能体强化学习置信度学习半监督学习

HTML 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：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）收集的降雨图像及其相应的测量降雨强度值开发的。随后使用经过训练的irCNN 模型根据传感器的降雨图像有效地估计降雨强度。分别利用合成降雨数据和真实降雨图像来探索irCNN 在理论和实际模拟降雨强度方面的准确性。

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