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 131

年份

2023 27

2022 19

2021 18

2020 13

2019 15

2018 10

2017 8

2016 4

2015 1

2014 3

2013 1

2012 2

2010 1

2009 1

2008 2

2007 3

2006 1

2001 1

2000 1

展开︾

关键词

深度学习 15

人工智能 7

机器学习 7

深度神经网络 3

&ldquo 1

2D—3D配准 1

6G；广域覆盖信令小区；多维资源分配；深度Q网络（DQN） 1

COVID-19 1

PM2.5脱除 1

PNT体系；卫星导航；不依赖卫星导航；技术融合；体系发展 1

RBF网络 1

REC114 1

SO3 1

VO₂薄膜 1

ZNF438 1

不孕症 1

中药 1

临界深度 1

主动物品检测；深度Q学习网络；训练算法；服务机器人 1

展开︾

检索范围：

排序：展示方式：

基于RGBD和稀疏学习的鲁棒目标跟踪 Article

Zi-ang MA, Zhi-yu XIANG

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 989-1001 doi: 10.1631/FITEE.1601338

摘要：随着深度传感器的普及，深度信息因其对光照变化与遮挡表现出一定的鲁棒性而被广泛应用于视觉目标跟踪算法中。本文提出了一种基于RGBD和稀疏学习的跟踪算法，从三个方面将深度信息应用到稀疏学习跟踪框架。首先将深度图像特征结合现有的基于彩色图像的视觉特征用于目标外观的鲁棒特征描述。为了适应跟踪过程中的各种遮挡情况，我们设计了一种特殊的遮挡物模板用于增广现有的超完备字典。最后，我们进一步提出了一种基于深度信息的遮挡物检测方法用于有效地指示模板更新。

关键词：目标跟踪；稀疏学习；深度视角；遮挡物模板；深度图像特征

HTML PDF 收藏

机器学习视角下的城市建模计算机图形方法综述 Review Article

冯天1,范非易2,Tomasz BEDNARZ3,4

《信息与电子工程前沿（英文）》 2021年第22卷第7期页码 915-925 doi: 10.1631/FITEE.2000141

摘要：本文可作为机器学习视角下城市建模研究现状的概述。

关键词：城市建模；计算机图形学；机器学习；深度学习

HTML PDF 收藏

基于基因视角的恶意代码同源性判定 Research Papers

Bing-lin ZHAO, Zheng SHAN, Fu-dong LIU, Bo ZHAO, Yi-hang CHEN, Wen-jie SUN

《信息与电子工程前沿（英文）》 2019年第20卷第6期页码 801-815 doi: 10.1631/FITEE.1800523

摘要：因此，提出一种新的从基因视角分析的恶意代码同源性判定方法。恶意代码基因由表示家族同源性的子图组成。通过筛选关键应用程序接口和利用社团划分算法，从函数依赖图中提取关键子图作为恶意代码基因。

关键词：恶意代码分类；基因视角；函数依赖图；同源性分析

HTML PDF 收藏

系统视角下的6G通信创新展望

葛宁, 姜春晓, 陆建华

《工程（英文）》 2023年第31卷第12期页码 19-24 doi: 10.1016/j.eng.2023.03.011

HTML PDF 收藏

森林火灾预报的新视角

赵宪文

《中国工程科学》 2000年第2卷第5期页码 66-71

摘要：

从森林火灾成灾的三个基本因子（火源、环境和可燃物）入手，在宏观上对西南地区森林火灾预报方法进行了探讨。在预测林火发生方面，考虑到人为火是发生森林火灾的主要原因，有很大随机性，因而采用了马尔科夫随机过程理论。在分析成灾环境时，采用了与天、地、生相关分析的方法。特别在可燃物的贮量估测方面，用航天遥感数据，提出一套新的框算方法，为在区域的尺度上估测森林火灾给出了有效的、定量的方法，从而提高了可信度。

关键词：森林火灾预报航天遥感火灾基本因子新视角

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：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。

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

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：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

神经形态计算推动深度学习应用

Chris Palmer

《工程（英文）》 2020年第6卷第8期页码 854-856 doi: 10.1016/j.eng.2020.06.010

HTML PDF 收藏

泰州大桥南锚碇沉井基础深度效应研究

潘辉,邵国建,胡丰

《中国工程科学》 2012年第14卷第5期页码 62-65

摘要：

重力式锚碇基础在计算中通常简化为浅基础，并不考虑深度效应的影响，较为不经济。泰州大桥南锚碇沉井埋置深度达42 m，为将深度效应考虑到锚碇稳定性计算中，故采用有限元法对泰州大桥南锚碇沉井基础的深度效应进行研究。通过计算对比不同埋置深度条件下锚碇基础在施工期及运营期内位移和转角的变化，可知深度效应对锚碇基础承载力的增强作用十分明显。

关键词：重力式锚碇沉井基础深度效应有限元

HTML PDF 收藏

基于双向深度生成模型和功能磁共振成像数据的大脑编码和解码 Review

杜长德, 李劲鹏, 黄利皆, 何晖光

《工程（英文）》 2019年第5卷第5期页码 948-953 doi: 10.1016/j.eng.2019.03.010

摘要：接下来，在体系结构和计算规则方面，我们证明了深度神经网络和人类视觉通路之间存在的对应关系。此外，深度生成模型[如变分自编码器（VAE）和生成对抗网络（GAN）]在大脑编码和解码研究中产生了可喜的成果。

关键词：大脑编码和解码功能磁共振成像深度神经网络深度生成模型双重学习

HTML PDF 收藏

燃煤电站烟气污染物深度脱除技术的分析

张晓鲁

《中国工程科学》 2014年第16卷第10期页码 47-51

摘要： sub>2.5）成为了公众关注的热点，PM2.5的控制也已增加到2012 年发布的《环境空气质量标准》中，而目前我国现有的烟气污染物控制技术难以脱除PM_2.5，因此，为深度脱除PM_2.5、SO₂、SO₃以及重金属等烟气污染物，开发燃煤电站烟气污染物深度脱除技术（深度脱除技术）成为亟待解决的问题。本文系统分析了开发适用于我国燃煤电站的深度脱除技术的必要性以及存在的问题，重点分析研究了PM_2.5脱除技术、全负荷下超超临界锅炉的低NO_x排放以及SCR工作温度的适应性最后，以某电厂2×660 MW超临界机组为例，介绍了烟气污染物深度脱除系统方案，以此为基础，分析提出了1 000 MW超超临界机组烟气污染物深度脱除的技术路线。

关键词：燃煤机组烟气污染物深度脱除 PM2.5脱除

HTML PDF 收藏

深度学习中的视觉可解释性 Review

Quan-shi ZHANG, Song-chun ZHU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 27-39 doi: 10.1631/FITEE.1700808

摘要：总结了近年来在理解神经网络内部特征表达和训练一个具有中层表达可解释性的深度神经网络上的相关研究工作。虽然深度神经网络在众多人工智能任务中已有杰出表现，但神经网络中层表达的可解释性依然是该领域发展的重大瓶颈。目前，深度神经网络以低解释性的黑箱表达为代价，获取了强大的分类能力。我们认为提高神经网络中层特征表达的可解释性，可以帮助人们打破众多深度学习的发展瓶颈，比如，小数据训练，语义层面上的人机交互式训练，以及基于内在特征语义定向精准修复网络中层特征表达缺陷等难题。本文着眼于卷积神经网络，调研了：(1)网络表达可视化方法；(2)网络表达的诊断方法；(3)自动解构解释卷积神经网络的方法；(4)学习中层特征表达可解释的神经网络的方法； (5)基于网络可解释性的中层对端的深度学习算法

关键词：人工智能；深度学习；可解释性模型

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。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。这些攻击和防御机制可以为该领域的前沿研究提供参考。

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