检索范围:
排序: 展示方式:
基于内嵌物理信息深度学习模型的增材制造工艺参数及熔池尺寸预测 Article
赵明志, 韦辉亮, 茅仪铭, 张长东, 刘婷婷, 廖文和
《工程(英文)》 2023年 第23卷 第4期 页码 181-195 doi: 10.1016/j.eng.2022.09.015
联邦无监督表示学习 Research Article
张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5
《信息与电子工程前沿(英文)》 2023年 第24卷 第8期 页码 1181-1193 doi: 10.1631/FITEE.2200268
关键词: 联邦学习;无监督学习;表示学习;对比学习
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
人工智能新方向:类人、机器、仿生和量子智能 Comment
李伟钢,Liriam Michi ENAMOTO,Denise Leyi LI,Geraldo Pereira ROCHA FILHO
《信息与电子工程前沿(英文)》 2022年 第23卷 第6期 页码 984-990 doi: 10.1631/FITEE.2100227
本评论回顾1998年提出的“一次性学习”(once learning,OLM)机制,和随后出现的用于图像分类的“一瞥学习”(one-shot learning这些被认为是AI研发的主要方向,并按以下分类标准区分:(1)以类人、机器、仿生或量子计算为本的AI研发;(2)升维或降维的信息输入;(3)小样本或大数据知识学习。
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
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
陈志祥
《中国工程科学》 2007年 第9卷 第7期 页码 82-88
学习曲线是一种通过生产者行为学习与经验积累而得到改进的生产产出的特征函数,利用学习曲线可以科学地制定成本计划,改善作业计划、劳动定额与劳力规划对国际上的研究文献、学习曲线的表现形式及其特点进行分析,探讨了几个新的应用动向。
通讯式学习——统一的机器学习模式 Review
袁路遥, 朱松纯
《工程(英文)》 2023年 第25卷 第6期 页码 77-100 doi: 10.1016/j.eng.2022.10.017
In this article, we propose a communicative learning (CL) formalism that unifies existing machine learning paradigms, such as passive learning, active learning, algorithmic teaching, and so forth, and facilitates the development of new learning methods. Arising from human cooperative communication, this formalism poses learning as a communicative process and combines pedagogy with the burgeoning field of machine learning. The pedagogical insight facilitates the adoption of alternative information sources in machine learning besides randomly sampled data, such as intentional messages given by a helpful teacher. More specifically, in CL, a teacher and a student exchange information with each other collaboratively to transmit and acquire certain knowledge. Each agent has a mind, which includes the agent's knowledge, utility, and mental dynamics. To establish effective communication, each agent also needs an estimation of its partner's mind. We define expressive mental representations and learning formulation sufficient for such recursive modeling, which endows CL with human-comparable learning efficiency. We demonstrate the application of CL to several prototypical collaboration tasks and illustrate that this formalism allows learning protocols to go beyond Shannon's communication limit. Finally, we present our contribution to the foundations of learning by putting forth hierarchies in learning and defining the halting problem of learning.
关键词: Artificial intelligencehine Cooperative communication Machine learning Pedagogy Theory of mind
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
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
基于最大间隔的贝叶斯分类器 Article
Tao-cheng HU,Jin-hui YU
《信息与电子工程前沿(英文)》 2016年 第17卷 第10期 页码 973-981 doi: 10.1631/FITEE.1601078
关键词: 多类学习;最大间隔学习;在线算法
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
关键词: 图学习;半监督学习;节点分类;注意力机制
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
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。
标题 作者 时间 类型 操作