检索范围:
排序: 展示方式:
人工智能算法在网络空间安全中的应用:技术与现状综述 Review
陈捷1,2,武丹丹2,谢瑞云2
《信息与电子工程前沿(英文)》 2023年 第24卷 第8期 页码 1117-1142 doi: 10.1631/FITEE.2200314
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
自监督脓毒症治疗推荐算法 Research Articles
朱思涵1,浦剑2
《信息与电子工程前沿(英文)》 2021年 第22卷 第7期 页码 926-939 doi: 10.1631/FITEE.2000127
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
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
TIE算法:一种用于处理演化数据的聚类分层分类法生成技术上层算法 None
Rabia IRFAN, Sharifullah KHAN, Kashif RAJPOOT, Ali Mustafa QAMAR
《信息与电子工程前沿(英文)》 2018年 第19卷 第6期 页码 763-782 doi: 10.1631/FITEE.1700517
许飞云,钟秉林,黄仁
《中国工程科学》 2007年 第9卷 第11期 页码 48-53
提出了一种用于分类的模糊基函数(FBF)神经网络在线跟踪自学习算法,通过带有遗忘因子的样本均值和样本协方差矩阵,保存了原始样本所包含的类可能性分布信息,并在此基础上产生新增样本的目标输出用于训练FBF网络,以实现分类边界的在线跟踪;给出了带有遗忘因子的样本均值和样本协方差矩阵的递推算法,以克服传统方法需要保存大量以往训练样本带来的困难。
结构化稀疏学习综述 Review
Lin-bo QIAO, Bo-feng ZHANG, Jin-shu SU, Xi-cheng LU
《信息与电子工程前沿(英文)》 2017年 第18卷 第4期 页码 445-463 doi: 10.1631/FITEE.1601489
关键词: 结构化稀疏学习;算法;应用
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
一种局部二次嵌入学习算法及其在软测量中的应用 Article
包垚垚, 朱远明, 钱峰
《工程(英文)》 2022年 第18卷 第11期 页码 186-196 doi: 10.1016/j.eng.2022.04.025
鉴于元学习在众多领域取得的巨大成就,本文针对数据回归问题提出了融合度量学习和神经网络(NN)的局部二次嵌入学习(LQEL)算法。首先,通过优化输入输出空间里样本间度量的全局一致性来改进马氏度量(Mahalanobis metric)学习算法;同时,通过引入松弛约束进一步证明了改进的度量学习问题等价于一个凸规划问题。然后,基于局部二次插值假设原理,引入了两个轻量级的神经网络,其一用于学习局部二次模型中的系数矩阵,另一个则用于对从不同局部近邻获得的预测结果进行权重分配。最后,将两个子模型嵌入统一的回归框架中,并通过随机梯度下降(SGD)算法学习模型参数。所提出的算法优势在于可充分利用目标标签中隐含的信息找到更可靠的参考样本。并且,使用LQEL算法对变量进行差分建模,避免了因传感器漂移或不可测量变量导致的模型退化问题。多个基准数据集和两个实际工业应用数据集的计算结果表明,所提出的方法优于几种典型的回归方法。
Actor-Critic强化学习算法及其在开发基于计算机视觉的界面跟踪中的应用 Article
Oguzhan Dogru, Kirubakaran Velswamy, 黄彪
《工程(英文)》 2021年 第7卷 第9期 页码 1248-1261 doi: 10.1016/j.eng.2021.04.027
基于众包标签数据深度学习的命名实体消歧算法 Article
Le-kui ZHOU,Si-liang TANG,Jun XIAO,Fei WU,Yue-ting ZHUANG
《信息与电子工程前沿(英文)》 2017年 第18卷 第1期 页码 97-106 doi: 10.1631/FITEE.1601835
关键词: 命名实体消歧;众包计算;深度学习
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
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。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。结果表明,该方法可以在人类指导下有效地提高DRL算法的训练效率和性能,且不特定要求参与者的专业知识或经验。
标题 作者 时间 类型 操作
ACM-2019算法、机器学习和信号处理国际会议
2019年11月15日
会议信息
TIE算法:一种用于处理演化数据的聚类分层分类法生成技术上层算法
Rabia IRFAN, Sharifullah KHAN, Kashif RAJPOOT, Ali Mustafa QAMAR
期刊论文