检索范围:
排序: 展示方式:
种基于特征选择与迁移学习的度量补偿软件缺陷预测方法 Research Article
陈锦富1,2,王小丽1,2,蔡赛华1,2,徐家平1,陈静怡1,陈海波1
《信息与电子工程前沿(英文)》 2022年 第23卷 第5期 页码 715-731 doi: 10.1631/FITEE.2100468
关键词: 缺陷预测;特征选择;迁移学习;度量补偿
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。
利用流形学习进行基于图像的三维模型检索 None
Pan-pan MU, San-yuan ZHANG, Yin ZHANG, Xiu-zi YE, Xiang PAN
《信息与电子工程前沿(英文)》 2018年 第19卷 第11期 页码 1397-1408 doi: 10.1631/FITEE.1601764
基于联邦边缘学习的梯度量化和带宽分配优化策略 Research Article
刘沛西1,3,江甲沫2,朱光旭3,程磊4,5,蒋伟1,罗武1,杜滢2,王志勤2
《信息与电子工程前沿(英文)》 2022年 第23卷 第8期 页码 1247-1263 doi: 10.1631/FITEE.2100538
基于特征-模式图的SDN下分布式拒绝服务攻击发现方法 Special Feature on Future Network-Research Article
Ya XIAO, Zhi-jie FAN, Amiya NAYAK, Cheng-xiang TAN
《信息与电子工程前沿(英文)》 2019年 第20卷 第9期 页码 1195-1208 doi: 10.1631/FITEE.1800436
窦文悦,胡平,魏平,郑南宁
《中国工程科学》 2021年 第23卷 第6期 页码 167-177 doi: 10.15302/J-SSCAE-2021.06.016
无人驾驶汽车是人工智能技术的应用热点之一,随之而来的车辆安全事故引发了全社会关注;无人驾驶安全风险的识别与度量成为人工智能安全领域亟待研究的课题对安全风险的关键要素进行识别与提炼,率先提出无人驾驶安全风险六要素框架:单车安全、联网安全、技术水平、法律政策、社会舆论、产业风险;完成问卷量表设计,进行两次网络问卷调查以收集必要数据,据此对安全风险要素进行度量验证
王硕,唐小我
《中国工程科学》 2002年 第4卷 第7期 页码 29-32
提出虚拟企业敏捷性评价指标体系,用改进的层次分析法(AHP)和改进的模糊灰色物元法(FHW)相结合的AFHW模型进行专家咨询及虚拟企业敏捷性度量计算。并根据研制的虚拟企业敏捷性度量支持系统,对企业进行案例研究。
一种面向软件缺陷预测的相似性度量特征选择方法 Article
Qiao YU, Shu-juan JIANG, Rong-cun WANG, Hong-yang WANG
《信息与电子工程前沿(英文)》 2017年 第18卷 第11期 页码 1744-1753 doi: 10.1631/FITEE.1601322
网络系统行为效用计算——概念与原理 Article
胡昌振
《工程(英文)》 2018年 第4卷 第1期 页码 78-84 doi: 10.1016/j.eng.2018.02.010
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
何平
《中国工程科学》 2003年 第5卷 第7期 页码 40-46
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
标题 作者 时间 类型 操作