资源类型

期刊论文 5

年份

2023 2

2019 1

2017 1

2007 1

关键词

控制器局域网；发送错误计数器；发送错误计数器值估计；贝叶斯网络；脱离总线时间 1

深度强化学习；基于图的通信；最大熵学习；部分可观测性；异构环境 1

渗透测试；强化学习；经典规划；部分观测的马尔科夫决策过程 1

检索范围：

排序： 展示方式：

Erratum to: Soft-HGRNs: soft hierarchical graph recurrent networks for multi-agent partially observable

Yixiang REN, Zhenhui YE, Yining CHEN, Xiaohong JIANG, Guanghua SONG

《信息与电子工程前沿（英文）》 2023年 第24卷 第3期   页码 480-480 doi: 10.1631/FITEE.22e0073

HTML PDF 收藏

The stem cell and tissue engineering research in Chinese ophthalmology

GE Jian, LIU Jingbo

《医学前沿（英文）》 2007年 第1卷 第1期   页码 6-10 doi: 10.1007/s11684-007-0002-x

摘要： Much has been considerably developed recently in the ophthalmic research of stem cell (SC) and tissue engineering (TE). They have become closer to the clinical practice, standardized and observable. Leading edge research of SC and TE on the ocular surface reconstruction, neuroregeneration and protection, and natural animal model has become increasingly available. However, challenges remain on the way, especially on the aspects of function reconstruction and specific differentiation. This paper reviews the new developments in this area with an intention of identifying research priorities for the future.

关键词： available     observable     neuroregeneration     protection     function reconstruction    

HTML PDF 收藏

NIG-AP：一种自动化渗透测试新方法 Regular Papers-Research Articles

Tian-yang ZHOU, Yi-chao ZANG, Jun-hu ZHU, Qing-xian WANG

《信息与电子工程前沿（英文）》 2019年 第20卷 第9期   页码 1277-1298 doi: 10.1631/FITEE.1800532

摘要： 渗透测试在发现网络脆弱性与评估网络安全状态方面发挥着重要作用。但是，渗透测试过程只能由安全专家进行，造成了大量时间、人力开销。自动化渗透测试为解决该问题提供了思路，其中最为关键的是攻击规划。不少学者对攻击路径发现进行了大量深入研究，但是大都基于完备的网络拓扑信息，这与实际渗透测试情况不符。为了从攻击者视角发现网络中存在的所有攻击路径，提出一种基于网络信息增益的攻击规划算法（NIG-AP），该算法将渗透测试过程形式化为马尔科夫决策过程，并利用网络信息构建回报函数，并指导代理从入侵者角度发现隐藏的攻击路径，选择最佳响应操作。实验结果表明本文提出的算法能够有效提高攻击路径发现效率。

关键词： 渗透测试；强化学习；经典规划；部分观测的马尔科夫决策过程    

HTML PDF 收藏

基于可观测节点信息的控制器局域网节点可靠性评估 Article

Lei-ming ZHANG, Long-hao TANG, Yong LEI

《信息与电子工程前沿（英文）》 2017年 第18卷 第5期   页码 615-626 doi: 10.1631/FITEE.1601029

摘要： 基于控制器局域网的总线技术广泛应用于网络化制造系统。网络作为系统的信息通道，其可靠性对系统的吞吐量、产品质量以及工作人员的安全至关重要。然而，由于节点内部状态的不可访问性，因此使用节点内置的错误计数器值直接评估控制器局域网节点的可靠性是难以进行的。本文提出一种新颖的控制器局域网节点可靠性评估方法，该方法使用节点脱离总线时间作为可靠性测度。基于网络错误日志和错误计数器值可访问的可观测节点信息，该方法可以估计网络中节点的发送错误计数器值。首先，本文基于分段马尔科夫链建立了估计节点发送错误计数器值的模型，该模型考虑了网络中错误分布的稀疏特性。其次，通过学习可观测节点的模型估计值和实际测量值之间的偏差，建立了贝叶斯网络以表述可观测节点的模型估计值更新机制。然后，将该更新机制应用到网络中发送错误计数器值不可访问的节点，完成其模型估计值的更新。最后，建立了节点可靠性评估方法以预测节点的脱离总线时间。为表明文中方法的有效性，进行了多组实验。实验结果表明由文中方法得到的估计值与实际观测值相一致。

关键词： 控制器局域网；发送错误计数器；发送错误计数器值估计；贝叶斯网络；脱离总线时间    

HTML PDF 收藏

Soft-HGRNs: 用于多智能体部分可观察场景的随机性层次图递归网络 Research Article

任一翔1,叶振辉1,2,陈弈宁1,姜晓红2,宋广华1

《信息与电子工程前沿（英文）》 2023年 第24卷 第1期   页码 117-130 doi: 10.1631/FITEE.2200073

摘要： 近年来，多智能体深度强化学习（multi-agent deep reinforcement learning, MADRL）的研究进展使其在现实世界的任务中更加实用，但其相对较差的可扩展性和部分可观测的限制为MADRL模型的性能和部署带来了更多的挑战。人类社会可以被视为一个大规模的部分可观测环境，其中每个人都具备与他人交流并记忆经验的功能。基于人类社会的启发，我们提出一种新的网络结构，称为层次图递归网络（hierarchical graph recurrent network, HGRN），用于部分可观测环境下的多智能体合作任务。具体来说，我们将多智能体系统构建为一个图，利用新颖的图卷积结构来实现异构相邻智能体之间的通信，并采用一个递归单元来使智能体具备记忆历史信息的能力。为了鼓励智能体探索并提高模型的鲁棒性，我们进而设计一种最大熵学习方法，令智能体可以学习可配置目标行动熵的随机策略。基于上述技术，我们提出一种名为Soft-HGRN的基于值的MADRL算法，及其名为SAC-HGRN的actor-critic变体。在三个同构场景和一个异构环境中进行实验；实验结果不仅表明我们的方法相比四个MADRL基线取得了明显的改进，而且证明了所提模型的可解释性、可扩展性和可转移性。

关键词： 深度强化学习；基于图的通信；最大熵学习；部分可观测性；异构环境    

HTML PDF 收藏

标题 作者 时间 类型 操作

Erratum to: Soft-HGRNs: soft hierarchical graph recurrent networks for multi-agent partially observable

Yixiang REN, Zhenhui YE, Yining CHEN, Xiaohong JIANG, Guanghua SONG

期刊论文

The stem cell and tissue engineering research in Chinese ophthalmology

GE Jian, LIU Jingbo

期刊论文

NIG-AP：一种自动化渗透测试新方法

Tian-yang ZHOU, Yi-chao ZANG, Jun-hu ZHU, Qing-xian WANG

期刊论文

基于可观测节点信息的控制器局域网节点可靠性评估

Lei-ming ZHANG, Long-hao TANG, Yong LEI

期刊论文

Soft-HGRNs: 用于多智能体部分可观察场景的随机性层次图递归网络

任一翔1,叶振辉1,2,陈弈宁1,姜晓红2,宋广华1

期刊论文