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 1632

会议视频 315

会议信息 128

会议专题 4

年份

2024 5

2023 174

2022 254

2021 286

2020 239

2019 183

2018 122

2017 99

2016 52

2015 51

2014 30

2013 29

2012 34

2011 31

2010 33

2009 27

2008 41

2007 45

2006 55

2005 49

展开︾

关键词

智能制造 112

人工智能 89

农业科学 75

2020 51

机器学习 27

建筑科学 21

2019 20

能源 18

学术会议 16

深度学习 15

系统工程 14

神经网络 11

运载系统 11

仿真技术 10

新一代智能制造 10

智能工业 10

钱学森 10

大数据 9

智能 9

展开︾

检索范围：

排序：展示方式：

介尺度中的复杂性——人工智能发展中的共性挑战 Perspective

郭力, 邬俊, 李静海

《工程（英文）》 2019年第5卷第5期页码 924-929 doi: 10.1016/j.eng.2019.08.005

摘要：

探索复杂系统背后的物理机制并加以有效利用，是处理各类复杂事物的普适性方法。大数据的兴起与计算能力的提升，加之优化算法的改进，触发了以深度学习为驱动的人工智能变革，并在多个应用领域取得了突破性进展。然而，深度学习难以揭示所解决问题的底层逻辑和物理内涵，进而阻碍了其进一步发展。介科学提出了理解复杂系统时空多尺度结构的原理和方法，已在多个领域见到成效。本文提出“基于介科学的人工智能”研究范式，将介科学原理和方法应用于深度学习模型设计，旨在弥补其模型脱离问题物理原型这一根本性问题，探索人工智能可持续发展的有效途径。

关键词：人工智能，深度学习，介科学，介尺度，复杂系统

HTML PDF 收藏

探索知识体系的逻辑与架构：多层次、多尺度及介尺度复杂性

李静海

《工程（英文）》 2016年第2卷第3期页码 276-285 doi: 10.1016/J.ENG.2016.03.001

HTML PDF 收藏

蒸汽裂解建模中的人工智能——详细流出物预测深度学习算法 Article

Pieter P. Plehiers, Steffen H. Symoens, Ismaël Amghizar, Guy B. Marin, Christian V. Stevens, Kevin M. Van Geem

《工程（英文）》 2019年第5卷第6期页码 1027-1040 doi: 10.1016/j.eng.2019.02.013

摘要：工业4.0革命宣称，通过将机器学习引入这些领域，就可实现可观的经济收益和环境收益。高频优化和工艺控制的瓶颈往往是按要求对原料和产品等进行详细分析所需的时间。为解决这些问题，已为最大的化工品生产工艺——蒸汽裂解——建立由四个深度学习人工神经网络（DL ANNs）组成的框架。即使在估计沸点的情况下，所建立的深度学习人工神经网络仍优于已有的香农信息熵最大化和传统人工神经网络等方法。

关键词：人工智能深度学习蒸汽裂解人工神经网络

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最后，讨论了可解释性人工智能未来可能的发展趋势。

关键词：人工智能；深度学习；可解释性模型

HTML PDF 收藏

深度学习驱动的智能电网调度：综述 Review Article

黄刚1,吴飞2,郭创新3

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 763-776 doi: 10.1631/FITEE.2000719

摘要：电力调度是智能电网运行的一大核心问题，其目的是在满足时空变化的电力负荷条件下提供电网的最优运行点。这一功能需要在一天内每隔几分钟运行一次，因此快速、准确的调度决策方法至关重要。但是，由于问题的复杂性，可靠且高效的决策方法仍在不断探索的过程中。随着可再生能源的大规模并网以及灾害性气候的不断恶化，智能电网对调度决策方法提出了更为严苛的要求。近年来，以深度学习为代表的人工智能方法在不少领域取得巨大成功，因此深度学习也被电气工程领域寄予厚望，国内外研究者开始重新思考智能电网的调度决策问题。本文即从深度学习这一角度对智能电网调度决策相关研究进行综述，旨在促进智能电网领域发展的同时促进人工智能生态的发展。

关键词：人工智能；深度学习；电力调度；智能电网

HTML PDF 收藏

流程工业制造系统智能化——人工智能与流程制造深度融合

钱锋

《工程（英文）》 2019年第5卷第6期页码 981-981 doi: 10.1016/j.eng.2019.10.002

HTML PDF 收藏

从脑科学到人工智能 Review

范静涛, 方璐, 吴嘉敏, 郭雨晨, 戴琼海

《工程（英文）》 2020年第6卷第3期页码 248-252 doi: 10.1016/j.eng.2019.11.012

摘要：

回顾人工智能（artificial intelligence, AI）的发展历史，我们可以清晰地看到脑科学给AI领域带来的巨大突破，如深度学习。目前，尽管AI及其应用的发展趋势已经超越了人类的预期，但AI与人类智能之间仍然存在着难以逾越的鸿沟。从脑科学到AI、从了解大脑到模拟大脑，在脑科学与AI研究之间建立起一座桥梁已经成为一种迫切需求。为此，我们首先需要通过研究新型脑成像技术来探索脑科学的秘密，建立大脑的动态连接图谱以及将神经科学实验与理论、模型和统计学相结合等。在此基础上，我们将进一步研究新一代AI理论和方法，从而建立起从机器感知和机器学习到机器思维和机器决策的颠覆性模型和工作模式。与此同时，本文还将讨论在脑科学启发新一代AI过程中的一些机遇与挑战。

关键词：人工智能，脑科学

HTML PDF 收藏

医疗保健中的人工智能——综述与预测性案例研究 Review

荣国光, Arnaldo Mendez, Elie Bou Assi, 赵博, Mohamad Sawan

《工程（英文）》 2020年第6卷第3期页码 291-301 doi: 10.1016/j.eng.2019.08.015

摘要：

近年来，人工智能在软件算法、硬件实现和应用等领域得到了迅速发展。本文综述了人工智能在生物医学中应用的最新进展，包括疾病诊断、生活辅助、生物医学信息处理和生物医学研究。综述的目的是跟踪新的科学成就，了解人工智能在生物医学中的巨大潜力和相关技术的适用性，并为相关领域的研究人员提供启示。可以断言，正如人工智能本身一样，人工智能在生物医学中的应用尚处于早期阶段。本文以人工智能在癫痫发作和膀胱功能失调预测方面的应用的两个案例来说明其在生物医疗等方面的应用。

关键词：人工智能机器学习深度学习神经网络生物医学研究医疗保健应用癫痫发作膀胱充盈

HTML PDF 收藏

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

摘要：

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基于目前人工智能（AI）研究现状，提出将其划分为以下子学科：人工类人智能、人工机器智能、人工仿生智能和人工量子智能。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。

关键词：人工智能；机器学习；一次性学习；一瞥学习；量子计算

HTML PDF 收藏

中国人工智能的伦理原则及其治理技术发展 Review

吴文峻,黄铁军,龚克

《工程（英文）》 2020年第6卷第3期页码 302-309 doi: 10.1016/j.eng.2019.12.015

摘要：

伦理原则和治理技术对于人工智能（AI）的健康和可持续发展至关重要。为了实现AI造福人类社会这一长期目标，中国政府、研究机构和企业已经发布了AI的伦理原则，并启动了研究AI治理技术的项目。

关键词：人工智能伦理，人工智能治理技术，机器学习，隐私，安全，公平

HTML PDF 收藏

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

摘要：人工智能算法已成为网络安全应用增加安全机会和提高对抗能力的核心手段。近年来，人工智能技术的突破和应用为提高网络防御能力提供了先进的技术支持。本综述对2017至2022年间人工智能技术在网络空间安全领域的最新应用进行了全面回顾。本综述重点介绍了机器学习、深度学习和一些流行的优化算法在该领域的最新应用进展，对算法模型的特点、性能结果、数据集、以及潜在的优点和局限性进行了分析，强调了现存的挑战。本工作旨在为想进一步挖掘人工智能技术在网络空间安全领域应用的潜力、解决特定网络空间安全问题的研究人员提供技术指导，掌握当前技术和应用的发展趋势以及网络安全领域的热点问题。

关键词：人工智能；机器学习；深度学习；优化算法；混合算法；网络空间安全

HTML PDF 收藏

智能制造控制——多尺度研究领域的挑战

Han-Xiong Li, Haitao Si

《工程（英文）》 2017年第3卷第5期页码 608-615 doi: 10.1016/J.ENG.2017.05.016

摘要：这将为生产制造系统的各个环节带来巨大挑战。在未来的加工制造领域中，全部的设备和系统应当具有对控制性和适应性的感知能力和基础智能化处理的能力。在研究中，经过关于多尺度动力学在现代加工制造系统中应用的讨论后，一个五层的功能结构被用于不确定的加工制造过程。多尺度力学包括：多时间尺度、多时空尺度以及多尺度的动力学标准。随着快速与慢速的时间尺度对设计的更多要求，不同的尺度所对应的不同控制行为也将呈现区分化。低速时间尺度下的操作需要更多的定量化手段，与此同时，高速时间尺度下的监管也需要更多高质量的手段。智能生产系统应当拥有灵活应变的能力、较好的适应能力及足够的智能化程度。这些能力需要我们通过控制性手段进行区分化处理并应用在不同方面，如智能感知、优化设计、智能学习等。最后，将一个典型的喷射点胶系统模型用于多尺度建模和控制。

关键词：系统建模过程控制人工智能加工制造喷射点胶

HTML PDF 收藏

智能石油工程 Perspective

Mohammad Ali Mirza, Mahtab Ghoroori, Zhangxin Chen

《工程（英文）》 2022年第18卷第11期页码 27-32 doi: 10.1016/j.eng.2022.06.009

摘要：

数据驱动方法和人工智能（AI）算法比基于物理的方法更有前景，前者主要来源是数据，这是每个现象的基本要素。这些算法从数据中学习并揭示看不见的模式。这项新技术对每秒产生大量数据的石油行业具有重要意义。由于石油和天然气行业正处于向油田数字化的过渡阶段，在不同的石油工程挑战中，集成数据驱动建模和机器学习（ML）算法的动力越来越大。ML已广泛应用于工业的不同领域。

关键词：人工智能机器学习智能油藏工程文本挖掘智能地球科学智能钻探工程

HTML PDF 收藏

人工智能走向2.0

潘云鹤

《工程（英文）》 2016年第2卷第4期页码 409-413 doi: 10.1016/J.ENG.2016.04.018

摘要：

随着互联网的普及、传感网的渗透、大数据的涌现、信息社区的崛起，以及数据和信息在人类社会、物理空间和信息空间之间的交叉融合与相互作用，当今人工智能(AI) 发展所处信息环境和数据基础已经发生了深刻变化，人工智能的目标和理念正面临重要调整，人工智能的科学基础和实现载体也面临新的突破，人工智能正进入一个新的阶段。这个源于传统而又与之不同的人工智能新阶段被称为人工智能2.0(AI 2.0)。本文从人工智能60 年的发展历史出发，通过分析促成人工智能2.0形成的外部环境与目标的转变，分析技术萌芽，提出了人工智能2.0 的核心理念，并结合中国发展的社会需求与信息环境特色，给出了发展人工智能2.0

关键词：人工智能2.0 大数据群体智能跨媒体人机混合智能无人智能系统

HTML PDF 收藏

人工智能独立医用软件监管研究

张建楠,李莹莹,周佳卉,朱烨琳,李兰娟

《中国工程科学》 2022年第24卷第1期页码 198-204 doi: 10.15302/J-SSCAE-2022.01.021

摘要：

科学的监管体系可以促进新兴事物的蓬勃和规范化发展。人工智能（AI）独立医用软件是人工智能时代赋能医疗健康领域的重要产物。随着人工智能的深入发展，人工智能独有的黑盒算法及自主学习能力引起了巨大的监管挑战。AI 独立医用软件的监管需要与时俱进，为最大程度降低人工智能医疗软件不良事件发生率和风险影响，我们亟待寻求更为科学合理的监管应对方案。分析总结了我国AI 独立医用软件监管在制度层面、支撑资源层面仍面临的一些问题与挑战，并针对上市后监管短板提出了措施建议：系统完善AI 独立医用软件监管制度，深化AI 独立医用软件监管支撑体系。以期能够为进一步完善我国AI 独立医用软件科学监管提供参考。