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 1500

会议视频 211

会议信息 64

会议专题 1

年份

2024 4

2023 162

2022 199

2021 229

2020 191

2019 150

2018 125

2017 105

2016 52

2015 42

2014 43

2013 24

2012 31

2011 32

2010 33

2009 25

2008 41

2007 45

2006 36

2005 44

展开︾

关键词

智能制造 113

人工智能 89

颠覆性技术 31

机器学习 27

2020 23

农业科学 19

深度学习 15

数学模型 13

神经网络 12

2019 11

新一代智能制造 10

智能工业 10

模型 10

可靠性 9

智能 9

智能化 9

模型试验 9

可持续性 8

大数据 8

展开︾

检索范围：

排序：展示方式：

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

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。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

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

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

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

张拳石：可解释机器学习（2020年4月25日）

2022年04月18日

关键词：人工智能

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：网络空间安全急需解决的3个技术问题是：网络攻击检测的及时性和准确性、安全态势的可信评估和预测以及安全防御策略优化的有效性。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

大数据的分布式机器学习的策略与原则 Review

Eric P. Xing,Qirong Ho,Pengtao Xie,Dai Wei

《工程（英文）》 2016年第2卷第2期页码 179-195 doi: 10.1016/J.ENG.2016.02.008

摘要：

大数据的发展已经引领了对能够学习包含数百万至数十亿参数的复杂模型的机器学习系统的新需求，以保证足够的能力来消化海量的数据集，提供强大的预测分析（如高维潜特征、中介表示和决策功能）。为了在这样的尺度上，在成百上千台的分布式机器集群中运行机器学习算法，关键往往是要投入显著的工程性的努力——有人可能会问，这样的工程是否还属于机器学习的研究领域？考虑到如此“大”的机器学习系统可以极大地从根植于机器学习的统计和算法的理解中受益——因此，机器学习的研究人员应该不会回避这样的系统设计—&mdash它们关注的是机器学习研究传统上注意较少的四个关键问题：一个机器学习程序怎样能分布到一个集群中去？机器学习计算怎样能通过机器间的交流连接起来？这样的交流是如何被执行的？机器间应该交流的内容是什么？通过揭示机器学习程序所独有的，而非常见于传统计算机程序中的基础性的统计和算法上的特点，并通过剖析成功案例，以揭示我们如何利用这些原则来同时设计和开发高性能的分布式机器学习软件以及通用的机器学习框架，我们为机器学习的研究人员和从业者提供了进一步塑造并扩大机器学习与系统之间的领域的机会

关键词：机器学习人工智能大数据大型模型分布式系统原则理论数据并行性模型并行性

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

人工智能在化学逆合成中的应用 Review

Yinjie Jiang, Yemin Yu, Ming Kong, Yu Mei, Luotian Yuan, Zhengxing Huang, Kun Kuang, Zhihua Wang, Huaxiu Yao, James Zou, Connor W. Coley, Ying Wei

《工程（英文）》 2023年第25卷第6期页码 32-50 doi: 10.1016/j.eng.2022.04.021

摘要：

近年来，人们对通过人工智能（AI）技术解决化学逆合成预测问题产生了巨大的兴趣。与化学家和基于规则的专家系统进行的逆合成预测不同，AI驱动的逆合成预测自动从现成的实验数据集中学习化学知识，以预测反应和逆合成路径。

关键词：化学逆合成预测人工智能图神经网络深度强化学习

HTML PDF 收藏

人工智能在药学领域中的应用 Review

路明坤, 殷佳依, 朱奇, 林高乐, 牟敏杰, 柳扶摇, 潘子祺, 游楠欣, 廉希晨, 李丰成, 张洪宁, 郑玲燕, 张维, 张瀚毓, 沈子豪, 顾臻, 李洪林, 朱峰

《工程（英文）》 2023年第27卷第8期页码 37-69 doi: 10.1016/j.eng.2023.01.014

摘要：随着实验技术和计算机硬件的发展，人工智能（artificial intelligence, AI）近些年来已成为分析大量高维数据的主要工具。本综述首先简要介绍了药物发现领域常见的人工智能模型，然后总结并深入讨论了这些模型在药物研发各个阶段的具体应用，如靶点发现、药物发现和设计、临床前研究、药物智能制造以及对医药市场的影响。

关键词：人工智能机器学习深度学习靶标识别靶标发现药物设计药物发现

HTML PDF 收藏

人工智能与统计分析 Perspective

Bin YU, Karl KUMBIER

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 6-9 doi: 10.1631/FITEE.1700813

摘要：人工智能（artificial intelligence, AI）本质上是由数据驱动的。在其通过人机协作完成数据生成、算法开发与结果评估的任务中，需要应用许多统计概念。本文讨论了如何通过数据产生、兴趣问题探究、训练数据代表性和对结果审视等环节（Population, Question of interest, Representativeness of training这些统计分析的思想包括通过随机化、局部控制以及稳定性的原则来获得算法和结果的可重复性与可解释性。我们讨论了这些原则在自动驾驶、自动医疗以及作者其他合作研究中的应用。

关键词：人工智能；统计；人机协作