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 504

会议信息 52

会议视频 25

年份

2024 1

2023 72

2022 72

2021 55

2020 71

2019 75

2018 38

2017 40

2016 19

2015 5

2014 5

2013 4

2012 15

2011 5

2010 4

2009 6

2008 7

2007 16

2006 12

2005 9

展开︾

关键词

机器学习 27

人工智能 26

2020 21

深度学习 15

2019 12

12 5

学术会议 5

智能制造 5

IEEE 4

物联网 4

自然语言处理 4

计算机 4

计算机模拟 4

计算语言学 4

ACM 3

MATLAB 3

云计算 3

仿真技术 3

医院中子照射器I型堆 3

展开︾

检索范围：

排序：展示方式：

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

摘要：命名实体消歧主要研究如何将存在歧义的文本描述映射到其对应知识库（例如Wikipedia）中的实体。本文结合群体智能（即群体用户生成的标签）和深度学习（即数据驱动学习），提出了在命名实体消歧过程中生成区别度更高的特征方法。具体来说，通过设计一个众包模型，学习文本描述或实体所对应“众包特征”，然后利用“众包特征”对动态卷积神经网络（Dynamic convolutional neural network, DCNN）进行优化，最后用优化得到的DCNN来提取“深度众包特征”，以此来解决传统命名实体消歧算法中单独依赖手工设计特征的不足。本文所提出方法巧妙将群体认知（由众包标签反映）结合到命名实体消歧深度学习框架中。实验分析表明，当有足够多众包标签时，所提出方法优于传统手工设计特征。

关键词：命名实体消歧；众包计算；深度学习

HTML PDF 收藏

网络空间安全命名实体识别综述 Review Article

高宸1,张璇1,2,3,韩梦婷1,刘会1

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1153-1168 doi: 10.1631/FITEE.2000286

摘要：整合大规模、异构和非结构化的网络空间安全信息，对网络空间安全实体进行识别和分类，有助于处理和解决网络空间安全问题。由于网络空间安全领域文本的复杂性和多样性，使用传统的命名实体识别（NER）方法难以识别该领域中的安全实体。本文介绍该领域NER的各种方法和技术，包括基于规则的方法、基于字典的方法和基于机器学习的方法，并讨论该领域NER研究面临的问题，如实体词组的结合与分离、非标准化的命名约定、缩写和大量嵌套等。最后，提出NER在网络空间安全方面的3个研究方向：（1）应用无监督或半监督技术；（2）开发更全面的网络空间安全本体；（3）应用更加有效的深度学习模型。

关键词：命名实体识别（NER）；信息抽取；网络空间安全；机器学习；深度学习

HTML PDF 收藏

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

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。过往研究使用未标记数据丰富词的表示，却忽略了未标记数据中对NER任务很可能有帮助的大量实体信息。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。两个英语NER任务和一个中文医疗命名实体识别任务的实验结果表明，该方法进一步提高了最佳单神经模型的性能。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

一种易用的实体识别消歧系统评测框架 Article

辉陈,宝刚魏,一鸣李,Yong-huai LIU,文浩朱

《信息与电子工程前沿（英文）》 2017年第18卷第2期页码 195-205 doi: 10.1631/FITEE.1500473

摘要：实体识别消歧是知识库扩充和信息抽取的重要技术之一。近些年该领域诞生了很多研究成果，提出了许多实体识别消歧系统。但由于缺乏对这些系统的完善评测对比，该领域依然处于良莠淆杂的状态。本文提出一个实体识别消歧系统的统一评测框架，用于公平地比较各个实体识别消歧系统的效果。该框架代码开源，可以采用新的系统、数据集、评测机制扩展。通过该框架评测实体系统，可以分析得到系统各个模块的优劣之处。本文分析对比了几个公开的实体识别消歧系统，并总结出了一些有用的结论。

关键词：实体识别消歧；评测框架；信息抽取

HTML PDF 收藏

众包智能设计方法 Article

Wei XIANG, Ling-yun SUN, Wei-tao YOU, Chang-yuan YANG

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 126-138 doi: 10.1631/FITEE.1700810

摘要：现有人工智能方法善于从数据中学习，难以产出不同于训练数据的创意方案。众包结合人的创意灵感与计算机的计算能力进行创意设计，有望提升设计智能的创新能力。已有众包设计多采用筛选方法，依赖参与者自身提出高质量方案，对众包控制力弱，产出方案质量不稳定。针对这些问题，本文提出一种柔性众包设计的众包智能设计方法。该方法整合参与者创意和培育创意以得到高质量方案。通过一系列研究呈现了如何利用柔性众包设计方法持续产出原创创意。特别地，描述了柔性众包设计方法的流程、众包任务、创意发展的影响因素、计算创意发展潜力的方法，以及两个柔性众包设计方法的应用案例，并据此总结该方法的设计能力。柔性众包设计方法可提升众包设计表现，支持设计智能发展。

关键词：众包；柔性众包设计；设计智能

HTML PDF 收藏

神经形态计算推动深度学习应用

Chris Palmer

《工程（英文）》 2020年第6卷第8期页码 854-856 doi: 10.1016/j.eng.2020.06.010

HTML PDF 收藏

机器学习视角下的城市建模计算机图形方法综述 Review Article

冯天1,范非易2,Tomasz BEDNARZ3,4

《信息与电子工程前沿（英文）》 2021年第22卷第7期页码 915-925 doi: 10.1631/FITEE.2000141

摘要：城市建模需要专业知识和考虑，并消耗大量时间和计算资源。即便如此，与之相关的任务有时仍以不满意的结果甚至失败告终。这些挑战得到了计算机图形学领域学者的大量关注。同时，人工智能的蓬勃发展激励人们充分利用机器学习以改进现有解决方案。本文回顾了2010至2019年间发表的文献，对计算机图形领域中使用机器学习的城市建模方法进行综述。本文可作为机器学习视角下城市建模研究现状的概述。

关键词：城市建模；计算机图形学；机器学习；深度学习

HTML PDF 收藏

移动众包环境下基于友谊度的任务规划 Article

Yuan LIANG,Wei-feng LV,Wen-jun WU,Ke XU

《信息与电子工程前沿（英文）》 2017年第18卷第1期页码 107-121 doi: 10.1631/FITEE.1601860

摘要：最近，众包平台已吸引了大量的注册用户在线下执行特定的任务。然而，大部分现有方法仅考虑了工人和任务信息都已提前获知的情况（静态离线情景），而较少考虑到工人动态抵达的情况（动态在线情景）。

关键词：移动众包；任务规划；贪心算法；模拟退火

HTML PDF 收藏

可见光波段的深度衍射神经网络 Article

陈航, 冯佳楠, 江闽伟, 王逸群, 林杰, 谭久彬, 金鹏

《工程（英文）》 2021年第7卷第10期页码 1485-1493 doi: 10.1016/j.eng.2020.07.032

摘要： justify;">基于衍射光学元件的光学深度学习在并行处理、计算速度和计算效率方面有着独特优势。深度衍射神经网络（D²NN）是其中一项具有里程碑意义的研究工作。D²NN在太赫兹波段通过3D打印进行神经网络的物理固化。

关键词：光计算光学神经网络深度学习光学机器学习深度衍射神经网络

HTML PDF 收藏

具有深度阈值噪声消除的多尺度分析调制识别网络 Research Article

李响1,2,李一兵1,2,汤春瑞3,4,李迎松1,2

《信息与电子工程前沿（英文）》 2023年第24卷第5期页码 742-758 doi: 10.1631/FITEE.2200253

摘要：为了提高多变环境下调制信号识别的准确性、减少先验知识不足等因素对识别结果的影响，研究人员逐渐采用深度学习技术来替代传统的调制信号处理技术。为了解决低信噪比下调制信号识别精度低的问题，我们设计了一种具有深度阈值噪声消除的多尺度分析调制识别网络，在标签平滑的对称交叉熵函数作用下识别实际采集的调制信号。该网络由一个具有深度自适应阈值学习的消噪编码器和一个具有多尺度特征融合的解码器组成。将两个模块进行跳跃连接，共同作用以提高整体网络的鲁棒性。该网络展示了对噪声阈值的灵活自学习能力以及所设计的特征融合模块对各种调制类型的多尺度特征获取的有效性。

关键词：信号消噪；深度自适应阈值学习网络；多尺度特征融合；调制识别

HTML PDF 收藏

一种基于结构和词汇分析的精确重命名方法 Research Article

骆君鹏1,张静宣1,2,黄志球1,徐勇3,孙辰星3

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 732-748 doi: 10.1631/FITEE.2100470

摘要：程序中的方法必须准确命名，以便于源代码分析和理解。随着软件的演变，方法名称可能与其实现的方法体不一致，导致方法名称不准确或有缺陷。调试方法名称仍然是文献中的一个重要主题。

关键词：方法重命名；代码重构；深度学习；卷积神经网络

HTML PDF 收藏

高精度道路导航地图的进展与思考

刘经南,吴杭彬,郭迟,张宏敏,左文炜,羊铖

《中国工程科学》 2018年第20卷第2期页码 99-105 doi: 10.15302/J-SSCAE-2018.02.015

摘要：正是因为高精度道路导航地图丰富的信息含量，使得它具有庞大的数据量，而传统的集中式大数据处理模式无法满足它的计算需求。因此，本文提出 “众包+边缘计算”的大数据处理模式来解决高精度道路导航地图的计算问题。目前，高精度道路导航地图已进入高速发展状态，但发展过程中仍面临着一些需要解决的问题。

关键词：高精度道路导航地图 “互联网+”智能交通无人系统众包边缘计算

HTML PDF 收藏

面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移研究 Article

王倩, 陈思光, 吴蒙

《工程（英文）》 2023年第31卷第12期页码 127-138 doi: 10.1016/j.eng.2022.10.014

摘要：

人工智能的快速发展将物联网推向了一个新阶段，面对数据的爆炸性增长和用户对更高服务质量的迫切需求，边缘计算和缓存被视为富有前景的技术解决手段。本文提出了一种面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移方案，该方案致力于为协作ENs在资源优化和控制方面提供安全和智能的解决方案。具体地，该方案通过联合优化迁移和缓存决策以及计算和通信资源分配，以最大限度地降低EN中完成任务的总成本。此外，为解决上述优化问题，本文设计了区块链激励和贡献联合感知的联邦深度强化学习算法。同时，提出了一种基于贡献的联邦聚合方法，即基于EN对全局模型性能提升所做贡献来计算其梯度的聚合权重，以提升训练效果。

关键词：计算迁移缓存激励区块链联邦深度强化学习