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 615

会议视频 35

会议信息 15

年份

2024 1

2023 90

2022 93

2021 73

2020 60

2019 61

2018 45

2017 41

2016 22

2015 13

2014 16

2013 5

2012 10

2011 15

2010 12

2009 7

2008 11

2007 14

2006 16

2005 10

展开︾

关键词

机器学习 27

人工智能 16

深度学习 15

智能制造 5

环境 5

分类 4

力学性能 4

2019 3

2021全球工程前沿 3

MATLAB 3

仿真技术 3

半旱地农业 3

原子力显微镜 3

图像处理 3

安全性 3

工程前沿 3

工程管理 3

营养健康 3

2020 2

展开︾

检索范围：

排序：展示方式：

NGAT：基于广度和深度探索注意力机制的半监督图表示学习 Research Articles

胡荐苛,张引

《信息与电子工程前沿（英文）》 2022年第23卷第3期页码 409-421 doi: 10.1631/FITEE.2000657

摘要：近年来图神经网络（GNN）在图结构数据表示学习方面取得显著成绩。然而，随着网络层数增加，由于过度平滑问题，基于邻域信息聚合策略的GNN性能恶化，这也是GNN应用于真实图的主要瓶颈。为缓解过度平滑，本文提出一种嵌套的图注意网络，即基于双重注意力机制的多尺度特征融合模型NGAT，该网络可以半监督形式工作。除广度探索，k层NGAT运用注意力机制引导的分层聚合策略，选择性地利用来自k阶邻域的信息特征，即深度探索。即使对于10层或更深的架构，NGAT也能平衡保留局部性（包括根节点特征和局部结构）和从大型邻域聚合信息的需求。本文在公开数据集上对比了现有图神经网络模型，实验表明本文提出的NGAT模型具备更强的节点嵌入学习能力。

关键词：图学习；半监督学习；节点分类；注意力机制

HTML PDF 收藏

半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles

侯亮,罗潇逸,汪子扬,梁军

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900116

摘要：图像分类是深度学习的重要应用。在典型分类任务中，分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络，常用于降维和特征提取。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中，将优化的参数设置为初始值。为获得更好性能，使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较，实验结果证明该模型有效。

关键词：自动编码器；图像分类；半监督学习；神经网络

HTML PDF 收藏

基于图卷积注意力网络的视频摘要方法 Research Articles

李平1,2,唐超1,徐向华1

《信息与电子工程前沿（英文）》 2021年第22卷第6期页码 902-913 doi: 10.1631/FITEE.2000429

摘要：提出一种基于图卷积注意力网络（graph convolutional attention network, GCAN）的视频摘要方法。GCAN由嵌入学习和上下文融合两部分组成，其中嵌入学习包括时序分支和图分支。具体而言，GCAN使用空洞时序卷积对局部线索和时序自注意力建模，能有效利用各视频帧的全局线索；同时利用多层图卷积网络学习图嵌入，反映视频帧样本的本征结构。上下文融合部分将时序分支和图分支的输出信息流合并形成视频帧的上下文表示，然后计算其重要性得分，据此选择具有代表性的帧，生成视频摘要。

关键词：时序学习；自注意力机制；图卷积网络；上下文融合；视频摘要

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。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。伪标签是为未标记数据自动生成的标签，并被当作真实标签用来训练模型。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。

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

集成增强主动学习混合判别分析模型及其在半监督故障分类中的应用 Research Article

王伟俊1,王云2,王君1,方信昀3,何雨辰1

《信息与电子工程前沿（英文）》 2022年第23卷第12期页码 1814-1827 doi: 10.1631/FITEE.2200053

摘要：故障分类作为过程监控中不可缺少的部分，其性能高度依赖于过程知识的充分性。然而，由于采样条件有限及实验室分析昂贵，数据标签总是难以获取，这可能导致分类性能下降。为了解决这个难题，本文提出一种新的半监督故障分类方法，其中每个未标记样本相对于特定标记数据集的价值采用增强的主动学习来评估。具有高价值的未标记样本将作为训练数据集的补充信息。最后，通过数值例子和田纳西伊士曼过程（TEP）评估了该方法的故障分类有效性。

关键词：半监督；主动学习；集成学习；混合判别分析；故障分类

HTML PDF 收藏

基于主动学习的不确定性感知补标签查询 Perspective

刘圣源1,陈珂2,胡天磊1,毛云青3

《信息与电子工程前沿（英文）》 2023年第24卷第10期页码 1497-1503 doi: 10.1631/FITEE.2200589

摘要：许多主动学习方法假设学习者可便捷地向注释者询问训练数据的完整标注信息。这些方法主要试图通过最小化标注数量降低标注成本。然而，对于许多现实中的分类任务来说，精确标注实例仍然非常昂贵。为降低单次标注行为成本，本文试图解决一种新的主动学习范式，称为具有补标签的主动学习（ALCL）。ALCL学习器只针对样例特定类别提出是或否的问题。在收到标注者答案后，ALCL学习器获得一些有监督实例和更多具有补标签的训练实例，这些补标签仅表示对应标签与该实例无关。。针对第一个问题，在主动学习范式下提出一种基于不确定性的抽样策略。针对第二个问题，改进了一种已有的ALCL方法，同时适配了我们的抽样策略。在各种数据集上的实验结果验证了本文方法的有效性。

关键词：主动学习；图片分类；弱监督学习

HTML PDF 收藏

面向强化学习自动驾驶模型的异步监督学习预训练方法 Research Articles

王云鹏,郑坤贤,田大新,段续庭,周建山

《信息与电子工程前沿（英文）》 2021年第22卷第5期页码 615-766 doi: 10.1631/FITEE.1900637

摘要：强化学习训练需要大量训练数据，然后模型才能达到合理的性能要求，这使得基于强化学习的模型不适用于现实环境，尤其在数据昂贵的情况下。本文为基于强化学习的端到端自动驾驶模型提出一种异步监督学习（asynchronous supervised learning，ASL）方法，以解决在实际环境中训练基于强化学习模型时初始性能差的问题。具体而言，通过在多个驾驶演示数据集上并行且异步执行多个监督学习过程，在异步监督学习预训练阶段引入先验知识。经过预训练后，模型将被部署到真实车辆上进一步开展强化学习训练，以适应实际环境并不断突破性能极限。仿真结果表明，在有监督的预训练阶段使用一些演示，可以显著提高强化学习训练阶段的初始性能和收敛速度。

关键词：自主驾驶；自动驾驶车辆；强化学习；监督学习

HTML PDF 收藏

自监督脓毒症治疗推荐算法 Research Articles

朱思涵1,浦剑2

《信息与电子工程前沿（英文）》 2021年第22卷第7期页码 926-939 doi: 10.1631/FITEE.2000127

摘要：本文将强化学习应用于个人治疗推荐，采用对样本不确定性进行建模并评估的方法，根据患者对治疗的反应和状态，将患者样本分为两个域，然后使用辅助迁移学习任务重建两个域的样本，使用特权学习的蒸馏方法与用于迁移学习的变分自动编码器框架关联低质量域和高质量域间的任务通过结合自监督方式获得更好的状态和动作表示，本文提出一种针对引起较高风险的不确定性进行控制的深度强化学习方法；模型提供一定的灵活性使之可以在不同场景对模糊样本做出保守预测或明确判断，并降低预期死亡率。

关键词：治疗推荐；脓毒症；自监督学习；强化学习；电子病历

HTML PDF 收藏

基于回归预测集成学习的交互式图像分割 Article

Jin ZHANG, Zhao-hui TANG, Wei-hua GUI, Qing CHEN, Jin-ping LIU

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 1002-1020 doi: 10.1631/FITEE.1601401

摘要：然而，当前及背景中存在颜色相似的区域时，传统半监督图像分割方法只能通过大量增加手工标记获得精确分割结果。为此，本文提出一种结合半监督学习的基于回归预测的集成学习交互式图像分割方法。首先，基于已标记样本训练出两个在属性上互补的多元自适应回归样条学习器（multivariate adaptive regression splines, MARS）和薄板样条回归学习器（thin platespline regression, TPSR）；接着，提出一种基于聚类假设和半监督学习的回归器增强算法，该算法从未标记样本中抽选部分样本辅助训练MARS和TPSR；然后，引入支持向量回归方法（support

关键词：交互式图像分割；多元自适应回归样条；集成学习；薄板样条回归；半监督学习；支持向量回归

HTML PDF 收藏

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

摘要：为利用分布式边缘设备上大量未标记数据，我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题，以在没有监督的情况下学习通用表示模型，同时保护数据隐私。

关键词：联邦学习；无监督学习；表示学习；对比学习

HTML PDF 收藏

融合自监督图学习与目标自适应屏蔽的会话型推荐方法 Research Article

王祎童,蔡飞,潘志强,宋城宇

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 73-87 doi: 10.1631/FITEE.2200137

摘要：现有模型主要使用循环神经网络（RNN）或图神经网络（GNN）来建模顺序序列或物品之间的传递关系。为了解决上述问题，本文提出一种融合自监督图学习与目标自适应屏蔽的会话型推荐方法(SGL-TM)。具体来说，首先根据所有涉及到的会话构建全局图，然后从物品之间的全局连接中捕捉自监督信号，用来监督模型生成当前会话中准确的物品表示。之后，通过比较真值与经过我们设计的目标自适应屏蔽模块调整后的物品的预测分数来计算主监督损失。最后，将主监督组件与辅助自监督模块相结合，以获得用来优化模型参数的最终损失。

关键词：会话型推荐；自监督学习；图神经网络；目标自适应屏蔽

HTML PDF 收藏

基于自适应置信度校准的交互式医疗图像分割框架

沈楚云,李文浩,徐琪森,胡斌,金博,蔡海滨,朱凤平,李郁欣,王祥丰

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1332-1348 doi: 10.1631/FITEE.2200299

摘要：为更好地利用不同时间尺度上的交互信息，本文提出一种基于自适应置信度校准的交互式医疗图像分割框架MECCA，其结合了基于分割决策的置信度学习技术和多智能体强化学习技术，并通过预测分割决策与短期交互信息的对齐水平来学习一个新颖的置信度网络随后，提出一种基于置信度的奖励塑造机制，在策略梯度计算中引入置信度，从而直接纠正模型产生的交互误解。MECCA还通过标签生成和交互指导来降低交互强度和难度，从而实现用户友好交互。

关键词：医疗图像分割交互式分割多智能体强化学习置信度学习半监督学习

HTML 收藏

基于注意力的高效机器人抓取检测网络 Research Article

秦晓飞1,胡文凯1,肖晨2,何常香2,裴颂文1,3,4,张学典1,3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第10期页码 1430-1444 doi: 10.1631/FITEE.2200502

摘要：为平衡抓取检测算法的推理速度和检测精度，本文提出一种编码器–解码器结构的像素级抓取检测神经网络，称为基于注意力的高效机器人抓取检测网络（AE-GDN）。在编码器阶段引入3个空间注意模块以增强细节信息，在解码器阶段引入3个通道注意模块以提取更多语义信息。采用多个轻量高效的DenseBlocks连接编码器和解码器，提高AE-GDN的特征建模能力。本文设计了一种新的基于沙漏形匹配机制的IoU损失计算方法，该方法可在高IoU和高质量抓取配置之间建立良好对应关系。

关键词：机器人抓取检测；注意力机制；编码器–解码器；神经网络

HTML PDF 收藏

一种端到端语音合成中的高效解码自注意力网络 Research Article

赵伟1,2,许力1,2

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 1127-1138 doi: 10.1631/FITEE.2100501

摘要：自注意力网络由于其并行结构和强大的序列建模能力，被广泛应用于语音合成（TTS）领域。然而，当使用自回归解码方法进行端到端语音合成时，由于序列长度的二次复杂性，其推理速度相对较慢。为解决该问题，提出一种高效解码自注意力网络（EDSA）作为替代。通过一个动态规划解码过程，有效加速TTS模型推理，使其具有线性计算复杂度。

关键词：高效解码；端到端；自注意力网络；语音合成

HTML PDF 收藏

基于多关系平移图注意力网络的需融中小企业挖掘方法 Research Article

梁倩乔1,卫华2,吴亚熙2,韦峰2,赵登3,何建衫3,郑小林1,马国芳4,韩冰2

《信息与电子工程前沿（英文）》 2023年第24卷第3期页码 388-402 doi: 10.1631/FITEE.2200151

摘要：本文首先深入分析中小企业的融资需求在企业社交网络中的传递现象，从而提供了一个利用企业社交网络来提升需融企业挖掘有效性的想法，即学习企业社交网络中企业节点的表征并利用该表征挖掘需融企业。为了应对这些挑战，本文提出一种基于多关系平移图注意力网络的需融企业挖掘方法。该方法不仅基于一种新颖的实体-关系组合算子来对不同关系类型下的融资需求传递异构性进行建模，还基于本文所设计的关系超平面平移机制来获得中小企业在不同关系类型下的表征，以区分中小企业在不同关系类型下的异构行为模式

关键词：需融企业挖掘；图表征学习；传递异构性；行为模型异构性

HTML PDF 收藏

标题作者时间类型操作

NGAT：基于广度和深度探索注意力机制的半监督图表示学习

胡荐苛,张引

期刊论文

半监督堆叠距离自动编码器的表征学习在图像分类上的应用

侯亮,罗潇逸,汪子扬,梁军

期刊论文

基于图卷积注意力网络的视频摘要方法

李平1,2,唐超1,徐向华1

期刊论文