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 781

会议视频 20

会议信息 15

年份

2024 1

2023 89

2022 101

2021 90

2020 73

2019 68

2018 54

2017 66

2016 40

2015 12

2014 9

2013 9

2012 10

2011 9

2010 12

2009 11

2008 16

2007 24

2006 30

2005 23

展开︾

关键词

机器学习 27

人工智能 21

遗传算法 21

深度学习 15

神经网络 11

可持续发展 5

2019 4

优化 4

算法 4

2020 3

ACM 3

COVID-19 3

MATLAB 3

医学 3

图像处理 3

BP算法 2

Bent函数 2

CAN总线 2

GM(1 2

展开︾

检索范围：

排序：展示方式：

基于最大间隔的贝叶斯分类器 Article

Tao-cheng HU,Jin-hui YU

《信息与电子工程前沿（英文）》 2016年第17卷第10期页码 973-981 doi: 10.1631/FITEE.1601078

摘要：概要：多分类学习中经常需要考虑在泛化性能和计算开销间进行权衡。本文提出一个生成式概率多分类器，综合考虑了泛化性和学习/预测速率。我们首先证明了我们的分类器具有最大间隔性质，这意味着对于未来数据的预测精度几乎和训练阶段一样高。此外，我们消除了目标函数中的大量的局部变元，极大地简化了优化问题。通过凸分析和概率语义分析，我们设计了高效的在线算法，与经典情形的最大不同在于这个算法使用聚集而非平均化处理梯度。实验证明了我们的算法具有很好的泛化性能和收敛速度。

关键词：多类学习；最大间隔学习；在线算法

HTML PDF 收藏

基于带约束最大间隔的贝叶斯分类器判别学习方法 None

Ke GUO, Xia-bi LIU, Lun-hao GUO, Zong-jie LI, Zeng-min GENG

《信息与电子工程前沿（英文）》 2018年第19卷第5期页码 639-650 doi: 10.1631/FITEE.1700007

摘要：提出一种新的面向贝叶斯模式分类的判别学习方法，称作“带约束的最大间隔（CMM）方法”。通过计算正样本最小决策值和负样本最大决策值的差异，定义类别之间的类别间隔。基于该类别间隔和正确分类的约束，将间隔函数学习问题转化为最大化类别间隔问题。利用序列无约束最小化技术解决该非线性规划问题。结果表明，利用CMM方法得到的分类器分类性能，明显优于代表性的生成式学习方法期望最大化（EM）和判别式学习方法支持向量机（SVM），并且在多个数据集上取得了相比之前最优结果更好的效果。

关键词：判别学习；统计建模；贝叶斯分类器；高斯混合模型；UCI数据集

HTML PDF 收藏

面向多类不平衡学习的一对多海林格距离决策树研究 Research Articles

董明刚1,2,刘明1,2,敬超1,2,3

《信息与电子工程前沿（英文）》 2022年第23卷第2期页码 278-290 doi: 10.1631/FITEE.2000417

摘要：由于传统机器学习方法对偏斜分布很敏感，且未考虑多类不平衡问题的特点，多类偏斜分布对机器学习算法来说是一个巨大挑战。为解决这一问题，提出一种新的基于一对多的海林格距离（OAHD）决策树分割准则。首先，将一对多思想集成到OAHD的海林格距离计算过程中，从而对海林格距离决策树进行扩展，使其能解决多类不平衡问题。其次，针对多类不平衡问题，考虑了不同类的分布和数量，设计了改进的基尼系数。最后，从基于进化学习的知识抽取（KEEL）和加州大学欧文分校（UCI）数据库中收集20个公开的真实不平衡数据集进行实验。实验结果表明，与其他5种常用决策树相比，OAHD在精度、F值，和多类别接收者操作特征曲线下面积（MAUC）上有显著优势。

关键词：决策树；多类不平衡学习；节点划分准则；海林格距离；一对多技术

HTML PDF 收藏

模糊基函数神经网络在线跟踪自学习算法研究

许飞云,钟秉林,黄仁

《中国工程科学》 2007年第9卷第11期页码 48-53

摘要：

提出了一种用于分类的模糊基函数（FBF）神经网络在线跟踪自学习算法，通过带有遗忘因子的样本均值和样本协方差矩阵，保存了原始样本所包含的类可能性分布信息，并在此基础上产生新增样本的目标输出用于训练FBF网络，以实现分类边界的在线跟踪；给出了带有遗忘因子的样本均值和样本协方差矩阵的递推算法，以克服传统方法需要保存大量以往训练样本带来的困难。

关键词：模糊基函数自学习故障诊断

HTML PDF 收藏

TIE算法：一种用于处理演化数据的聚类分层分类法生成技术上层算法 None

Rabia IRFAN, Sharifullah KHAN, Kashif RAJPOOT, Ali Mustafa QAMAR

《信息与电子工程前沿（英文）》 2018年第19卷第6期页码 763-782 doi: 10.1631/FITEE.1700517

摘要：提出一种新颖的分类增量进化（TIE）算法，用于处理随时间演变的数据。TIE是一种现有聚类分层分类法生成技术的上层算法，它允许现有分类法增量地演进。在计算机领域的研究论文中对该算法进行了评估。结果表明，与从头再生分类法相比，随数据演化的分类法生成算法耗时非常短，且在单位时间下性能更佳。

关键词：分类法；聚类算法；信息科学；知识管理；机器学习

HTML PDF 收藏

边信道攻击和学习向量量化 Article

Ehsan SAEEDI, Yinan KONG, Md. Selim HOSSAIN

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 511-518 doi: 10.1631/FITEE.1500460

摘要：尽管加密算法已得到改进，加密系统的安全性仍然是密码系统设计者关注的重点。边信道攻击可利用加密系统的物理漏洞来获取秘密信息。目前提出的多种边信道信息分析方法中，机器学习被认为是一种有前景的方法。基于神经网络的机器学习可获得指令标志（功耗与电磁辐射），并自动识别。本文对椭圆曲线加密（Elliptic curve cryptography, ECC）的现场可编程门阵列（field-programmable gate array, FPGA）实现展开了新的实验研究，探讨了基于学习向量量化LVQ作为多类分类器的主要特点是它具有学习复杂非线性输入-输出关系、使用顺序训练程序和适应数据的能力。实验结果表明基于LVQ的多类分类是边信道数据表征的强大且有前景的方法。

关键词：边信道攻击；椭圆曲线加密；多类分类；学习向量量化

HTML PDF 收藏

一种用于工业过程监测的鲁棒迁移字典学习算法 Article

阳春华, 梁慧平, 黄科科, 李勇刚, 桂卫华

《工程（英文）》 2021年第7卷第9期页码 1262-1273 doi: 10.1016/j.eng.2020.08.028

摘要：然而，大多数数据驱动的过程监测方法均假设历史训练数据和在线测试数据遵循相同的分布。这些因素通常会使在线监测数据和历史训练数据分布不同，从而导致过程监测任务中的模型失配。因此，当将从训练数据中学习的模型应用于实际的在线监测时，很难实现精确的过程监测。为了解决操作环境变化导致的历史训练数据和在线测试数据之间的分布差异问题，提出了一种鲁棒的迁移字典学习（RTDL）算法用于工业过程监测。RTDL是表示学习和域自适应迁移学习的协同方法。该方法将历史训练数据和在线测试数据分别作为迁移学习问题的源域和目标域。然后将最大均值差异正则化和线性判别分析正则化引入字典学习框架，可以减少源域和目标域之间的分布差异。这样，即使源域和目标域的特征在实际变化的操作环境的干扰下明显不同，仍可以学习鲁棒的字典。这样的字典可以有效地提高过程监测和模态识别的性能。通过数值仿真和两个工业系统的实验验证了该方法的有效性和优越性。

关键词：过程监测多模态过程字典学习迁移学习

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

针对无监督域自适应问题的深度逐层领域修正算法 Article

Shuang LI, Shi-ji SONG, Cheng WU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 91-103 doi: 10.1631/FITEE.1700774

摘要：深度神经网络凭借强大的特征抽象能力，已成功应用在机器学习的多个领域。然而，传统深度网络假设训练样本和测试样本来自同一分布，这一假设在很多实际应用中并不成立。为借助深度网络解决领域偏移问题，本文提出逐层领域修正（layer-wise domain correction, LDC）深度域自适应算法。该算法通过在已有深度网络中增加领域修正层，将源域网络成功适配到目标领域。逐层增加的领域修正层能够将两个领域特征的最大均值偏差（maximum mean discrepancy, MMD）距离最小化，从而完美匹配源域和目标域样本的特征表示。LDC算法不需要目标领域有标记样本，在几个跨领域分类识别数据集都取得了当时最好结果，且其训练比已有深度域自适应算法快近10倍。

关键词：无监督域自适应；最大均值偏差；残差网络；深度学习

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类

HTML PDF 收藏

一适用于超多类手写汉字识别的新改型Adaboost算法

丁晓青,付强

《中国工程科学》 2009年第11卷第10期页码 19-24

摘要：

提出一种适用于超多类手写汉字识别的新改型Adaboost算法，采用基于描述性模型的多类分类器（modified quadratic discriminantfunction，MQDF）作为Adaboost基元分类器，可直接进行多类分类，无需将多类问题转化为多个两类问题处理，其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重，实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度，提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR-HCD数据集上进行实验证明，所提改型Adaboost算法提高了识别率的有效性，该算法的相对错误率比现有最优算法分别下降了14.3 %，8.1 %和19.5 %。

关键词：多类Adaboost算法手写汉字识别广义置信度改进的二次鉴别函数

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

模糊中心聚类的模式识别学习方法

曾黄麟,袁慧,刘小芳

《中国工程科学》 2004年第6卷第11期页码 33-37

摘要：

基于一个约束条件下的非线性规划问题的优化计算思想，把模糊中心聚类中计算输入矢量与中心的距离来实现聚类作为一种优化计算问题，证明了模糊中心聚类方法，取一个适当的属函数，其聚类中心vi为模糊聚类中心价值函数的极小值，推导出了基于模糊中心聚类的模式识别的无导师递推学习方法，提出了模糊中心聚类模式分类神经网络结构，该网络可以实现并行数据处理和模式分类的软划分和硬划分。

关键词：模糊中心聚类模式识别神经网络

HTML PDF 收藏

脉冲神经网络研究现状与应用进展

刘浩 ,柴洪峰 ,孙权 ,云昕 ,李鑫

《中国工程科学》 2023年第25卷第6期页码 61-79 doi: 10.15302/J-SSCAE-2023.06.011

摘要：本文介绍了SNN的基本要素和学习算法，包括经典的神经元模型、突触可塑性机制、常用的信息编码方式，分析了各类学习算法的优缺点，总结了主流的SNN软件模拟器、脉冲神经形态硬件的研究情况；细致梳理了SNN在计算机视觉我国在SNN领域的研究与应用发展，重在加强关键核心技术攻关、推动技术成果转化应用、持续优化产业生态格局，以尽快实现与国际先进水平的接轨；类脑复杂系统、类脑控制等理论与方法的深入研究和逐步突破，也将促进大规模

关键词：脉冲神经网络；类脑计算；学习算法；神经形态芯片；应用场景

HTML PDF 收藏

基于梯度跟踪和分布式重球加速的分布式随机优化算法 Research Articles

孙碧皓1,胡锦辉1,夏大文2,李华青1

《信息与电子工程前沿（英文）》 2021年第22卷第11期页码 1463-1476 doi: 10.1631/FITEE.2000615

摘要：由于在机器学习和信号处理中的广泛应用，近年来分布式优化得到良好发展。本文致力于研究分布式优化以求解目标函数全局最小值。该目标是分布在个节点的无向网络上的平滑且强凸的局部成本函数总和。与已有工作不同的是，我们使用分布式重球项以提高算法的收敛性能。为使现有分布式随机一阶梯度算法的收敛加速，将动量项与梯度跟踪技术结合。仿真结果表明，在不增加复杂度的情况下，所提算法具有比GT-SAGA更高收敛速率。在真实数据集上的数值实验证明了该算法的有效性和正确性。

关键词：分布式优化；高性能算法；多智能体系统；机器学习问题；随机梯度