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 1150

会议信息 46

会议视频 45

会议专题 2

年份

2024 4

2023 129

2022 124

2021 115

2020 105

2019 119

2018 70

2017 88

2016 42

2015 24

2014 29

2013 25

2012 24

2011 19

2010 24

2009 22

2008 28

2007 39

2006 35

2005 34

展开︾

关键词

机器学习 27

人工智能 20

深度学习 15

2020 12

神经网络 9

智能制造 8

能源 8

绿色化工 7

2019 6

过程强化 6

农业科学 5

优化 4

增材制造 4

学术会议 4

遗传算法 4

颠覆性技术 4

MATLAB 3

仿真 3

图像处理 3

展开︾

检索范围：

排序：展示方式：

基于专家示教聚类经验池的高效深度强化学习 Research Article

王士珉1,赵彬琦1,张政锋1,张军平1,浦剑2

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1541-1556 doi: 10.1631/FITEE.2300084

摘要：作为强化学习领域最基本的主题之一，样本效率对于深度强化学习算法的部署至关重要。与现有大多数从不同类型的后验分布中对动作进行采样的探索方法不同，我们专注于策略的采样过程，提出一种有效的选择性采样方法，通过对环境的内部层次结构建模来提高样本效率。具体来说，首先在策略采样过程中使用聚类方法生成动作候选集，随后引入一个用于对内部层次结构建模的聚类缓冲区，它由同轨数据、异轨数据以及专家数据组成，用于评估探索阶段动作候选集中不同类别动作的价值。通过这种方式，我们的方法能够更多地利用专家示教数据中的监督信息。在6种不同的连续运动环境中进行了实验，结果表明选择性采样方法具有卓越的强化学习性能和更快的收敛速度。特别地，在LGSVL任务中，该方法可以减少46.7%的收敛步数和28.5%的收敛时间。代码已开源，见https://github.com/Shihwin/SelectiveSampling。

关键词：强化学习；采样效率；采样过程；聚类方法；自动驾驶

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：基于人定规则所设计的自动驾驶系统可能会因大规模相互耦合的规则而变得越来越复杂，因此许多研究人员致力于探索基于学习的解决方案。强化学习（reinforcement learning，RL）因其在各种顺序控制问题上的出色表现而被应用于自动驾驶系统设计。然而，基于RL的自动驾驶系统落地应用所面临的主要挑战是其初始性能不佳。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。本文在赛车模拟器TORCS（The Open Racing Car Simulator）上对所提出的预训练方法进行评估，以验证该方法在改善强化学习训练阶段端到端自动驾驶模型的初始性能和收敛速度方面足够可靠

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

基于混合强化学习的自动驾驶汽车行人避撞方法 Research Article

李惠乾1,黄晋1,曹重1,杨殿阁1,钟志华2

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 131-140 doi: 10.1631/FITEE.2200128

摘要：确保行人的安全对自动驾驶汽车而言至关重要，同时也具有一定挑战。经典的行人避撞策略无法应对不确定性，而基于学习的方法缺乏明确的性能保障。本文提出一种基于混合强化学习的行人避撞方法，以使自动驾驶车辆能够与具有行为不确定性的行人安全交互。该方法集成了规则策略和强化学习策略，并设计了一个激活函数选择具有更高置信度的作为最终策略，通过这种方式保证最终策略的表现不亚于规则策略。为说明所提方法的有效性，本文使用一种加速测试方法生成了行为随机的行人进行仿真验证。结果表明，该方法在测试场景中的成功率，相比基准方法的94.4%，提升至98.8%。

关键词：行人；混合强化学习；自动驾驶汽车；决策

HTML PDF 收藏

人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用 Article

吴京达, 黄志宇, 胡中旭, 吕辰

《工程（英文）》 2023年第21卷第2期页码 75-91 doi: 10.1016/j.eng.2022.05.017

摘要：本研究开发了一种基于实时人类指导（Hug）的深度强化学习
（DRL）方法，用于端到端自动驾驶案例中的策略训练。通过新设计的人类与自动化之间的控制转移机制，人类能够在模型训练过程中实时干预和纠正智能体的不合理行为。所提出的Hug-DRL的快速收敛允许实时的人类指导行为融合到智能体的训练回路中，进一步提高了DRL的效率和性能。本研究通过40 名受试者的人在回路实验对开发的方法进行了验证，并与其他最先进的学习方法进行了比较。结果表明，该方法可以在人类指导下有效地提高DRL算法的训练效率和性能，且不特定要求参与者的专业知识或经验。

关键词：人在回路AI 深度强化学习人类指导自动驾驶

HTML PDF 收藏

自动驾驶地图有关政策的思考和建议

刘经南,董杨,詹骄,高柯夫

《中国工程科学》 2019年第21卷第3期页码 92-97 doi: 10.15302/J-SSCAE-2019.03.004

摘要：

自动驾驶地图作为实现汽车自动驾驶的关键基础设施，对于推动我国自动驾驶领域的商业化开发至关重要。现阶段，我国受地图测绘、应用和监管等相关法律法规的制度掣肘，在自动驾驶地图的产业化进程方面相对滞后。为此，本文着重分析了我国在自动驾驶地图开发、应用和管理中面临的主要政策法规问题：自动驾驶地图是否需加密的问题、自动驾驶地图部分地理信息表达受限的问题、自动驾驶地图地理信息采集资质和审图流程的问题、自动驾驶地图事故责任和保险问题、自动驾驶地图相关测试规范和测试场景问题。同时结合国内外自动驾驶领域的发展趋势，给出加快我国自动驾驶汽车开发和商业化进程的四点建议：制定自动驾驶地图管理模式、允许自动驾驶地图应用试点及有序开放、适当放开企业权限及优化审核流程、建立国家级自动驾驶地图平台

关键词：自动驾驶地图自动驾驶法规自动驾驶政策

HTML PDF 收藏

迈向L5级自动驾驶汽车的发展原则 Article

王建强, 黄荷叶, 李克强, 李骏

《工程（英文）》 2021年第7卷第9期页码 1313-1325 doi: 10.1016/j.eng.2020.10.018

摘要：目前，L3 级及以下驾驶辅助系统已经量产，L4 级在特定场景下的一些应用也逐步开发，通过逐渐提高车辆的自动化、智能化程度来不断向完全自动驾驶发展。然而，针对L5 级自动驾驶汽车的发展思路始终未明确，而现有针对L0~L4级自动驾驶发展过程的研发方式主要基于任务驱动来进行特定场景下的功能开发，难以揭示高等级自动驾驶汽车所需解决问题的本质逻辑和物理机制，进而阻碍了迈向L5 级自动驾驶的途径。，探索“自主学习+先验知识”的研究范式，实现自动驾驶汽车“自学习、自适应、自超越”特性。从系统、统一、均衡的角度出发，基于最小作用量原理和统一安全场思想，旨在为高等级自动驾驶汽车，尤其是L5 级自动驾驶的研发提供一种全新的研发思路与有效途径。

关键词：自动驾驶汽车最小作用量原理行车安全场自主学习基础范式

HTML PDF 收藏

一种用于自动驾驶的车辆概率性长期轨迹预测框架 Article

刘金鑫, 罗禹贡, 钟志华, 李克强, 黄荷叶, 熊辉

《工程（英文）》 2022年第19卷第12期页码 228-239 doi: 10.1016/j.eng.2021.12.020

摘要：

在混合动态交通环境中，准确地预测周围车辆长期范围内的运动轨迹是自动驾驶车辆（AV）实现合理行为决策和保障行车安全不可或缺的前提条件之一。本文提出了一种车辆长期轨迹预测的概率框架，由驾驶意图推理模型（DIM）和轨迹预测模型（TPM）组成。DIM基于动态贝叶斯网络进行设计和应用，用于准确推断车辆潜在的驾驶意图。为了进一步提高轨迹预测精度并实现预测不确定性识别，本文开发了基于高斯过程（GP）的TPM，综合考虑了车辆模型的短期预测结果和运动特性。最后，在高速换道场景下进行仿真验证，说明了新方法的有效性。通过与其他先进方法进行对比，展示并验证了该框架在车辆长期轨迹预测任务中的优异性能。

关键词：自动驾驶动态贝叶斯网络驾驶意图识别高斯过程车辆轨迹预测

HTML PDF 收藏

全自动驾驶技术仍面临诸多挑战

Chris Palmer

《工程（英文）》 2023年第26卷第7期页码 6-8 doi: 10.1016/j.eng.2023.05.002

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

NIG-AP：一种自动化渗透测试新方法 Regular Papers-Research Articles

Tian-yang ZHOU, Yi-chao ZANG, Jun-hu ZHU, Qing-xian WANG

《信息与电子工程前沿（英文）》 2019年第20卷第9期页码 1277-1298 doi: 10.1631/FITEE.1800532

摘要：但是，渗透测试过程只能由安全专家进行，造成了大量时间、人力开销。自动化渗透测试为解决该问题提供了思路，其中最为关键的是攻击规划。为了从攻击者视角发现网络中存在的所有攻击路径，提出一种基于网络信息增益的攻击规划算法（NIG-AP），该算法将渗透测试过程形式化为马尔科夫决策过程，并利用网络信息构建回报函数，并指导代理从入侵者角度发现隐藏的攻击路径实验结果表明本文提出的算法能够有效提高攻击路径发现效率。

关键词：渗透测试；强化学习；经典规划；部分观测的马尔科夫决策过程

HTML PDF 收藏

智能城市(iCity) 中自动驾驶汽车工业的关键挑战——高清地图 Perspective

Heiko G. Seif,胡晓龙

《工程（英文）》 2016年第2卷第2期页码 159-162 doi: 10.1016/J.ENG.2016.02.010

摘要：

本文对未来城市中自动驾驶的必要技术进行了深入的分析，从车载电脑运算、数据处理、路边基础设施和云解决方案等不同方面反映了科技的发展状况，主要对自动驾驶的核心技术——高清地图的应用所带来的挑战进行了描述

关键词：自动驾驶交通基础设施智能城市(iCity) Car-to-X 通信系统汽车通信高清地图

HTML PDF 收藏

一种基于锚点的谱聚类方法 None

Qin ZHANG, Guo-qiang ZHONG, Jun-yu DONG

《信息与电子工程前沿（英文）》 2018年第19卷第11期页码 1385-1396 doi: 10.1631/FITEE.1700262

摘要：谱聚类是模式识别、机器学习和数据挖掘中最流行最重要的聚类方法之一。然而，高计算复杂度妨碍了谱聚类在大规模数据集的应用。为解决该问题，提出一种新的基于锚点谱聚类方法（anchor-based spectral clustering，ASC）。然后，构造原始数据与锚点之间的映射矩阵，并证明该映射矩阵能保持数据的聚类结构。基于该映射矩阵，近似得到原始数据谱嵌入。ASC方法复杂度与数据集大小呈线性关系。将该方法与经典谱聚类方法和两种最新谱聚类加速方法，即能量迭代聚类（power iteration clustering，PIC）和基于地标聚类（landmark-based spectral clustering实验结果表明，ASC算法比经典谱聚类算法具有更快聚类速度，在效率和有效性上与现有方法相当或优于现有方法。

关键词：聚类；谱聚类；图拉普拉斯；锚点

HTML PDF 收藏

基于解耦价值和策略强化学习的家庭能源管理方法

熊珞琳,唐漾,刘臣胜,毛帅,孟科,董朝阳,钱锋

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1261-1272 doi: 10.1631/FITEE.2200667

摘要：本文提出一种基于数据驱动的深度强化学习家庭能源管理方法。首先，为揭示影响电动汽车充电行为的多种不确定因素，引入一种结合驾驶员经验、突发事件和交通状况的改进数学模型描述电动汽车在家庭能源系统中的动态能量需求。此外，策略函数和价值函数的解耦网络确保了所提方法在不可见场景中的泛化性。最后，将所提方法与现有方法进行综合实验比较。结果表明，该方法能在不同场景下优化用电成本并兼顾居住舒适度。

关键词：家庭能源系统电动汽车强化学习泛化性

HTML 收藏

基于共点映射的无人车可行驶区域检测方法 Article

刘子熠,余思雨,郑南宁

《工程（英文）》 2018年第4卷第4期页码 479-490 doi: 10.1016/j.eng.2018.07.010

摘要：受人类驾驶行为的启发，本文提出了一种无人车的可行驶区域检测的新方法，该方法利用了单目相机得到的像素信息和激光传感器得到的空间点云信息的融合，与共线中的双射类似，该方法引入了“共点映射&rdquo该方法通过将障碍物与超像素融合得到初始可行驶区域，并基于该初始可行驶区域，利用自学习模型定位候选可行驶区域。经过自学习四种特征得到初始可行驶区域之后，利用贝叶斯框架建立可行驶区域的最终概率图模型。本文的方法没有引入强假设条件，也不需要训练过程，但在ROAD-KITTI benchmark 测试中获得了最佳的性能。实验结果表明，该方法是一种泛化性强且有效的可行驶区域的检测方法。

关键词：可行驶区域自动驾驶数据融合共点映射

HTML PDF 收藏

不确定路面附着系数条件下一种基于双层非线性模型预测控制的自动驾驶卡车轨迹规划方法 Research Articles

王鸿超1,张伟伟1,吴训成1,曹昊天2,高巧明3,罗素云1

《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.1900185

摘要：提出一种双层控制算法以规划配备四轮轮毂电机的自动驾驶卡车的行驶轨迹。该控制算法主要由主层非线性模型预测控制（MLN-MPC）算法和次层非线性模型预测控制（SLN-MPC）算法组成，其中，MLN-MPC控制算法用于规划合理的卡车行驶轨迹，SLN-MPC控制算法将车轮纵向滑移率限制在稳定区域，避免卡车在驱动过程中发生过度打滑此外，为评估该算法在实际应用中的可行性，在联合仿真系统中加入驾驶员模型验证该算法的稳定性与鲁棒性。与传统的基于PID控制算法相比，该算法具有更低的计算能耗。

关键词：自动驾驶卡车；轨迹规划；非线性模型预测控制；纵向滑移率