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 758

会议视频 24

会议信息 14

年份

2024 2

2023 88

2022 103

2021 106

2020 86

2019 70

2018 50

2017 52

2016 46

2015 14

2014 6

2013 4

2012 12

2011 10

2010 4

2009 10

2008 16

2007 19

2006 20

2005 20

展开︾

关键词

神经网络 27

深度学习 15

人工智能 13

机器学习 8

人工神经网络 6

2020 4

BP神经网络 4

网络 4

网络安全 4

网络空间安全 4

预测 4

COVID-19 3

智能制造 3

网络空间 3

5G 2

BP算法 2

RBF神经网络 2

中国制造 2

展开︾

检索范围：

排序：展示方式：

基于深度学习紧致二进制编码的指纹索引 None

Chao-chao BAI, Wei-qiang WANG, Tong ZHAO, Ru-xin WANG, Ming-qiang LI

《信息与电子工程前沿（英文）》 2018年第19卷第9期页码 1112-1123 doi: 10.1631/FITEE.1700420

摘要：随着指纹数据库迅速发展，有必要开发一种卓越的指纹索引方法满足系统高效性和准确性要求。实值特征的指纹索引已进行广泛研究，但二进制编码特征的研究相对较少，并且二进制编码特征更适合大规模指纹数据库的高效检索。首先，提出高效的有区分度的深度紧致二进制细节点圆柱体编码（deep compact binary minutia cylinder code，DCBMCC）作为指纹索引特征。具体分析了最新细节点圆柱体编码（minutia cylinder code，MCC），并发现其缺点。提出一种新颖的深度神经网络学习指纹索引特征DCBMCC，设置网络倒数第二层直接输出为二进制编码。最后，设计了基于多索引哈希（multi-index hashing，MIH）的指纹索引模式，从而在汉明空间中进行高效精确的搜索。

关键词：指纹索引；细节点圆柱体编码；深度神经网络；多索引哈希

HTML PDF 收藏

深度三维重建：方法、数据和挑战 Review Article

刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1

《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.2000068

摘要：基于深度学习的三维重建方法通过利用深度网络自动学习低质量图像中的三维形状语义特征，克服了这两个瓶颈。然而，这些方法具有多种体系框架，但是至今未有文献对它们作深入分析和比较。本文对基于深度学习的三维重建方法进行全面综述。首先，基于不同深度学习模型框架，将基于深度学习的三维重建方法分为4类：递归神经网络、深自编码器、生成对抗网络和卷积神经网络，并对相应方法作详细分析。再次，对基于深度学习的三维重建方法进行综合比较，包括不同方法在同一数据库、同一方法在不同数据库以及同一方法对于不同视角个数输入的结果比较。最后，讨论了基于深度学习的三维重建方法的发展趋势。

关键词：深度学习模型；三维重建；循环神经网络；深度自编码器；生成对抗网络；卷积神经网络

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。鉴于太赫兹波段下存在的粒子间耦合限制和材料损耗，本文将D2NN的应用波段延展至可见光波段，并提出了包括修订公式在内的一般理论，解决了工作波长、人工神经元特征尺寸和加工制备之间的矛盾。

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

基于双向深度生成模型和功能磁共振成像数据的大脑编码和解码 Review

杜长德, 李劲鹏, 黄利皆, 何晖光

《工程（英文）》 2019年第5卷第5期页码 948-953 doi: 10.1016/j.eng.2019.03.010

摘要：

通过功能磁共振成像（fMRI）进行大脑编码和解码是视觉神经科学的两个重要方面。尽管以前的研究人员在大脑编码和解码模型方面取得了显著进步，但是现有方法仍需要使用先进的机器学习技术进行改进。例如，传统方法通常会分别构建编码和解码模型，并且容易对小型数据集过度拟合。实际上，有效地统一编码和解码过程可以进行更准确的预测。在本文中，我们首先回顾了现有的编码和解码方法，并讨论了“双向”建模策略的潜在优势。接下来，在体系结构和计算规则方面，我们证明了深度神经网络和人类视觉通路之间存在的对应关系。此外，深度生成模型[如变分自编码器（VAE）和生成对抗网络（GAN）]在大脑编码和解码研究中产生了可喜的成果。最后，我们提出了最初为机器翻译任务设计的对偶学习方法，该方法通过利用大规模未配对数据提高了编码和解码模型的效果。

关键词：大脑编码和解码功能磁共振成像深度神经网络深度生成模型双重学习

HTML PDF 收藏

深度神经网络加速器体系结构概述 Review

陈怡然, 谢源, 宋凌皓, 陈凡, 唐天琪

《工程（英文）》 2020年第6卷第3期页码 264-274 doi: 10.1016/j.eng.2020.01.007

摘要：在本文中，我们特别总结了用于深度神经网络（DNN）的加速器设计（即DNN加速器）的最新进展。我们从计算单元、数据流优化、网络模型、基于新兴技术的体系结构以及针对新兴应用的加速器等方面讨论支持DNN执行的各种体系结构。我们还提供了有关AI芯片设计未来趋势的展望。

关键词：深度神经网络特定领域体系结构加速器

HTML PDF 收藏

王旭娜,谭清美

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-980 doi: 10.1631/FITEE.1900236

摘要：在此情况下，出现了基于深度学习的推荐系统。当前深度学习推荐大多利用深度神经网络针对一些辅助信息建模，且在建模过程中根据输入数据类别，分别采用多条映射通路，将原始输入数据映射到潜在向量空间。然而，这些深度神经网络推荐算法忽略了不同类别数据间的联合作用可能对推荐效果产生的潜在影响。针对这一问题，本文提出一种基于多类别信息联合作用的前馈深度神经网络推荐方法——深度联合网络，以解决隐性反馈的推荐问题。经验证据表明，使用深度联合推荐可以提供更好推荐性能。

关键词：神经网络；深度学习；DAN；推荐

HTML PDF 收藏

基于深度前馈神经网络的多基地外辐射源雷达高精度目标跟踪 Research Article

徐宝兄,易建新,程丰,龚子平,万显荣

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1214-1230 doi: 10.1631/FITEE.2200260

摘要：为提高跟踪精度，本文将跟踪问题表述为从量测到目标状态的回归模型，提出一种基于改进深度前馈神经网络（MDFNN）的跟踪算法。仿真和实测的外辐射源雷达数据测试表明，在所考虑的场景下，所提算法跟踪精度优于基于扩展卡尔曼滤波器（EKF）、无迹卡尔曼滤波器（UKF）和递归神经网络（RNN）的跟踪方法。

关键词：深度前馈神经网络；滤波层；外辐射源雷达；目标跟踪；跟踪精度

HTML PDF 收藏

人工神经网络在弹体侵彻混凝土深度中的应用

李建光,李永池,王玉岚

《中国工程科学》 2007年第9卷第8期页码 77-81

摘要：

针对弹体对混凝土材料侵彻深度问题，通过量纲分析和神经网络理论，建立了弹体侵彻深度h网络输出量与弹体长度lp、弹的长径比 lp/d、弹体形状系数ψ、弹体与混凝土的比强度σyt/σyp、弹体与混凝土的密度比ρp/ρt等13个网络输入量之间的非线性映射关系。并采用 RBF网络模型，通过Forrestal等文献的试验样本对网络模型训练，获得了弹体对混凝土材料侵彻深度的网络模型，输出结果满意。

关键词：神经网络量纲分析侵彻混凝土深度非线性映射关系 RBF网络

HTML PDF 收藏

深度卷积神经网络高效计算研究进展 Review

Jian CHENG, Pei-song WANG, Gang LI, Qing-hao HU, Han-qing LU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 64-77 doi: 10.1631/FITEE.1700789

摘要：近年来迅速发展的深度神经网络已成为许多智能系统的基础工具。同时，深度网络的计算复杂度和资源消耗也在持续增加，这给深度网络的部署带来了严峻挑战，尤其在实时应用中或应用设备资源有限时。因此，网络加速是深度学习领域的热门话题。为提升深度神经网络的硬件性能，最近几年涌现出一大批基于现场可编程门阵列（field-programmable gate array, FPGA）或专用集成电路（application-specific本文针对网络加速、压缩、软硬件结合的加速器设计等方面的进展进行了详细而全面的总结。特别地，本文对网络剪枝、低秩估计、网络量化、拟合网络、紧凑网络设计以及硬件加速器进行了深入分析。

关键词：深度神经网络；加速；压缩；硬件加速器

HTML PDF 收藏

面向多目标跟踪的关联相似度神经网络学习 Research Articles

马良,钟巧勇,张营营,谢迪,浦世亮

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1194-1206 doi: 10.1631/FITEE.2000272

摘要：为解决视频多目标跟踪问题，提出一种特征和度量联合学习的深度神经网络架构，称为关联相似度网络。关联相似度网络以端到端的方式学习跟踪轨迹和检测结果之间的关联相似度。针对有缺陷的检测结果，关联相似度网络同时学习矩形框回归、目标分类和相似度回归3个任务。得益于上述设计，关联相似度网络不仅能够解决多目标跟踪问题中的匹配问题，还可以进行单目标跟踪。基于提出的关联相似度网络，设计了一个简单的多目标跟踪算法，在MOT16和MOT17测试集上的实验结果表明其有效性。

关键词：多目标跟踪；深度神经网络；相似度学习

HTML PDF 收藏

迈向下一代视网膜神经假体——基于脉冲的视觉计算方法 Review

余肇飞, 刘健, 贾杉杉, 张祎晨, 郑雅菁, 田永鸿, 黄铁军

《工程（英文）》 2020年第6卷第4期页码 449-461 doi: 10.1016/j.eng.2020.02.004

摘要：

神经假体是一种精准医疗设备，旨在以闭环的方式操纵大脑神经信号，接受来自外界环境刺激的同时，控制人脑或人体的某些部分。外界输入的信息可以在大脑中的神经元细胞中以毫秒量级处理运算。就视觉而言，视觉场景信息进入眼睛，经过视网膜神经细胞进行处理，以神经元脉冲的模式将其输出，发送至脑皮层，以进行进一步的计算。因此，视网膜神经假体感兴趣的神经信号是神经元脉冲。神经假体中的闭环计算包括两个阶段：将刺激信息编码为神经元信号和将神经元信号重新解码为刺激信息。为了更好地理解视网膜中神经网络的计算原理，我们认为，有必要对视网膜构建一个超级网络环路，在此环路中，那些皮层神经网络所揭示的不同功能的网络模块，都可以应用于视网膜网络中。视网膜的不同组成部分，包括多种细胞类型和突触连接——化学突触和电突触（缝隙连接），使视网膜成为一个理想的神经网络，其能够适应人工智能中发展起来的计算技术，对视觉场景的编码和解码进行建模

关键词：视觉编码视网膜神经假体脑-机接口人工智能深度学习脉冲神经网络概率图模型

HTML PDF 收藏

深度学习中的对抗性攻击和防御 Feature Article

任奎, Tianhang Zheng, 秦湛, Xue Liu

《工程（英文）》 2020年第6卷第3期页码 346-360 doi: 10.1016/j.eng.2019.12.012

摘要：

在深度学习（deep learning, DL）算法驱动的数据计算时代，确保算法的安全性和鲁棒性至关重要。最近，研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响，但会使深度学习模型输出意想不到的结果。最近，在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后，讨论了防御方法中的一些代表性研究成果。这些攻击和防御机制可以为该领域的前沿研究提供参考。

关键词：机器学习深度神经网络对抗实例对抗攻击对抗防御

HTML PDF 收藏

基于神经网络的虚拟企业跟踪评价系统

王硕,唐小我

《中国工程科学》 2003年第5卷第4期页码 65-69

摘要：

设计虚拟企业跟踪评价指标体系，建立神经网络跟踪评价模型。结果表明，它比传统的方法简便、准确，具有广阔的应用前景。

关键词：虚拟企业神经网络跟踪评价系统

HTML PDF 收藏

基于感受野编码的多神经元决策脉冲神经网络 Article

Yong-qiang MA, Zi-ru WANG, Si-yu YU, Ba-dong CHEN, Nan-ning ZHENG, Peng-ju REN

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 139-150 doi: 10.1631/FITEE.1700714

摘要：人类对信息的处理主要依赖数十亿个神经元构成的复杂神经网络，信息传输通过神经元释放电脉冲信号实现。本文提出一个名为MD-SNN的脉冲神经网络模型，其具有以下3个主要特点：（1）使用感受野模型对图片编码，产生相应脉冲序列；（2）随机选取脉冲序列中部分脉冲作为每个神经元的输入信号，并以这种方式模拟生物神经元的绝对不应期;（3）使用多组神经元对输出结果作出共同决策。我们在手写数字数据集（MNIST）上对MD-SNN进行测试，结果表明：（1）不同大小感受野对图像分类结果有显著影响；（2）由于MD-SNN模型引入了生物神经元绝对不应期特征，同时增加的学习层神经元极大缩短了训练时间，因此有效降低了过拟合概率，与引入绝对不应期与增加学习层神经元的SNN模型相比，图像分类准确率提高了8.77％；（3）与其他SNN方法相比，MD-SNN对图像分类更加有效——与卷积神经网络（CNN）相比

关键词： Tempotron；神经元模型；感受野；高斯差分；图像翻转；图像旋转

HTML PDF 收藏

基于图像的深度学习降雨强度估计方法 Article

尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan

《工程（英文）》 2023年第21卷第2期页码 162-174 doi: 10.1016/j.eng.2021.11.021

摘要：本文提出了一种基于图像的深度学习模型来估计具有高时空分辨率的城市降雨强度。进一步来说，一种称为基于图像的降雨卷积神经网络（image-based rainfall convolutional neural network, irCNN）模型是使用从现有密集传感器（即智能手机或交通摄像头

关键词：城市洪水降雨图像深度学习模型卷积神经网络（CNN）降雨强度