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 843

会议视频 24

会议信息 20

年份

2024 1

2023 97

2022 112

2021 109

2020 86

2019 84

2018 64

2017 69

2016 58

2015 13

2014 8

2013 6

2012 10

2011 12

2010 5

2009 15

2008 15

2007 23

2006 19

2005 20

展开︾

关键词

机器学习 27

神经网络 27

人工智能 16

深度学习 15

2020 5

人工神经网络 5

大数据 5

智能制造 5

2019 4

BP神经网络 4

网络 4

网络安全 4

网络空间安全 4

遗传算法 4

MATLAB 3

信息技术 3

图像处理 3

网络空间 3

自适应控制 3

展开︾

检索范围：

排序：展示方式：

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。与此同时，网络深度的增加极大提高了网络表达能力。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

无监督域自适应的动态参数化学习 Research Article

蒋润华1,2,韩亚洪1,2

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1616-1632 doi: 10.1631/FITEE.2200631

摘要：无监督领域自适应通过学习域不变表示实现神经网络从有标签数据组成的源域到无标签数据组成的目标域迁移。近期研究通过直接匹配这两个域的边缘分布实现这一目标。然而，已有研究大多数忽略域对齐和语义判别学习之间的动态平衡，因此容易受负迁移和异常样本影响。为解决这些问题，引入动态参数化学习框架。首先，通过探索领域级语义知识，提出动态对齐参数自适应地调整域对齐和语义判别学习的优化过程。此外，为获得判别能力强和域不变的表示，提出在源域和目标域上对齐优化过程。

关键词：无监督领域自适应；优化步骤；跨域判别表示；语义判别

HTML PDF 收藏

基于场景自适应概念学习的无监督目标检测 Research Articles

浦世亮1,赵暐1,陈伟杰1,杨世才1,谢迪1,潘云鹤2

《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.2000567

摘要：然而，主流的检测方法仍有两个缺陷：（1）即使是经过大量数据有效训练的模型，仍然无法很好地泛化到新场景中；（2）模型一旦部署到位，则无法随着不断累积的无标注数据自主进化。为克服上述问题，受视觉知识理论启发，提出一种场景自适应进化的无监督视频目标检测算法，该算法可利用目标群体概念，降低场景变化带来的不利影响。最终，利用收集到的伪类标微调预训练模型，实现算法对新场景的自适应。算法的有效性得到多个不同实验的验证，且性能提升显著。

关键词：视觉知识；无监督视频目标检测；场景自适应学习

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

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

双向协同的去中心化多源域自适应 Research Article

魏义康1,2,韩亚洪1,2

《信息与电子工程前沿（英文）》 2022年第23卷第12期页码 1780-1794 doi: 10.1631/FITEE.2200284

摘要：去中心化多源域自适应是指在数据去中心化场景下执行无监督多源域自适应。数据去中心化的挑战是源域与目标域在训练中缺乏跨域协同。对于无标签的目标域，目标域模型需要在源域模型的协助下迁移监督知识，而域差距会导致源域模型的适应性能有限。对于有标签的源域，源域模型在数据去中心化场景下倾向于过拟合本地数据，从而导致负迁移问题。对于以上挑战，提出双向协同的去中心化多源域自适应方法，通过其它域模型的协助进行局部源域模型与局部目标域模型的协同训练与聚合。对于目标域，我们在源域模型的协助下蒸馏监督知识，同时完全利用无标签目标域的数据来缓解域偏移问题。对于源域，我们在目标域模型的协助下正则化源域模型来避免负迁移问题。以上过程在去中心化的源域和目标域之间形成一种双向协同，以便在数据去中心化场景下提升域自适应性能。在标准多源域自适应数据集上的实验表明，我们的方法以较大优势优于现有的多源域自适应方法。

关键词：多源域自适应；数据去中心化；域偏移；负迁移

HTML PDF 收藏

自适应光学显微中基于深度学习的复杂波前探测方法 Research Articles

胡淑文1,2,胡乐佳1,2,龚薇3,李政翰1,2,斯科1,2,3

《信息与电子工程前沿（英文）》 2021年第22卷第10期页码 1277-1288 doi: 10.1631/FITEE.2000422

摘要： Shack-Hartmann波前传感器（SHWS）是自适应光学显微镜中用于波前传感的重要工具。然而，由复杂波前相位分布引起的畸变点阵限制了其探测性能。本文提出一种基于深度学习的波前探测方法，该方法结合了基于点扩散函数图像的泽尼克（Zernike）系数估计和波前相位分布拼接。本文所提方法可实现高精度的复杂波前检测，获得的波前残差均方根误差值显著降低，在自适应光学显微中具有极大应用潜力。

关键词：自适应光学；波前探测；深度学习；泽尼克系数；显微成像

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

联合局部学习和组稀疏回归的无监督特征选择 Regular Papers

Yue WU, Can WANG, Yue-qing ZHANG, Jia-jun BU

《信息与电子工程前沿（英文）》 2019年第20卷第4期页码 538-553 doi: 10.1631/FITEE.1700804

摘要：通过挑选特征子集，可有效提升学习算法效率。由于难以获取标签信息，无监督特征选择算法相较于有监督特征选择算法应用更为广泛，其关键在于找出更能反映数据分布的特征集合。为解决这一问题，本文提出联合局部学习和组稀疏回归的无监督特征选择算法。将基于局部学习聚类方法与组稀疏回归算法有机整合，选出有效反映数据流形分布同时保持组稀疏结构的特征。

关键词：无监督；局部学习；组稀疏回归；特征选择

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

基于自适应四叉树分块与最高有效位预测的大容量密文域可逆信息隐藏算法 Research Article

祁凯莉,张敏情,狄富强,孔咏骏

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1156-1168 doi: 10.1631/FITEE.2200501

摘要：为提高密文域可逆信息隐藏（reversible data hiding in encrypted images，RDH-EI）算法的嵌入容量，提出一种基于自适应四叉树分块和最高有效位（most significant首先根据图像的平滑程度进行自适应四叉树分块，然后将不同大小的块进行块级加密和置乱，以抵抗对于加密图像的分析。在嵌入数据阶段，对于文献Wang & He（2022）提出的自适应MSB预测方法进行改进，以块中左上角像素为目标像素，用于预测其它像素，从而腾出更多嵌入空间。首次将四叉树分块方法应用于密文域图像的可逆信息隐藏。模拟结果表明，所提方法具有可逆性与可分离性，并且在自适应MSB预测方法基础上进一步提高了平均嵌入容量。

关键词：自适应四叉树分块；自适应最高有效位预测；密文域可逆信息隐藏；高嵌入容量

HTML PDF 收藏

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。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

基于学习自适应区域选择的自动增强图像 None

Na LI, Jian ZHAN

《信息与电子工程前沿（英文）》 2019年第20卷第2期页码 206-221 doi: 10.1631/FITEE.1700125

摘要：提出一种基于自适应区域选择的自动增强图像算法。该算法采用明暗两个通道，解决各类图像曝光问题。对网上爬取的大量自然图像统计分析获取阈值，自动选择用于通道提取的区域尺寸。

关键词：图像增强；对比度增强；暗通道；明通道；自适应区域处理

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

基于价格机制的无线网自适应接纳控制算法

张雪

《中国工程科学》 2006年第8卷第4期页码 32-38

摘要：

为了有效地控制对无线网资源的使用，针对自适应的多媒体应用带宽可以动态调整的特点以及价格对用户行为的影响，提出一种与价格机制相结合的自适应的接纳控制算法，该算法适合于无线网中具有多服务类、多优先级服务的情况，并根据网络当前状况动态地调整价格以缓解拥塞问题。最后与未结合价格机制的自适应接纳控制算法进行性能对比表明，将价格机制与接纳控制结合起来，可以很大程度上改善无线网的性能。

关键词：无线网络自适应的接纳控制微观经济学价格机制连接级QoS