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 620

会议视频 29

会议信息 6

年份

2023 68

2022 55

2021 68

2020 47

2019 46

2018 52

2017 60

2016 30

2015 19

2014 8

2013 15

2012 22

2011 15

2010 18

2009 16

2008 9

2007 18

2006 16

2005 13

2004 14

展开︾

关键词

优化 18

优化设计 11

多目标优化 11

颠覆性技术 8

能源 6

遗传算法 6

人工智能 4

优化调度 4

悬索桥 4

智能制造 4

机器学习 4

稳健设计 4

不确定性 3

自适应控制 3

三塔两跨悬索桥 2

仿真技术 2

农业科学 2

分布式优化 2

前沿技术与中医药创新发展 2

展开︾

检索范围：

排序：展示方式：

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

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：目标检测是机器视觉领域最热门的研究方向之一，在学术界已取得令人瞩目的成果，在工业界也存在许多有价值的应用。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

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：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。

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

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

词加权有监督主题模型：多标签文本分类 None

Yue-peng ZOU, Ji-hong OUYANG, Xi-ming LI

《信息与电子工程前沿（英文）》 2018年第19卷第4期页码 513-523 doi: 10.1631/FITEE.1601668

摘要：有监督主题模型已成功应用于多标签文本分类任务。代表性模型包括有监督隐含狄利克雷分配模型（labeled latent Dirichlet allocation，L-LDA）和判别隐含狄利克雷分配模型（dependency-LDA）。CF-weight方法基于如下假设：具有较高（或较低）类别频率的单词在分类问题中具有较低（或较高）判别力。将CF-weight方法应用于L-LDA和dependency-LDA模型。实验结果表明，相比传统有监督主题模型，基于CF-weight的模型在多标签分类性能上具有优势。

关键词：有监督主题模型；多标签分类；类别频率；有监督隐含狄利克雷分配模型；判别隐含狄利克雷分配模型

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。FURL提出了两个新挑战：（1）客户端之间的数据分布转移（非独立同分布）会使本地模型专注于不同的类别，从而导致表示空间的不一致；（2）如果FURL中客户端之间没有统一的信息，客户端之间的表示就会错位。FedCA由两个关键模块组成：字典模块，用于聚合来自每个客户端的样本表示并与所有客户端共享，以实现表示空间的一致性；对齐模块，用于将每个客户端的表示与基于公共数据训练的基础模型对齐。

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

桁架结构智能布局优化系统

李旲,胡云昌,曹宏铎

《中国工程科学》 2003年第5卷第2期页码 75-79

摘要：

应用模糊、混沌、神经网络等理论，以结构质量为优化目标函数，在构造一个新型的布局优化模型的基础上，对桁架结构布局优化这一结构优化领域的难点问题进行了研究。构造了一个完整的桁架结构智能布局优化系统，该系统由5 个模块组成，具有智能、自适应的特点，在确定了结构选型情况下，可以自动完成从基结构的智能自动建立到结构布局寻优的全过程。经实例验证，系统性能稳定，可以得到满足要求的结构布局优化解。

关键词：布局优化智能优化系统自适应

HTML PDF 收藏

基于分布式表示语义组合的查询子主题挖掘 None

Wei SONG, Ying LIU, Li-zhen LIU, Han-shi WANG

《信息与电子工程前沿（英文）》 2018年第19卷第11期页码 1409-1419 doi: 10.1631/FITEE.1601476

摘要：查询子主题挖掘旨在找到可能的子主题，用于表示给定查询的潜在意图。由于查询较短，子主题挖掘具有挑战性。学习词或句子分布式表示推动和影响了很多领域的发展。然而，没有清晰的结论表明该分布式表示是否有助于应对查询子主题挖掘面临的挑战。提出并比较利用分布式表示的语义组合进行查询子主题挖掘。采用两种分布式表示策略：能学习任意长度文本分布式表示的段落向量（paragraph vector）以及词向量的语义组合。探索了语义组合策略和数据类型对查询表示的影响。Institute of Informatics Testbeds and Community for Information Access Research，NTCIR）提供的公开数据集上的实验结果表明，与传统语义表示相比，分布式语义表示能获得更优查询子主题挖掘性能。

关键词：查询子主题挖掘；查询意图；分布式表示；语义组合

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。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

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：然而，此类模型要么忽略了GNN的过度平滑问题，要么直接利用交叉熵损失和softmax层进行模型优化，容易导致过拟合问题。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

三自由度混合磁轴承无模型自适应控制系统 Article

Ye YUAN, Yu-kun SUN, Qian-wen XIANG, Yong-hong HUANG, Zhi-ying ZHU

《信息与电子工程前沿（英文）》 2017年第18卷第12期页码 2035-2045 doi: 10.1631/FITEE.1700324

摘要：为解决这一问题，本文提出一种三自由度混合磁轴承无模型自适应控制系统。该控制系统仅与控制电流和轴承的平衡位置有关。其参数估计算法的设计与模型无关，直接基于输入和输出数据的伪偏导数。本文通过不同直径的辅助轴承分析了三自由度混合磁轴承转子悬浮区域,以及通过两种不同的操作系统具体分析无模型自适应控制系统的可行性。模拟和实验结果表明，该三自由度混合磁轴承无模型自适应控制系统具有响应速度快，稳态误差小，和稳定性好等优势。

关键词：模型自适应控制；混合磁轴承；非线性区域；快速响应；高稳定性

HTML PDF 收藏

ECGID：一种基于自适应粒子群优化算法和双向LSTM网络的个体身份识别模型 Research Article

张烨菲,赵治栋,邓艳军,张晓红,张钰

《信息与电子工程前沿（英文）》 2021年第22卷第12期页码 1551-1684 doi: 10.1631/FITEE.2000511

摘要：本文针对现有深度学习算法在心电身份识别领域应用中面临的3个主要瓶颈——超参数寻优费时、识别过程缓慢且计算量大、心电采集环境复杂且不稳定，提出一种新的深度神经网络框架，集双向长短期记忆网络（BLSTM）和自适应粒子群优化算法（APSO）于一体，直接从时序信号中学习待识别个体的关键特征表示。

关键词：心电图生物特征；个体身份识别；长短期记忆网络；自适应粒子群优化算法

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：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。由于数据集中存在冗余和噪声，使用全部特征并不能很好展现数据的真实分布。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