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 236

会议信息 12

会议视频 5

年份

2023 44

2022 45

2021 36

2020 33

2019 36

2018 18

2017 18

2016 7

2015 1

2011 1

2010 1

2009 1

2008 1

2007 4

2006 1

2005 1

2004 1

2002 2

2001 2

展开︾

关键词

机器学习 27

深度学习 15

人工智能 13

2019 3

MATLAB 3

图像处理 3

2020 2

ACM 2

代理模型 2

增材制造 2

强化学习 2

材料设计 2

结构健康监测 2

高层建筑 2

12 1

2D—3D配准 1

3D打印 1

6G 1

ARM 1

展开︾

检索范围：

排序：展示方式：

基于流形学习的离群点检测方法

徐雪松,宋东明,张谞,许满武,刘凤玉

《中国工程科学》 2009年第11卷第2期页码 82-87

摘要：

为了提高高维数据集合离群数据挖掘效率，提出了一种基于流形学习的离群点检测算法。局部线性嵌入（ locally linear embedding， LLE）算法是流形学习中有效的非线性降维方法，它的优势在于只定义唯一的参数，即邻域数。与此同时，该算法具有参数估计简单、参数影响不大等优点，该算法为离群点检测问题的机器学习提供了一条新的途径。

关键词：流形学习离群点检测高维数据维数约减离群数据

HTML PDF 收藏

基于Laplacian特征映射的被动毫米波目标识别

罗磊,李跃华,栾英宏

《中国工程科学》 2010年第12卷第3期页码 77-81

摘要：

针对传统被动毫米波金属目标识别方法中特征提取、选择的缺点，采用Laplacian特征映射流形学习算法发现了金属目标回波信号短

关键词：流形学习 Laplacian特征映射非线性降维低维流形毫米波

HTML PDF 收藏

利用流形学习进行基于图像的三维模型检索 None

Pan-pan MU, San-yuan ZHANG, Yin ZHANG, Xiu-zi YE, Xiang PAN

《信息与电子工程前沿（英文）》 2018年第19卷第11期页码 1397-1408 doi: 10.1631/FITEE.1601764

摘要：把查询的图像建模为欧氏空间的一个点，把三维模型所有投影视图建模为一个对称正定矩阵，并视该对称正定矩阵为黎曼流形上的一个点。于是，基于图像的三维模型检索简化为欧氏空间到黎曼流形上的度量学习。最后，使用核方法设计一个优化算法学习映射。任何新图像描述符，比如深度学习特征描述符，可以很容易嵌入该框架。实验结果表明，该方法相较目前最新基于图像的三维模型检索方法有一定优势。

关键词：模型检索；欧式空间；黎曼流形；希尔伯特空间；度量学习

HTML PDF 收藏

基于判别扩散映射分析的内蕴特征提取方法在刀具磨损评估中的应用 None

Yi-xiang HUANG, Xiao LIU, Cheng-liang LIU, Yan-ming LI

《信息与电子工程前沿（英文）》 2018年第19卷第11期页码 1352-1361 doi: 10.1631/FITEE.1601512

摘要：针对铣削加工刀具磨损评估，提出一种基于判别扩散映射分析的方法。判别扩散映射分析（discriminant diffusion maps analysis，DDMA）用于时频域特征提取融合与维度缩减。通过保持内蕴特征空间的扩散距离，耦合时频域特征和判别内核，提取有效信息。该方法包含3个步骤：(1)信号处理与特征提取；(2)内蕴维度估计；(3)基于扩散距离保持的特征融合实现。将该方法应用于数控加工中心主轴驱动电流信号，评估刀具磨损状态。与常见主成分分析方法相比，该方法能更好保持刀具磨损状态相关的有用内蕴信息，大大降低与刀具磨损相关的特征维度，并可直接应用于大多数工业数控加工中心，方便获取电流信号实际情况。

关键词：刀具状态监测；流形学习；降维；扩散映射分析；内蕴特征提取

HTML PDF 收藏

机器学习视角下的城市建模计算机图形方法综述 Review Article

冯天1,范非易2,Tomasz BEDNARZ3,4

《信息与电子工程前沿（英文）》 2021年第22卷第7期页码 915-925 doi: 10.1631/FITEE.2000141

摘要：这些挑战得到了计算机图形学领域学者的大量关注。同时，人工智能的蓬勃发展激励人们充分利用机器学习以改进现有解决方案。本文回顾了2010至2019年间发表的文献，对计算机图形领域中使用机器学习的城市建模方法进行综述。本文可作为机器学习视角下城市建模研究现状的概述。

关键词：城市建模；计算机图形学；机器学习；深度学习

HTML PDF 收藏

Actor-Critic强化学习算法及其在开发基于计算机视觉的界面跟踪中的应用 Article

Oguzhan Dogru, Kirubakaran Velswamy, 黄彪

《工程（英文）》 2021年第7卷第9期页码 1248-1261 doi: 10.1016/j.eng.2021.04.027

摘要：强化学习（RL）智能体成功跟踪了两种液体之间的界面，这通常是化学、石化、冶金和石油行业中跟踪的关键变量。该方法使用少于100 张图像来创建环境，智能体无需专家知识即可从中生成自己的数据。与依赖大量参数的监督学习（SL）方法不同，这种方法需要的参数少得多，这自然降低了维护成本。除了经济性外，该智能体还对环境不确定性（如遮挡、强度变化和过度噪声）具有鲁棒性。

关键词：界面跟踪对象跟踪遮挡强化学习均匀流形逼近和投影

HTML PDF 收藏

基于稀疏表示的拉普拉斯稀疏字典图像分类 Article

Fang LI, Jia SHENG, San-yuan ZHANG

《信息与电子工程前沿（英文）》 2017年第18卷第11期页码 1795-1805 doi: 10.1631/FITEE.1600039

摘要：稀疏表示作为数据表示的一种数学模型，是解决模式识别、机器学习、计算机视觉等领域问题的有力工具。字典学习是稀疏表示方法的重要组成部分，在对原始信号及其在字典学习空间中的重建误差的最小化上发挥着重要的作用。在稀疏表示模型中，直接利用训练样本作为字典可以取得良好的性能。为取得更小且表现更好的字典，本文提出一种基于流形学习及双稀疏理论的拉普拉斯稀疏字典学习方法（Laplacian sparse dictionary, LSD）。LSD是一个稀疏的过完备字典，可保持数据的内在结构，并为每个类学习一个更小的字典。学习得到的字典可以嵌入基于稀疏表示的分类框架。

关键词：稀疏表示；拉普拉斯正则子；字典学习；双稀疏；流形

HTML PDF 收藏

岩石冲击损伤演化规律数值流形方法模拟

刘红岩,吕淑然,秦四清

《中国工程科学》 2007年第9卷第3期页码 92-96

摘要：

采用应力波衰减损伤模型对仅适用于模拟基于线性本构关系和恒定载荷作用下物体变形规律的数值流形程序进行了扩展；利用扩展后的程序对岩石长杆在冲击载荷作用下的损伤演化规律进行了模拟

关键词：岩石数值流形方法冲击损伤演化规律

HTML PDF 收藏

基于微分流形理论和分岔理论的飞机安全性分析 None

Chi ZHOU, Ying-hui LI, Wu-ji ZHENG, Peng-wei WU

《信息与电子工程前沿（英文）》 2019年第20卷第2期页码 292-299 doi: 10.1631/FITEE.1700435

摘要：为提升飞行安全，引入微分流形理论确定安全包线。以NASA的通用模型作为案例展开研究。

关键词：失控；安全包线；飞机动力学；分岔分析；微分流形理论

HTML PDF 收藏

网络系统行为效用计算——概念与原理 Article

胡昌振

《工程（英文）》 2018年第4卷第1期页码 78-84 doi: 10.1016/j.eng.2018.02.010

摘要：本文把网络行为场景刻画为微分流形，根据光滑微分流形的同胚变换，给出了网络行为的数学定义，提出了网络行为路径及行为效用的数学描述。

关键词：网络度量评估微分流形网络行为效用网络攻防对抗

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

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

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

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