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 543

会议视频 10

会议信息 3

年份

2023 62

2022 50

2021 47

2020 32

2019 37

2018 28

2017 34

2016 14

2015 7

2014 13

2013 11

2012 14

2011 14

2010 14

2009 10

2008 26

2007 26

2006 20

2005 25

2004 17

展开︾

关键词

深度学习 15

数学模型 13

机器学习 10

模型 10

模型试验 9

数值模拟 8

人工智能 6

COVID-19 4

不确定性 4

GM(1 3

神经网络 3

计算机模拟 3

1)模型 2

DX桩 2

D区 2

Preissmann格式 2

SWAT模型 2

TRIZ 2

Weibull分布 2

展开︾

检索范围：

排序：展示方式：

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：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。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

视觉知识引导的中国篆刻智能化生成 Research Article

张克俊1,2,张瑞1,殷叶航1,李一非3,伍文棋1,孙凌云1,2,吴飞1,邓晃煌1,潘云鹤1

《信息与电子工程前沿（英文）》 2022年第23卷第10期页码 1479-1493 doi: 10.1631/FITEE.2100094

摘要：本文构建了包含字和印的求是篆刻数据库，并以此为视觉知识库，构建了篆字智能生成算法。此外，为创建印章布局，提出一种篆字变形算法调整印章字符，并结合视觉知识实现智能篆字布局，以实现智能结构。实验结果表明本文所提方法和系统可有效解决篆刻艺术生成中的难点问题，为篆刻艺术的守正与创新提供理论与应用借鉴。

关键词：篆刻；智能生成；深度学习；参数化模型；计算机艺术

HTML PDF 收藏

SmartPaint：一种基于生成式对抗神经网络的人机协同绘画系统 Special Feature on Intelligent Design

Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG

《信息与电子工程前沿（英文）》 2019年第20卷第12期页码 1644-1656 doi: 10.1631/FITEE.1900386

摘要：本文开发了一种基于生成式对抗神经网络的人机协作绘画系统——SmartPaint，支持人机合作创作动漫风景画作。该系统使用动漫图像数据及其相应语义标注图、边缘检测图训练生成式对抗神经网络。在使用中，用户输入草图作为语义标注图，系统自动为其合成边缘图；根据合成的边缘图生成具有恰当风格纹理的画作，从而稳定地处理多样化草图。实验证明该系统可有效满足用户创作需求，生成高质量动漫风格画作。

关键词：协同绘画；深度学习；图像生成

HTML PDF 收藏

基于个性化主题模型的用户生成内容推荐 Article

Wei ZHANG, Jia-yu ZHUANG, Xi YONG, Jian-kou LI, Wei CHEN, Zhe-min LI

《信息与电子工程前沿（英文）》 2017年第18卷第5期页码 708-718 doi: 10.1631/FITEE.1500402

摘要：互联网服务中有很多用户生成的内容（User-generated content, UGC），例如博客，微博等。在这些系统中，需要推荐算法来帮助用户过滤海量的内容。然而，传统的推荐模型没有考虑用户和内容之间的创作关系。本文中，我们验证了：通过引入创作关系信息，可以显著提高推荐算法的各项指标。基于层次主题模型和矩阵分解模型，我们构造了一个新的推荐模型。实验证明我们的新模型显著的优于其它已有模型，并且可以为用户和内容对应的主题给出直观解释。另外，由于从用户生成的内容我们可以推测其兴趣偏好，因此可以解决冷启动问题。

关键词：用户生成内容；协同过滤；矩阵分解；层次主题模型

HTML PDF 收藏

融合深度置信网络的串联隐马尔科夫模型及其在脱机手写识别中的应用 Article

Partha Pratim ROY, Guoqiang ZHONG, Mohamed CHERIET

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 978-988 doi: 10.1631/FITEE.1600996

摘要：近年来，为了充分探索隐藏在文档图像中的监督信息，许多研究工作试图将多层感知机以一种混合或串联的形式嵌入隐马尔科夫模型当中。在本文中，我们针对自由书写的脱机手写识别提出一种基于深度结构的串联方法。在提出的模型中，深度置信网络被用于学习序列数据的紧致表示，隐马尔科夫模型被用于（子-）词的识别。我们在两个公开的数据集上验证了所提出的模型，这两个数据集是分别基于拉丁和阿拉伯语的RIMES和IFN/ENIT；我们还在Devanagari数据集上验证了所提出的模型，这个数据集是基于印度语的。大量的实验展示了所提出模型的优势，特别是相对于多层感知机-隐马尔科夫模型的串联方法。

关键词：手写识别；隐马尔科夫模型；深度学习；深度置信网络；串联方法

HTML PDF 收藏

深度学习的几何学解释 Article

雷娜, 安东生, 郭洋, 苏科华, 刘世霞, 罗钟铉, 丘成桐, 顾险峰

《工程（英文）》 2020年第6卷第3期页码 361-374 doi: 10.1016/j.eng.2019.09.010

摘要：

本文从几何角度来理解深度学习，特别是提出了生成对抗网络（GAN）的最优传输（OT）观点。自然数据集具有内在的模式，该模式可被概括为流形分布原理，即同一类高维数据分布于低维流形附近。从OT的角度来看，生成器用于计算OT映射，而判别器用于计算生成数据分布与真实数据分布之间的Wasserstein距离；两者都可以归结为一个凸优化过程。此外， OT理论揭示了生成器与判别器之间的内在关系是协作的而不是竞争的，并且解释了模式崩溃的根本原因。在此基础上，我们提出了一种新的生成模型，该模型利用自编码器（AE）进行流形学习，并利用OT映射进行概率分布变换。这个AE-OT模型提升了深度学习理论的严谨性和透明性、提高了计算的稳定性和效率，尤其是避免了模式崩溃问题。实验结果验证了我们的假设，并充分展示了我们提出的AE-OT模型的优点。

关键词：生成，对抗，深度学习，最优传输，模式崩溃

HTML PDF 收藏

深度学习中的视觉可解释性 Review

Quan-shi ZHANG, Song-chun ZHU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 27-39 doi: 10.1631/FITEE.1700808

摘要：总结了近年来在理解神经网络内部特征表达和训练一个具有中层表达可解释性的深度神经网络上的相关研究工作。虽然深度神经网络在众多人工智能任务中已有杰出表现，但神经网络中层表达的可解释性依然是该领域发展的重大瓶颈。目前，深度神经网络以低解释性的黑箱表达为代价，获取了强大的分类能力。我们认为提高神经网络中层特征表达的可解释性，可以帮助人们打破众多深度学习的发展瓶颈，比如，小数据训练，语义层面上的人机交互式训练，以及基于内在特征语义定向精准修复网络中层特征表达缺陷等难题。本文着眼于卷积神经网络，调研了：(1)网络表达可视化方法；(2)网络表达的诊断方法；(3)自动解构解释卷积神经网络的方法；(4)学习中层特征表达可解释的神经网络的方法； (5)基于网络可解释性的中层对端的深度学习算法

关键词：人工智能；深度学习；可解释性模型

HTML PDF 收藏

基于内嵌物理信息深度学习模型的增材制造工艺参数及熔池尺寸预测 Article

赵明志, 韦辉亮, 茅仪铭, 张长东, 刘婷婷, 廖文和

《工程（英文）》 2023年第23卷第4期页码 181-195 doi: 10.1016/j.eng.2022.09.015

摘要：为了解决此问题，本工作融合典型实验、机理模型和深度学习研究激光PBF过程中关键参数和熔池特性的正向和逆向预测。实验提供基础数据，机理模型显著增强数据集，多层感知器（MLP）深度学习模型则根据实验和机理模型构建的数据集预测熔池尺寸和工艺参数。此外，MLP模型的预测准确率与数据集的特征密切相关，即数据集的可学习性对预测准确率有至关重要的影响。通过机理模型增强数据集后的最高预测精度为97.3%，而仅使用实验数据集时的最高预测精度只有68.3%。MLP模型的预测准确率在很大程度上取决于数据集的质量。

关键词：增材制造熔池模型深度学习可学习性

HTML PDF 收藏

相关滤波视觉跟踪方法中深度上下文模型的研究 Article

Zhao-yun CHEN, Lei LUO, Da-fei HUANG, Mei WEN, Chun-yuan ZHANG

《信息与电子工程前沿（英文）》 2017年第18卷第5期页码 667-679 doi: 10.1631/FITEE.1500389

摘要：本文旨在将深度信息整合到基于相关滤波器的跟踪器中，以解决跟踪器在上述两种情况下的跟踪失败。同时利用RGB-D数据构建了一个深度上下文模型，用来描述目标与周边区域之间的空间相关性。此外，本文采用了区域生长法使跟踪器对遮挡和尺度变化的场景具有更高鲁棒性，并利用模型更新等优化方法来改进较长视频序列的性能。

关键词：视觉跟踪；深度上下文模型；相关滤波；区域生长

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随后使用经过训练的irCNN 模型根据传感器的降雨图像有效地估计降雨强度。分别利用合成降雨数据和真实降雨图像来探索irCNN 在理论和实际模拟降雨强度方面的准确性。结果表明，irCNN 模型提供的降雨量估计值的平均绝对百分比误差在13.5%~21.9%之间，超过了文献中其他最先进的建模技术的性能。irCNN 模型为估算城市降雨强度提供了一种有前景的替代方案，可以极大地促进城市实时洪水风险管理的发展。

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

HTML PDF 收藏

基于深度Q学习网络与新训练算法的服务机器人主动物品检测模型 Research Article

刘少鹏,田国会,崔永成,邵旭阳

《信息与电子工程前沿（英文）》 2022年第23卷第11期页码 1673-1683 doi: 10.1631/FITEE.2200109

摘要：目前基于强化学习的AOD模型存在训练效率低和测试精度差的问题。因此，本文提出一种基于深度Q学习网络的AOD模型，并设计了一种新的模型训练算法。该模型旨在拟合各种动作Q值，包括状态空间、特征提取和多层感知机。与现有研究不同，本文针对所提AOD模型设计了一种基于记忆的训练算法，以提高模型训练效率和测试精度。此外，提出一种最终状态生成方法判断训练过程中AOD任务何时停止。本文所提方法在AOD数据集上进行了充分的对比实验和消融实验。实验结果表明所提方法优于其他同类方法，所设计的训练算法比原始训练算法更高效。

关键词：主动物品检测；深度Q学习网络；训练算法；服务机器人

HTML PDF 收藏

基于深度学习技术的集群电动汽车及家庭热水系统灵活性预测 Article

胡俊杰, 周华嫣然, 周羿宏, 张海婧, Lars Nordströmd, 杨光亚

《工程（英文）》 2021年第7卷第8期页码 1101-1114 doi: 10.1016/j.eng.2021.06.008

摘要：本研究应用一种深度学习技术，即结合时间卷积神经网络的Transformer模型（temporal convolution network-combined transformer）来预测电动汽车与家庭热水系统两种

关键词：负荷灵活性电动汽车家庭热水系统结合时间卷积神经网络的Transformer模型深度学习

HTML PDF 收藏

基于增益调度控制和高保真飞机模型的实时四维轨迹生成 Article

Olusayo Obajemu, Mahdi Mahfouf, Lohithaksha M. Maiyar, Abrar Al-Hindi, Michal Weiszer, Jun Chen

《工程（英文）》 2021年第7卷第4期页码 495-506 doi: 10.1016/j.eng.2021.01.009

摘要：

Aircraft ground movement plays a key role in improving airport efficiency, as it acts as a link to all other ground operations. Finding novel approaches to coordinate the movements of a fleet of aircraft at an airport in order to improve system resilience to disruptions with increasing autonomy is at the center of many key studies for airport airside operations. Moreover, autonomous taxiing is envisioned as a key component in future digitalized airports. However, state-of-the-art routing and scheduling algorithms for airport ground movements do not consider high-fidelity aircraft models at both the proactive and reactive planning phases. The majority of such algorithms do not actively seek to optimize fuel efficiency and reduce harmful greenhouse gas emissions. This paper proposes a new approach for generating efficient four-dimensional trajectories (4DTs) on the basis of a high-fidelity aircraft model and gainscheduling control strategy. Working in conjunction with a routing and scheduling algorithm that determines the taxi route, waypoints, and time deadlines, the proposed approach generates fuel-efficient 4DTs in real time, while respecting operational constraints. The proposed approach can be used in two contexts: ① as a reactive decision support tool to generate new trajectories that can resolve unprecedented events; and ② as an autopilot system for both partial and fully autonomous taxiing. The proposed methodology is realistic and simple to implement. Moreover, simulation studies show that the proposed approach is capable of providing an up to 11% reduction in the fuel consumed during the taxiing of a large Boeing 747 jumbo jet.

关键词： Aircraft model Intelligent taxiing Optimization Four-dimensional trajectory

HTML PDF 收藏

基于Wasserstein GAN的新一代人工智能小样本数据增强方法——以生物领域癌症分期数据为例 Article

刘宇飞, 周源, 刘欣, 董放, 王畅, 王子鸿

《工程（英文）》 2019年第5卷第1期页码 156-163 doi: 10.1016/j.eng.2018.11.018

摘要：

以大数据为基础的深度学习算法在推动新一代人工智能快速发展中意义重大。然而深度学习的有效利用对标注样本数量的高度依赖，使得深度学习在小样本数据环境下的应用受到制约。本研究提出了一种基于生成对抗网络（generative adversarial network，GAN）和深度神经网络（deep neural network，DNN）分类器的方法。首先，将原始样本划分为训练集样本和测试集样本，采用训练集样本训练GAN 后生成模拟样本数据，扩增训练集样本规模；然后，使用模拟样本训练DNN 分类器；最后，使用测试集样本测试分类器，并通过指标验证该方法在小样本多分类问题下的有效性同时，该方法是一次将基于原始样本的经典统计机器学习分类方法转变为基于数据增强的深度学习分类方法的尝试。本研究有助于探索以深度学习为代表的新一代人工智能技术在应用范围与应用效果方面的潜力。

关键词：人工智能生成式对抗网络深度神经网络小样本癌症