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
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
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
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
关键词: 协同绘画;深度学习;图像生成
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
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
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
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
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
关键词: 人工智能;深度学习;可解释性模型
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
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
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
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
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
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
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
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
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
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。
标题 作者 时间 类型 操作
SmartPaint:一种基于生成式对抗神经网络的人机协同绘画系统
Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG
期刊论文
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
Olusayo Obajemu, Mahdi Mahfouf, Lohithaksha M. Maiyar, Abrar Al-Hindi, Michal Weiszer, Jun Chen
期刊论文