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 515

会议信息 14

会议视频 11

年份

2023 65

2022 74

2021 51

2020 53

2019 56

2018 32

2017 40

2016 20

2015 19

2014 5

2013 6

2012 9

2011 6

2010 6

2009 8

2008 14

2007 14

2006 7

2005 11

2004 10

展开︾

关键词

机器学习 27

人工智能 16

深度学习 15

模式识别 10

2019 4

2020 4

可持续发展 4

MATLAB 3

图像处理 3

开发模式 3

3D打印 2

ACM 2

PPP模式 2

仿真 2

养殖模式 2

农业科学 2

发展模式 2

增材制造 2

强化学习 2

展开︾

检索范围：

排序：展示方式：

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。GAN主要完成流形学习和概率分布变换两项任务。其中，后者可以用经典的OT方法来实现。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

深度学习中的对抗性攻击和防御 Feature Article

任奎, Tianhang Zheng, 秦湛, Xue Liu

《工程（英文）》 2020年第6卷第3期页码 346-360 doi: 10.1016/j.eng.2019.12.012

摘要：

在深度学习（deep learning, DL）算法驱动的数据计算时代，确保算法的安全性和鲁棒性至关重要。最近，研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响，但会使深度学习模型输出意想不到的结果。最近，在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。因此有关对抗性攻击和防御技术的研究引起了机器学习和安全领域研究者越来越多的关注。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后，讨论了防御方法中的一些代表性研究成果。

关键词：机器学习深度神经网络对抗实例对抗攻击对抗防御

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

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：三维形状重建是计算机视觉、计算机图形学、模式识别和虚拟现实等领域的重要研究课题。现有三维重建方法通常存在两个瓶颈：（1）它们涉及多个人工设计阶段，导致累积误差，且难以自动学习三维形状的语义特征；（2）它们严重依赖图像内容和质量，以及精确校准的摄像机。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

RFPose-OT：基于最优传输理论的无线三维人体姿态估计 Research Article

俞聪1,张东恒2,武治2,卢智2,解春阳1,胡洋3,陈彦2

《信息与电子工程前沿（英文）》 2023年第24卷第10期页码 1445-1457 doi: 10.1631/FITEE.2200550

摘要：与现有直接从射频信号中预测人体姿态方法不同，本文考虑射频信号与人体姿态之间的结构特征差异，提出基于最优传输理论在特征空间上将射频信号变换到人体姿态域，再根据变换后的特征预测人体姿态。

关键词：无线射频感知；人体姿态估计；最优传输；深度学习

HTML PDF 收藏

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

基于机器学习的广彩瓷图案生成系统 Special Feature on Intelligent Design

Steven Szu-Chi CHEN, Hui CUI, Ming-han DU, Tie-ming FU, Xiao-hong SUN, Yi JI, Henry DUH

《信息与电子工程前沿（英文）》 2019年第20卷第12期页码 1632-1643 doi: 10.1631/FITEE.1900399

摘要：提出一种基于广彩瓷风格识别和图像合成模块的图案生成系统。在识别模块中，通过主成分分析和所提判别冗余量化策略对特征重要性进行分析和排序，然后分别训练两组神经网络，将最优设计特征与转换后的主成分特征关联，最后利用整体神经网络逻辑回归方法预测未知广彩瓷。基于条件生成对抗网络（cGAN）开发合成模块，要求用户提供自己设计的创意掩码或抽象瓷元素图像，以生成新的广彩瓷风格合成图像。在系统开发过程中，使用603幅广彩瓷图像测试分类模型。对用户设计的各种元素合成图像的案例研究表明，该系统有助于提高学习者对广彩瓷的欣赏和艺术创作能力。

关键词：广彩瓷；分类；生成对抗网络；艺术创作

HTML PDF 收藏

基于最小化重构误差的生成对抗网络异常检测 Article

Huan-gang WANG, Xin LI, Tao ZHANG

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 116-125 doi: 10.1631/FITEE.1700786

摘要：生成对抗网络是机器学习领域近年来最令人瞩目的进展，它通过在二人零和博弈中达到纳什均衡来训练模型。生成对抗网络由一个生成器和一个判别器构成，二者通过对抗学习机制进行训练。本文引入并调查了生成对抗网络在异常检测中的应用。在训练阶段，生成对抗网络从正常数据中学习；然后，基于过去的未知数据，生成器和判别器可以通过学习到的决策边界，区分异常和正常模式。提出的基于生成对抗网络的异常检测方法在MNIST数字数据集和田纳西-伊斯曼标准数据集上的性能表现极具竞争力。

关键词：生成对抗网络；异常检测；田纳西-伊斯曼过程

HTML PDF 收藏

基于自适应采样的鲁棒精确最优传输映射 Research Articles

王应时1,郑晓朋2,陈伟2,3,齐鑫4,任玉雪3,雷娜2,3,顾险峰4

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1207-1220 doi: 10.1631/FITEE.2000250

摘要：最优传输在工程、医疗等各领域扮演着重要角色，包括图形学中的曲面参数化、计算机视觉中的注册、深度学习中的生成模型等。对于平方距离传输成本，最优传输映射是Brenier势的梯度，可通过求解Monge-Ampère方程得到。此外，最优传输映射可归结为几何凸优化问题。

关键词：最优传输；Monge-Ampère方程；自适应采样

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

针对意外崩溃智能体的教练辅助多智能体强化学习框架 Research Article

赵鉴1,赵有朋1,王维埙2,阳明宇1,胡迅晗1,周文罡1,郝建业2,李厚强1

《信息与电子工程前沿（英文）》 2022年第23卷第7期页码 1032-1042 doi: 10.1631/FITEE.2100594

摘要：多智能体强化学习在实际场景中很难应用，一部分原因在于模拟环境和现实环境之间存在差距。造成这种差距的一个原因是，模拟系统总是假设智能体可以一直正常工作，而实际上，由于不可避免的硬件或软件故障，一个或多个智能体可能会在合作过程中意外 “崩溃”。这样的崩溃会破坏智能体之间的合作，导致系统性能下降。本文中，我们给出了意外崩溃情况下合作多智能体强化学习系统的正式定义。为增强系统应对崩溃时的鲁棒性，提出教练辅助多智能体强化学习框架，其在训练过程中引入一个虚拟教练智能体，以调整系统的崩溃概率。为教练智能体设计了3种教练策略和重采样策略。据我们所知，这是研究多智能体系统中意外崩溃情况的首项工作。在网格环境和星际争霸微管理任务上的大量实验表明，相比固定崩溃概率和课程学习的教练策略，自适应策略更加有效。

关键词：多智能体系统；强化学习；意外崩溃智能体

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

HTML PDF 收藏

基于机器学习的抄袭源检索的查询生成方法 Article

Lei-lei KONG, Zhi-mao LU, Hao-liang QI, Zhong-yuan HAN

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1556-1572 doi: 10.1631/FITEE.1601344

摘要：从可疑文档生成查询是源检索最重要的步骤。当前研究主要使用了基于启发式的查询生成方法。然而，每个启发式方法都有其优点，不同方法生成的查询可以获得不同的源检索结果，没有一种方法生成的查询的源检索性能可以在所有的文本片段上具有统计有效性地优于其他方法。这使得基于启发式的源检索查询生成方法的性能改善主要依赖专家经验。因此，很难开发一种可以克服现有启发式方法的新方法。本文提出使用统计机器学习方法解决源检索的查询生成问题，将源检索的查询生成形式化到一个排序学习的框架下，从备选查询中选择有利于提高源检索性能的查询，力争在每个可疑文档片段上获得最优的源检索性能。据我们所知，这是第一项应用机器学习方法解决源检索查询生成问题的工作。为了解决排序学习训练用例的缺失，提出了基于现有源检索语料构建查询生成语料的方法。

关键词：抄袭检测；源检索；查询生成；机器学习；排序学习

HTML PDF 收藏

神经形态计算推动深度学习应用

Chris Palmer

《工程（英文）》 2020年第6卷第8期页码 854-856 doi: 10.1016/j.eng.2020.06.010

HTML PDF 收藏

微小型机器鼠仿鼠行为学习与生成

高子航, 贾广禄, 谢宏钊, 黄强, 福田敏男, 石青

《工程（英文）》 2022年第17卷第10期页码 232-243 doi: 10.1016/j.eng.2022.05.012

摘要：

现有的仿生机器鼠仅可以执行一些基本的仿鼠运动基元（MP），并通过这些基元的刚性组合来形成简单的行为。为了模拟具有高相似性的典型实验鼠行为，本文提出使用概率模型和运动特征对实验鼠的行为进行参数化。首先，对15 个10 min 的实验鼠运动视频片段的分析表明，一只实验鼠在野外通常有6 种典型的行为，且每种行为都包含8 个运动基元的不同组合。本文首先使用softmax 分类器来获得实验鼠的行为-运动分层概率模型。其次，使用静态和动态的运动参数对运动基元组合进行特征化。本文分别使用分层聚类和模糊C均值（FCM）聚类获得静态和动态运动参数的优势值。这些优势值通过二阶傅里叶级数对实验鼠的脊柱关节轨迹进行拟合，并且通过具有两个隐藏层的反向传播（BP）神经网络对关节轨迹进行泛化。最后，将分层概率模型和泛化的关节轨迹分别作为控制策略和指令映射到机器鼠。本文在机器鼠上实现了6 种典型的仿鼠行为，其结果与实验鼠的行为相比显示出高度相似性。

关键词：仿生学微小型机器鼠神经网络学习行为生成