检索范围:
排序: 展示方式:
基于混合驱动高斯过程学习的强机动多目标跟踪方法 Research Article
国强1,滕龙1,2,尹天祥3,郭云飞3,吴新良2,宋文明2
《信息与电子工程前沿(英文)》 2023年 第24卷 第11期 页码 1647-1656 doi: 10.1631/FITEE.2300348
多尺度材料与过程设计的数据驱动和机理混合建模方法 Perspective
周腾, Rafiqul Gani, Kai Sundmacher
《工程(英文)》 2021年 第7卷 第9期 页码 1231-1238 doi: 10.1016/j.eng.2020.12.022
高炉炼铁过程数据驱动软测量技术研究综述 Review Article
罗月阳1,张新民1,Manabu Kano2,邓龙3,杨春节1,宋执环1
《信息与电子工程前沿(英文)》 2023年 第24卷 第3期 页码 327-354 doi: 10.1631/FITEE.2200366
丁进良, 杨翠娥, 柴天佑
《工程(英文)》 2017年 第3卷 第2期 页码 183-187 doi: 10.1016/J.ENG.2017.02.015
在全球化的市场环境下,经济和环境的因素对复杂工业生产过程综合生产指标的优化提出了更高的要求,如提高生产效率、提高产品质量和产量,以及降低能源和资源的利用。本文简述了基于数据驱动的混合智能优化方法和技术在提高选矿过程全流程运行指标性能方面的最新进展。首先描述了选矿工业过程全流程综合指标优化问题,进而对涉及的数据驱动的优化方法进行总结。最后,本文给出了选矿过程数据驱动优化的未来研究方向。
关键词: 数据驱动的优化方法 生产全流程的全局优化 选矿过程 勘查
机器学习和数据驱动算法在智慧发电系统中的应用——一种不确定性处理的视角 Review
孙立, Fengqi You
《工程(英文)》 2021年 第7卷 第9期 页码 1239-1247 doi: 10.1016/j.eng.2021.04.020
会议日期: 2019年08月19日
会议地点: 英国
主办单位: De Montfort University, IEEE CIS, Dalian University
数据驱动的加工过程异常诊断 Article
Y.C. Liang, S. Wang, W.D. Li, X. Lu
《工程(英文)》 2019年 第5卷 第4期 页码 646-652 doi: 10.1016/j.eng.2019.03.012
为了在计算机数控(CNC)加工过程中实现零缺陷生产,开发有效的异常检测诊断系统势在必行。然而,由于加工过程中机床和工装的动态条件限制,目前在工业生产中采用的相关诊断系统所能发挥的作用往往非常有限。为了解决这个问题,本文提出了一种全新的异常数据驱动的诊断系统。在该系统之中,我们持续收集随动态加工过程而产生的状态监测功率数据,并以此支持在线诊断分析。为了便于分析,我们设计了预处理机制对所监视的数据进行去噪、标准化以及校准。随后我们即从监控数据中提取关键特征,并定义阈值以识别异常。考虑到加工过程中机床和工装的动态条件,用于识别异常的阈值可以调整。我们还可以基于历史数据利用果蝇优化(FFO)算法优化阈值,以实现更准确的检测。通过实践验证,我们证明了该系统在工业应用中的有效性和巨大前景。
使用数据驱动模型优化抗体纯化策略 Article
刘松崧, Lazaros G. Papageorgiou
《工程(英文)》 2019年 第5卷 第6期 页码 1077-1092 doi: 10.1016/j.eng.2019.10.011
本工作致力于抗体片段纯化过程的多尺度优化。优化了生产过程中的色谱决策,包括色谱柱的数量及其大小,每批的循环数以及操作流速。使用基于微型实验数据的制造规模模拟数据集,建立了以负载质量、流速和柱床高度为输入的色谱通量数据驱动模型。与其他方法相比,分段线性回归建模方法具有简单、预测精度高的优点。提出了两种混合整数非线性规划(MINLP)模型,结合数据驱动模型,以最小化每克抗体纯化过程的总成本。然后,使用线性化技术和多参数分解将这些MINLP模型重新构造为混合整数线性规划(MILP)模型。研究了两个具有不同色谱柱尺寸替代品的工业相关案例,以证明所提出模型的适用性。
大数据为材料研究创造新机遇——材料设计的机器学习方法与应用综述 Review
周腾, Zhen Song, Kai Sundmacher
《工程(英文)》 2019年 第5卷 第6期 页码 1017-1026 doi: 10.1016/j.eng.2019.02.011
材料的发展在历史上是由人类的需求和欲望所驱动的,且在可预见的将来,这种情况应该会继续下去。新型功能材料是为目标属性或性能而定制的,这将是应对挑战的关键。从传统上讲,先进的材料都是通过经验或实验验证的方法发现的。因为现代实验和计算技术产生的大数据越来越容易获取,数据驱动或机器学习(ML)方法为发现和合理设计材料打开了新的蓝图。本文简要介绍了各种ML方法和相关的软件或工具。
基于随机有限集的非齐次马尔可夫链联合概率数据关联滤波器 Research Articles
朱昀1,2,梁爽3,吴晓军1,2,杨红红1,2
《信息与电子工程前沿(英文)》 2021年 第22卷 第8期 页码 1114-1126 doi: 10.1631/FITEE.2000209
基于多智能体微分博弈的数据驱动协同一致控制 Research Article
石宇1,化永朝2,于江龙1,董希旺1,2,任章1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1043-1056 doi: 10.1631/FITEE.2200001
智能过程制造中的数据解析与机器学习——大数据时代的最新进展与展望 Perspective
尚超、 Fengqi You
《工程(英文)》 2019年 第5卷 第6期 页码 1010-1016 doi: 10.1016/j.eng.2019.01.019
安全、高效、可持续的运行是工业生产过程控制的主要目标。然而,目前的技术严重依赖人为干 预,因此在实际应用中体现出明显的局限性。蓬勃发展的大数据时代对流程工业产生了巨大的影 响,为实现智能制造提供了前所未有的机遇。这种新的生产方式不仅要求机器能够帮助人类减轻 繁重的体力劳动,还要能有效地承担智力劳动,甚至能够实现自主创新。为了实现这一目标,数 据分析与机器学习扮演着不可或缺的角色。在本文中,我们回顾了数据分析和机器学习在工业生 产过程监控、控制和优化方面的最新进展,着重分析机器学习模型的可解释性和功能性。
面向数据权利、数据定价和隐私计算的数据驱动学习 Review
徐基珉, 洪暖欣, 许哲宁, 赵洲, 吴超, 况琨, 王嘉平, 朱明杰, 周靖人, 任奎, 杨小虎, 卢策吾, 裴健, 沈向洋
《工程(英文)》 2023年 第25卷 第6期 页码 66-76 doi: 10.1016/j.eng.2022.12.008
近年来,数据已成为数字经济中最重要的生产要素之一。与传统生产要素不同,数据的数字化性质使其难以合同和交易。因此,建立一个高效和标准的数据交易市场体系将有利于降低成本,提高行业各方的生产力。尽管许多研究致力于数据法规和其他数据交易问题,如隐私和定价,但很少有工作对机器学习和数据科学领域的这些研究进行全面回顾。为了提供对这个主题的完整和最新的理解,本文涵盖了数据交易过程中的三个关键问题:数据权利、数据定价和隐私计算。通过厘清这些主题之间的关系,本文提供了一个数据生态系统的全貌,其中数据由个人、研究机构和政府等数据主体生成,而数据处理者出于创新或运营目的获取数据,并通过适当的定价机制根据数据主体各自的所有权分配收益。为了使人工智能(AI)能够长期有益于人类社会的发展,人工智能算法需要通过数据保护法规(即隐私保护法规)进行评估,以帮助构建日常生活中值得信赖的人工智能系统。
面向多目标跟踪的关联相似度神经网络学习 Research Articles
马良,钟巧勇,张营营,谢迪,浦世亮
《信息与电子工程前沿(英文)》 2021年 第22卷 第9期 页码 1194-1206 doi: 10.1631/FITEE.2000272
关键词: 多目标跟踪;深度神经网络;相似度学习
标题 作者 时间 类型 操作
数据和模型驱动的可信系统国际研讨会
2019年08月19日
会议信息