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 503

会议信息 44

会议视频 24

会议专题 2

年份

2024 2

2023 78

2022 74

2021 70

2020 68

2019 76

2018 32

2017 32

2016 16

2015 10

2014 6

2013 5

2012 7

2011 4

2010 6

2009 5

2008 8

2007 12

2006 9

2005 8

展开︾

关键词

机器学习 27

人工智能 16

深度学习 15

2020 13

2019 6

过程强化 6

绿色化工 5

农业科学 4

学术会议 4

第三届 4

自主创新 4

MATLAB 3

交通 3

图像处理 3

2023全球十大工程成就 2

ACM 2

三峡工程 2

交通基础设施 2

产业链 2

展开︾

检索范围：

排序：展示方式：

面向强化学习自动驾驶模型的异步监督学习预训练方法 Research Articles

王云鹏,郑坤贤,田大新,段续庭,周建山

《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.1900637

摘要：强化学习（reinforcement learning，RL）因其在各种顺序控制问题上的出色表现而被应用于自动驾驶系统设计。然而，基于RL的自动驾驶系统落地应用所面临的主要挑战是其初始性能不佳。本文为基于强化学习的端到端自动驾驶模型提出一种异步监督学习（asynchronous supervised learning，ASL）方法，以解决在实际环境中训练基于强化学习模型时初始性能差的问题。具体而言，通过在多个驾驶演示数据集上并行且异步执行多个监督学习过程，在异步监督学习预训练阶段引入先验知识。经过预训练后，模型将被部署到真实车辆上进一步开展强化学习训练，以适应实际环境并不断突破性能极限。本文在赛车模拟器TORCS（The Open Racing Car Simulator）上对所提出的预训练方法进行评估，以验证该方法在改善强化学习训练阶段端到端自动驾驶模型的初始性能和收敛速度方面足够可靠

关键词：自主驾驶；自动驾驶车辆；强化学习；监督学习

HTML PDF 收藏

人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用 Article

吴京达, 黄志宇, 胡中旭, 吕辰

《工程（英文）》 2023年第21卷第2期页码 75-91 doi: 10.1016/j.eng.2022.05.017

摘要：

由于机器学习智能和能力有限，它目前仍无法处理各种情况，因此不能在现实应用中完全取代人类。因为人类在复杂场景中表现出稳健性和适应性，所以将人类引入人工智能（AI）的训练回路并利用人类智能进一步提升机器学习算法变得至关重要。本研究开发了一种基于实时人类指导（Hug）的深度强化学习
（DRL）方法，用于端到端自动驾驶案例中的策略训练。通过新设计的人类与自动化之间的控制转移机制，人类能够在模型训练过程中实时干预和纠正智能体的不合理行为。本研究通过40 名受试者的人在回路实验对开发的方法进行了验证，并与其他最先进的学习方法进行了比较。

关键词：人在回路AI 深度强化学习人类指导自动驾驶

HTML PDF 收藏

基于混合强化学习的自动驾驶汽车行人避撞方法 Research Article

李惠乾1,黄晋1,曹重1,杨殿阁1,钟志华2

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 131-140 doi: 10.1631/FITEE.2200128

摘要：确保行人的安全对自动驾驶汽车而言至关重要，同时也具有一定挑战。经典的行人避撞策略无法应对不确定性，而基于学习的方法缺乏明确的性能保障。本文提出一种基于混合强化学习的行人避撞方法，以使自动驾驶车辆能够与具有行为不确定性的行人安全交互。该方法集成了规则策略和强化学习策略，并设计了一个激活函数选择具有更高置信度的作为最终策略，通过这种方式保证最终策略的表现不亚于规则策略。

关键词：行人；混合强化学习；自动驾驶汽车；决策

HTML PDF 收藏

迈向L5级自动驾驶汽车的发展原则 Article

王建强, 黄荷叶, 李克强, 李骏

《工程（英文）》 2021年第7卷第9期页码 1313-1325 doi: 10.1016/j.eng.2020.10.018

摘要：目前，L3 级及以下驾驶辅助系统已经量产，L4 级在特定场景下的一些应用也逐步开发，通过逐渐提高车辆的自动化、智能化程度来不断向完全自动驾驶发展。然而，针对L5 级自动驾驶汽车的发展思路始终未明确，而现有针对L0~L4级自动驾驶发展过程的研发方式主要基于任务驱动来进行特定场景下的功能开发，难以揭示高等级自动驾驶汽车所需解决问题的本质逻辑和物理机制，进而阻碍了迈向L5 级自动驾驶的途径。，探索“自主学习+先验知识”的研究范式，实现自动驾驶汽车“自学习、自适应、自超越”特性。从系统、统一、均衡的角度出发，基于最小作用量原理和统一安全场思想，旨在为高等级自动驾驶汽车，尤其是L5 级自动驾驶的研发提供一种全新的研发思路与有效途径。

关键词：自动驾驶汽车最小作用量原理行车安全场自主学习基础范式

HTML PDF 收藏

基于专家示教聚类经验池的高效深度强化学习 Research Article

王士珉1,赵彬琦1,张政锋1,张军平1,浦剑2

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1541-1556 doi: 10.1631/FITEE.2300084

摘要：作为强化学习领域最基本的主题之一，样本效率对于深度强化学习算法的部署至关重要。通过这种方式，我们的方法能够更多地利用专家示教数据中的监督信息。在6种不同的连续运动环境中进行了实验，结果表明选择性采样方法具有卓越的强化学习性能和更快的收敛速度。

关键词：强化学习；采样效率；采样过程；聚类方法；自动驾驶

HTML PDF 收藏

一种用于自动驾驶的车辆概率性长期轨迹预测框架 Article

刘金鑫, 罗禹贡, 钟志华, 李克强, 黄荷叶, 熊辉

《工程（英文）》 2022年第19卷第12期页码 228-239 doi: 10.1016/j.eng.2021.12.020

摘要：

在混合动态交通环境中，准确地预测周围车辆长期范围内的运动轨迹是自动驾驶车辆（AV）实现合理行为决策和保障行车安全不可或缺的前提条件之一。本文提出了一种车辆长期轨迹预测的概率框架，由驾驶意图推理模型（DIM）和轨迹预测模型（TPM）组成。DIM基于动态贝叶斯网络进行设计和应用，用于准确推断车辆潜在的驾驶意图。文中所提出的DIM结合了基本的交通规则和车辆多维运动信息。为了进一步提高轨迹预测精度并实现预测不确定性识别，本文开发了基于高斯过程（GP）的TPM，综合考虑了车辆模型的短期预测结果和运动特性。通过与其他先进方法进行对比，展示并验证了该框架在车辆长期轨迹预测任务中的优异性能。

关键词：自动驾驶动态贝叶斯网络驾驶意图识别高斯过程车辆轨迹预测

HTML PDF 收藏

自动驾驶地图有关政策的思考和建议

刘经南,董杨,詹骄,高柯夫

《中国工程科学》 2019年第21卷第3期页码 92-97 doi: 10.15302/J-SSCAE-2019.03.004

摘要：

自动驾驶地图作为实现汽车自动驾驶的关键基础设施，对于推动我国自动驾驶领域的商业化开发至关重要。现阶段，我国受地图测绘、应用和监管等相关法律法规的制度掣肘，在自动驾驶地图的产业化进程方面相对滞后。为此，本文着重分析了我国在自动驾驶地图开发、应用和管理中面临的主要政策法规问题：自动驾驶地图是否需加密的问题、自动驾驶地图部分地理信息表达受限的问题、自动驾驶地图地理信息采集资质和审图流程的问题、自动驾驶地图事故责任和保险问题、自动驾驶地图相关测试规范和测试场景问题。同时结合国内外自动驾驶领域的发展趋势，给出加快我国自动驾驶汽车开发和商业化进程的四点建议：制定自动驾驶地图管理模式、允许自动驾驶地图应用试点及有序开放、适当放开企业权限及优化审核流程、建立国家级自动驾驶地图平台

关键词：自动驾驶地图自动驾驶法规自动驾驶政策

HTML PDF 收藏

自监督脓毒症治疗推荐算法 Research Articles

朱思涵1,浦剑2

《信息与电子工程前沿（英文）》 2021年第22卷第7期页码 926-939 doi: 10.1631/FITEE.2000127

摘要：本文将强化学习应用于个人治疗推荐，采用对样本不确定性进行建模并评估的方法，根据患者对治疗的反应和状态，将患者样本分为两个域，然后使用辅助迁移学习任务重建两个域的样本，使用特权学习的蒸馏方法与用于迁移学习的变分自动编码器框架关联低质量域和高质量域间的任务通过结合自监督方式获得更好的状态和动作表示，本文提出一种针对引起较高风险的不确定性进行控制的深度强化学习方法；模型提供一定的灵活性使之可以在不同场景对模糊样本做出保守预测或明确判断，并降低预期死亡率。

关键词：治疗推荐；脓毒症；自监督学习；强化学习；电子病历

HTML PDF 收藏

全自动驾驶技术仍面临诸多挑战

Chris Palmer

《工程（英文）》 2023年第26卷第7期页码 6-8 doi: 10.1016/j.eng.2023.05.002

HTML PDF 收藏

半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles

侯亮,罗潇逸,汪子扬,梁军

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900116

摘要：图像分类是深度学习的重要应用。在典型分类任务中，分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络，常用于降维和特征提取。本文所提方法基于传统的自动编码器，将不同类别样本之间的“距离”信息纳入其中。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中，将优化的参数设置为初始值。为获得更好性能，使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较，实验结果证明该模型有效。

关键词：自动编码器；图像分类；半监督学习；神经网络

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

智能城市(iCity) 中自动驾驶汽车工业的关键挑战——高清地图 Perspective

Heiko G. Seif,胡晓龙

《工程（英文）》 2016年第2卷第2期页码 159-162 doi: 10.1016/J.ENG.2016.02.010

摘要：

本文对未来城市中自动驾驶的必要技术进行了深入的分析，从车载电脑运算、数据处理、路边基础设施和云解决方案等不同方面反映了科技的发展状况，主要对自动驾驶的核心技术——高清地图的应用所带来的挑战进行了描述

关键词：自动驾驶交通基础设施智能城市(iCity) Car-to-X 通信系统汽车通信高清地图

HTML PDF 收藏

基于驾驶脑的智能驾驶车辆硬件平台架构 Article

李德毅,高洪波

《工程（英文）》 2018年第4卷第4期页码 464-470 doi: 10.1016/j.eng.2018.07.015

摘要：

不同智能驾驶试验平台的传感器型号、数量、安装位置各不相同，导致传感器信息处理模块也各不相同；不同驾驶地图，其提供信息的粒度也没有固定标准，由此构成的智能驾驶系统软件模块的数量、接口各不相同。基于以驾驶脑为核心的智能驾驶车辆软件与硬件架构，决策模块将不直接与传感器信息处理模块发生关联，通过驾驶认知的形式化语言，将驾驶认知形式化，由驾驶脑认知形成决策。驾驶认知的形式化降低了传感器数量、类型、安装位置的变化对整个软件架构的影响，使得软件架构可以在不同传感器配置车辆平台上方便地移植。

关键词：驾驶脑智能驾驶硬件平台架构

HTML PDF 收藏

基于自适应置信度校准的交互式医疗图像分割框架

沈楚云,李文浩,徐琪森,胡斌,金博,蔡海滨,朱凤平,李郁欣,王祥丰

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1332-1348 doi: 10.1631/FITEE.2200299

摘要：为更好地利用不同时间尺度上的交互信息，本文提出一种基于自适应置信度校准的交互式医疗图像分割框架MECCA，其结合了基于分割决策的置信度学习技术和多智能体强化学习技术，并通过预测分割决策与短期交互信息的对齐水平来学习一个新颖的置信度网络

关键词：医疗图像分割交互式分割多智能体强化学习置信度学习半监督学习

HTML 收藏

NGAT：基于广度和深度探索注意力机制的半监督图表示学习 Research Articles

胡荐苛,张引

《信息与电子工程前沿（英文）》 2022年第23卷第3期页码 409-421 doi: 10.1631/FITEE.2000657

摘要：近年来图神经网络（GNN）在图结构数据表示学习方面取得显著成绩。然而，随着网络层数增加，由于过度平滑问题，基于邻域信息聚合策略的GNN性能恶化，这也是GNN应用于真实图的主要瓶颈。为缓解过度平滑，本文提出一种嵌套的图注意网络，即基于双重注意力机制的多尺度特征融合模型NGAT，该网络可以半监督形式工作。本文在公开数据集上对比了现有图神经网络模型，实验表明本文提出的NGAT模型具备更强的节点嵌入学习能力。

关键词：图学习；半监督学习；节点分类；注意力机制