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 746

会议视频 61

会议信息 35

年份

2024 2

2023 96

2022 115

2021 110

2020 92

2019 81

2018 35

2017 63

2016 31

2015 14

2014 10

2013 9

2012 13

2011 12

2010 18

2009 7

2008 14

2007 25

2006 17

2005 10

展开︾

关键词

大数据 29

机器学习 27

人工智能 20

2020 17

深度学习 15

数据挖掘 9

智能制造 9

神经网络 9

农业科学 7

2019 5

检测 5

COVID-19 4

无损检测 4

智能工业 4

物联网 4

粗糙集 4

虚拟企业 4

MATLAB 3

仿真技术 3

展开︾

检索范围：

排序：展示方式：

EDVAM：用于虚拟博物馆视觉注意建模的三维眼动数据集 Research Article

周赟湛1,冯天2,帅世辉3,厉向东4,孙凌云5,杜本麟2

《信息与电子工程前沿（英文）》 2022年第23卷第1期页码 101-112 doi: 10.1631/FITEE.2000318

摘要：视觉注意预测能帮助建立适应性虚拟博物馆环境，提供上下文感知和交互式用户体验。目前，利用眼动数据探究视觉注意机制的研究仍限于二维场景。研究者尚未能从时间和空间的角度出发，在三维虚拟场景里研究这一问题。为此，我们构建了第一个用于虚拟博物馆视觉注意建模的三维眼动数据集，命名为EDVAM。我们还建立了一个深度学习模型，通过历史眼动轨迹预测用户未来的视觉注意区域，用于测试EDVAM。这项研究能为虚拟博物馆的视觉注意建模和上下文感知交互提供参考。

关键词：视觉注意；虚拟博物馆；眼动数据集；注视检测；深度学习

HTML PDF 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。除广度探索，k层NGAT运用注意力机制引导的分层聚合策略，选择性地利用来自k阶邻域的信息特征，即深度探索。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

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

基于人工智能技术的儿童ADHD辅助诊断系统 Research

张雁翼1,孔鸣2,赵天琦2,洪文琛2,谢迪3,王春茂3,杨荣旺1,李荣1,朱强2

《信息与电子工程前沿（英文）》 2021年第22卷第3期页码 400-414 doi: 10.1631/FITEE.1900729

摘要：传统的儿童注意缺陷多动障碍（ADHD）诊断主要基于由父母/老师填写的调查问卷和医生的临床观察，不仅效率不高，而且诊断准确率很大程度上取决于医生的经验水平。通过集成智能分析模块，相机模组将采集受试儿童完成执行功能测试时的眼部注意力、面部表情、3D身体姿态和其他测试信息。然后，提出一种多模态深度学习模型，用于对所采集视频中儿童的异常行为片段进行分类。

关键词：注意缺陷多动障碍（ADHD）；辅助诊断；计算机视觉；深度学习；BERT

HTML PDF 收藏

基于频域深度学习的混凝土桥面裂缝实时检测 Article

Qianyun Zhang,Kaveh Barri,Saeed K. Babanajad,Amir H. Alavi

《工程（英文）》 2021年第7卷第12期页码 1786-1796 doi: 10.1016/j.eng.2020.07.026

摘要：

本文提出了一种基于视觉的混凝土桥面裂缝检测方法，该检测方法将一维卷积神经网络（1D-CNN）与长短期记忆（LSTM）方法集成在图像频域。为了提高训练效率，在预处理阶段，图像首先会被转换到频域，然后使用扁平化的频率数据对算法进行校准。LSTM则被用来提高针对长序列数据开发的网络的性能。所开发模型的训练、验证与测试数据的准确率分别为99.05%、98.9%和99.25%。随后，本文进一步提出了一个运行框架，以便在未来将经过训练的模型应用于大尺寸图像。与现有的深度学习方法相比，本文所提出的1D-CNN-LSTM算法在准确度与计算时间等方面均有卓越的表现。可以预见，1D-CNN-LSTM算法的快速运行使其在实时裂缝检测领域必将大有可为。

关键词：裂缝检测混凝土桥面深度学习实时检测

HTML PDF 收藏

基于流形学习的离群点检测方法

徐雪松,宋东明,张谞,许满武,刘凤玉

《中国工程科学》 2009年第11卷第2期页码 82-87

摘要：

为了提高高维数据集合离群数据挖掘效率，提出了一种基于流形学习的离群点检测算法。局部线性嵌入（ locally linear embedding， LLE）算法是流形学习中有效的非线性降维方法，它的优势在于只定义唯一的参数，即邻域数。根据LLE算法的思想寻找样本数据的内在嵌入分布，并通过邻域数选取和降维后数据点之间的距离调整，提高了数据集中离群点发现效率，同时利用离群点权值判别式进行权值数据判定，根据权值的大小标识出数据集中的离群点，仿真实验的结果表明了该方法能够有效地发现高维数据集中的离群点。与此同时，该算法具有参数估计简单、参数影响不大等优点，该算法为离群点检测问题的机器学习提供了一条新的途径。

关键词：流形学习离群点检测高维数据维数约减离群数据

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：

本文研究了主动物品检测(AOD)问题。AOD是服务机器人在家庭环境中完成服务任务的重要组成部分，通过适当的移动动作引导机器人接近目标物品。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。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

基于注意机制编码解码模型的答案选择方法 Article

Yuan-ping NIE, Yi HAN, Jiu-ming HUANG, Bo JIAO, Ai-ping LI

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 535-544 doi: 10.1631/FITEE.1601232

摘要：本文提出了一种基于注意机制的深度神经网络模型来解决问答系统中的答案选择任务。该模型采用了基于双向LSTM的编码解码模型，编码解码模型是一个被证明再机器翻译领域取得了突出的成绩。我们还在模型中应用了注意力机制来提升模型的效果。本文在一个公开数据集上验证我们实验的有效性，同时通过结合该模型显著提高了我们的问答系统的性能在TREC liveQA 2015的任务中。

关键词：问答技术、答案选择、注意机制、深度学习

HTML PDF 收藏

基于场景自适应概念学习的无监督目标检测 Research Articles

浦世亮1,赵暐1,陈伟杰1,杨世才1,谢迪1,潘云鹤2

《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.2000567

摘要：目标检测是机器视觉领域最热门的研究方向之一，在学术界已取得令人瞩目的成果，在工业界也存在许多有价值的应用。然而，主流的检测方法仍有两个缺陷：（1）即使是经过大量数据有效训练的模型，仍然无法很好地泛化到新场景中；（2）模型一旦部署到位，则无法随着不断累积的无标注数据自主进化。为克服上述问题，受视觉知识理论启发，提出一种场景自适应进化的无监督视频目标检测算法，该算法可利用目标群体概念，降低场景变化带来的不利影响。首先通过预训练检测模型从无标注数据中提取大量候选目标，然后对候选目标聚类，构建目标概念的视觉知识字典，其中各个聚类中心代表一种目标原型。

关键词：视觉知识；无监督视频目标检测；场景自适应学习

HTML PDF 收藏

微阵列数据集的特征选择技术：综合评述、分类和未来方向 Review

Kulanthaivel BALAKRISHNAN, Ramasamy DHANALAKSHMI

《信息与电子工程前沿（英文）》 2022年第23卷第10期页码 1451-1478 doi: 10.1631/FITEE.2100569

摘要：

为获得最佳结果，从微阵列数据集中检索相关特征已成为特征选择（FS）技术的研究热点。本综述旨在全面阐述各种最新特征选择技术，同时介绍了基于微阵列数据集的处理多类分类问题的技术以及提高学习算法性能的不同方法。我们试图理解和解决数据集不平衡问题，以证实研究人员在微阵列数据集上的工作。同时提供了一个案例说明该方法的实施过程，该方法使用3个微阵列癌症数据集评估一些包装方法和混合方法的分类精度和收敛能力，以确认最优特征子集。

关键词：特征选择；高维；学习技术；微阵列数据集

HTML PDF 收藏

2020年计算机视觉、图像与深度学习国际学术会议（CVIDL 2020）

会议日期： 2020年05月15日

会议地点：江西南昌

面向视觉概念构建的三维形状空间学习：挑战与研究进展 Perspective

童欣

《信息与电子工程前沿（英文）》 2022年第23卷第9期页码 1290-1297 doi: 10.1631/FITEE.2200318

摘要：人类可以熟练的对真实世界中物体按照形状或者功能进行分类，并在思维中建立每类物体的视觉概念和周围真实世界的视觉知识（Pan, 2019）。Pan（2021）指出建立这些视觉概念和视觉知识的计算表达是发展下一代人工智能的一个关键步骤。学习同一视觉概念下所有物体的三维形状空间是实现视觉概念计算表达的一个关键步骤。本文提出三维形状空间学习中面临的关键技术挑战，并围绕这些技术挑战回顾了这一领域的研究进展，最后讨论了三维形状空间学习领域的研究趋势和未来发展方向。

关键词：视觉概念；视觉知识；三维几何学习；三维形状空间；三维结构

HTML PDF 收藏

深度学习在医学超声图像分析中的应用综述 Review

刘盛锋, 王毅, 杨鑫, 雷柏英, 刘立, 李享, 倪东, 汪天富

《工程（英文）》 2019年第5卷第2期页码 261-275 doi: 10.1016/j.eng.2018.11.020

摘要：近年来，深度学习已经成为最主要的机器学习工具，并且广泛应用于各个研究领域，尤其是一般的图像分析与计算机视觉。在医学超声图像分析中，深度学习也展示了巨大的应用潜力。本文首先简要介绍了一些流行的深度学习结构，然后总结并全面讨论了深度学习方法在超声图像分析的各种特定任务（如图像分类、物体检测与目标分割）中的应用。最后，本文讨论了深度学习在医学超声图像分析应用中所面临的挑战以及潜在的发展趋势。

关键词：深度学习医学超声图像分析分类分割检测

HTML PDF 收藏

基于众包标签数据深度学习的命名实体消歧算法 Article

Le-kui ZHOU,Si-liang TANG,Jun XIAO,Fei WU,Yue-ting ZHUANG

《信息与电子工程前沿（英文）》 2017年第18卷第1期页码 97-106 doi: 10.1631/FITEE.1601835

摘要：本文结合群体智能（即群体用户生成的标签）和深度学习（即数据驱动学习），提出了在命名实体消歧过程中生成区别度更高的特征方法。具体来说，通过设计一个众包模型，学习文本描述或实体所对应“众包特征”，然后利用“众包特征”对动态卷积神经网络（Dynamic convolutional neural network, DCNN）进行优化，最后用优化得到的DCNN来提取“深度众包特征”，以此来解决传统命名实体消歧算法中单独依赖手工设计特征的不足。本文所提出方法巧妙将群体认知（由众包标签反映）结合到命名实体消歧深度学习框架中。实验分析表明，当有足够多众包标签时，所提出方法优于传统手工设计特征。

关键词：命名实体消歧；众包计算；深度学习

HTML PDF 收藏

工作经验对空中交通管制员眼动行为的影响 Article

王艳军, 王丽伟, 林思远, 丛玮, 薛建飞, Washington Ochieng

《工程（英文）》 2021年第7卷第4期页码 488-494 doi: 10.1016/j.eng.2020.11.006

摘要：

眼动是信息搜索行为的一个重要指标，它提供了对决策至关重要的认知策略的洞察力。学者们提出了各种基于眼动的方法来捕捉人类在复杂环境中处理信息的能力。本文对不同工作经验水平的空中交通管制员的眼动测量指标进行了比较研究。研究了两种通常研究的眼动行为：注视和扫视，以及注视熵。通过比较相关指标的统计特性，发现工作经验对眼动模式有显著影响。在合格和新手管制员之间，注视和扫视都不同，前者能够采用更有效的搜索策略。这些发现不仅有助于提高管制员培训的质量，而且有助于理解人类在执行复杂任务时使用的信息搜索机制。

关键词：空中交通管制人为因素眼动工作经验