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 805

会议视频 47

会议信息 23

年份

2024 2

2023 99

2022 104

2021 90

2020 73

2019 80

2018 53

2017 61

2016 22

2015 14

2014 12

2013 14

2012 14

2011 15

2010 16

2009 12

2008 25

2007 31

2006 26

2005 28

展开︾

关键词

机器学习 27

深度学习 15

人工智能 14

数学模型 13

智能制造 13

农业科学 12

模型 10

2020 9

模型试验 9

数值模拟 8

2019 6

神经网络 6

COVID-19 4

不确定性 4

仿生机器人 4

材料设计 4

模式识别 4

GM(1 3

MATLAB 3

展开︾

检索范围：

排序：展示方式：

庞明慧1,2,朱秋明1,2,林志鹏1,柏菲1,田越1,李茁3,陈小敏1

《信息与电子工程前沿（英文）》 2022年第23卷第9期页码 1378-1389 doi: 10.1631/FITEE.2200041

摘要：视距（line-of-sight, LoS）概率预测对于无线通信系统的性能优化至关重要。然而，由于无人机等飞行器飞行高度从十几米到数千米不等，空地（air-to-ground, A2G）通信的LoS概率预测具有挑战性。本文针对A2G场景，提出一种高度相关的经验性LoS概率模型。在模型参数估计之前，设计了一种基于K近邻（K-nearest neighbors, KNN）的策略对LoS和非视距（none-line-of-sight, NLoS）路径进行分类。仿真表明该模型获得的结果与射线追踪（ray trancing, RT）数据、实测数据和标准模型结果具有良好一致性。该模型还可提供比其他LoS概率模型更广泛的适用高度，能够应用于各种A2G场景下的不同通信高度。

关键词：视距概率模型；空地信道；机器学习；射线跟踪

HTML PDF 收藏

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

摘要：现有机动目标跟踪方法在杂波环境中强机动目标的跟踪性能并不令人满意。本文提出一种混合驱动方法，利用数据驱动和基于模型算法的优点跟踪多个高机动目标。将时变恒速（CV）模型集成到在线学习的高斯过程（GP）中，提高高斯过程的预测性能。进一步与广义概率数据关联（GPDA）算法相结合，实现多目标跟踪。通过仿真实验可知，与广泛使用的机动目标跟踪算法如交互式多模型（IMM）和数据驱动的高斯过程运动跟踪器（GPMT）相比，提出的混合驱动方法具有显著的性能优势。

关键词：目标跟踪；高斯过程；数据驱动；在线学习；模型驱动；概率数据关联

HTML PDF 收藏

利用子空间的投影和跟踪改进OFDM信道估计

董亮,曹秀英,毕光国

《中国工程科学》 2006年第8卷第11期页码 86-93

摘要：

OFDM系统的LS信道估计可看作真实信道频率响应的一个有噪观察值，因此可采用子空间投影方法对噪声进行压缩。分析了利用子空间投影方法改进LSOFDM信道估计性能的实质，给出了利用子空间投影改进OFDM信道估计的一般框架，在此基础上将子空间投影推广到非LS信道估计方法。当信号子空间随时间变化时，需要采用子空间跟踪技术保持对信号子空间的良好估计，因此提出了一种基于子空间跟踪的参数化信道估计方法，仿真表明这种方法在性能上优于非参数化时的相应方法。

关键词： OFDM 子空间投影跟踪信道估计

HTML PDF 收藏

面向6G的信道测量与建模：现状与展望 Review Articles

Jian-hua ZHANG, Pan TANG, Li YU, Tao JIANG, Lei TIAN

《信息与电子工程前沿（英文）》 2020年第21卷第1期页码 39-61 doi: 10.1631/FITEE.1900450

摘要：无线信道是收发两端信息传输媒介，无线信道的特性决定了无线通信系统的性能限。因此，开展信道研究是设计6G无线通信系统的前提。本文首先介绍了6G可能出现的技术和应用，包括太赫兹通信、工业互联网、空天地一体化网络和机器学习，并指出6G信道模型的发展趋势。其次，针对这些技术和应用，综述了目前信道测量与建模的研究进展。最后，展望了未来面向6G的信道测量与建模。

关键词：信道测量；信道建模；6G；太赫兹；工业互联网；空天地一体化网络；机器学习

HTML PDF 收藏

大数据的分布式机器学习的策略与原则 Review

Eric P. Xing,Qirong Ho,Pengtao Xie,Dai Wei

《工程（英文）》 2016年第2卷第2期页码 179-195 doi: 10.1016/J.ENG.2016.02.008

摘要：

大数据的发展已经引领了对能够学习包含数百万至数十亿参数的复杂模型的机器学习系统的新需求，以保证足够的能力来消化海量的数据集，提供强大的预测分析（如高维潜特征、中介表示和决策功能）。为了在这样的尺度上，在成百上千台的分布式机器集群中运行机器学习算法，关键往往是要投入显著的工程性的努力——有人可能会问，这样的工程是否还属于机器学习的研究领域？考虑到如此“大”的机器学习系统可以极大地从根植于机器学习的统计和算法的理解中受益——因此，机器学习的研究人员应该不会回避这样的系统设计—&mdash它们关注的是机器学习研究传统上注意较少的四个关键问题：一个机器学习程序怎样能分布到一个集群中去？机器学习计算怎样能通过机器间的交流连接起来？这样的交流是如何被执行的？机器间应该交流的内容是什么？通过揭示机器学习程序所独有的，而非常见于传统计算机程序中的基础性的统计和算法上的特点，并通过剖析成功案例，以揭示我们如何利用这些原则来同时设计和开发高性能的分布式机器学习软件以及通用的机器学习框架，我们为机器学习的研究人员和从业者提供了进一步塑造并扩大机器学习与系统之间的领域的机会

关键词：机器学习人工智能大数据大型模型分布式系统原则理论数据并行性模型并行性

HTML PDF 收藏

在非对称大规模MIMO系统中基于集成—迁移学习的信道参数预测 Research Article

何遵文1,李悦1,张焱1,张万成1,张恺恩1,郭柳1,王海明2

《信息与电子工程前沿（英文）》 2023年第24卷第2期页码 275-288 doi: 10.1631/FITEE.2200169

摘要：近年来，多智能体深度强化学习（multi-agent deep 为降低第六代移动网络中的数据处理负担和硬件成本，非对称大规模多入多出（multiple-input multiple-output，MIMO然而，在非对称大规模MIMO系统中，上行和下行无线信道之间的互易性是无效的。因此，需要基站和用户设备都发送导频来预测双向信道，这会消耗更多传输和计算资源。本文提出一种基于集成迁移学习的非对称大规模MIMO系统的信道参数预测方法，可以预测多个下行信道参数，包括路径损耗、多径数、时延扩展和角度扩展。选择上行信道参数和环境特征来预测下行参数。引入实例迁移方法，以支持预测模型应对在新的传播条件下难以在短时间内收集足够训练数据的问题。仿真结果表明，该方法比反向传播神经网络和3GPP TR 38.901信道模型更准确。当波束宽度或通信扇区发生变化时，所提出的基于实例迁移的方法在预测下行参数方面优于没有迁移学习的方法。

关键词：非对称大规模MIMO系统；信道模型；集成学习；实例迁移；参数预测

HTML PDF 收藏

针对下肢外骨骼机器人的基于概率运动基元的黑盒优化运动学习 Research Article

王嘉琪,高永卓,吴冬梅,董为

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 104-116 doi: 10.1631/FITEE.2200065

摘要：外骨骼作为一种可穿戴的机器人，通过拟人化的构型直接传递机械动力来辅助或增强穿戴者运动。当外骨骼用于促进穿戴者的运动时，运动生成过程通常在高层控制中发挥重要作用。在本文中，我们首先提出了一种基于概率运动基元（ProMP）的下肢外骨骼运动建模方法，它是一种用于生成运动轨迹的新型且强大的代表性工具。为了在不同穿戴者使用外骨骼时使轨迹适应不同情况，我们接着提出了一种基于黑盒优化PIBB结合ProMP的新型运动学习方案。运动模型首先由ProMP离线学习，它可以生成参考轨迹供外骨骼控制器在线使用，再采用PIBB在线学习和更新模型，提供了系统的自适应能力，消除了不确定性的影响。

关键词：下肢外骨骼机器人；人机交互；运动学习；轨迹生成；运动基元；黑盒优化

HTML PDF 收藏

基于机器学习算法的模型参数区域化方法在无测站流域径流模拟中的应用 Article

吴厚发, 张建云, 鲍振鑫, 王国庆, 王文圣, 杨艳青, 王婕

《工程（英文）》 2023年第28卷第9期页码 93-104 doi: 10.1016/j.eng.2021.12.014

摘要：参数区域化是应用最广泛的方法，但模型参数与流域特征间的非线性关系是参数区域化的主要障碍。采用6种回归模型分析SWAT模型参数与流域特征之间的定量关系，包括：线性回归方程(LR)、支持向量回归(SVR)、随机森林(RF)、K近邻(kNN)、决策树(DT)和径向基函数然后，利用其余37个供体流域构建拟合参数的回归模型，估算目标流域的模型参数，进行径流模拟。此外，本文也将基于相似性的区域化方法与基于回归分析的方法进行了对比。结果表明：基于支持向量回归(SVR)的区域化方法估计模型参数时径流模拟精度高。与传统的线性回归方法相比，机器学习算法处理非线性关系的能力突出，因而提高了无测站流域径流模拟的精度。不同区域化方法在湿润地区的表现比较接近，而机器学习算法的优势在干旱区更为明显。当研究区内含有嵌套流域时，由于流域密度高、空间距离短，此时采用基于相似性的区域化方法最好。

关键词：参数估计无测站流域区域化方法机器学习算法 SWAT模型

HTML PDF 收藏

基于RGBD和稀疏学习的鲁棒目标跟踪 Article

Zi-ang MA, Zhi-yu XIANG

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 989-1001 doi: 10.1631/FITEE.1601338

摘要：鲁棒目标跟踪近年来成为计算机视觉领域一项重要的且极具挑战性的研究方向。随着深度传感器的普及，深度信息因其对光照变化与遮挡表现出一定的鲁棒性而被广泛应用于视觉目标跟踪算法中。本文提出了一种基于RGBD和稀疏学习的跟踪算法，从三个方面将深度信息应用到稀疏学习跟踪框架。首先将深度图像特征结合现有的基于彩色图像的视觉特征用于目标外观的鲁棒特征描述。为了适应跟踪过程中的各种遮挡情况，我们设计了一种特殊的遮挡物模板用于增广现有的超完备字典。最后，我们进一步提出了一种基于深度信息的遮挡物检测方法用于有效地指示模板更新。基于KITTI和Princeton数据集的大量实验证明了所提出算法的跟踪效果优于时下最先进的多种跟踪器，包括基于稀疏学习的跟踪以及基于RGBD的跟踪。

关键词：目标跟踪；稀疏学习；深度视角；遮挡物模板；深度图像特征

HTML PDF 收藏

Actor-Critic强化学习算法及其在开发基于计算机视觉的界面跟踪中的应用 Article

Oguzhan Dogru, Kirubakaran Velswamy, 黄彪

《工程（英文）》 2021年第7卷第9期页码 1248-1261 doi: 10.1016/j.eng.2021.04.027

摘要：

本文通过将对象跟踪形式化为序列决策过程，使控制理论与计算机视觉实现同步。强化学习（RL）智能体成功跟踪了两种液体之间的界面，这通常是化学、石化、冶金和石油行业中跟踪的关键变量。该方法使用少于100 张图像来创建环境，智能体无需专家知识即可从中生成自己的数据。与依赖大量参数的监督学习（SL）方法不同，这种方法需要的参数少得多，这自然降低了维护成本。除了经济性外，该智能体还对环境不确定性（如遮挡、强度变化和过度噪声）具有鲁棒性。该方法展示了RL方法在油砂行业中的实时对象跟踪应用。本文除了介绍界面跟踪问题外，还详细回顾了最有效的RL方法之一——actor-critic策略。

关键词：界面跟踪对象跟踪遮挡强化学习均匀流形逼近和投影

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： 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。该模型旨在拟合各种动作Q值，包括状态空间、特征提取和多层感知机。与现有研究不同，本文针对所提AOD模型设计了一种基于记忆的训练算法，以提高模型训练效率和测试精度。此外，提出一种最终状态生成方法判断训练过程中AOD任务何时停止。

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

边信道攻击和学习向量量化 Article

Ehsan SAEEDI, Yinan KONG, Md. Selim HOSSAIN

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 511-518 doi: 10.1631/FITEE.1500460

摘要：边信道攻击可利用加密系统的物理漏洞来获取秘密信息。目前提出的多种边信道信息分析方法中，机器学习被认为是一种有前景的方法。基于神经网络的机器学习可获得指令标志（功耗与电磁辐射），并自动识别。本文对椭圆曲线加密（Elliptic curve cryptography, ECC）的现场可编程门阵列（field-programmable gate array, FPGA）实现展开了新的实验研究，探讨了基于学习向量量化（Learning vector quantization, LVQ）神经网络的边信道信息表征的效率。LVQ作为多类分类器的主要特点是它具有学习复杂非线性输入-输出关系、使用顺序训练程序和适应数据的能力。实验结果表明基于LVQ的多类分类是边信道数据表征的强大且有前景的方法。

关键词：边信道攻击；椭圆曲线加密；多类分类；学习向量量化

HTML PDF 收藏

基于多智能体强化学习的车载自组织网络协作信道分配 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）》 2020年第21卷第7期页码 1047-1058 doi: 10.1631/FITEE.1900308

摘要：动态信道分配（DCA）在扩展车载自组织网络容量和缓解其拥塞方面起着关键作用。然而，在车—车直连通信场景下，信道分配面临大规模节点相互影响、缺乏集中式协调、全局网络状态信息未知以及其他挑战。为解决该问题，提出一种基于多智能体强化学习（RL）的协作动态信道分配（RL-CDCA）机制。具体而言，每个车辆节点都可借助2个互相协作的RL模型，从实时信道状态信息中成功学习信道选择和信道接入自适应退避的正确策略。

关键词：车载自组织网络；强化学习；动态信道分配；多信道

HTML PDF 收藏

人工智能新方向：类人、机器、仿生和量子智能 Comment

李伟钢,Liriam Michi ENAMOTO,Denise Leyi LI,Geraldo Pereira ROCHA FILHO

《信息与电子工程前沿（英文）》 2022年第23卷第6期页码 984-990 doi: 10.1631/FITEE.2100227

摘要：

本评论回顾1998年提出的“一次性学习”（once learning，OLM）机制，和随后出现的用于图像分类的“一瞥学习”（one-shot learning基于目前人工智能（AI）研究现状，提出将其划分为以下子学科：人工类人智能、人工机器智能、人工仿生智能和人工量子智能。这些被认为是AI研发的主要方向，并按以下分类标准区分：（1）以类人、机器、仿生或量子计算为本的AI研发;（2）升维或降维的信息输入;（3）小样本或大数据知识学习。

关键词：人工智能；机器学习；一次性学习；一瞥学习；量子计算

HTML PDF 收藏

朱秋明1,2,姚梦恬1,柏菲1,陈小敏1,仲伟志3,华博宇1,叶溪娟1

《信息与电子工程前沿（英文）》 2021年第22卷第6期页码 767-776 doi: 10.1631/FITEE.2000497

摘要：提出一种通用的空地毫米波传播损耗模型。与现有传播损耗模型不同，本模型考虑了无人机高度因素，并将传播类型分为3种情况（视距、反射和绕射）。同时，提出一种结合射线追踪技术和数字地图的确定性传播损耗预测算法，并用于不同场景下生成大量数据。通过拟合分析不同场景和无人机高度下的传播损耗数据，得到与高度相关的模型参数。仿真结果表明，所提模型在低空和高空情况下都能准确预测传播损耗。相比3GPP模型和CI模型，所提模型的预测结果与射线追踪计算结果更加一致，标准偏差更小。此外，本文模型能通过仿真或测量数据进行参数调整，从而扩展到其他空地通信场景。

关键词：传播损耗；无人机对地信道；毫米波通信信道；射线追踪；高度相关