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 1350

会议视频 88

会议信息 60

年份

2024 5

2023 151

2022 213

2021 198

2020 166

2019 107

2018 70

2017 78

2016 74

2015 35

2014 24

2013 23

2012 28

2011 22

2010 20

2009 30

2008 34

2007 43

2006 27

2005 29

展开︾

关键词

神经网络 27

2020 19

2019 14

人工智能 14

第二届 12

信息技术 10

模式识别 10

学术会议 8

智能工业 6

能源 6

预测 6

二氧化碳 5

人工神经网络 5

医学 5

深度学习 5

经济 5

BP神经网络 4

GM(1 4

大数据 4

展开︾

检索范围：

排序：展示方式：

用于语音识别的二值神经网络 Regular Papers

Yan-min QIAN, Xu XIANG

《信息与电子工程前沿（英文）》 2019年第20卷第5期页码 701-715 doi: 10.1631/FITEE.1800469

摘要：近年来，在语音识别的声学建模中，深度神经网络(DNNs)明显优于高斯混合模型。然而，推断阶段巨大的计算量使其难以部署在低功耗的嵌入式模型上。为此，稀疏性和低精度定点量化技术被广泛使用。为降低推理阶段计算量，本文开发了用于语音识别的二进制神经网络，并实现了高速的二值矩阵乘法。在中央处理器(CPU)和图形处理单元(GPU)上，二值矩阵乘法的运行速度是浮点矩阵乘法的5–7倍。针对大规模连续语音识别的声学建模，提出多种二值神经网络及相关模型优化算法。为提高二值模型的精度，探索了从浮点模型到二值模型的知识蒸馏技术。在标准的Switchboard语音识别任务上，该二值神经网络模型比浮点神经网络模型速度提高3–4倍。借助知识蒸馏技术，二值深度神经网络或卷积神经网络相对其浮点神经网络的词错误率增加可以保持在15%以内。若只二值化卷积神经网络的卷积层，词错误率增加几乎可忽略。

关键词：语音识别；二值神经网络；二值矩阵乘法；知识蒸馏；位1计数

HTML PDF 收藏

忘得少，数得好：一种域增量式自蒸馏终身人群计数基准 Research Article

高佳琪1,李婧琦1,单洪明2,3,曲延云4,王则5,王飞跃6,张军平1

《信息与电子工程前沿（英文）》 2023年第24卷第2期页码 187-202 doi: 10.1631/FITEE.2200380

摘要：人群计数在公共安全和流行病控制方面具有重要应用。一个鲁棒且实用的人群计数系统须能够在真实场景中不断学习持续到来的新域数据，而非仅仅拟合某一单域的数据分布。现有方法在处理多个域的数据时有一些不足之处：（1）由于来自不同域的固有数据分布之间的差异，模型在训练来自新域的图像数据后在旧域中的性能可能会变得十分有限（甚至急剧下降），这种现象被称为灾难性遗忘；（2）为克服这些问题，我们探索了在域增量式训练设置下一种新的人群计数任务，即终身人群计数。它的目标是通过使用单个模型持续不断地学习新域数据以减轻灾难性遗忘并提高泛化能力。具体来说，提出一种自蒸馏学习框架作为终身人群计数的基准模型（forget less，count better，FLCB），这有助于模型可持续地利用之前学到的有意义的知识来更好地对人数进行估计，以减少训练新数据后对旧数据的遗忘

关键词：人群计数；知识蒸馏；终身学习

HTML PDF 收藏

基于径向基函数神经网络的滚动轴承故障模式的识别

陆爽,张子达,李萌

《中国工程科学》 2004年第6卷第2期页码 56-60

摘要：

径向基函数（RBF）神经网络是一种3层前馈性神经网络，它具有较强的函数逼近能力和分类能力。鉴于径向基函数神经网络的优点，在对滚动轴承振动信号特征分析的基础上，提出了采用时序方法对其建立AR模型，利用AR模型参数建立径向基函数神经网络，并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性，且具有较高的识别精度。

关键词：滚动轴承振动信号 AR模型 RBF神经网络模式识别

HTML PDF 收藏

过程神经网络的训练及其应用

何新贵,梁久祯,许少华

《中国工程科学》 2001年第3卷第4期页码 31-35

摘要：

研究过程神经网络的学习算法及其在过程模式识别中的应用。针对权值基展开的过程神经网络讨论了权值基的选取规则和对采样曲线的标准化处理问题，给出了含一个隐层的过程神经网络的误差反传播学习算法。以聚合化学反应和渗流实验两个具体实例验证了算法的有效性，也说明了过程神经网络的广泛应用前景。

关键词：过程神经网络学习算法模式识别化学反应渗流

HTML PDF 收藏

量子点细胞自动机中四值逻辑门的设计与模拟新概念 Research Articles

Alireza NAVIDI1, Reza SABBAGHI-NADOOSHAN2, Massoud DOUSTI1

《信息与电子工程前沿（英文）》 2021年第22卷第11期页码 1441-1550 doi: 10.1631/FITEE.2000590

摘要：本文提出“四值QCA（QQCA）”新概念。该概念已在本团队专为四值QCA模型开发的量子点细胞自动模拟器（QCASim）中设定。设计了基本四值QCA逻辑门，如MIN、MAX和不同类型反相器（SQI，PQI，NQI和IQI），并通过QCASim验证。本文将例示QCASim如何通过其方便的CAD工具集快速而准确地工作。采用所设计的主要门电路设计了一个1×4译码器。基于QQCA设计的电路，取得最小延迟、最小面积和最低复杂度。将QQCA主要的逻辑门与基于碳纳米管场效应晶体管（CNFET）的四值门进行比较，结果表明本文所设计的电路具有更小延迟和更低能耗。

关键词：量子点细胞自动机（QCA）；四值逻辑；量子点细胞自动模拟器（QCASim）；四值QCA（QQCA）；四值译码器；四值门

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。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。其次，详细介绍上述方法常用的4个代表性数据库。

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

基于RBF神经网络的水文地质参数识别

张俊艳,魏连伟,韩文秀,邵景力,崔亚丽,张建立

《中国工程科学》 2004年第6卷第8期页码 74-78

摘要：

水文地质参数识别问题是水文地质学上的一个难题。针对传统水文地质参数识别方法的局限性，提出了水文地质参数识别的径向基函数(RBF )神经网络方法，并通过算例验证了它的可行性与有效性，实现了水文地质参数的自动识别，提高了计算效率，比BP神经网络具有更好的参数识别效果

关键词：地下水水文地质参数径向基函数(RBF)神经网络 BP神经网络

HTML PDF 收藏

包含不同尺度子网络的模块化神经网络同步转换 Research Article

黄卫芳1,杨利建1,詹璇1,付子英2,贾亚1

《信息与电子工程前沿（英文）》 2023年第24卷第10期页码 1458-1470 doi: 10.1631/FITEE.2300008

摘要：时间延迟和耦合强度是影响神经网络同步的重要因素。本文利用霍奇金—赫胥黎（HH）神经元模型构建一个包含不同尺度子网络的模块化神经网络，即小尺度随机网络通过化学突触与大尺度小世界网络单向连接。研究发现，时间延迟在网络中诱发了多个同步转换。当时间延迟是单个神经元放电周期的整数倍时，耦合强度增加也促进网络同步化。考虑到模块化网络中不同位置的时间延迟可能具有不同作用，我们探讨子网络之间以及子网络内部的时间延迟对模块化网络同步的影响。我们发现，当子网络内同步良好时，两个子网络内部时间延迟增加会诱发其自身出现多个同步转换。此外，小尺度网络的同步状态会影响大尺度网络的同步。进一步发现，两个子网络之间的时间延迟诱导模块化网络的同步转换，但对接收信号的子网络内的同步基本无影响。通过分析两个子网络之间的相位差，我们发现模块化网络出现同步转换的机制是相位差的周期性变化。

关键词：霍奇金—赫胥黎神经元；模块化神经网络；子网络；同步；时间延迟

HTML PDF 收藏

一种基于特征模板和CNN-BiLSTM-CRF的网络安全实体识别方法 Research Papers

Ya QIN, Guo-wei SHEN, Wen-bo ZHAO, Yan-ping CHEN, Miao YU, Xin JIN

《信息与电子工程前沿（英文）》 2019年第20卷第6期页码 872-884 doi: 10.1631/FITEE.1800520

摘要：利用海量网络安全威胁情报数据，构建网络安全知识图谱实施深度关联分析和挖掘，可帮助识别安全威胁并提出相应防御措施。这已成为网络安全领域研究热点。本文针对网络安全文本数据，研究实体识别算法，为构建网络安全知识图谱奠定基础。传统方法难以识别网络安全领域的新实体、中英文混合安全实体等，且提取的特征不够充分。本文在神经网络模型基础上，提出基于特征模板的CNN-BiLSTM-CRF网络安全实体识别算法。首先构建人工特征模板，提取局部上下文特征。结果表明，在大规模网络安全数据集上，该方法优于其它算法，F值达到86%。

关键词：网络安全知识图谱；网络安全实体；特征模板；实体识别；神经网络

HTML PDF 收藏

带约束的矩阵值分布式随机优化

夏子聪,刘洋,卢文联,桂卫华

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1239-1252 doi: 10.1631/FITEE.2200381

摘要：本文研究带有不等式约束和等式约束的矩阵值分布随机优化问题。其中，问题的目标函数是具有随机变量的多个矩阵值函数的和，并以分布式方式解决了该问题。

关键词：分布式优化矩阵值优化随机优化罚函数法 Gossip模型

HTML 收藏

用于规划快速变化无人机群的动态值迭代网络 Research Articles

李伟1,杨波威1,宋广华1,姜晓红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.1900712

摘要：为规划快速变化的无人机群，本文提出一种动态值迭代网络（DVIN）模型，该模型利用无人机自组网的连接信息，采用场景式Q学习方法训练，生成状态值传播函数，使无人机节点能够自适应调节至新的物理位置。然后，评估了动态值迭代网络模型的性能，并将其与非支配排序遗传算法NSGA-II和穷举法比较。仿真结果表明，动态值迭代网络模型显著缩短了无人机节点路径规划的决策时间，且平均成功率更高。

关键词：动态值迭代网络；场景式Q学习；无人机自组网；NSGA-II；路径规划

HTML PDF 收藏

基于有序特征值矩阵的对称变量检测算法 Article

Xiao-hua LI, Ji-zhong SHEN

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1644-1653 doi: 10.1631/FITEE.1601052

摘要：首先，根据逻辑变量的对称性定义，定义基于真值表的有序特征值矩阵。通过分析12类对称变量有序特征值矩阵的约束条件，提出对称变量检测算法。该算法适用于含无关项布尔函数和不含无关项布尔函数中的对称变量检测。

关键词：布尔函数；对称变量；布尔逻辑代数系统；有序特征值矩阵；真值表

HTML PDF 收藏

知识推送系统中一种基于多分类径向基神经网络的知识匹配方法 Research Articles

张树有,顾叶,伊国栋,王自立

《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.1900057

摘要：聚焦知识匹配领域，开展提高产品设计中知识推送系统性能的探索性研究。传统匹配算法需重复计算，导致响应时间长，准确性也有待提高。本文目标是实现对设计者知识需求的快速响应，并提供优质知识推送服务。在改进之前工作基础上，研究实际操作中增强有限训练集的两种方法：案例特征向量中振荡特征权值和修正案例特征。此外，提出一种多分类径向基神经网络，可从知识库中一次性匹配知识并保证推送结果准确性。

关键词：产品设计；知识推送系统；增强训练集；多分类神经网络；知识匹配

HTML PDF 收藏

模糊中心聚类的模式识别学习方法

曾黄麟,袁慧,刘小芳

《中国工程科学》 2004年第6卷第11期页码 33-37

摘要：基于一个约束条件下的非线性规划问题的优化计算思想，把模糊中心聚类中计算输入矢量与中心的距离来实现聚类作为一种优化计算问题，证明了模糊中心聚类方法，取一个适当的属函数，其聚类中心vi为模糊聚类中心价值函数的极小值，推导出了基于模糊中心聚类的模式识别的无导师递推学习方法，提出了模糊中心聚类模式分类神经网络结构，该网络可以实现并行数据处理和模式分类的软划分和硬划分。

关键词：模糊中心聚类模式识别神经网络

HTML PDF 收藏

基于可观测节点信息的控制器局域网节点可靠性评估 Article

Lei-ming ZHANG, Long-hao TANG, Yong LEI

《信息与电子工程前沿（英文）》 2017年第18卷第5期页码 615-626 doi: 10.1631/FITEE.1601029

摘要：基于控制器局域网的总线技术广泛应用于网络化制造系统。网络作为系统的信息通道，其可靠性对系统的吞吐量、产品质量以及工作人员的安全至关重要。然而，由于节点内部状态的不可访问性，因此使用节点内置的错误计数器值直接评估控制器局域网节点的可靠性是难以进行的。基于网络错误日志和错误计数器值可访问的可观测节点信息，该方法可以估计网络中节点的发送错误计数器值。首先，本文基于分段马尔科夫链建立了估计节点发送错误计数器值的模型，该模型考虑了网络中错误分布的稀疏特性。其次，通过学习可观测节点的模型估计值和实际测量值之间的偏差，建立了贝叶斯网络以表述可观测节点的模型估计值更新机制。然后，将该更新机制应用到网络中发送错误计数器值不可访问的节点，完成其模型估计值的更新。

关键词：控制器局域网；发送错误计数器；发送错误计数器值估计；贝叶斯网络；脱离总线时间