检索范围:
排序: 展示方式:
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
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
机器学习视角下的城市建模计算机图形方法综述 Review Article
冯天1,范非易2,Tomasz BEDNARZ3,4
《信息与电子工程前沿(英文)》 2021年 第22卷 第7期 页码 915-925 doi: 10.1631/FITEE.2000141
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。
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
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
基于含隐变量的贝叶斯网络质量相关局部加权的非平稳过程软测量方法 Research Articles
《信息与电子工程前沿(英文)》 2021年 第22卷 第9期 页码 1234-1246 doi: 10.1631/FITEE.2000426
在工业过程中,软测量技术被广泛用于预测难以测量的质量变量。构建一个应对过程非平稳性的自适应模型非常必要。本文针对非平稳过程,设计了一种基于含有隐变量贝叶斯网络的质量相关局部加权软测量方法。提出一种有监督贝叶斯网络提取质量相关的隐变量,并应用于一种双层相似度测量算法。所提软测量方法试图通过质量相关信息为非平稳过程寻找到一般方法,且详细解释了局部相似度和窗口置信度的概念。
一种局部二次嵌入学习算法及其在软测量中的应用 Article
包垚垚, 朱远明, 钱峰
《工程(英文)》 2022年 第18卷 第11期 页码 186-196 doi: 10.1016/j.eng.2022.04.025
鉴于元学习在众多领域取得的巨大成就,本文针对数据回归问题提出了融合度量学习和神经网络(NN)的局部二次嵌入学习(LQEL)算法。首先,通过优化输入输出空间里样本间度量的全局一致性来改进马氏度量(Mahalanobis metric)学习算法;同时,通过引入松弛约束进一步证明了改进的度量学习问题等价于一个凸规划问题。然后,基于局部二次插值假设原理,引入了两个轻量级的神经网络,其一用于学习局部二次模型中的系数矩阵,另一个则用于对从不同局部近邻获得的预测结果进行权重分配。最后,将两个子模型嵌入统一的回归框架中,并通过随机梯度下降(SGD)算法学习模型参数。所提出的算法优势在于可充分利用目标标签中隐含的信息找到更可靠的参考样本。并且,使用LQEL算法对变量进行差分建模,避免了因传感器漂移或不可测量变量导致的模型退化问题。多个基准数据集和两个实际工业应用数据集的计算结果表明,所提出的方法优于几种典型的回归方法。
结构健康监测数据科学与工程研究进展 Article
鲍跃全, 陈智成, 魏世银, 徐阳, 唐志一, 李惠
《工程(英文)》 2019年 第5卷 第2期 页码 234-242 doi: 10.1016/j.eng.2018.11.027
结构健康监测(SHM)是一个多学科交叉领域,涉及利用大量传感器和仪器对结构荷载和响应进行自动感知,然后根据收集到的数据对结构进行健康诊断。由于安装在结构上的 SHM 系统能自动实时地感知、评估和预警结构状态,所以海量数据是 SHM 的一个显著特征。与海量数据处理与分析相关的方法与技术被称为数据科学与工程,其包括数据采集、数据转换、数据管理以及数据处理与挖掘算法。本文旨在简要回顾笔者在 SHM 数据科学与工程方面开展的最新研究,具体涵盖基于压缩采样的数据采集算法、基于深度学习算法的异常数据诊断方法、基于计算机视觉技术的桥梁裂纹识别方法,以及基于机器学习算法的桥梁结构状态评估方法
深度学习中的对抗性攻击和防御 Feature Article
任奎, Tianhang Zheng, 秦湛, Xue Liu
《工程(英文)》 2020年 第6卷 第3期 页码 346-360 doi: 10.1016/j.eng.2019.12.012
在深度学习(deep learning, DL)算法驱动的数据计算时代,确保算法的安全性和鲁棒性至关重要。最近,研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响,但会使深度学习模型输出意想不到的结果。最近,在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。因此有关对抗性攻击和防御技术的研究引起了机器学习和安全领域研究者越来越多的关注。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后,讨论了防御方法中的一些代表性研究成果。
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
基于深度学习的双目内窥镜三维测量方法 Research Article
余浩1,周长江2,张伟1,王立强1,2,杨青1,2,袁波1
《信息与电子工程前沿(英文)》 2022年 第23卷 第4期 页码 653-660 doi: 10.1631/FITEE.2000679
关键词: 双目内窥镜;三维测量;深度学习;视差预测
深度学习驱动的智能电网调度:综述 Review Article
黄刚1,吴飞2,郭创新3
《信息与电子工程前沿(英文)》 2022年 第23卷 第5期 页码 763-776 doi: 10.1631/FITEE.2000719
关键词: 人工智能;深度学习;电力调度;智能电网
一种基于数字孪生云平台的炼铁过程智能优化服务 Article
周恒, 杨春节, 孙优贤
《工程(英文)》 2021年 第7卷 第9期 页码 1274-1281 doi: 10.1016/j.eng.2021.04.022
标题 作者 时间 类型 操作