检索范围:
排序: 展示方式:
基于多关系平移图注意力网络的需融中小企业挖掘方法 Research Article
梁倩乔1,卫华2,吴亚熙2,韦峰2,赵登3,何建衫3,郑小林1,马国芳4,韩冰2
《信息与电子工程前沿(英文)》 2023年 第24卷 第3期 页码 388-402 doi: 10.1631/FITEE.2200151
面向潜在行为预测的异构行为网络嵌入学习 Article
Yue-yang WANG, Wei-hao JIANG, Shi-liang PU, Yue-ting ZHUANG
《信息与电子工程前沿(英文)》 2020年 第21卷 第3期 页码 422-435 doi: 10.1631/FITEE.1800493
后E级系统编程模型的构想 None
Ji-dong ZHAI, Wen-guang CHEN
《信息与电子工程前沿(英文)》 2018年 第19卷 第10期 页码 1261-1266 doi: 10.1631/FITEE.1800442
关键词: 计算模型;容错;异构;并行性;后E级
联邦相互学习:一种针对异构数据、模型和目标的协同机器学习方法 Research Article
沈弢1,张杰2,贾鑫康2,张凤达1,吕喆奇1,况琨1,吴超3,吴飞1
《信息与电子工程前沿(英文)》 2023年 第24卷 第10期 页码 1390-1402 doi: 10.1631/FITEE.2300098
关键词: 联邦学习;知识蒸馏;隐私保护;异构环境
一种高效的异构车辆集群协同框架 Research Articles
Iftikhar AHMAD1,2,Rafidah Md NOOR2,Zaheed AHMED3,Umm-e-HABIBA3,Naveed AKRAM4, 5,Fausto Pedro GARCÍA MÁRQUEZ6
《信息与电子工程前沿(英文)》 2021年 第22卷 第9期 页码 1247-1259 doi: 10.1631/FITEE.2000260
非独立同分布推荐系统:推荐范式转换的综述和框架 Artical
Longbing Cao
《工程(英文)》 2016年 第2卷 第2期 页码 212-224 doi: 10.1016/J.ENG.2016.02.013
虽然推荐系统在我们的生活、学习、工作和娱乐中扮演着越来越重要的角色,但是很多时候我们收到的推荐都是不相关的、重复的,或者包含不感兴趣的产品和服务。另一个明显的现象是,虽然投入了很多的精力模拟用户或者物品的特殊属性,但用户和物品的总体属性及它们之间的非独立同分布性(non-IID) 被忽略了。本文先讨论了推荐系统的非独立同分布性,紧接着介绍了非独立同分布性原理,目的是从耦合和异构性的角度来深入阐述传统的推荐系统的固有本质。这种非独立同分布推荐系统引起了传统推荐系统范式的转化—— 从独立同分布向非独立同分布进行转化,希望能够形成高效的、相关性高的、个人订制和可操作的推荐系统。
关键词: 独立同分布 非独立同分布 异构性 关系耦合 耦合学习 关系学习 独立同分布学习 非独立同分布学习 推荐系统 推荐 非独立同分布推荐
通过行为足迹学习人类习惯的个性化服务机器人 Article
李坤, Max Q.-H. Meng
《工程(英文)》 2015年 第1卷 第1期 页码 79-84 doi: 10.15302/J-ENG-2015024
以Matrix-3000为例研究面向裸金属加速器的异构多线程编程模型 Research Article
方建滨1,张鹏1,黄春1,唐滔1,卢凯1,王睿伯1,王峥2
《信息与电子工程前沿(英文)》 2023年 第24卷 第4期 页码 509-520 doi: 10.1631/FITEE.2200359
王硕,唐小我
《中国工程科学》 2002年 第4卷 第7期 页码 29-32
提出虚拟企业敏捷性评价指标体系,用改进的层次分析法(AHP)和改进的模糊灰色物元法(FHW)相结合的AFHW模型进行专家咨询及虚拟企业敏捷性度量计算。并根据研制的虚拟企业敏捷性度量支持系统,对企业进行案例研究。
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
关键词: 人工智能;深度学习;可解释性模型
Soft-HGRNs: 用于多智能体部分可观察场景的随机性层次图递归网络 Research Article
任一翔1,叶振辉1,2,陈弈宁1,姜晓红2,宋广华1
《信息与电子工程前沿(英文)》 2023年 第24卷 第1期 页码 117-130 doi: 10.1631/FITEE.2200073
用于说话人识别的潜在可区分性表征学习 Research Articles
黄多林1,毛启容1,2,马忠臣1,郑智燊1,Sidheswar ROUTRAY1,Elias-Nii-Noi OCQUAYE1
《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.1900690
融合显著性模型和高斯网模型的视网膜血管分割方法 Research Articles
Lan-yan XUE, Jia-wen LIN, Xin-rong CAO, Shao-hua ZHENG, Lun YU
《信息与电子工程前沿(英文)》 2019年 第20卷 第8期 页码 1075-1086 doi: 10.1631/FITEE.1700404
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
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
乔映宾
《中国工程科学》 1999年 第1卷 第1期 页码 73-77
文章介绍了SKI系列C8芳烃异构化催化剂研究工作的进展。阐述了催化剂研制开发的创新思路以及该催化剂的优异性能。该催化剂可使贫对二甲苯或贫对、邻二甲苯的混合C8芳烃异构为接近热力学平衡的C8芳烃,C8芳烃的选择性大于97%,使用寿命可达5年以上。并介绍了该催化剂在引进的七套C8芳烃异构化工业装置上取代了进口催化剂,将该科技成果转化为现实的生产力所取得的成绩。
标题 作者 时间 类型 操作
一种高效的异构车辆集群协同框架
Iftikhar AHMAD1,2,Rafidah Md NOOR2,Zaheed AHMED3,Umm-e-HABIBA3,Naveed AKRAM4, 5,Fausto Pedro GARCÍA MÁRQUEZ6
期刊论文