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 789

年份

2024 2

2023 95

2022 78

2021 69

2020 62

2019 76

2018 55

2017 61

2016 32

2015 19

2014 14

2013 22

2012 11

2011 14

2010 8

2009 10

2008 19

2007 19

2006 26

2005 24

展开︾

关键词

机器学习 27

深度学习 15

人工智能 13

神经网络 7

颠覆性技术 3

3D打印 2

DX桩 2

决策规则 2

动力学 2

动态规划 2

化学反应 2

参数估计 2

可再生能源 2

固体氧化物燃料电池 2

增材制造 2

强化学习 2

微型机器人 2

悬索桥 2

指标体系 2

展开︾

检索范围：

排序：展示方式：

埋入式传感、图像处理技术和机器学习方法在路面监测与分析中应用的最新研究进展 Review

侯越, 李秋晗, 张晨, 陆国阳, 叶周景, 陈逸涵, 汪林兵, 曹丹丹

《工程（英文）》 2021年第7卷第6期页码 845-856 doi: 10.1016/j.eng.2020.07.030

摘要：埋入式传感器、图像处理和机器学习是目前常用的三种路面结构动力响应监测技术和分析方法。本文综述了近年来上述三种技术在路面工程中的应用现状，并阐述了这些技术在未来路面工程监测与分析中的发展方向。

关键词：路面监测与分析最新的研究进展埋入式传感器图像处理技术机器学习方法

HTML PDF 收藏

大数据为材料研究创造新机遇——材料设计的机器学习方法与应用综述 Review

周腾, Zhen Song, Kai Sundmacher

《工程（英文）》 2019年第5卷第6期页码 1017-1026 doi: 10.1016/j.eng.2019.02.011

摘要：从传统上讲，先进的材料都是通过经验或实验验证的方法发现的。因为现代实验和计算技术产生的大数据越来越容易获取，数据驱动或机器学习（ML）方法为发现和合理设计材料打开了新的蓝图。本文简要介绍了各种ML方法和相关的软件或工具。重点介绍了将ML方法应用于材料研究的主要思路和基本步骤。本文还总结了近期ML在多孔聚合材料、催化材料和含能材料的大规模筛选和优化设计中的重要应用。

关键词：大数据数据驱动机器学习材料筛选材料设计

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。伪标签是为未标记数据自动生成的标签，并被当作真实标签用来训练模型。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。两个英语NER任务和一个中文医疗命名实体识别任务的实验结果表明，该方法进一步提高了最佳单神经模型的性能。当仅使用预训练的静态词嵌入且不依赖任何外部知识时，该方法可获得与CoNLL-2003和OntoNotes 5.0英语NER任务上最先进模型相当的性能。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

将基于神经网络的机器学习方法应用于增材制造——应用现状、当前挑战和未来前景 Review

亓欣波, 陈国锋, 李勇, 程宣, 李长鹏

《工程（英文）》 2019年第5卷第4期页码 721-729 doi: 10.1016/j.eng.2019.04.012

摘要：而今，机器学习方法已成为执行复杂模式识别和回归分析的一种有效方式，并且它无需构建和处理潜在的物理模型。得益于当前庞大的数据集、计算能力的提高和计算模型的优化改善，神经网络算法成为了机器学习算法中使用最广泛的模型。本文综述了神经网络算法在增材制造全链条中的模型设计、实时监测、质量评价等方面的应用进展。

关键词：增材制造 3D打印神经网络机器学习算法

HTML PDF 收藏

基于学习方法的三维医学图像压缩质量控制参数预测 Research Articles

侯宇轩1,任重1,陶煜波1,陈为2

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1169-1178 doi: 10.1631/FITEE.2000234

摘要：其中，量化参数（QP）对HEVC的压缩质量控制起决定性作用，如能对其精确预测，就能完成质量控制的目标；然而，直接将视频压缩领域中的预测方法套用到三维医学数据压缩，精度和效率无法取得令人满意的结果。为此，提出一种基于学习的参数预测方法，用于实现三维医学图像压缩中的高效质量控制。本文方法基于支撑向量回归（SVR），可以直接利用从原始数据中提取的基于视频的特征与基于结构的特征来预测最佳QP，无需经过耗时长的预编码或迭代过程。在若干数据集上的实验结果证明，本文方法比现有方法在预测准确度和速度上表现更好。

关键词：医学图像压缩；高效视频编码（HEVC）；质量控制；基于学习方法

HTML PDF 收藏

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

摘要：联邦学习（FL）是深度学习中的一种新技术，可以让客户端在保留各自隐私数据的情况下协同训练模型。然而，由于每个客户端的数据分布、算力和场景都不同，联邦学习面临客户端异构环境的挑战。现有方法（如FedAvg）无法有效满足每个客户的定制化需求。为解决联邦学习中的异构挑战，本文首先详述了数据、模型和目标（DMO）这3个主要异构来源，然后提出一种新的联邦相互学习（FML）框架。在模型异构（MH）问题上，引入一种“模因模型”作为个性化模型与全局模型之间的中介，并且采用深度相互学习（DML）的知识蒸馏技术在两个异构模型之间传递知识。针对目标异构（OH）问题，通过共享部分模型参数，设计针对特定任务的个性化模型，同时，利用模因模型进行相互学习。本研究通过实验评估了FML在应对DMO异构性方面的表现，并与其他常见FL方法在相似场景下进行对比。实验结果表明，FML在处理FL环境中的DMO问题的表现卓越，优于其他方法。

关键词：联邦学习；知识蒸馏；隐私保护；异构环境

HTML PDF 收藏

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

摘要：同时，人工智能的蓬勃发展激励人们充分利用机器学习以改进现有解决方案。本文回顾了2010至2019年间发表的文献，对计算机图形领域中使用机器学习的城市建模方法进行综述。本文可作为机器学习视角下城市建模研究现状的概述。

关键词：城市建模；计算机图形学；机器学习；深度学习

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

基于机器学习的抄袭源检索的查询生成方法 Article

Lei-lei KONG, Zhi-mao LU, Hao-liang QI, Zhong-yuan HAN

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1556-1572 doi: 10.1631/FITEE.1601344

摘要：然而，每个启发式方法都有其优点，不同方法生成的查询可以获得不同的源检索结果，没有一种方法生成的查询的源检索性能可以在所有的文本片段上具有统计有效性地优于其他方法。这使得基于启发式的源检索查询生成方法的性能改善主要依赖专家经验。因此，很难开发一种可以克服现有启发式方法的新方法。本文提出使用统计机器学习方法解决源检索的查询生成问题，将源检索的查询生成形式化到一个排序学习的框架下，从备选查询中选择有利于提高源检索性能的查询，力争在每个可疑文档片段上获得最优的源检索性能。据我们所知，这是第一项应用机器学习方法解决源检索查询生成问题的工作。为了解决排序学习训练用例的缺失，提出了基于现有源检索语料构建查询生成语料的方法。在PAN抄袭源检索评测数据上的试验结果证明了该方法具有统计意义地优于多个基线方法。

关键词：抄袭检测；源检索；查询生成；机器学习；排序学习

HTML PDF 收藏

基于强化模糊认知图实现数据与知识协作的氟化铝添加量决策方法 Article

岳伟超, 桂卫华, 陈晓方, 曾朝晖, 谢永芳

《工程（英文）》 2019年第5卷第6期页码 1060-1076 doi: 10.1016/j.eng.2019.10.005

摘要：由于工艺人员的主观性以及铝电解槽的复杂性，基于知识或者基于数据的决策方法难以保证添加的准确性。现有的决策方法难以囊括复杂的因果关系。在这种方法中，改进的模糊k均值和模糊决策树用于提取模糊规则，其中提取的规则用于修正专家提出的初始框架。同时，采用状态转移优化算法（STA）获取强化模糊认知图的权重。将提出的方法与已有方法进行对比，结果表明，强化模糊认知的收敛速度快于基于Hebbian学习方法、粒子群优化方法以及遗传算法。不仅如此，基于所提方法氟化铝添加量的决策准确率高于其他方法。因此，针对氟化铝添加量的决策，本文提出的方法是有效的。

关键词：氟化铝添加模糊认知图学习方法状态转移优化方法模糊决策树

HTML PDF 收藏

模糊迭代学习方法及高层建筑结构地震响应控制的数值模拟

汪权,王建国,张鸣祥

《中国工程科学》 2011年第13卷第4期页码 81-86

摘要：

结合自校正控制、模糊逻辑和迭代学习控制的基本思想，提出采用自整定模糊控制确定迭代学习律的方法，提高了迭代学习控制的鲁棒性。选取建筑结构振动控制Benchmark第二阶段的地震作用Benchmark模型作为研究对象，进行模糊迭代学习控制地震响应仿真计算，结果表明该方法能够对Benchmark模型的地震响应进行有效控制，而且具有学习控制律简单实用

关键词：高层建筑地震响应迭代学习控制模糊控制

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。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。研究结论可为无测站流域的洪水预报和水资源规划提高参考。

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

基于带约束最大间隔的贝叶斯分类器判别学习方法 None

Ke GUO, Xia-bi LIU, Lun-hao GUO, Zong-jie LI, Zeng-min GENG

《信息与电子工程前沿（英文）》 2018年第19卷第5期页码 639-650 doi: 10.1631/FITEE.1700007

摘要：提出一种新的面向贝叶斯模式分类的判别学习方法，称作“带约束的最大间隔（CMM）方法”。通过计算正样本最小决策值和负样本最大决策值的差异，定义类别之间的类别间隔。基于该类别间隔和正确分类的约束，将间隔函数学习问题转化为最大化类别间隔问题。利用序列无约束最小化技术解决该非线性规划问题。运用CMM方法得到基于高斯混合模型的贝叶斯分类器，并在10个UCI数据集上进行实验。结果表明，利用CMM方法得到的分类器分类性能，明显优于代表性的生成式学习方法期望最大化（EM）和判别式学习方法支持向量机（SVM），并且在多个数据集上取得了相比之前最优结果更好的效果。分类实验和分类器对比实验证明，CMM方法有效，具有一定应用前景。

关键词：判别学习；统计建模；贝叶斯分类器；高斯混合模型；UCI数据集

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