检索范围：
排序： 展示方式：
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
人工智能算法在网络空间安全中的应用：技术与现状综述 Review
陈捷1,2,武丹丹2,谢瑞云2
《信息与电子工程前沿（英文）》 2023年 第24卷 第8期 页码 1117-1142 doi: 10.1631/FITEE.2200314
TIE算法：一种用于处理演化数据的聚类分层分类法生成技术上层算法 None
Rabia IRFAN, Sharifullah KHAN, Kashif RAJPOOT, Ali Mustafa QAMAR
《信息与电子工程前沿（英文）》 2018年 第19卷 第6期 页码 763-782 doi: 10.1631/FITEE.1700517
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
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
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。
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
对家用的私人机器人来说，个性化服务和预先设计的任务同样重要，因为机器人需要根据操作者的习惯调整住宅状况。为了学习由诱因、行为和回报构成的操作者习惯，本文介绍了行为足迹，以描述操作者在家中的行为，并运用逆向增强学习技巧提取用回报函数代表的操作者习惯。本文用一个移动机器人调节室内温度，来实施这个方法，并把该方法和记录操作者所有诱因和行为的基准办法相比较。结果显示，提出的方法可以使机器人准确揭示操作者习惯，并相应地调节环境状况。
基于梯度跟踪和分布式重球加速的分布式随机优化算法 Research Articles
孙碧皓1,胡锦辉1,夏大文2,李华青1
《信息与电子工程前沿（英文）》 2021年 第22卷 第11期 页码 1463-1476 doi: 10.1631/FITEE.2000615
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
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
一种使用静态分析和遗传搜索在Android恶意软件检测中搜索最优特征的方法 None
Ahmad FIRDAUS, Nor Badrul ANUAR, Ahmad KARIM, Mohd Faizal Ab RAZAK
《信息与电子工程前沿（英文）》 2018年 第19卷 第6期 页码 712-736 doi: 10.1631/FITEE.1601491
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
通讯式学习——统一的机器学习模式 Review
袁路遥, 朱松纯
《工程（英文）》 2023年 第25卷 第6期 页码 77-100 doi: 10.1016/j.eng.2022.10.017
In this article, we propose a communicative learning (CL) formalism that unifies existing machine learning paradigms, such as passive learning, active learning, algorithmic teaching, and so forth, and facilitates the development of new learning methods. Arising from human cooperative communication, this formalism poses learning as a communicative process and combines pedagogy with the burgeoning field of machine learning. The pedagogical insight facilitates the adoption of alternative information sources in machine learning besides randomly sampled data, such as intentional messages given by a helpful teacher. More specifically, in CL, a teacher and a student exchange information with each other collaboratively to transmit and acquire certain knowledge. Each agent has a mind, which includes the agent's knowledge, utility, and mental dynamics. To establish effective communication, each agent also needs an estimation of its partner's mind. We define expressive mental representations and learning formulation sufficient for such recursive modeling, which endows CL with human-comparable learning efficiency. We demonstrate the application of CL to several prototypical collaboration tasks and illustrate that this formalism allows learning protocols to go beyond Shannon's communication limit. Finally, we present our contribution to the foundations of learning by putting forth hierarchies in learning and defining the halting problem of learning.
关键词： Artificial intelligencehine Cooperative communication Machine learning Pedagogy Theory of mind
标题 作者 时间 类型 操作
TIE算法：一种用于处理演化数据的聚类分层分类法生成技术上层算法
Rabia IRFAN, Sharifullah KHAN, Kashif RAJPOOT, Ali Mustafa QAMAR
期刊论文
一种使用静态分析和遗传搜索在Android恶意软件检测中搜索最优特征的方法
Ahmad FIRDAUS, Nor Badrul ANUAR, Ahmad KARIM, Mohd Faizal Ab RAZAK
期刊论文
京公网安备 11010502051620号
