检索范围:
排序: 展示方式:
视觉知识引导的中国篆刻智能化生成 Research Article
张克俊1,2,张瑞1,殷叶航1,李一非3,伍文棋1,孙凌云1,2,吴飞1,邓晃煌1,潘云鹤1
《信息与电子工程前沿(英文)》 2022年 第23卷 第10期 页码 1479-1493 doi: 10.1631/FITEE.2100094
本文将传统篆刻艺术中的资源协同、设计创作、视觉呈现等过程以数字化方式再现,研制了篆刻艺术智能化创作的系统和平台(浙江大学智能篆刻系统:http://www. next.zju.edu.cn/seal本文构建了包含字和印的求是篆刻数据库,并以此为视觉知识库,构建了篆字智能生成算法。此外,为创建印章布局,提出一种篆字变形算法调整印章字符,并结合视觉知识实现智能篆字布局,以实现智能结构。实验结果表明本文所提方法和系统可有效解决篆刻艺术生成中的难点问题,为篆刻艺术的守正与创新提供理论与应用借鉴。
李旲,胡云昌,曹宏铎
《中国工程科学》 2004年 第6卷 第10期 页码 24-27
以形成基结构智能自动生成系统为目标,以并行自适应神经-模糊推理系统(ANFIS)为工具,建立了具有桁架拓扑结构智能自动生成功能的并行ANFIS系统,并将形态化拓扑结构进行抽象数字提取,作为系统的输入输出数据最后的计算结果表明,这里使用的基于ANFIS系统的桁架结构智能自动生成方法是有效的,能够按照用户要求生成合理的桁架基结构拓扑形式。
钟义信
《中国工程科学》 2000年 第2卷 第9期 页码 50-64
关键词: 知识 知识量 知识生成 知识激活 信息-知识-智能的统一理论
设计智能研究综述:进展、问题和挑战 Special Feature on Intelligent Design
Yong-chuan TANG, Jiang-jie HUANG, Meng-ting YAO, Jia WEI, Wei LI, Yong-xing HE, Ze-jian LI
《信息与电子工程前沿(英文)》 2019年 第20卷 第12期 doi: 10.1631/FITEE.1900398
基于Wasserstein GAN的新一代人工智能小样本数据增强方法——以生物领域癌症分期数据为例 Article
刘宇飞, 周源, 刘欣, 董放, 王畅, 王子鸿
《工程(英文)》 2019年 第5卷 第1期 页码 156-163 doi: 10.1016/j.eng.2018.11.018
以大数据为基础的深度学习算法在推动新一代人工智能快速发展中意义重大。然而深度学习的有效利用对标注样本数量的高度依赖,使得深度学习在小样本数据环境下的应用受到制约。本研究提出了一种基于生成对抗网络(generative adversarial network,GAN)和深度神经网络(deep neural network,DNN)分类器的方法。首先,将原始样本划分为训练集样本和测试集样本,采用训练集样本训练GAN 后生成模拟样本数据,扩增训练集样本规模;然后,使用模拟样本训练DNN 分类器;最后,使用测试集样本测试分类器,并通过指标验证该方法在小样本多分类问题下的有效性本研究有助于探索以深度学习为代表的新一代人工智能技术在应用范围与应用效果方面的潜力。这将对各领域全面推进新一代人工智能的发展具有重要意义。
一种数字大脑的群智平台 Article
Dongrong XU, Fei DAI, Yue LU
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 78-90 doi: 10.1631/FITEE.1700800
利用地球同步轨道InSAR每日生成DEM的质量分析 Article
杨泽发, 张庆君, 丁晓利, 陈武
《工程(英文)》 2020年 第6卷 第8期 页码 913-918 doi: 10.1016/j.eng.2020.07.003
SmartPaint:一种基于生成式对抗神经网络的人机协同绘画系统 Special Feature on Intelligent Design
Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG
《信息与电子工程前沿(英文)》 2019年 第20卷 第12期 页码 1644-1656 doi: 10.1631/FITEE.1900386
关键词: 协同绘画;深度学习;图像生成
基于个性化主题模型的用户生成内容推荐 Article
Wei ZHANG, Jia-yu ZHUANG, Xi YONG, Jian-kou LI, Wei CHEN, Zhe-min LI
《信息与电子工程前沿(英文)》 2017年 第18卷 第5期 页码 708-718 doi: 10.1631/FITEE.1500402
基于机器学习的广彩瓷图案生成系统 Special Feature on Intelligent Design
Steven Szu-Chi CHEN, Hui CUI, Ming-han DU, Tie-ming FU, Xiao-hong SUN, Yi JI, Henry DUH
《信息与电子工程前沿(英文)》 2019年 第20卷 第12期 页码 1632-1643 doi: 10.1631/FITEE.1900399
关键词: 广彩瓷;分类;生成对抗网络;艺术创作
基于最小化重构误差的生成对抗网络异常检测 Article
Huan-gang WANG, Xin LI, Tao ZHANG
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 116-125 doi: 10.1631/FITEE.1700786
高子航, 贾广禄, 谢宏钊, 黄强, 福田敏男, 石青
《工程(英文)》 2022年 第17卷 第10期 页码 232-243 doi: 10.1016/j.eng.2022.05.012
现有的仿生机器鼠仅可以执行一些基本的仿鼠运动基元(MP),并通过这些基元的刚性组合来形成简单的行为。为了模拟具有高相似性的典型实验鼠行为,本文提出使用概率模型和运动特征对实验鼠的行为进行参数化。首先,对15 个10 min 的实验鼠运动视频片段的分析表明,一只实验鼠在野外通常有6 种典型的行为,且每种行为都包含8 个运动基元的不同组合。本文首先使用softmax 分类器来获得实验鼠的行为-运动分层概率模型。其次,使用静态和动态的运动参数对运动基元组合进行特征化。本文分别使用分层聚类和模糊C均值(FCM)聚类获得静态和动态运动参数的优势值。这些优势值通过二阶傅里叶级数对实验鼠的脊柱关节轨迹进行拟合,并且通过具有两个隐藏层的反向传播(BP)神经网络对关节轨迹进行泛化。最后,将分层概率模型和泛化的关节轨迹分别作为控制策略和指令映射到机器鼠。本文在机器鼠上实现了6 种典型的仿鼠行为,其结果与实验鼠的行为相比显示出高度相似性。
A-STC:一种基于拍卖的多机器人协同螺旋生成树覆盖运动规划方法 Research Article
Guan-qiang GAO, Bin XIN
《信息与电子工程前沿(英文)》 2019年 第20卷 第1期 页码 18-31 doi: 10.1631/FITEE.1800551
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
标题 作者 时间 类型 操作
设计智能研究综述:进展、问题和挑战
Yong-chuan TANG, Jiang-jie HUANG, Meng-ting YAO, Jia WEI, Wei LI, Yong-xing HE, Ze-jian LI
期刊论文
SmartPaint:一种基于生成式对抗神经网络的人机协同绘画系统
Lingyun SUN, Pei CHEN, Wei XIANG, Peng CHEN, Wei-yue GAO, Ke-jun ZHANG
期刊论文
基于机器学习的广彩瓷图案生成系统
Steven Szu-Chi CHEN, Hui CUI, Ming-han DU, Tie-ming FU, Xiao-hong SUN, Yi JI, Henry DUH
期刊论文