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 234

年份

2023 44

2022 42

2021 34

2020 30

2019 26

2018 17

2017 19

2016 7

2015 1

2011 1

2010 1

2009 1

2008 1

2007 3

2006 1

2005 1

2004 1

2002 2

2001 2

展开︾

关键词

机器学习 27

深度学习 15

人工智能 10

代理模型 2

增材制造 2

强化学习 2

材料设计 2

结构健康监测 2

高层建筑 2

2D—3D配准 1

3D打印 1

6G 1

ARM 1

CAN总线 1

CCUS 1

COVID-19 1

H∞控制；零和动态博弈；强化学习；自适应动态规划；极小极大Q-学习；策略迭代 1

IC产业 1

IgG 1

展开︾

检索范围：

排序：展示方式：

联邦无监督表示学习 Research Article

张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1181-1193 doi: 10.1631/FITEE.2200268

摘要：为利用分布式边缘设备上大量未标记数据，我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题，以在没有监督的情况下学习通用表示模型，同时保护数据隐私。

关键词：联邦学习；无监督学习；表示学习；对比学习

HTML PDF 收藏

6G中联邦学习的应用、挑战和机遇 Review

杨照辉,陈明哲,黃繼傑,H. Vincent Poor,崔曙光

《工程（英文）》 2022年第8卷第1期页码 33-41 doi: 10.1016/j.eng.2021.12.002

摘要：

标准的机器学习方法需要在数据中心集中训练数据，从而采用集中式机器学习算法来进行数据分析和推理。联邦学习可解决这些问题。联邦学习可以使设备能够在没有数据共享和传输的情况下训练机器学习模型。本文全面概述了未来第六代（6G）无线网络的联邦学习应用。特别是，首先描述了将联邦学习应用于无线通信中的基本要求。然后详细介绍了无线通信中潜在的联邦学习新型应用，讨论了与新型应用相关的主要问题和挑战。最后，描述了用于无线通信的联邦学习的详细实现方案，并给出了联邦学习的难点和应用前景。

关键词：联邦学习 6G 智能反射面语义通信通信感知计算一体化

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。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。该框架使得每个客户端都能训练一个考虑到数据异构（DH）的个性化模型。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。

关键词：联邦学习；知识蒸馏；隐私保护；异构环境

HTML PDF 收藏

基于联邦边缘学习的梯度量化和带宽分配优化策略 Research Article

刘沛西1,3,江甲沫2,朱光旭3,程磊4,5,蒋伟1,罗武1,杜滢2,王志勤2

《信息与电子工程前沿（英文）》 2022年第23卷第8期页码 1247-1263 doi: 10.1631/FITEE.2100538

摘要：由于边缘设备有限算力和边缘网络有限的无线资源，利用联邦边缘学习（federated edge learning, FEEL）训练机器学习模型通常非常耗时。在不同学习任务和模型下，仿真结果证明了本文分析的有效性和所提优化算法性能接近最优。

关键词：联邦边缘学习；量化优化；带宽分配；训练时间最小化

HTML PDF 收藏

面向物联网的激励感知区块链辅助的智能边缘缓存与计算迁移研究 Article

王倩, 陈思光, 吴蒙

《工程（英文）》 2023年第31卷第12期页码 127-138 doi: 10.1016/j.eng.2022.10.014

摘要：此外，为解决上述优化问题，本文设计了区块链激励和贡献联合感知的联邦深度强化学习算法。在本地训练期间，该算法构建了一个激励感知区块链辅助的协作机制，即在安全保障前提下增强ENs参与协作的意愿。同时，提出了一种基于贡献的联邦聚合方法，即基于EN对全局模型性能提升所做贡献来计算其梯度的聚合权重，以提升训练效果。

关键词：计算迁移缓存激励区块链联邦深度强化学习

HTML PDF 收藏

美国联邦政府机构技术预测工具应用态势分析

孙棕檀,李云,李浩悦,特日格乐

《中国工程科学》 2017年第19卷第5期页码 92-96 doi: 10.15302/J-SSCAE-2017.05.016

摘要：

美国国防分析研究所发布的《美国联邦政府技术预测工具应用现状与潜在应用》研究报告对美国联邦政府机构技术预测工作开展现状进行了梳理，对联邦政府机构期望拥有的技术预测工具能力进行了分析本文在此基础上，对联邦政府机构技术预测工具的应用态势进行了总结，为我国开发相应技术预测工具提供参考与借鉴。

关键词：美国联邦政府机构技术预测工具自动化

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。

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

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

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类

HTML PDF 收藏

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

摘要：

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。

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

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

学习曲线及在工业生产运作研究中的应用综述

陈志祥

《中国工程科学》 2007年第9卷第7期页码 82-88

摘要：

学习曲线是一种通过生产者行为学习与经验积累而得到改进的生产产出的特征函数，利用学习曲线可以科学地制定成本计划，改善作业计划、劳动定额与劳力规划对国际上的研究文献、学习曲线的表现形式及其特点进行分析，探讨了几个新的应用动向。

关键词：学习曲线运作管理行为研究

HTML PDF 收藏

基于内嵌物理信息深度学习模型的增材制造工艺参数及熔池尺寸预测 Article

赵明志, 韦辉亮, 茅仪铭, 张长东, 刘婷婷, 廖文和

《工程（英文）》 2023年第23卷第4期页码 181-195 doi: 10.1016/j.eng.2022.09.015

摘要：为了解决此问题，本工作融合典型实验、机理模型和深度学习研究激光PBF过程中关键参数和熔池特性的正向和逆向预测。实验提供基础数据，机理模型显著增强数据集，多层感知器（MLP）深度学习模型则根据实验和机理模型构建的数据集预测熔池尺寸和工艺参数。此外，MLP模型的预测准确率与数据集的特征密切相关，即数据集的可学习性对预测准确率有至关重要的影响。

关键词：增材制造熔池模型深度学习可学习性

HTML PDF 收藏

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

摘要：

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

HTML PDF 收藏

一种用于工业过程监测的鲁棒迁移字典学习算法 Article

阳春华, 梁慧平, 黄科科, 李勇刚, 桂卫华

《工程（英文）》 2021年第7卷第9期页码 1262-1273 doi: 10.1016/j.eng.2020.08.028

摘要：因此，当将从训练数据中学习的模型应用于实际的在线监测时，很难实现精确的过程监测。为了解决操作环境变化导致的历史训练数据和在线测试数据之间的分布差异问题，提出了一种鲁棒的迁移字典学习（RTDL）算法用于工业过程监测。RTDL是表示学习和域自适应迁移学习的协同方法。该方法将历史训练数据和在线测试数据分别作为迁移学习问题的源域和目标域。然后将最大均值差异正则化和线性判别分析正则化引入字典学习框架，可以减少源域和目标域之间的分布差异。这样，即使源域和目标域的特征在实际变化的操作环境的干扰下明显不同，仍可以学习鲁棒的字典。这样的字典可以有效地提高过程监测和模态识别的性能。通过数值仿真和两个工业系统的实验验证了该方法的有效性和优越性。

关键词：过程监测多模态过程字典学习迁移学习