1. <button id="qm3rj"><thead id="qm3rj"></thead></button>
      <samp id="qm3rj"></samp>
      <source id="qm3rj"><menu id="qm3rj"><pre id="qm3rj"></pre></menu></source>

      <video id="qm3rj"><code id="qm3rj"></code></video>

        1. <tt id="qm3rj"><track id="qm3rj"></track></tt>
            1. 2.765

              2022影響因子

              (CJCR)

              • 中文核心
              • EI
              • 中國科技核心
              • Scopus
              • CSCD
              • 英國科學文摘

              留言板

              尊敬的讀者、作者、審稿人, 關于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復。謝謝您的支持!

              姓名
              郵箱
              手機號碼
              標題
              留言內容
              驗證碼

              獲獎論文

              中國百篇最具影響國內學術論文
              基于區塊鏈的醫療數據共享模型研究
              薛騰飛, 傅群超, 王樅, 王新宴
              2017, 43(9): 1555-1562. doi: 10.16383/j.aas.2017.c160661
              摘要:
              根據醫療行業現狀,不難發現各醫療機構間共享數據困難,因為醫療數據的校驗、保存和同步一直是一個難點.病人、醫生以及研究人員在訪問和共享醫療數據時存在嚴格的限制,這一過程需要花費大量的資源和時間用于權限審查和數據校驗.本文提出一個基于區塊鏈的醫療數據共享模型,具有去中心化、安全可信、集體維護、不可篡改等特點,適用于解決各醫療機構數據共享的難題.本文詳細介紹了模型的組件以及實現原理.將現有醫療機構進行分類,配合使用改進的共識機制實現了方便、安全、快捷的數據共享.此外,通過對比醫療數據共享存在的問題,分析了本模型的優勢以及帶來的影響.
              基于跨連接LeNet-5網絡的面部表情識別
              李勇, 林小竹, 蔣夢瑩
              2018, 44(1): 176-182. doi: 10.16383/j.aas.2018.c160835
              摘要:
              為避免人為因素對表情特征提取產生的影響,本文選擇卷積神經網絡進行人臉表情識別的研究.相較于傳統的表情識別方法需要進行復雜的人工特征提取,卷積神經網絡可以省略人為提取特征的過程.經典的LeNet-5卷積神經網絡在手寫數字庫上取得了很好的識別效果,但在表情識別中識別率不高.本文提出了一種改進的LeNet-5卷積神經網絡來進行面部表情識別,將網絡結構中提取的低層次特征與高層次特征相結合構造分類器,該方法在JAFFE表情公開庫和CK+數據庫上取得了較好的結果.
              基于參考點預測的動態多目標優化算法
              丁進良, 楊翠娥, 陳立鵬, 柴天佑
              2017, 43(2): 313-320. doi: 10.16383/j.aas.2017.c150811
              摘要:
              為了快速跟蹤動態多目標優化問題變化的Pareto前沿,本文提出一種基于參考點預測策略的動態多目標優化算法(PDMOP).該算法對關聯到相同參考點的個體建立時間序列,并對這些時間序列通過線性回歸模型預測新環境下種群.同時,將歷史時刻的預測誤差反饋到當前預測中來提高預測的準確性,并在每個預測的個體上加入擾動來增加初始種群多樣性,從而能夠加快算法在新環境下的收斂速度.通過4個標準測試函數對該算法測試,并和兩個現有算法對比分析,結果表明所提算法在處理動態多目標優化問題時能夠保持良好的性能.
              基于條件深度卷積生成對抗網絡的圖像識別方法
              唐賢倫, 杜一銘, 劉雨微, 李佳歆, 馬藝瑋
              2018, 44(5): 855-864. doi: 10.16383/j.aas.2018.c170470
              摘要:
              生成對抗網絡(Generative adversarial networks,GAN)是目前熱門的生成式模型.深度卷積生成對抗網絡(Deep convolutional GAN,DCGAN)在傳統生成對抗網絡的基礎上,引入卷積神經網絡(Convolutional neural networks,CNN)進行無監督訓練;條件生成對抗網絡(Conditional GAN,CGAN)在GAN的基礎上加上條件擴展為條件模型.結合深度卷積生成對抗網絡和條件生成對抗網絡的優點,建立條件深度卷積生成對抗網絡模型(Conditional-DCGAN,C-DCGAN),利用卷積神經網絡強大的特征提取能力,在此基礎上加以條件輔助生成樣本,將此結構再進行優化改進并用于圖像識別中,實驗結果表明,該方法能有效提高圖像的識別準確率.
              科協獲獎論文
              數據和知識驅動的城市污水處理過程多目標優化控制
              韓紅桂, 張琳琳, 伍小龍, 喬俊飛
              2021, 47(11): 2538-2546. doi: 10.16383/j.aas.c210098
              摘要:
              城市污水處理過程優化控制是降低能耗的有效手段, 然而, 如何提高出水水質的同時降低能耗依然是當前城市污水處理過程面臨的挑戰. 圍繞上述挑戰, 文中提出了一種數據和知識驅動的多目標優化控制(Data-knowledge driven multiobjective optimal control, DK-MOC)方法. 首先, 建立了出水水質、能耗以及系統運行狀態的表達關系, 獲得了運行過程優化目標模型. 其次, 提出了一種基于知識遷徙學習的動態多目標粒子群優化算法, 實現了控制變量優化設定值的自適應求解. 最后, 將提出的DK-MOC應用于城市污水處理過程基準仿真模型1 (Benchmark simulation model No. 1, BSM1). 結果表明該方法能夠實時獲取控制變量的優化設定值, 提高了出水水質, 并且有效降低了運行能耗.
              平行學習——機器學習的一個新型理論框架
              李力, 林懿倫, 曹東璞, 鄭南寧, 王飛躍
              2017, 43(1): 1-8. doi: 10.16383/j.aas.2017.y000001
              摘要:
              本文提出了一種新的機器學習理論框架.該框架結合了現有多種機器學習理論框架的優點,并針對如何使用軟件定義的人工系統從大數據提取有效數據,如何結合預測學習和集成學習,以及如何利用默頓定律進行指示學習等目前機器學習領域面臨的重要問題進行了特別設計.
              基于GAN技術的自能源混合建模與參數辨識方法
              孫秋野, 胡旌偉, 楊凌霄, 張化光
              2018, 44(5): 901-914. doi: 10.16383/j.aas.2018.c170487
              摘要:
              自能源(We-energy,WE)作為能源互聯網的子單元旨在實現能量間的雙向傳輸及靈活轉換.由于自能源在不同工況下運行特性存在很大差異,現有方法還不能對其參數精確地辨識.為了解決上述問題,本文根據自能源網絡結構提出了一種基于GAN技術的數據——機理混合驅動方法對自能源模型參數辨識.將GAN(Generative adversarial networks)模型中訓練數據與專家經驗結合進行模糊分類,解決了自能源在不同運行工況下的模型切換問題.通過應用含策略梯度反饋的改進GAN技術對模型進行訓練,解決了自能源中輸出序列離散的問題.仿真結果表明,提出的模型具有較高的辨識精度和更好的推廣性,能有效地擬合系統不同工況下各節點的狀態變化.
              基于密度的聚類中心自動確定的混合屬性數據聚類算法研究
              陳晉音, 何輝豪
              2015, 41(10): 1798-1813. doi: 10.16383/j.aas.2015.c150062
              摘要:
              面對廣泛存在的混合屬性數據,現有大部分混合屬性聚類算法普遍存在聚類 質量低、聚類算法參數依賴性大、聚類類別個數和聚類中心無法準確自動確定等問題,針對 這些問題本文提出了一種基于密度的聚類中心自動確定的混合屬性數據 聚類算法.該算法通過分析混合屬性數據特征,將混合屬性數據分為數 值占優、分類占優和均衡型混合屬性數據三類,分析不同情況的特征選取 相應的距離度量方式.在計算數據集各個點的密度和距離分布圖基礎 上,深入分析獲得規律: 高密度且與比它更高密度的數據點有較大距離的數 據點最可能成為聚類中心,通過線性回歸模型和殘差分析確定奇異 點,理論論證這些奇異點即為聚類中心,從而實現了自動確定聚類中心.采 用粒子群算法(Particle swarm optimization, PSO)尋找最優dc值,通過參數dc能夠計算得到 任意數據對象的密度和到比它密度更高的點的最小距離,根據聚類 中心自動確定方法確定每個簇中心,并將其他點按到最近鄰的更高 密度對象的最小距離劃分到相應的簇中,從而實現聚類.最終將本文 提出算法與其他現有的多種混合屬性聚類算法在多個數據集上進行 算法性能比較,驗證本文提出算法具有較高的聚類質量.
              基于非局部相似模型的壓縮感知圖像恢復算法
              沈燕飛, 李錦濤, 朱珍民, 張勇東, 代鋒
              2015, 41(2): 261-272. doi: 10.16383/j.aas.2015.c140210
              摘要:
              針對壓縮感知(Compressed sensing, CS)圖像恢復問題, 提出了一種基于非局部相似模型的壓縮感知恢復算法, 該算法將傳統意義上二維圖像塊的稀疏性擴展到相似圖像塊組在三維空間上的稀疏性, 在提高圖像表示稀疏度的同時進一步提高了壓縮感知圖像恢復效率, 恢復圖像在紋理和結構保持方面都得到了很大的提升. 在該算法模型求解過程中, 使用增廣拉格朗日方法將受限優化問題轉換為非受限優化問題, 為減少計算復雜度, 還使用了基于泰勒展開的線性化技術來加速算法求解. 實驗結果表明, 該算法的圖像恢復性能優于目前主流的壓縮感知圖像恢復算法.
              復雜工業過程運行優化與反饋控制
              柴天佑
              2013, 39(11): 1744-1757. doi: 10.3724/SP.J.1004.2013.01744
              摘要:
              過程控制不僅使被控對象的輸出盡可能好地跟蹤控制器設定值, 而且要對整個工業裝置的運行進行控制, 使反映產品在該裝置加工過程中質量、效率與消耗等指標, 即運行指標在目標值范圍內, 盡可能提高質量與效率指標, 盡可能降低消耗指標, 即實現工業過程運行優化控制. 本文在綜述了已有的運行優化與控制方法的基礎上, 重點介紹了復雜工業過程的數據驅動的混合智能運行優化控制和運行控制半實物仿真系統, 并以赤鐵礦磨礦過程為應用研究案例, 仿真實驗和工業應用結果表明所提方法的有效性, 并指出了復雜工業過程運行優化控制研究需要關注的問題.
              從故事到動畫片--全過程計算機輔助動畫自動生成
              陸汝鈐, 張松懋
              2002, 28(3): 321-348.
              摘要:
              論述了作者提出并實現的全過程計算機輔助動畫自動生成技術,即從用自然語言書寫 的故事開始,直至最終生成動畫,每一步都是在計算機輔助下完成的,這是一種新的基于人工智 能的動畫生成技術.文中還分別從自然語言理解、故事理解、動畫設計和生成、規劃、動畫知識 庫、常識處理幾個方面對該技術進行闡述.
              2022年度優秀論文
              多智能體深度強化學習的若干關鍵科學問題
              孫長銀, 穆朝絮
              2020, 46(7): 1301-1312. doi: 10.16383/j.aas.c200159
              摘要:
              強化學習作為一種用于解決無模型序列決策問題的方法已經有數十年的歷史, 但強化學習方法在處理高維變量問題時常常會面臨巨大挑戰. 近年來, 深度學習迅猛發展, 使得強化學習方法為復雜高維的多智能體系統提供優化的決策策略、在充滿挑戰的環境中高效執行目標任務成為可能. 本文綜述了強化學習和深度強化學習方法的原理, 提出學習系統的閉環控制框架, 分析了多智能體深度強化學習中存在的若干重要問題和解決方法, 包括多智能體強化學習的算法結構、環境非靜態和部分可觀性等問題, 對所調查方法的優缺點和相關應用進行分析和討論. 最后提供多智能體深度強化學習未來的研究方向, 為開發更強大、更易應用的多智能體強化學習控制系統提供一些思路.
              基于凸近似的避障原理及無人駕駛車輛路徑規劃模型預測算法
              韓月起, 張凱, 賓洋, 秦闖, 徐云霄, 李小川, 和林, 葛建勇, 王天培, 劉宏偉
              2020, 46(1): 153-167. doi: 10.16383/j.aas.2018.c170287
              摘要:
              提出了一種改進的無人駕駛車輛路徑規劃方法, 并搭建了相應的軟件在環實時仿真系統, 對方法在結構化道路下的復雜動態交通工況進行性能驗證.首先, 引入基于凸近似的避障原理, 對障礙物參考點的選取進行優化, 擴大了路徑規劃的可行域范圍.采用改進后的方法, 并結合模型預測控制(Model predictive control, MPC)原理和曲線坐標系統, 綜合考慮自車及障礙車的外形、道路幾何約束及自車的機械結構約束、路徑最短、側向加速度、道路對中、逐次變道、車距安全度、左變道優先和前輪轉角變化率等權重的影響, 實現了車輛在復雜動態交通工況下的路徑規劃.最后, 以長城H7運動多用途車作為無人駕駛實驗及仿真平臺, 搭建基于dSPACE多核架構的Carsim + Simulink軟件在環實時仿真系統, 對算法進行驗證.結果表明, 所提出的方法不僅可獲得合理、平滑的行駛路徑, 順利避開運動障礙車的干擾, 而且具有良好的實時性.
              卷積神經網絡結構優化綜述
              林景棟, 吳欣怡, 柴毅, 尹宏鵬
              2020, 46(1): 24-37. doi: 10.16383/j.aas.c180275
              摘要:
              近年來, 卷積神經網絡(Convolutional neural network, CNNs)在計算機視覺、自然語言處理、語音識別等領域取得了突飛猛進的發展, 其強大的特征學習能力引起了國內外專家學者廣泛關注.然而, 由于深度卷積神經網絡普遍規模龐大、計算度復雜, 限制了其在實時要求高和資源受限環境下的應用.對卷積神經網絡的結構進行優化以壓縮并加速現有網絡有助于深度學習在更大范圍的推廣應用, 目前已成為深度學習社區的一個研究熱點.本文整理了卷積神經網絡結構優化技術的發展歷史、研究現狀以及典型方法, 將這些工作歸納為網絡剪枝與稀疏化、張量分解、知識遷移和精細模塊設計4個方面并進行了較為全面的探討.最后, 本文對當前研究的熱點與難點作了分析和總結, 并對網絡結構優化領域未來的發展方向和應用前景進行了展望.
              2021年度優秀論文
              目標跟蹤算法綜述
              孟琭, 楊旭
              2019, 45(7): 1244-1260. doi: 10.16383/j.aas.c180277
              摘要:
              目標跟蹤一直以來都是計算機視覺領域的關鍵問題,最近隨著人工智能技術的飛速發展,運動目標跟蹤問題得到了越來越多的關注.本文對主流目標跟蹤算法進行了綜述,首先,介紹了目標跟蹤中常見的問題,并由時間順序對目標跟蹤算法進行了分類:早期的經典跟蹤算法、基于核相關濾波的跟蹤算法以及基于深度學習的跟蹤算法.接下來,對每一類中經典的跟蹤算法的原始版本和各種改進版本做了介紹、分析以及比較.最后,使用OTB-2013數據集對目標跟蹤算法進行測試,并對結果進行分析,得出了以下結論:1)相比于光流法、Kalman、Meanshift等傳統算法,相關濾波類算法跟蹤速度更快,深度學習類方法精度高.2)具有多特征融合以及深度特征的追蹤器在跟蹤精度方面的效果更好.3)使用強大的分類器是實現良好跟蹤的基礎.4)尺度的自適應以及模型的更新機制也影響著跟蹤的精度.
              區塊鏈安全問題:研究現狀與展望
              韓璇, 袁勇, 王飛躍
              2019, 45(1): 206-225. doi: 10.16383/j.aas.c180710
              摘要:
              區塊鏈是比特幣底層的核心技術,展示了在自組織模式下實現大規模協作的巨大潛力,為解決分布式網絡中的一致性問題提供了全新的方法.隨著比特幣的廣泛流通和去中心化區塊鏈平臺的蓬勃發展,區塊鏈應用也逐漸延伸至金融、物聯網等領域,全球掀起了區塊鏈的研究熱潮.然而,區塊鏈為無信任的網絡環境提供安全保障的同時,也面臨安全和隱私方面的嚴峻挑戰.本文定義了區塊鏈系統設計追求的安全目標,從機制漏洞、攻擊手段和安全措施三方面對區塊鏈各層級的安全問題進行全面分析,提出了區塊鏈的平行安全概念框架,并總結未來區塊鏈安全問題的研究重點.本文致力于為區塊鏈研究提供有益的安全技術理論支撐與借鑒.
              智能交通信息物理融合云控制系統
              夏元清, 閆策, 王笑京, 宋向輝
              2019, 45(1): 132-142. doi: 10.16383/j.aas.c180370
              摘要:
              針對現代智能交通信息物理融合路網建設中的對象種類復雜、采集數據量大、傳輸及計算需求高以及實時調度控制能力弱等問題,基于云控制系統理論,以現代智能交通控制網絡為研究對象,設計了智能交通信息物理融合云控制系統方案,包括智能交通邊緣控制技術和智能交通網絡虛擬化技術.基于智能交通流大數據,在云控制管理中心服務器上利用深度學習和超限學習機等智能學習方法對采集的交通流數據進行訓練預測計算,能夠預測城市道路的短時交通流和擁堵狀況.進一步在云端利用智能優化調度算法得到實時的交通流調控策略,用于解決擁堵路段交通流分配難題,提高智能交通控制系統動態運行性能.仿真結果表明了本文方法的有效性.
              2020年度優秀論文
              智能交通信息物理融合云控制系統
              夏元清, 閆策, 王笑京, 宋向輝
              2019, 45(1): 132-142. doi: 10.16383/j.aas.c180370
              摘要:
              針對現代智能交通信息物理融合路網建設中的對象種類復雜、采集數據量大、傳輸及計算需求高以及實時調度控制能力弱等問題,基于云控制系統理論,以現代智能交通控制網絡為研究對象,設計了智能交通信息物理融合云控制系統方案,包括智能交通邊緣控制技術和智能交通網絡虛擬化技術.基于智能交通流大數據,在云控制管理中心服務器上利用深度學習和超限學習機等智能學習方法對采集的交通流數據進行訓練預測計算,能夠預測城市道路的短時交通流和擁堵狀況.進一步在云端利用智能優化調度算法得到實時的交通流調控策略,用于解決擁堵路段交通流分配難題,提高智能交通控制系統動態運行性能.仿真結果表明了本文方法的有效性.
              區塊鏈安全問題:研究現狀與展望
              韓璇, 袁勇, 王飛躍
              2019, 45(1): 206-225. doi: 10.16383/j.aas.c180710
              摘要:
              區塊鏈是比特幣底層的核心技術,展示了在自組織模式下實現大規模協作的巨大潛力,為解決分布式網絡中的一致性問題提供了全新的方法.隨著比特幣的廣泛流通和去中心化區塊鏈平臺的蓬勃發展,區塊鏈應用也逐漸延伸至金融、物聯網等領域,全球掀起了區塊鏈的研究熱潮.然而,區塊鏈為無信任的網絡環境提供安全保障的同時,也面臨安全和隱私方面的嚴峻挑戰.本文定義了區塊鏈系統設計追求的安全目標,從機制漏洞、攻擊手段和安全措施三方面對區塊鏈各層級的安全問題進行全面分析,提出了區塊鏈的平行安全概念框架,并總結未來區塊鏈安全問題的研究重點.本文致力于為區塊鏈研究提供有益的安全技術理論支撐與借鑒.
              目標跟蹤算法綜述
              孟琭, 楊旭
              2019, 45(7): 1244-1260. doi: 10.16383/j.aas.c180277
              摘要:
              目標跟蹤一直以來都是計算機視覺領域的關鍵問題,最近隨著人工智能技術的飛速發展,運動目標跟蹤問題得到了越來越多的關注.本文對主流目標跟蹤算法進行了綜述,首先,介紹了目標跟蹤中常見的問題,并由時間順序對目標跟蹤算法進行了分類:早期的經典跟蹤算法、基于核相關濾波的跟蹤算法以及基于深度學習的跟蹤算法.接下來,對每一類中經典的跟蹤算法的原始版本和各種改進版本做了介紹、分析以及比較.最后,使用OTB-2013數據集對目標跟蹤算法進行測試,并對結果進行分析,得出了以下結論:1)相比于光流法、Kalman、Meanshift等傳統算法,相關濾波類算法跟蹤速度更快,深度學習類方法精度高.2)具有多特征融合以及深度特征的追蹤器在跟蹤精度方面的效果更好.3)使用強大的分類器是實現良好跟蹤的基礎.4)尺度的自適應以及模型的更新機制也影響著跟蹤的精度.
              基于視覺的目標檢測與跟蹤綜述
              尹宏鵬, 陳波, 柴毅, 劉兆棟
              2016, 42(10): 1466-1489. doi: 10.16383/j.aas.2016.c150823
              摘要:
              基于視覺的目標檢測與跟蹤是圖像處理、計算機視覺、模式識別等眾多學科的交叉研究課題,在視頻監控、虛擬現實、人機交互、自主導航等領域,具有重要的理論研究意義和實際應用價值.本文對目標檢測與跟蹤的發展歷史、研究現狀以及典型方法給出了較為全面的梳理和總結.首先,根據所處理的數據對象的不同,將目標檢測分為基于背景建模和基于前景建模的方法,并分別對背景建模與特征表達方法進行了歸納總結.其次,根據跟蹤過程有無目標檢測的參與,將跟蹤方法分為生成式與判別式,對基于統計的表觀建模方法進行了歸納總結.然后,對典型算法的優缺點進行了梳理與分析,并給出了其在標準數據集上的性能對比.最后,總結了該領域待解決的難點問題,對其未來的發展趨勢進行了展望.
              2019年度優秀論文
              下肢康復機器人及其交互控制方法
              胡進, 侯增廣, 陳翼雄, 張峰, 王衛群
              2014, 40(11): 2377-2390. doi: 10.3724/SP.J.1004.2014.02377
              摘要:
              癱瘓病人的數量與日俱增,其康復訓練通常是一個長期的過程.相對于傳統的理療,使用機器人輔助康復訓練能夠提高效率,降低成本,減少理療師的人員和體力消耗,因此節省了康復醫療資源,并且可以完成更加多樣的主被動訓練策略,從而提高了康復效果.根據患者進行康復運動時的身體姿態,下肢康復機器人可分以下4類: 坐臥式機器人、直立式機器人、輔助起立式機器人和多體位式機器人,坐臥式又細分為末端式和外骨骼式,直立式進一步劃分為懸吊減重(Suspending body weight support,sBWS) 式步態訓練機器人和獨立可穿戴式機器人.由于下肢康復機器人是與運動功能受損的患肢相互作用,為了給患者創造一個安全、舒適、自然的訓練環境,機器人和患者之間的交互控制不可或缺.根據獲取運動意圖時所使用的傳感器信號,交互控制可以基本分為兩類: 1)基于力信號的交互控制; 2)基于生物醫學信號的交互控制.在基于力信號的交互控制中,力位混合控制和阻抗控制是最為常用的兩種方法; 而在基于生物醫學信號的交互控制中,表面肌電 (Surface electromyogram,sEMG) 和腦電(Electroencephalogram,EEG) 最常被用于運動意圖的推斷.
              一種基于分類回歸樹的無人車匯流決策方法
              蘇銻, 楊明, 王春香, 唐衛, 王冰
              2018, 44(1): 35-43. doi: 10.16383/j.aas.2018.c160457
              摘要:
              決策規劃是無人駕駛技術中的重要環節.由于道路結構變化或障礙物引起的車輛被動換道多采用基于邏輯規則或優化算法的決策方式.本文以通行量為優化目標,提出一種基于分類回歸樹(Classification and regression tree,CART)的匯流決策方法.依據交通流參數,選擇大量具有代表性的車輛匯流場景.對場景中車輛的匯流決策序列進行編碼,采用遺傳算法搜索使得通行量最大的決策方案.將尋優獲得的大量匯流決策序列作為樣本,訓練分類回歸樹.選取車輛自身信息及與周圍車輛的關系等以描述環境特征,運用分類回歸樹描述環境特征與決策結果的映射關系,獲得一種通行量最優的匯流決策方法.在軟件中進行仿真實驗,對比既有方法,基于分類回歸樹的匯流方法能夠有效減少匯流行為對車流的擾動,在大流量情形下依舊能保持較高的通行效率.此外,該方法對實際實施中可能存在的環境感知誤差,如定位誤差,有一定的魯棒性.
              基于跨連接LeNet-5網絡的面部表情識別
              李勇, 林小竹, 蔣夢瑩
              2018, 44(1): 176-182. doi: 10.16383/j.aas.2018.c160835
              摘要:
              為避免人為因素對表情特征提取產生的影響,本文選擇卷積神經網絡進行人臉表情識別的研究.相較于傳統的表情識別方法需要進行復雜的人工特征提取,卷積神經網絡可以省略人為提取特征的過程.經典的LeNet-5卷積神經網絡在手寫數字庫上取得了很好的識別效果,但在表情識別中識別率不高.本文提出了一種改進的LeNet-5卷積神經網絡來進行面部表情識別,將網絡結構中提取的低層次特征與高層次特征相結合構造分類器,該方法在JAFFE表情公開庫和CK+數據庫上取得了較好的結果.
              2018年度優秀論文
              基于區塊鏈的醫療數據共享模型研究
              薛騰飛, 傅群超, 王樅, 王新宴
              2017, 43(9): 1555-1562. doi: 10.16383/j.aas.2017.c160661
              摘要:
              根據醫療行業現狀,不難發現各醫療機構間共享數據困難,因為醫療數據的校驗、保存和同步一直是一個難點.病人、醫生以及研究人員在訪問和共享醫療數據時存在嚴格的限制,這一過程需要花費大量的資源和時間用于權限審查和數據校驗.本文提出一個基于區塊鏈的醫療數據共享模型,具有去中心化、安全可信、集體維護、不可篡改等特點,適用于解決各醫療機構數據共享的難題.本文詳細介紹了模型的組件以及實現原理.將現有醫療機構進行分類,配合使用改進的共識機制實現了方便、安全、快捷的數據共享.此外,通過對比醫療數據共享存在的問題,分析了本模型的優勢以及帶來的影響.
              基于參考點預測的動態多目標優化算法
              丁進良, 楊翠娥, 陳立鵬, 柴天佑
              2017, 43(2): 313-320. doi: 10.16383/j.aas.2017.c150811
              摘要:
              為了快速跟蹤動態多目標優化問題變化的Pareto前沿,本文提出一種基于參考點預測策略的動態多目標優化算法(PDMOP).該算法對關聯到相同參考點的個體建立時間序列,并對這些時間序列通過線性回歸模型預測新環境下種群.同時,將歷史時刻的預測誤差反饋到當前預測中來提高預測的準確性,并在每個預測的個體上加入擾動來增加初始種群多樣性,從而能夠加快算法在新環境下的收斂速度.通過4個標準測試函數對該算法測試,并和兩個現有算法對比分析,結果表明所提算法在處理動態多目標優化問題時能夠保持良好的性能.
              運行于區塊鏈上的智能分布式電力能源系統:需求、概念、方法以及展望
              張俊, 高文忠, 張應晨, 鄭心湖, 楊柳青, 郝君, 戴瀟瀟
              2017, 43(9): 1544-1554. doi: 10.16383/j.aas.2017.c160744
              摘要:
              智能分布式電力能源系統(Intelligent distributed,electrical energy systems,IDEES)具有組件種類繁多,數量龐大,管理困難,利潤低微等特點,導致傳統中心化的運營管理不再適合此類系統,而區塊鏈技術可能是推行大規模分布式智能電力能源系統重要的技術路徑.由于電力能源系統是一種具有社會和技術雙重屬性的系統,從而注定了其在用區塊鏈實現運行時,必然需要多種區塊鏈來描述和建模其不同的屬性,在文中稱之為“區塊鏈群”.具體來說,從底層到高層,這個區塊鏈群由分布式數據存儲與服務區塊鏈、智能資產管理區塊鏈、電力系統分析區塊鏈、智能合約運營區塊鏈和智能電力交易支付區塊鏈組成.基于區塊鏈技術、分布式文件服務技術、分布式電力系統分析與管理技術,這些不同層次和功能的區塊鏈自我組織、互相協助,最后形成一個分布式自主的電力能源運行系統.在此復雜系統中,頻繁而深度的計算與交互衍生出系統智能,筆者期望這種智能將促成穩定、可靠、有效的電力能源生產、傳輸與消費.
              基于無模型自適應控制的無人駕駛汽車橫向控制方法
              田濤濤, 侯忠生, 劉世達, 鄧志東
              2017, 43(11): 1931-1940. doi: 10.16383/j.aas.2017.c160633
              摘要:
              提出了一種基于無模型自適應控制的無人駕駛汽車橫向控制方案.首先,將無人駕駛汽車循跡跟蹤控制問題轉化成預瞄偏差角跟蹤問題,然后基于無人駕駛汽車橫向控制系統的動態線性化數據模型,設計出無模型自適應控制算法、偽梯度估計算法和偽梯度重置算法,進而實現了自主車輛的無人駕駛.該方法的實現僅用到無人駕駛汽車運行時的輸入輸出數據,避免了對無人駕駛汽車進行復雜機理建模的難題,對于復雜的無人駕駛汽車運行過程具有很好的自適應性,對不同的無人駕駛車輛具有較強的可移植性.該方案已實際應用于清華大學無人駕駛汽車實驗平臺,在北京市豐臺區的實地測試實驗、在江蘇省常熟市高速路的測試以及2015年"中國智能車未來挑戰賽"的現場應用驗證了所提方案的有效性.
              關于二型模糊集合的一些基本問題
              王飛躍, 莫紅
              2017, 43(7): 1114-1141. doi: 10.16383/j.aas.2017.c160638
              摘要:
              采用集合論的方法給出了單位模糊集合和二型模糊集合及其在一點的限制等定義,使得二型模糊集合更易于理解.通過定義嵌入單位模糊集合來描述一般二型模糊集合,并給出離散、半連通二型模糊集合的表達式.根據論域、主隸屬度及隸屬函數的特性將二型模糊集合分為四種類型:離散、半連通、連通及復合型,并根據連通的特點將連通二型模糊集合分為單連通及多連通兩類.利用支集的閉包(Closure of support,CoS)劃分法表述主隸屬度及區間二型模糊集合.提出了CoS二、三次劃分法分別來表述單、復連通二型模糊集合,并使每一個子區域的上下邊界及次隸屬函數在該子區域上的限制分別具有相同的解析表述式.最后,探討了二型模糊集合在一點的限制、主隸屬度、支集、嵌入單位模糊集合之間的關系.
              1. <button id="qm3rj"><thead id="qm3rj"></thead></button>
                <samp id="qm3rj"></samp>
                <source id="qm3rj"><menu id="qm3rj"><pre id="qm3rj"></pre></menu></source>

                <video id="qm3rj"><code id="qm3rj"></code></video>

                  1. <tt id="qm3rj"><track id="qm3rj"></track></tt>
                      1. 亚洲第一网址_国产国产人精品视频69_久久久久精品视频_国产精品第九页