2.793

                    2018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
                    顯示方式:
                    目錄
                    2021, 47(2).  
                    [封面瀏覽] [PDF 4171KB](58)
                    綜述
                    基于水下傳感器網絡的目標跟蹤技術研究現狀與展望
                    劉妹琴, 韓學艷, 張森林, 鄭榮濠, 蘭劍
                    2021, 47(2): 235-251.   doi: 10.16383/j.aas.c190886
                    [摘要](526) [HTML全文](332) [PDF 1475KB](358)
                    摘要:
                    水下目標跟蹤在海洋資源的開發利用以及國家安全的防御等方面都具有廣泛的應用價值和重要的戰略意義. 基于水下傳感器網絡(Underwater sensor networks, USNs)的目標跟蹤技術憑借其覆蓋范圍廣、觀測時間長和實時融合等優勢已經成為一個新的研究熱點. 本文針對基于USNs的目標跟蹤關鍵技術的基本思想、研究進展、應用及局限性進行了綜述, 主要從以下幾個角度對其展開論述: USNs的建設現狀、系統組成及其分類、目標跟蹤系統模型、單目標跟蹤技術、多目標跟蹤技術以及能效優化措施. 最后, 本文不僅指出了基于USNs的目標跟蹤研究目前存在的主要挑戰, 并對該領域的未來發展方向進行了展望.
                    基于特征的視線跟蹤方法研究綜述
                    劉佳惠, 遲健男, 尹怡欣
                    2021, 47(2): 252-277.   doi: 10.16383/j.aas.c180844
                    [摘要](278) [HTML全文](175) [PDF 3280KB](184)
                    摘要:
                    針對基于特征的視線跟蹤方法進行了綜述.首先對視線跟蹤技術的發展、相關研究工作和研究現狀進行了闡述; 然后將基于特征的視線跟蹤方法分成了兩大類:二維視線跟蹤方法和三維視線跟蹤方法, 從硬件系統配置、誤差主要來源、頭部運動影響、優缺點等多個方面重點分析了這兩類視線跟蹤方法, 對近五年現有的部分基于特征的視線跟蹤方法進行了對比分析, 并對二維視線跟蹤系統和三維視線跟蹤系統中的幾個關鍵問題進行了探討; 此外, 介紹了視線跟蹤技術在人機交互、醫學、軍事、智能交通等多個領域的應用; 最后對基于特征的視線跟蹤方法的發展趨勢和研究熱點進行了總結與展望.
                    基于功能磁共振成像的人腦效應連接網絡識別方法綜述
                    冀俊忠, 鄒愛笑, 劉金鐸
                    2021, 47(2): 278-296.   doi: 10.16383/j.aas.c190491
                    [摘要](204) [HTML全文](208) [PDF 1183KB](103)
                    摘要:
                    人腦效應連接網絡刻畫了腦區間神經活動的因果效應. 對不同人群的腦效應連接網絡進行研究不僅能為神經精神疾病病理機制的理解提供新視角, 而且能為疾病的早期診斷和治療評價提供新的腦網絡影像學標記, 具有十分重要的理論意義和應用價值. 利用計算方法從功能磁共振成像(Functional magnetic resonance imaging, fMRI)數據中識別腦效應連接網絡是目前人腦連接組學中一項重要的研究課題. 本文首先概括了從fMRI數據中進行腦效應連接網絡識別的主要流程, 說明了其中的主要步驟和方法; 然后, 給出了一種腦效應連接網絡識別方法的分類體系, 并對其中一些代表性的識別算法進行了闡述; 最后, 通過對該領域挑戰性問題的分析, 預測了腦效應連接網絡識別未來的研究方向, 以期對相關研究提供一定的參考.
                    基于小樣本學習的圖像分類技術綜述
                    劉穎, 雷研博, 范九倫, 王富平, 公衍超, 田奇
                    2021, 47(2): 297-315.   doi: 10.16383/j.aas.c190720
                    [摘要](590) [HTML全文](429) [PDF 1216KB](480)
                    摘要:
                    圖像分類的應用場景非常廣泛, 很多場景下難以收集到足夠多的數據來訓練模型, 利用小樣本學習進行圖像分類可解決訓練數據量小的問題. 本文對近年來的小樣本圖像分類算法進行了詳細綜述, 根據不同的建模方式, 將現有算法分為卷積神經網絡模型和圖神經網絡模型兩大類, 其中基于卷積神經網絡模型的算法包括四種學習范式: 遷移學習、元學習、對偶學習和貝葉斯學習; 基于圖神經網絡模型的算法原本適用于非歐幾里得結構數據, 但有部分學者將其應用于解決小樣本下歐幾里得數據的圖像分類任務, 有關的研究成果目前相對較少. 此外, 本文匯總了現有文獻中出現的數據集并通過實驗結果對現有算法的性能進行了比較. 最后, 討論了小樣本圖像分類技術的難點及未來研究趨勢.
                    論文與報告
                    基于神經網絡和支持矢量機的多機動車車牌在線檢測方法
                    劉進博, 朱新新, 伍越, 楊凱, 陳衛
                    2021, 47(2): 316-326.   doi: 10.16383/j.aas.c180753
                    [摘要](293) [HTML全文](192) [PDF 9431KB](181)
                    摘要:
                    針對道路交通多車牌識別問題, 提出了一種快速魯棒的多車牌檢測識別方法, 包括多車牌檢測和車牌字符識別兩部分:構造BP (Back-Propagation)神經網絡模型用于顏色識別, 結合圖像形態學運算方法, 篩選候選車牌目標, 基于支持矢量機從候選車牌目標中判別真正的車牌目標; 通過輪廓尺寸判斷, 并結合車牌尺寸特征, 依次分割提取城市代碼字符塊、省份代碼字符塊及5位機動車編碼字符塊, 最后基于BP神經網絡識別字符塊內容.基于上述原理, 開發了魯棒的多機動車車牌自動檢測識別系統, 并在真實場景中進行了實驗測試, 結果表明: 1)車輛在正常速度行駛條件下, 系統依然可以保證90%以上的車牌檢測識別正確率; 2)系統可實現同時多車牌檢測識別; 3)文中實驗硬件配置下, 系統單幅圖像檢測識別平均時間低于130 ms, 處理頻率約8 Hz.
                    基于水平集和形狀描述符的腹部CT序列肝臟自動分割
                    李陽, 趙于前, 廖苗, 廖勝輝, 楊振
                    2021, 47(2): 327-337.   doi: 10.16383/j.aas.c180544
                    [摘要](92) [HTML全文](107) [PDF 11041KB](63)
                    摘要:
                    肝臟分割是計算機輔助肝臟疾病診斷的重要前提和基礎.本文提出了一種新的基于水平集和形狀描述符的腹部CT序列圖像肝臟自動分割方法.首先, 對原始腹部CT序列圖像進行預處理, 去除與肝臟不相關的器官和組織.然后, 利用灰度偏移場, 結合周長項、距離正則項和相鄰切片肝臟分割結果構建水平集能量函數, 實現CT序列肝臟自動分割.為避免分割誤差累積, 提出一種基于形狀描述符和瓶頸率的肝臟邊緣優化方法, 在每張切片分割完畢后去除由于灰度重疊造成的過分割.通過對XHCSU14數據庫和Sliver07數據庫中腹部CT序列的肝臟分割實驗, 以及與其他肝臟分割算法的比較, 表明了本文方法的有效性, 且分割精度高, 魯棒性強.
                    基于改進結構保持數據降維方法的故障診斷研究
                    韓敏, 李宇, 韓冰
                    2021, 47(2): 338-348.   doi: 10.16383/j.aas.c180138
                    [摘要](143) [HTML全文](141) [PDF 3801KB](106)
                    摘要:
                    傳統基于核主成分分析(Kernel principal component analysis, KPCA)的數據降維方法在提取有效特征信息時只考慮全局結構保持而未考慮樣本間的局部近鄰結構保持問題, 本文提出一種改進全局結構保持算法的特征提取與降維方法.改進的特征提取與降維方法將流形學習中核局部保持投影(Kernel locality preserving projection, KLPP)的思想融入核主成分分析的目標函數中, 使樣本投影后的特征空間不僅保持原始樣本空間的整體結構, 還保持樣本空間相似的局部近鄰結構, 包含更豐富的特征信息.上述方法通過同時進行的正交化處理可避免局部子空間結構發生失真, 并能夠直觀顯示出低維結果, 將低維數據輸入最近鄰分類器, 以識別率和聚類分析結果作為衡量指標, 同時將所提方法應用于故障診斷中.使用AVL Boost軟件模擬的柴油機故障數據和田納西(Tennessee Eastman, TE)化工數據仿真, 驗證了所提方法的有效性.
                    結構辨識和參數優化協同學習的概率TSK模糊系統
                    顧曉清, 倪彤光, 張聰, 戴臣超, 王洪元
                    2021, 47(2): 349-362.   doi: 10.16383/j.aas.c180298
                    [摘要](88) [HTML全文](87) [PDF 1425KB](60)
                    摘要:
                    傳統Takagi-Sugeno-Kang (TSK)模糊系統的結構辨識和參數優化往往分階段進行, 同時模糊規則數需要預先設定, 因此TSK模糊系統的逼近性能和解釋性往往不理想.針對此問題, 提出了一種結構辨識和參數優化協同學習的概率TSK模糊系統(Probabilistic TSK fuzzy system, PTSK).首先, PTSK使用概率模型表示模糊回歸系統, 將結構辨識和參數優化作為一個整體來考慮.其次, PTSK不借助于專家經驗, 使用粒子濾波方法對規則數和前后件參數協同學習, 得到系統全部參數的最優解.實驗結果表明, PTSK具有良好的逼近性能, 同時能獲得較少的模糊規則數.
                    基于萊維飛行樽海鞘群優化算法的多閾值圖像分割
                    邢致愷, 賈鶴鳴, 宋文龍
                    2021, 47(2): 363-377.   doi: 10.16383/j.aas.c180140
                    [摘要](105) [HTML全文](100) [PDF 13551KB](63)
                    摘要:
                    針對Otsu算法用于多閾值圖像分割中存在運算時間長和精度低的不足, 利用群智能優化算法對圖像分割算法進行優化.本文首先應用萊維飛行算法對樽海鞘群優化算法進行改進, 將多閾值Otsu函數作為優化算法的適應度函數, 利用改進后的LSSA尋找適應度函數的最大值, 同時獲得相對應的多閾值.其次, 通過對幾幅基本圖像、伯克利大學圖像分割庫中的圖像和實際污油圖像進行多閾值Otsu分割研究, 在最佳適應度值、PSNR、SSIM指標以及算法耗時方面進行對比分析.實驗結果表明本文提出的算法可以獲得更為準確的分割閾值和更高的分割效率.
                    級聯稀疏卷積與決策樹集成的病理圖像細胞核分割方法
                    宋杰, 肖亮, 練智超
                    2021, 47(2): 378-390.   doi: 10.16383/j.aas.c190672
                    [摘要](76) [HTML全文](93) [PDF 4697KB](54)
                    摘要:
                    數字病理圖像分析對于乳腺癌、腎癌等良惡性分級診斷具有重要意義, 其中細胞核的形態測量是病理量化分析的關鍵. 然而, 由于病理圖像背景復雜, 細胞核高密度分布、細胞粘連等, 個體細胞核精準分割是一個挑戰性問題. 本文提出一個級聯稀疏卷積與決策樹集成學習的細胞核分割模型. 該模型由稀疏可分離卷積模塊和集成決策樹學習的正則化回歸模塊堆疊級聯組成, 其中: 前者采取秩-1張量分解學習機制, 可分層抽取細胞核的多尺度方向分布式抽象特征; 而后者采取隨機采樣、樹剪枝以及正則化回歸機制提升逐像素回歸分類能力. 相比于現有深度學習模型, 該模型無需非線性激活和后向傳播計算, 參數規模較小, 可實現端到端的學習. 通過乳腺、前列腺、腎臟、胃和膀胱等多組病理圖像的分割實驗表明: 該模型能夠實現復雜數字病理圖像中的高密度細胞核的快速個體目標檢測和分割, 在Jaccard相似性系數、F1分數和平均邊緣距離三個指標上均優于目前CNN2、CNN3和U-Net等深度學習方法, 具有較好應用前景.
                    一種具有發育機制的感知行動認知模型
                    張曉平, 阮曉鋼, 王力, 李志軍, 閆佳慶, 畢松
                    2021, 47(2): 391-403.   doi: 10.16383/j.aas.c180750
                    [摘要](107) [HTML全文](93) [PDF 1668KB](54)
                    摘要:
                    針對結構固定認知模型中存在的學習浪費與計算浪費問題, 在具有內發動機機制的感知行動認知模型基礎上, 根據操作條件反射學習特性, 借鑒潛在動作原理, 建立起一種具有發育機制的感知行動認知模型D-SSCM (Development-sensorimotor cognitive model), 具體為一個14元組, 包含離散學習時間集、內部可感知離散狀態集、可輸出動作集、有效輸出動作空間集、潛在動作關系集、可輸出動作空間探索率集及發育算法等.針對模型發育過程, 分別設計了模型結構擴展式發育方法和算法以及縮減式發育方法和算法, 定義了模型的發育式學習過程.使用兩輪機器人自平衡任務對設計的學習模型進行驗證, 實驗結果表明, 發育機制下的感知行動認知模型D-SSCM具有更快的學習速度及更穩定的學習效果.
                    自耦PID控制器
                    曾喆昭, 劉文玨
                    2021, 47(2): 404-422.   doi: 10.16383/j.aas.c180290
                    [摘要](207) [HTML全文](154) [PDF 2329KB](149)
                    摘要:
                    針對比例—積分—微分(Proportional-integral-differential, PID)控制器的整定問題, 提出了自耦PID (Self-coupling PID, SC-PID)控制方法.該方法將系統動態和內外不確定性定義為總和擾動, 從而將非線性不確定系統變換為線性不確定系統, 進而構建了總和擾動反相激勵下的誤差動態系統, 據此設計了SC-PID控制律模型和整定規則, 進而設計了自適應速度因子(Adaptive speed factor, ASF)模型.數值仿真結果表明, SC-PID具有快的響應速度、高的控制精度、良好的抗總和擾動魯棒性等諸多優點. SC-PID整定規則為現有PID整定結果的技術評估與技術升級提供了科學的理論依據, 在國防和工業控制領域具有廣泛的應用價值.
                    帶未知模型參數和衰減觀測率系統自校正分布式融合估計
                    段廣全, 孫書利
                    2021, 47(2): 423-431.   doi: 10.16383/j.aas.c180270
                    [摘要](64) [HTML全文](86) [PDF 1525KB](42)
                    摘要:
                    研究了帶未知模型參數和衰減觀測率多傳感器線性離散隨機系統的信息融合估計問題.在模型參數和衰減觀測率未知的情形下, 應用遞推增廣最小二乘(Recursive extend least squares, RELS)算法和加權融合估計算法提出了分布式融合未知模型參數辨識器; 應用相關函數對描述衰減觀測現象的隨機變量的數學期望和方差進行在線辨識.將辨識后的模型參數、數學期望和方差代入到最優分布式融合狀態濾波器中, 獲得了相應的自校正融合狀態濾波算法.應用動態誤差系統分析(Dynamic error system analysis, DESA)方法證明了算法的收斂性.仿真例子驗證了算法的有效性.
                    一種面向云端輔助工業控制系統的安全機制
                    屠袁飛, 楊庚, 張成真
                    2021, 47(2): 432-441.   doi: 10.16383/j.aas.c180142
                    [摘要](89) [HTML全文](85) [PDF 1389KB](49)
                    摘要:
                    隨著云計算、物聯網等信息通信技術與數據采集與監控系統的整合, 工業控制系統面臨新的安全問題, 其中數據的完整性、機密性保護和有效的身份認證問題受到了關注.為了在這樣一個多功能、分布式的環境中解決這些問題, 該文利用基于屬性的加密方法, 構建訪問控制策略, 為用戶提供身份認證和授權服務, 保護用戶與工業控制系統間的數據通信安全并實時檢查存儲數據的完整性.方案從正確性、安全性及系統性能等方面做出分析, 并與常用的認證方法進行了對比.
                    獼猴手指移動神經解碼線性時不變模型的時間相關性研究
                    馮景義, 吳海鋒, 曾玉
                    2021, 47(2): 442-452.   doi: 10.16383/j.aas.c180098
                    [摘要](64) [HTML全文](80) [PDF 1428KB](50)
                    摘要:
                    利用獼猴運動皮層神經元峰電位數信號估計其手指移動位置是一神經解碼問題, 通常采用時不變線性模型(Time-invariant linear model, TILM)來解決.本文分析了傳統TILM模型的時間相關性問題, 依據獼猴手指移動位置的連續性特點, 采用一種新的模型去解碼其手指移動位置, 稱之為卷積空間模型(Convolution space model, CSM).與傳統的模型相比, 卷積空間模型不但將當前時刻的狀態與前一個時刻建立了相關, 而且與前多個時刻的狀態也有相關.在實驗中, 利用公開數據來評判本文方法的解碼性能, 實驗結果表明, 傳統方法的解碼誤差要大于CSM模型的方法, 因此CSM模型具有更好的解碼準確性.
                    一種鋰電池SOH估計的KNN-馬爾科夫修正策略
                    趙光財, 林名強, 戴厚德, 武驥, 汪玉潔
                    2021, 47(2): 453-463.   doi: 10.16383/j.aas.c180124
                    [摘要](149) [HTML全文](107) [PDF 3127KB](59)
                    摘要:
                    鋰離子電池的健康狀態(State of health, SOH)是決定電池使用壽命的關鍵因素.由于鋰電池生產工藝、工作環境和使用習慣等的差異性導致其衰退特性具有較大差異, 因此鋰電池SOH難以精確估算.本文采用數據驅動的方式通過對采集的電壓數據進行特征提取, 使用貝葉斯正則化神經網絡對鋰電池SOH進行預測, 同時引入KNN-馬爾科夫修正策略對預測結果進行修正.實驗結果證明, 貝葉斯正則化算法對鋰電池SOH的預測準確度較高, KNN-馬爾科夫修正策略提高了預測的精確度和魯棒性, 組合預測模型對鋰電池SOH的平均預測誤差小于\begin{document}$1\,\%$\end{document}, 與采用數據分組處理方法(Group method of data handling, GMDH)、概率神經網絡(Probabilistic neural network, PNN)、循環神經網絡(Recurrent neural network, RNN)的預測精度進行對比, 該模型的預測精度分別提高了\begin{document}$33.3\,\%$\end{document}、\begin{document}$48.7\,\%$\end{document}\begin{document}$53.1\,\%$\end{document}.
                    自動化學科面臨的挑戰
                    孫長銀, 吳國政, 王志衡, 叢楊, 穆朝絮, 賀威
                    2021, 47(2): 464-474.   doi: 10.16383/j.aas.c200904
                    [摘要](921) [HTML全文](4266) [PDF 1733KB](1204)
                    摘要:
                    本文分析了控制理論與應用、模式識別與智能系統、導航制導與控制、系統科學與工程、人工智能與自動化交叉等領域的發展現狀. 結合科技發展、國內國際研究前沿和新興領域對自動化科學技術的需求, 提出重點發展智能控制理論和方法、高性能作業機器人、信息物理系統、導航與控制技術、重大裝備自動化技術、自主智能系統和人工智能驅動的自動化技術優先領域, 加強數據驅動控制理論、人工智能基礎理論研究, 進一步發展人機協同、跨域融合的智能自動化, 為實現國家社會的全面信息化智能化提供理論和技術保障.
                    本刊經同行評議擬錄用的文章,目前在編校階段,尚未確定卷期及頁碼,已有DOI。
                    顯示方式:
                    基于低秩張量圖學習的不完整多視角聚類
                    文杰, 顏珂, 張正, 徐勇
                    當前狀態:  doi: 10.16383/j.aas.c200519
                    [摘要](0) [HTML全文](0) [PDF 1554KB](0)
                    摘要:
                    傳統多視角聚類都基于視角完備假設, 要求所有樣本的視角信息完整, 不能處理存在部分視角缺失情形下的不完整多視角聚類任務. 為解決該問題, 本文提出一種基于低秩張量圖學習的不完整多視角聚類方法. 為了恢復相似圖中缺失視角所對應的樣本關聯信息, 該方法將低秩張量圖約束和視角內在圖保持約束融入到多視角譜聚類模型. 通過在一個統一模型中同時挖掘視角間的互補信息和視角內未缺失樣例的關聯信息, 所提出的方法能夠得到表征樣例鄰接關系的完整相似圖和視角間一致的最優聚類指示矩陣. 與12種不完整多視角聚類方法進行實驗對比, 實驗結果表明所提出的方法在多種視角缺失率下的五個數據集上獲得了最好的聚類性能.
                    面向性能增強的雙慣量伺服系統狀態反饋控制
                    王樹波, 那靖, 任雪梅
                    當前狀態:  doi: 10.16383/j.aas.c200726
                    [摘要](1) [HTML全文](0) [PDF 1525KB](0)
                    摘要:
                    為避免使用函數逼近器(神經網絡或模糊系統), 并提高雙慣量伺服系統的瞬態響應和穩態性能, 本文針對含外部擾動的雙慣量伺服系統, 提出一種基于預設性能函數的類比例狀態反饋控制策略. 首先, 提出一種改進的帶有最大超調、收斂速率以及穩態誤差的預設性能函數, 并將該函數融入控制器設計使二慣量伺服的跟蹤誤差保持在預定的邊界之內. 其次, 基于預設性能函數設計了類比例狀態反饋控制器實現跟蹤控制. 與傳統基于函數逼近控制方法相比較, 該方法可降低控制系統計算復雜度同時消除反演控制中存在的復雜度爆炸問題. 最后, 利用雙慣量伺服系統實驗平臺開展了對比實驗, 驗證了所提出的方法有效性和性能改進.
                    面向入侵檢測的元圖神經網絡構建與分析
                    王振東, 徐振宇, 李大海, 王俊嶺
                    當前狀態:  doi: 10.16383/j.aas.c200819
                    [摘要](5) [HTML全文](4) [PDF 1306KB](0)
                    摘要:
                    網絡入侵樣本數據特征間存在未知的非歐式空間圖結構關系, 深入挖掘并利用該關系可有效提升網絡入侵檢測方法的檢測效能. 對此, 本文設計了一種元圖神經網絡(Meta graph neural network, MGNN), MGNN能夠對樣本數據特征內部隱藏的圖結構關系進行挖掘與利用, 在應對入侵檢測問題時優勢明顯. 首先, 設計了元圖網絡層MGNL, 挖掘出樣本數據特征內部隱藏的圖結構關系, 并利用該關系對樣本數據的原始特征進行更新; 然后, 針對MGNN存在的圖信息傳播過程中父代信息湮滅現象提出反信息湮滅策略, 并設計了注意力損失函數, 簡化MGNN中實現注意力機制的運算過程. KDD-NSL、UNSW-NB15、CICDoS2019數據集上的實驗表明, 與經典深度學習算法DNN、CNN、RNN、LSTM和傳統機器學習算法SVM、DT、RF、KNN、LR相比MGNN在準確率、F1值、精確率、召回率評價指標上均具有良好效果.
                    時滯取值概率未知下的線性時滯系統辨識方法
                    劉鑫
                    當前狀態:  doi: 10.16383/j.aas.c201016
                    [摘要](8) [HTML全文](5) [PDF 1179KB](1)
                    摘要:
                    在大多數系統辨識方法中, 通常假設時變時滯在其可能的取值范圍內服從均勻分布. 但是這種假設是非常受限的并且在實際過程中常常無法得到滿足. 因此本文在時滯取值概率條件未知的情況下, 針對一類線性時變時滯系統提出有效的辨識方法. 利用期望最大化算法將擬研究的辨識問題公式化, 期望最大化算法通過不斷地迭代執行期望步驟和最大化步驟來得到優化的參數估計. 在期望步驟中, 將未知的時變時滯當作隱含變量來處理并且假設它可能的取值范圍已知. 在每一個采樣時刻, 時滯的變換由一個概率向量控制, 并且該向量中的每一個元素是未知的, 將其當作待估計的未知參數處理. 在算法的每次迭代過程中, 計算時滯的后驗概率密度函數并在此基礎上構造代價函數(Q-函數). 在最大化步驟中, 通過不斷優化(Q-函數)來估計想要的參數, 包括: 模型參數、噪聲參數、控制概率向量中的每一個元素和未知的時滯. 最后通過一個數值例子來驗證本文提出的算法的有效性.
                    基于文本引導的注意力圖像轉發預測排序網絡
                    潘文雯, 趙洲, 俞俊, 吳飛
                    當前狀態:  doi: 10.16383/j.aas.c200629
                    [摘要](12) [HTML全文](7) [PDF 1373KB](3)
                    摘要:
                    轉發預測在社交媒體網站(Social media sites, SMS)中是一個很有挑戰性的問題. 本文研究了SMS中的圖像轉發預測問題, 預測用戶再次轉發圖像推特的圖像共享行為. 與現有的研究不同, 本文首先提出異構圖像轉發建模網絡(IRM), 所利用的是用戶之前轉發圖像推特中的相關內容、之后在SMS中的聯系和被轉發者的偏好三方面的內容. 在此基礎上, 提出文本引導的多模態神經網絡, 構建新型多方面注意力排序網絡學習框架, 從而學習預測任務中的聯合圖像推特表征和用戶偏好表征. 在Twitter的大規模數據集上進行的大量實驗表明, 我們的方法較之現有的解決方案而言取得了更好的效果.
                    基于強化學習的濃密機底流濃度在線控制算法
                    袁兆麟, 何潤姿, 姚超, 李佳, 班曉娟, 李瀟睿
                    當前狀態:  doi: 10.16383/j.aas.c190348
                    [摘要](3443) [HTML全文](866) [PDF 2318KB](84)
                    摘要:
                    復雜過程工業控制一直是控制應用領域研究的前沿問題. 濃密機作為一種復雜大型工業設備廣泛用于冶金、采礦等領域. 由于其在運行過程中具有多變量、非線性、高時滯等特點, 濃密機的底流濃度控制技術一直是學界、工業界的研究難點與熱點. 本文提出了一種基于強化學習技術的濃密機在線控制算法. 該算法在傳統啟發式動態規劃 (Heuristic dynamic programming, HDP)算法的基礎上, 設計融合了評價網絡與模型網絡的雙網結構, 并提出了基于短期經驗回放的方法用于增強評價網絡的訓練準確性, 實現了對濃密機底流濃度的穩定控制, 并保持控制輸入穩定在設定范圍之內. 最后, 通過濃密機仿真實驗的方式驗證了算法的有效性, 實驗結果表明本文提出的方法在時間消耗、控制精度上優于其他算法.
                    光學遙感圖像目標檢測算法綜述
                    聶光濤, 黃華
                    當前狀態:  doi: 10.16383/j.aas.c200596
                    [摘要](122) [HTML全文](47) [PDF 1286KB](20)
                    摘要:
                    目標檢測技術是光學遙感圖像理解的基礎問題, 具有重要的應用價值. 本文對遙感圖像目標檢測算法發展進行了梳理和分析. 首先闡述了遙感圖像目標檢測的特點和挑戰; 之后系統總結了典型的檢測方法, 包括早期的基于手工設計特征的算法和現階段基于深度學習的方法, 對于深度學習方法首先介紹了典型的目標檢測模型, 進而針對遙感圖像本身的難點詳細梳理了優化改進方案; 接著介紹了常用的檢測數據集, 并對現有方法的性能進行比較; 最后對現階段問題進行總結并對未來發展趨勢進行展望.
                    電熔鎂砂熔煉過程電極電流飽和約束一步最優控制
                    富月, 李寶
                    當前狀態:  doi: 10.16383/j.aas.c200896
                    [摘要](26) [HTML全文](17) [PDF 1631KB](7)
                    摘要:
                    電熔鎂砂熔煉過程通過電極電流熔化物料, 采用埋弧方式, 邊熔化邊加料, 其被控對象是以轉動方向與頻率為輸入, 以電極電流為輸出的三相電機. 本文通過引入中間變量并轉化控制目標, 將電熔鎂砂熔煉過程三相電極電流的復雜非線性控制問題簡化為線性控制問題, 提出了一種簡化的電極電流飽和約束一步最優控制方法, 并通過引入拉格朗日乘子向量和松弛向量驗證了該方法的最優性. 理論分析和仿真對比實驗結果表明本文所提簡化控制方法的有效性和優越性. 此外, 當考慮電熔鎂砂熔煉過程中存在的不可測外部干擾時, 在上述簡化的電極電流飽和約束算法的基礎上設計了高階干擾觀測器, 理論分析和仿真結果驗證了具有高階干擾觀測器的簡化算法的優越性.
                    作者識別研究綜述
                    張洋, 江銘虎
                    當前狀態:  doi: 10.16383/j.aas.c200654
                    [摘要](24) [HTML全文](10) [PDF 832KB](8)
                    摘要:
                    作者識別是根據已知文本推斷未知文本作者的學科, 這是一個歷史悠久的、涉及多學科的領域. 其傳統研究主要基于文學或語言學的經驗知識, 而現代研究則主要依靠數學方法量化作者的寫作風格. 本文主要站在計算語言學的角度綜述作者識別領域現代研究中的方法和思路. 首先, 簡要介紹了作者識別的發展歷程. 然后, 詳細介紹了文體風格特征、作者識別方法以及該領域中多層面的研究. 接著介紹了與作者識別相關的一些評測、數據集及評價指標. 最后, 指出該領域存在的一些問題, 結合這些問題分析并展望了作者識別的發展趨勢.
                    復雜網絡能控性魯棒性研究進展
                    樓洋, 李均利, 李升, 鄧浩
                    當前狀態:  doi: 10.16383/j.aas.c200916
                    [摘要](71) [HTML全文](27) [PDF 1711KB](14)
                    摘要:
                    研究復雜網絡能控性魯棒性對包括社會網絡、生物和技術網絡等在內的復雜系統的控制和應用具有重要價值. 復雜網絡的能控性是指: 可通過若干控制節點和適當的輸入, 在有限時間內將系統狀態驅動至任意目標狀態. 能控性魯棒性則是指在受到攻擊的情況下, 復雜網絡依然維持能控性的能力. 設計具有優異能控性魯棒性的復雜網絡模型和優化實際網絡的能控性魯棒性一直是復雜網絡領域的重要研究內容. 本文首先比較了常用的能控性魯棒性定義及度量, 接著從攻擊策略的角度分析了三類攻擊的特點及效果, 包括隨機攻擊、基于特征的蓄意攻擊和啟發式攻擊. 然后比較了常見模型網絡的能控性魯棒性. 介紹了常用優化策略, 包括模型設計和重新連邊等. 目前的研究在攻擊策略和拓撲結構優化方面都取得了進展, 也為進一步理論分析提供條件. 最后總結全文并提出潛在研究方向.
                    基于多尺度特征融合反投影網絡的圖像超分辨率重建
                    孫超文, 陳曉
                    當前狀態:  doi: 10.16383/j.aas.c200714
                    [摘要](16) [HTML全文](11) [PDF 1160KB](3)
                    摘要:
                    針對現有圖像超分辨率重建方法恢復圖像高頻細節能力較弱、特征利用率不足的問題, 提出了一種多尺度特征融合反投影網絡用于圖像超分辨率重建. 該網絡首先在淺層特征提取層使用多尺度的卷積核提取不同維度的特征信息, 增強跨通道信息融合能力; 然后構建多尺度反投影模塊通過遞歸學習執行特征映射, 提升網絡的早期重建能力; 最后將局部殘差反饋結合全局殘差學習促進特征的傳播和利用, 從而融合不同深度的特征信息進行圖像重建. 對圖像2到8倍超分辨率重建的實驗結果表明, 本方法重建圖像的質量在主觀感受和客觀評價指標上均優于現有圖像超分辨率重建方法, 放大倍數大時重建性能相比更優秀.
                    子空間結構保持的多層極限學習機自編碼器
                    陳曉云, 陳媛
                    當前狀態:  doi: 10.16383/j.aas.c200684
                    [摘要](19) [HTML全文](17) [PDF 1549KB](2)
                    摘要:
                    處理高維復雜數據的聚類問題, 通常需先降維后聚類, 但常用的降維方法未考慮數據的同類聚集性和樣本間相關關系, 難以保證降維方法與聚類算法相匹配, 從而導致聚類信息損失. 非線性無監督降維方法極限學習機自編碼器(ELM-AE)因其學習速度快、泛化性能好, 近年來被廣泛應用于降維及去噪. 為使高維數據投影至低維空間后仍能保持原有子空間結構, 本文提出基于子空間結構保持的多層極限學習機自編碼器降維方法(ML-SELM-AE). 該方法在保持聚類樣本多子空間結構的同時, 利用多層極限學習機自編碼器捕獲樣本集的深層特征. 實驗結果表明, 該方法在UCI數據、腦電數據和基因表達譜數據上可以有效提高聚類準確率且取得較高的學習效率.
                    一種基于目標空間轉換權重求和的超多目標進化算法
                    梁正平, 駱婷婷, 王志強, 朱澤軒, 胡凱峰
                    當前狀態:  doi: 10.16383/j.aas.c200483
                    [摘要](28) [HTML全文](15) [PDF 2022KB](2)
                    摘要:
                    權重求和是基于分解的超多目標進化算法中常用的方法, 相比其它方法具有計算簡單、搜索效率高等優點, 但難以有效處理帕累托前沿面(Pareto optimal front, PF)為非凸型的問題. 為充分發揮權重求和方法的優勢, 同時又能處理好PF為非凸型的問題, 本文提出了一種基于目標空間轉換權重求和的超多目標進化算法, 簡稱NSGAIII-OSTWS. 該算法的核心是將各種問題的PF轉換為凸型曲面, 再利用權重求和方法進行優化. 具體地, 首先利用預估PF的形狀計算個體到預估PF的距離; 然后, 根據該距離值將個體映射到目標空間中預估凸型曲面與理想點之間的對應位置; 最后, 采用權重求和函數計算出映射后個體的適應值, 據此實現對問題的進化優化. 為驗證NSGAIII-OSTWS的有效性, 將NSGAIII-OSTWS與7個NSGAIII的變體, 以及9個具有代表性的先進超多目標進化算法在WFG、DTLZ和LSMOP基準問題上進行對比, 實驗結果表明NSGAIII-OSTWS具備明顯的競爭性能.
                    通信受限的多智能體系統二分實用一致性
                    陳世明, 姜根蘭, 張正
                    當前狀態:  doi: 10.16383/j.aas.c200600
                    [摘要](48) [HTML全文](35) [PDF 1705KB](6)
                    摘要:
                    針對存在量化數據、通信時滯等通信約束以及帶有競爭關系的多智能體系統, 研究其二分實用一致性問題, 提出了一種基于量化器的分布式控制協議. 該協議基于結構平衡拓撲假設, 通過規范變換將具有競爭關系系統轉變為具有非負連接權重系統, 使二分實用一致性問題轉變為一般實用一致性問題. 利用微分包含理論、菲利波夫解的框架、代數圖論以及Lyapunov穩定性理論, 證明了在本文所提控制策略下, 具有競爭關系的多智能體系統能實現二分實用一致, 即智能體狀態收斂至模相同但符號不同的可控區間, 并給出了誤差收斂上界值. 仿真試驗進一步驗證了理論結果的有效性.
                    支持重規劃的戰時保障動態調度研究
                    曾斌, 樊旭, 李厚樸
                    當前狀態:  doi: 10.16383/j.aas.c200416
                    [摘要](20) [HTML全文](10) [PDF 1267KB](3)
                    摘要:
                    復雜多變的戰場環境要求后裝保障能夠根據戰場環境變化, 預見性地做出決策, 為此提出了基于強化學習的動態調度方法. 為了準確描述保障調度問題, 提出了支持搶占調度、重分配及重部署決策的馬爾可夫決策過程模型, 模型中綜合考量了任務排隊、保障優先級以及油料約束等諸多問題的影響; 隨后設計了改進策略迭代算法, 訓練基于神經網絡的保障調度模型; 訓練后的神經網絡模型能夠近似計算狀態價值函數, 從而求解出產生最大期望價值的優化調度策略. 最后設計了一個分布式戰場保障仿真實驗, 通過與常規調度策略的對比, 驗證了動態調度算法具有良好的自適應性和自主學習能力, 能夠根據歷史數據和當前態勢預判后續變化, 并重新規劃和配置保障資源的調度方案.
                    基于區塊鏈的數字貨幣發展現狀與展望
                    李娟娟, 袁勇, 王飛躍
                    當前狀態:  doi: 10.16383/j.aas.c21xxxx
                    [摘要](138) [HTML全文](65) [PDF 1032KB](36)
                    摘要:
                    數字貨幣作為區塊鏈技術迄今為止最典型也最成功的應用, 得益于區塊鏈分布式共識與去中心化信任的技術優勢, 也促使了區塊鏈技術與經濟活動的深度融合, 并由此改變了數字社會的組織方式. 近年來, 無論是在基礎理論研究方面, 還是在實踐應用發展方面, 數字貨幣均呈現出了蓬勃向上的態勢. 本文從技術創新、機制設計以及風險監管三個角度梳理了數字貨幣主要研究問題, 詳細闡述了基礎支撐技術、隱私保護技術、共識機制、激勵機制、幣值機制、發行機制、風險分析、監管考量等方面的研究進展、存在問題及應用現狀, 并展望了未來重點研究方向, 致力于為數字貨幣領域的研究提供有益借鑒.
                    基于深度學習的表面缺陷檢測方法綜述
                    陶顯, 侯偉, 徐德
                    當前狀態:  doi: 10.16383/j.aas.c190811
                    [摘要](197) [HTML全文](174) [PDF 1045KB](43)
                    摘要:
                    近年來, 基于深度學習的表面缺陷檢測技術廣泛應用在各種工業場景中. 本文對近年來基于深度學習的表面缺陷檢測方法進行了梳理, 根據數據標簽的不同將其分為全監督學習模型方法、無監督學習模型方法和其他方法三大類, 并對各種典型方法進一步細分歸類和對比分析, 總結了每種方法的優缺點和應用場景. 本文探討了表面缺陷檢測中三個關鍵問題, 介紹了工業表面缺陷常用數據集. 最后, 對表面缺陷檢測的未來發展趨勢進行了展望.
                    數據驅動的保證收斂速率最優輸出調節
                    姜藝, 范家璐, 柴天佑
                    當前狀態:  doi: 10.16383/j.aas.c200932
                    [摘要](71) [HTML全文](15) [PDF 1346KB](21)
                    摘要:
                    本文針對具有外部系統擾動的線性離散時間系統的輸出調節問題, 提出了可保證收斂速率的數據驅動最優輸出調節方法, 包括狀態可在線測量系統的基于狀態反饋的算法, 與狀態不可在線測量系統的基于輸出反饋的算法. 首先, 該問題被分解為輸出調節方程求解問題與反饋控制律設計問題, 基于輸出調節方程的解, 本文通過引入收斂速率參數, 建立了可保證收斂速率的最優控制問題, 通過求解該問題得到具有保證收斂速率的輸出調節器. 之后, 利用強化學習的方法, 設計基于值迭代的數據驅動狀態反饋控制器, 學習得到基于狀態反饋的最優輸出調節器. 對于狀態無法在線測量的被控對象, 本文利用歷史輸入輸出數據對狀態進行重構, 并以此為基礎設計基于值迭代的數據驅動輸出反饋控制器. 仿真實驗驗證了本文所提方法的有效性.
                    節點分類及失效對網絡能控性的影響
                    孔芝, 袁航, 王立夫, 郭戈
                    當前狀態:  doi: 10.16383/j.aas.c200900
                    [摘要](55) [HTML全文](10) [PDF 1148KB](9)
                    摘要:
                    復雜系統間的相互作用能夠用復雜網絡描述. 復雜網絡中某些節點遭受攻擊或破壞會造成網絡故障, 導致整個網絡能控性變化. 不同節點失效會對網絡能控性有不同的影響. 本文提出一種網絡節點的分類方式, 將網絡中的節點根據邊的方向和匹配關系分成九種類型, 并給出了辨識節點類型的算法. 另外, 本文給出了基于此分類方式下復雜網絡中某類節點失效時, 網絡中驅動節點數量(用來衡量網絡能控性大小的指標)的變化規律. 并通過模型網絡進行仿真實驗, 驗證了當節點失效時本文給出的驅動節點數量變化情況, 同時還分析社交網絡中不同類型節點的占比與實際中人際交往的對應關系.
                    基于事件觸發的分布式優化算法
                    楊濤, 徐磊, 易新蕾, 張圣軍, 陳蕊娟, 李渝哲
                    當前狀態:  doi: 10.16383/j.aas.c200838
                    [摘要](114) [HTML全文](23) [PDF 1565KB](19)
                    摘要:
                    本文研究了一類分布式優化問題, 其目標是通過局部信息交換使由局部成本函數之和構成的全局成本函數最小. 針對無向連通圖, 我們提出了兩種基于比例積分策略的分布式優化算法. 在局部成本函數可微且凸的條件下, 證明了所提算法漸近收斂到全局最小值點. 更進一步, 在局部成本函數具有局部Lipschitz梯度和全局成本函數關于全局最小值點是有限強凸的條件下, 證明了所提算法的指數收斂性. 此外, 為了避免智能體之間的連續通信和減少通信負擔, 將所提的兩種分布式優化算法與事件觸發通信相結合, 提出了兩種基于事件觸發的分布式優化算法. 證明了提出的事件觸發優化算法不存在Zeno行為, 并且在相應條件下保持了與連續通信下分布式優化算法一樣的收斂性. 最后, 通過數值仿真驗證了上述理論結果.
                    基于DDPG的三維重建模糊概率點推理
                    李雷, 徐浩, 吳素萍
                    當前狀態:  doi: 10.16383/j.aas.c200543
                    [摘要](188) [HTML全文](22) [PDF 2130KB](11)
                    摘要:
                    單視圖物體三維重建是一個長期存在的具有挑戰性的問題. 為了解決具有復雜拓撲結構的物體以及一些高保真度的表面細節信息仍然難以準確進行恢復的問題, 本文提出了一種基于深度強化學習的算法深度確定性策略梯度(Deep deterministic policy gradient, DDPG)對三維重建中模糊概率點進行再推理, 實現了具有高保真和豐富細節的單視圖三維重建. 本文的方法是端到端的, 包括以下四個部分: 擬合物體三維形狀的動態分支代償網絡的學習過程, 聚合模糊概率點周圍點的鄰域路由機制, 注意力機制引導的信息聚合和基于深度強化學習算法的模糊概率調整. 本文在公開的大規模三維形狀數據集上進行了大量的實驗證明了本文方法的正確性和有效性. 本文提出的方法結合了強化學習和深度學習, 聚合了模糊概率點周圍的局部信息和圖像全局信息, 從而有效的提升了模型對復雜拓撲結構和高保真度的細節信息的重建能力.
                    基于一致性的分布式變結構多模型方法
                    王昱淇, 盧宙, 蔡云澤
                    當前狀態:  doi: 10.16383/j.aas.c190091
                    [摘要](53) [HTML全文](11) [PDF 1446KB](11)
                    摘要:
                    本文針對由雷達與紅外組成的分布式傳感器網絡, 研究基于一致性的分布式變結構多模型方法(Distributed variable structure multiple model, DVSMM). 首先使用無跡信息濾波(Unscented information filter, UIF)解決系統非線性的問題, 然后將變結構交互式多模型(Variable structure interacting multiple model, VSMM)方法進行改進, 提出一類可應用于分布式狀態估計的分布式變結構多模型DVSMM方法. 仿真試驗結果驗證了該方法的有效性.
                    基于跨模態深度度量學習的甲骨文字識別
                    張頤康, 張恒, 劉永革, 劉成林
                    當前狀態:  doi: 10.16383/j.aas.c200443
                    [摘要](53) [HTML全文](13) [PDF 1627KB](13)
                    摘要:
                    甲骨文字圖像可以分為拓片甲骨文字與臨摹甲骨文字兩類. 拓片甲骨文字圖像是從龜甲、獸骨等載體上獲取的原始拓片圖像, 臨摹甲骨文字圖像是經過專家手工書寫得到的高清圖像. 拓片甲骨文字樣本難以獲得, 而臨摹文字樣本相對容易獲得. 為了提高拓片甲骨文字識別的性能, 本文提出一種基于跨模態深度度量學習的甲骨文字識別方法, 通過對臨摹甲骨文字和拓片甲骨文字進行共享特征空間建模和最近鄰分類, 實現了拓片甲骨文字的跨模態識別. 實驗結果表明, 在拓片甲骨文字識別任務上, 本文提出的跨模態學習方法比單模態方法有明顯的提升, 同時對新類別拓片甲骨文字也能增量識別.
                    多級注意力傳播驅動的生成式圖像修復方法
                    曹承瑞, 劉微容, 史長宏, 張浩琛
                    當前狀態:  doi: 10.16383/j.aas.c200485
                    [摘要](69) [HTML全文](12) [PDF 1500KB](8)
                    摘要:
                    現有圖像修復方案普遍存在著結構錯亂和細節紋理模糊的問題, 這主要是因為在圖像破損區域的重建過程中, 修復網絡難以充分利用非破損區域內的信息來準確地推斷破損區域內容. 為此, 本文提出了一種由多級注意力傳播驅動的圖像修復網絡. 該網絡通過將全分辨率圖像中提取的高級特征壓縮為多尺度緊湊特征, 進而依據尺度大小順序驅動緊湊特征進行多級注意力特征傳播, 以期達到包括結構和細節在內的高級特征在網絡中充分傳播的目標. 為進一步實現細粒度圖像修復重建, 本文還同時提出了一種復合粒度判別器, 以期實現對圖像修復過程進行全局語義約束與非特定局部密集約束. 大量實驗表明, 本文提出的方法可以產生更高質量的修復結果.
                    基于多層BP神經網絡的無參考視頻質量客觀評價
                    姚軍財, 申靜, 黃陳蓉
                    當前狀態:  doi: 10.16383/j.aas.c190539
                    [摘要](53) [HTML全文](18) [PDF 1619KB](6)
                    摘要:
                    機器學習在視頻質量評價(Video quality assessment, VQA)模型回歸方面具有較大的優勢, 能夠較大地提高構建模型的精度. 基于此, 設計了合理的多層BP神經網絡, 并以提取的失真視頻的內容特征、編解碼失真特征、傳輸失真特征及其視覺感知效應特征參數為輸入, 通過構建的數據庫中的樣本對其進行訓練學習, 構建了一個無參考VQA模型. 在模型構建中, 首先采用圖像的亮度和色度及其視覺感知、圖像的灰度梯度期望值、圖像的模糊程度、局部對比度、運動矢量及其視覺感知、場景切換特征、比特率、初始時延、單次中斷時延、中斷頻率和中斷平均時長共11個特征, 來描述影響視頻質量的4個主要方面, 并對建立的兩個視頻數據庫中的大量視頻樣本, 提取其特征參數; 再以該特征參數作為輸入, 對設計的多層BP神經網絡進行訓練, 從而構建VQA模型; 最后, 對所提模型進行測試, 同時與14種現有的VQA模型進行對比分析, 研究其精度、復雜性和泛化性能. 實驗結果表明: 所提模型的精度明顯高于其14種現有模型的精度, 其最低高出幅度為4.34%; 且優于該14種模型的泛化性能, 同時復雜性處于該15種模型中的中間水平. 綜合分析所提模型的精度、泛化性能和復雜性表明, 所提模型是一種較好的基于機器學習的VQA模型.
                    基于事件觸發的離散 MIMO 系統自適應評判容錯控制
                    王敏, 黃龍旺, 楊辰光
                    當前狀態:  doi: 10.16383/j.aas.c200721
                    [摘要](85) [HTML全文](21) [PDF 1906KB](15)
                    摘要:
                    本文針對具有執行器故障的一類離散非線性多輸入多輸出(Multi-input multi-output, MIMO)系統, 提出了一種基于事件觸發的自適應評判容錯控制方案. 該控制方案包括評價和執行網絡. 在評價網絡里, 為了緩解現有的非光滑二值效用函數可能引起的執行網絡跳變問題, 利用高斯函數構建了一個光滑的效用函數, 并采用評價網絡近似最優性能指標函數. 在執行網絡里, 通過變量替換將系統狀態的將來信息轉化成關于系統當前狀態的函數, 并結合事件觸發機制設計了最優跟蹤控制器. 該控制器引入了動態補償項, 不僅能夠抑制執行器故障對系統性能的影響, 而且能夠改善系統的控制性能. 穩定性分析表明所有信號最終一致有界且跟蹤誤差收斂于原點的有界小領域內. 數值系統和實際系統的仿真結果驗證了該方案的有效性.
                    基于分布式有限感知網絡的多伯努利目標跟蹤
                    吳孫勇, 王力, 李天成, 孫希延, 蔡如華, 伍雯雯
                    當前狀態:  doi: 10.16383/j.aas.c200481
                    [摘要](63) [HTML全文](26) [PDF 1975KB](16)
                    摘要:
                    針對感知范圍受限的分布式傳感網多目標跟蹤問題, 在多伯努利濾波跟蹤理論基礎上提出分布式視場互補多伯努利關聯算術平均融合跟蹤方法. 首先, 通過視場互補擴大傳感器感知范圍, 其中, 局部公共區域只互補一次以降低計算成本. 其次, 每個傳感器分別運行局部多伯努利濾波器, 并將濾波后驗結果與相鄰傳感器進行泛洪通信使得每個傳感器獲取多個相鄰傳感器的后驗信息. 隨后, 通過距離劃分進行多伯努利關聯, 將對應于同一目標的伯努利分量關聯到同一個子集中, 并對每個關聯子集進行算術平均融合完成融合狀態估計. 仿真實驗表明, 所提方法在有限感知范圍的分布式傳感器網絡中能有效地進行多目標跟蹤.
                    復雜裝備系統彈性度量方法研究
                    楊博帆, 張琳, 汪文峰, 唐東麗, 丁爾啟, 項陽
                    當前狀態:  doi: 10.16383/j.aas.c200642
                    [摘要](24) [HTML全文](10) [PDF 1220KB](7)
                    摘要:
                    由于復雜裝備系統缺少可工程應用的彈性度量方法, 且傳統可靠性工程難以描述裝備從故障到修復全過程的性質, 因此考慮裝備系統在工作過程中性能變化的連續性以及擾動、故障和修復的不確定性, 利用可靠性工程相關參數, 針對無子系統的簡單裝備提出了一種混合型彈性度量方法. 在此基礎上, 考慮子系統對復雜系統的影響, 以及復雜系統故障和修復概率, 提出了一種針對復雜裝備系統的彈性度量方法. 最后, 通過基于彈性理論的組件重要度計算案例, 評估復雜裝備系統各個子系統性能變化對整個裝備的影響重要程度, 驗證了方法的可行性和有效性.
                    結合領域知識的因子分析: 在金融風險模型上的應用
                    馮栩, 喻文健, 李凌
                    當前狀態:  doi: 10.16383/j.aas.c200342
                    [摘要](111) [HTML全文](27) [PDF 1473KB](11)
                    摘要:
                    因子分析是一種在工業領域廣泛使用的統計學方法. 在金融資產管理中, 因子分析通過對歷史價格波動的極大似然估計推導自適應的統計學因子來生成風險模型. 與通過使用預先設定具有經濟學含義的因子來生成風險模型的基本面因子模型相比, 通過因子分析生成的模型不僅更靈活, 還能發現在基本面模型中缺失的因子. 然而, 由于因子分析所生成模型中的統計學因子缺少可解釋性, 因此當金融數據中存在顯著噪音時容易過擬合. 針對中國股市數據的風險模型生成問題, 本文提出快速因子分析算法以及將基本面因子結合到因子分析中的挑選基本面因子的混合因子分析方法, 使風險模型同時在因子探索及模型可解釋性上達到最優. 實驗結果顯示快速因子分析方法能夠達到31倍以上的加速比, 且新混合因子分析方法能夠增大人造數據集以及真實數據集上預測的對數似然估計值. 在真實數據集上, 新方法能最好夠達到平均對數似然估計值12.00, 比因子分析構建模型的7.56大4.44, 并且兩個算法均值差值的標準差為1.58, 表現出新方法能構建更準確的風險模型.
                    基于深度學習的單幅圖像超分辨率重建算法綜述
                    李佳星, 趙勇先, 王京華
                    當前狀態:  doi: 10.16383/j.aas.c190859
                    [摘要](367) [HTML全文](132) [PDF 2048KB](47)
                    摘要:
                    單幅圖像超分辨率重建是計算機視覺領域上的一個重要問題, 在安防視頻監控、飛機航拍以及衛星遙感等方面具有重要的研究意義和應用價值. 近年來, 深度學習在圖像分類、檢測、識別等諸多領域中取得了突破性進展, 也推動著圖像超分辨率重建技術的發展. 本文首先介紹單幅圖像超分辨率重建的常用公共圖像數據集; 然后重點闡述基于深度學習的單幅圖像超分辨率重建方向的創新與進展; 最后討論了單幅圖像超分辨率重建方向上存在的困難和挑戰, 并對未來的發展趨勢進行了思考與展望.
                    基于多粒度對抗訓練的魯棒跨語言對話系統
                    向露, 朱軍楠, 周玉, 宗成慶
                    當前狀態:  doi: 10.16383/j.aas.c200764
                    [摘要](70) [HTML全文](21) [PDF 1641KB](5)
                    摘要:
                    跨語言對話系統是當前國際研究的熱點和難點. 在實際的應用系統搭建中通常需要翻譯引擎作為不同語言之間對話的橋梁. 然而, 翻譯引擎往往是基于不同訓練樣本構建的, 無論是所在領域, 還是擅長處理語言的特性, 均與對話系統的實際應用需求存在較大的差異, 從而導致整個對話系統的魯棒性差, 響應性能低. 因此, 如何增強跨語言對話系統的魯棒性對于提升其實用性具有重要的意義. 本文提出了一種基于多粒度對抗訓練的魯棒性跨語言對話系統構建方法. 該方法首先面向機器翻譯構建多粒度噪聲數據, 分別在詞匯、短語和句子層次生成相應的對抗樣本, 之后利用多粒度噪聲數據和干凈數據進行對抗訓練, 從而更新對話系統的參數, 進而指導對話系統學習噪聲無關的隱層表示, 最終達到提升跨語言對話系統性能的目的. 在公開對話數據集上對兩種語言的實驗表明, 本文所提出的方法能夠顯著提升跨語言對話系統的性能, 尤其提升跨語言對話系統的魯棒性.
                    生成式不完整多視圖數據聚類
                    趙博宇, 張長青, 陳蕾, 劉新旺, 李澤超, 胡清華
                    當前狀態:  doi: 10.16383/j.aas.c200121
                    [摘要](84) [HTML全文](20) [PDF 1685KB](11)
                    摘要:
                    基于自表示子空間聚類的多視圖聚類引起越來越多的關注. 大多數現有算法假設每個樣本的所有視圖都可獲得, 然而在實際應用中, 由于各種因素, 可能會導致某些視圖缺失. 為了對視圖不完整數據進行聚類, 本文提出了一種在統一框架下同時執行缺失視圖補全和多視圖子空間聚類的方法. 具體地, 缺失視圖是由已觀測視圖數據約束的隱表示生成的. 此外, 多秩張量應用于挖掘不同視圖之間的高階相關性. 這樣通過隱表示和高階張量同時挖掘了不同視圖以及所有樣本(即使是不完整視圖樣本)之間的相關性. 本文使用增廣拉格朗日交替方向最小化(AL-ADM)方法求解優化問題. 在真實數據集上的實驗結果表明, 我們的方法優于最新的多視圖聚類算法, 具有更好的聚類準確度和魯棒性.
                    基于背景值和結構相容性改進的多維灰色預測模型
                    繆燕子, 王志銘, 李守軍, 代偉
                    當前狀態:  doi: 10.16383/j.aas.c200780
                    [摘要](39) [HTML全文](25) [PDF 1174KB](7)
                    摘要:
                    現有的多變量灰色預測模型的背景值估計誤差及模型結構單一是導致該模型預測性能不穩定的重要因素, 致使該模型在實際預測領域中應用并不廣泛. 本文通過分析背景值函數的幾何意義, 結合積分幾何面積公式, 提出一種改進的背景值優化方法, 使預測模型在背景值系數的選取上更加靈活.在此基礎上, 模型中加入灰色作用量, 提出一種新的多維灰色預測模型IBSGM(1,N). 通過對模型參數的改變分析, 新模型理論上可達到與傳統單變量和多變量灰色預測模型的兼容性. 為檢驗新模型的性能, 本文進行了三個案例對比分析, 實驗結果表明, 與現有的GM(1,1)和GM(1,N)預測模型相比較, 所提出的IBSGM(1,N)模型在背景值參數估計上誤差明顯減小, 結構相容性更強, 泛化性能更好, 具有更高的預測精度.
                    繩長時變情況下輪胎式集裝箱起重機非線性防擺控制算法
                    曹海昕, 郝運嵩, 林靜正, 盧彪, 方勇純
                    當前狀態:  doi: 10.16383/j.aas.200859
                    [摘要](48) [HTML全文](51) [PDF 1557KB](10)
                    摘要:
                    四繩輪胎式集裝箱起重機由于自身的動力學特性較為復雜, 目前仍缺乏穩定高效的控制手段.?為解決港口起重機作業過程中臺車定位精準度低、負載易受干擾擺幅大的問題, 文章設計了一種面向工業場景的非線性反饋控制器. 首先在未進行近似處理的前提下對起重機吊具擺動情況進行了建模分析. 在此基礎上, 通過在控制器中引入擺幅反饋信息, 實現了繩長時變情況下臺車的精確定位與負載擺幅的有效抑制, 為集裝箱的運送路徑增加了更多選擇. 隨后基于Lyapunov方法對控制器進行了穩定性分析. 所設計的控制方案在港口實際設備上進行了驗證, 在定位精度與消擺性能上相較于人工操作取得了很大提升.
                    基于生理信號的情感計算研究綜述
                    權學良, 曾志剛, 蔣建華, 張亞倩, 呂寶糧, 伍冬睿
                    當前狀態:  doi: 10.16383/j.aas.c200783
                    [摘要](144) [HTML全文](123) [PDF 1705KB](25)
                    摘要:
                    情感計算是現代人機交互中的一個重要研究方向, 旨在研究與開發能夠識別、解釋、處理和模擬人類情感的理論、方法與系統. 腦電、心電、皮膚電等生理信號是情感計算中重要的輸入信號. 本文總結了近年來基于腦電等生理信號的情感計算研究所取得的進展. 首先介紹情感計算的相關基礎理論, 不同生理信號與情感變化之間的聯系, 以及基于生理信號的情感計算工作流程和相關公開數據集. 接下來介紹生理信號的特征工程和情感計算中的機器學習算法, 重點介紹適合處理個體差異的遷移學習、降低數據標注量的主動學習和融合特征工程與學習器的深度學習算法. 最后, 指出基于生理信號的情感計算研究中面臨的一些挑戰.
                    基于堆疊降噪自編碼器的神經-符號模型及在晶圓表面缺陷識別
                    劉國梁, 余建波
                    當前狀態:  doi: 10.16383/j.aas.c190857
                    [摘要](45) [HTML全文](23) [PDF 2118KB](14)
                    摘要:
                    深度神經網絡是具有復雜結構和多個非線性處理單元的模型, 通過模塊化的方式分層從數據提取代表性特征, 已經在晶圓缺陷識別領域(Wafer map pattern recognition, WMPR)得到了較為廣泛的應用. 但是, 深度神經網絡在應用過程中本身存在 “黑箱”和過度依賴數據的問題, 顯著地影響深度神經網絡在晶圓缺陷識別的工業可應用性. 本文提出了一種基于堆疊降噪自編碼器(Stacked denoising auto-encoders, SDAE)的神經-符號模型. 首先, 根據SDAE的網絡特點設計了一套全新的符號規則系統, 規則形式和組成結構使其可與深度神經網絡有效融合. 其次, 根據網絡和符號規則之間的關聯性提出完整的知識抽取與插入算法, 實現了深度網絡和規則之間的知識轉換. 在實際工業晶圓表面圖像數據集WM-811K上的試驗結果表明, 基于SDAE的神經-符號模型不僅取得了較好的缺陷探測與識別性能, 而且可有效提取規則并通過規則有效描述深度神經網絡內部計算邏輯, 綜合性能優于目前經典的深度神經網絡.
                    基于深度強化學習的組合優化研究進展
                    李凱文, 張濤, 王銳, 覃偉健, 賀惠暉, 黃鴻
                    當前狀態:  doi: 10.16383/j.aas.c200551
                    [摘要](1154) [HTML全文](399) [PDF 1483KB](180)
                    摘要:
                    組合優化問題廣泛存在于國防、交通、工業、生活等各個領域, 幾十年來, 傳統運籌優化方法是解決組合優化問題的主要手段, 但隨著實際應用中問題規模的不斷擴大、求解實時性的要求越來越高, 傳統運籌優化算法面臨著很大的計算壓力, 很難實現組合優化問題的在線求解. 近年來隨著深度學習技術的迅猛發展, 深度強化學習在圍棋、機器人等領域的矚目成果顯示了其強大的學習能力與序貫決策能力. 鑒于此, 近年來涌現出了多個利用深度強化學習方法解決組合優化問題的新方法, 具有求解速度快、模型泛化能力強的優勢, 為組合優化問題的求解提供了一種全新的思路. 因此本文總結回顧近些年利用深度強化學習方法解決組合優化問題的相關理論方法與應用研究, 對其基本原理、相關方法、應用研究進行總結和綜述, 并指出未來該方向亟待解決的若干問題.
                    具有未建模動態的互聯大系統事件觸發自適應模糊控制
                    趙光同, 曹亮, 周琪, 李鴻一
                    當前狀態:  doi: 10.16383/j.aas.c200846
                    [摘要](116) [HTML全文](36) [PDF 1420KB](34)
                    摘要:
                    針對一類具有未建模動態及執行器故障的非嚴格反饋非線性互聯大系統, 提出一類基于事件觸發機制的模糊分散自適應輸出反饋控制算法. 首先, 通過設計模糊狀態觀測器估計系統中不可測的狀態, 并引入李雅普諾夫函數約束未建模動態. 然后, 提出一種基于事件觸發機制的自適應容錯控制器補償多個執行器故障產生的影響. 最后, 利用障礙李雅普諾夫函數實現對系統輸出的約束, 并證明閉環系統中所有信號均是半全局一致最終有界的, 且設計的事件觸發機制可以避免Zeno行為. 數值仿真結果驗證所提出設計方案的可行性及有效性.
                    從視頻到語言: 視頻標題生成與描述研究綜述
                    湯鵬杰, 王瀚漓
                    當前狀態:  doi: 10.16383/j.aas.c200662
                    [摘要](181) [HTML全文](57) [PDF 1421KB](30)
                    摘要:
                    視頻標題生成與描述是使用自然語言對視頻進行總結與重新表達. 由于視頻與語言之間存在異構特性, 其數據處理過程較為復雜. 本文主要對基于“編碼-解碼”架構的模型做了詳細闡述, 以視頻特征編碼與使用方式為依據, 將其分為基于視覺特征均值/最大值的方法、基于視頻序列記憶建模的方法、基于三維卷積特征的方法及混合方法, 并對各類模型進行了歸納與總結. 最后, 對當前存在的問題及可能趨勢進行了總結與展望, 指出需要生成融合情感、邏輯等信息的結構化語段, 并在模型優化、數據集構建、評價指標等方面進行更為深入的研究.
                    基于強化學習的部分線性離散時間系統的最優輸出調節
                    龐文硯, 范家璐, 姜藝, LewisFrank L.
                    當前狀態:  doi: 10.16383/j.aas.c190853
                    [摘要](95) [HTML全文](29) [PDF 1981KB](31)
                    摘要:
                    本文針對同時具有線性外部干擾與非線性不確定性下的離散時間部分線性系統的最優輸出調節問題, 提出了僅利用在線數據的基于強化學習的數據驅動控制方法. 首先, 該問題可拆分為一個受約束的靜態優化問題和一個動態規劃問題, 第一個問題可以解出調節器方程的解. 第二個問題可以確定出控制器的最優反饋增益. 然后, 運用小增益定理證明了存在非線性不確定性離散時間部分線性系統的最優輸出調節問題的穩定性. 針對傳統的控制方法需要準確的系統模型參數用來解決這兩個優化問題, 本文提出了一種數據驅動離線策略更新算法, 該算法僅使用在線數據找到動態規劃問題的解. 然后, 基于動態規劃問題的解, 利用在線數據為靜態優化問題提供了最優解. 最后, 仿真結果驗證了所提方法的有效性.
                    基于拓撲一致性對抗互學習的知識蒸餾
                    賴軒, 曲延云, 謝源, 裴玉龍
                    當前狀態:  doi: 10.16383/j.aas.200665
                    [摘要](75) [HTML全文](68) [PDF 936KB](9)
                    摘要:
                    針對基于互學習的知識蒸餾方法中存在的不足——模型只關注教師網絡和學生網絡的分布差異而沒有考慮其他的約束條件; 只關注了結果導向的監督, 而缺少過程導向的監督——本文提出了一種拓撲一致性指導的對抗互學習知識蒸餾方法(Topology-guided aadversarial deep mutual learning, TADML)該方法將教師網絡和學生網絡同時訓練, 網絡之間相互指導學習, 不僅采用網絡輸出的類分布之間的差異, 還設計了網絡中間特征的拓撲性差異度量. 訓練過程采用對抗訓練, 進一步提高教師網絡和學生網絡的判別性. 在分類數據集CIFAR10、CIFAR100和Tiny-ImageNet及行人重識別數據集Market1501上的實驗結果表明本文所提方法TADML的有效性, TADML取得了同類模型壓縮方法中最好的效果.
                    基于表面肌電的意圖識別方法在非理想條件下的研究進展
                    李自由, 趙新剛, 張弼, 丁其川, 張道輝, 韓建達
                    當前狀態:  doi: 10.16383/j.aas.c200263
                    [摘要](49) [HTML全文](30) [PDF 1843KB](15)
                    摘要:
                    在基于表面肌電信號(surface electromyogram, sEMG)的意圖識別研究領域, 目前大多數的研究主要集中在提高肌電識別的準確性方面. 然而, 在實際應用中, 基于sEMG識別的交互系統往往受到諸多非理想因素干擾, 肌電識別的準確性被大大降低. 本文主要關注在非理想條件下肌電識別的魯棒性研究, 首先詳細歸納了肌電識別方法受到的非理想干擾因素(如電極偏移、個體性差異、肌肉疲勞、肢體姿態或其他綜合性干擾), 總結了當前研究的抗干擾方法; 隨后討論了非理想干擾因素研究現狀中的主要問題; 最后在構建肌電數據集、探索深度學習和遷移學習, 以及肌電分解研究等方面, 對未來的關鍵技術進行了展望.
                    基于圖像和特征聯合約束的跨模態行人重識別
                    張玉康, 譚磊, 陳靚影
                    當前狀態:  doi: 10.16383/j.aas.c200184
                    [摘要](104) [HTML全文](34) [PDF 1365KB](13)
                    摘要:
                    近年來, 基于可見光與近紅外的行人重識別研究受到業界人士的廣泛關注. 現有方法主要是利用二者之間的相互轉換以減小模態間的差異. 但由于可見光圖像和近紅外圖像之間的數據具有獨立且分布不同的特點, 導致其相互轉換的圖像與真實圖像之間存在數據差異. 因此, 本文提出了一個基于圖像層和特征層聯合約束的可見光與近紅外相互轉換的中間模態, 不僅實現了行人身份的一致性, 而且減少了模態間轉換的差異性. 此外, 考慮到跨模態行人重識別數據集的稀缺性, 本文還構建了一個跨模態的行人重識別數據集, 并通過大量的實驗證明了文章所提方法的有效性, 本文所提出的方法在經典公共數據集SYSU-MM01上比D2RL算法在 Rank-1和mAP上分別高出4.2%和3.7%, 該方法在本文構建的Parking-01數據集的近紅外檢索可見光模式下比ResNet-50算法在Rank-1和mAP上分別高出10.4%和10.4%.
                    城市污水處理過程動態多目標智能優化控制研究
                    韓紅桂, 張璐, 盧薇, 喬俊飛
                    當前狀態:  doi: 10.16383/j.aas.c190154
                    [摘要](149) [HTML全文](37) [PDF 2022KB](32)
                    摘要:
                    城市污水處理過程(Municipal waster water treatment process, MWWTP)是一個典型的復雜流程工業過程, 其優化運行涉及到多個動態性能指標. 為了實現城市污水處理運行過程的優化控制, 本文提出了一種城市污水處理過程動態多目標智能優化控制方法(Dynamic multiobjective intelligent optimal control, DMIOC). 首先, 建立了一種基于自適應核函數的動態性能指標模型, 實現了城市污水處理關鍵性能指標的準確描述; 其次, 設計了一種基于自適應飛行參數調整機制的動態多目標粒子群優化算法(Dynamic multiobjective particle swarm optimization, DMOPSO), 可有效平衡粒子的多樣性和收斂性, 完成了溶解氧和硝態氮優化設定值的實時獲取; 最后, 利用多回路PID控制方法對溶解氧和硝態氮優化設定值進行控制, 實現了城市污水處理過程安全穩定運行. 將提出的DMIOC應用于城市污水處理基準仿真平臺, 實驗結果顯示: DMIOC 能夠提高溶解氧和硝態氮的控制效果, 實現城市污水處理過程出水水質達標, 并降低運行成本.
                    基于ISDAE模型的復雜工業過程運行狀態評價方法及應用
                    褚菲, 傅逸靈, 趙旭, 王佩, 尚超, 王福利
                    當前狀態:  doi: 10.16383/j.aas.c200475
                    [摘要](99) [HTML全文](15) [PDF 2536KB](18)
                    摘要:
                    工業過程運行狀態評價通過識別生產過程的運行狀態優劣情況, 并通過對非最優因素實時在線追溯, 指導操作人員及時進行生產調整, 保證產品質量, 保障企業的綜合經濟效益. 針對工業過程中存在強非線性、信息冗余以及不確定性影響而難以建立穩健可靠的運行狀態評價模型問題, 提出了一種基于綜合經濟指標驅動的稀疏降噪自編碼器模型(Comprehensive economic index driven sparse denoising autoencoder, ISDAE)的復雜工業過程運行狀態評價方法. 首先, 在SDAE(Sparse denoising autoencoder)模型中引入綜合經濟指標預測誤差項, 迫使SDAE學習與綜合經濟指標相關的數據特征, 建立ISDAE特征提取模型; 其次, 將ISDAE模型所學特征作為輸入訓練運行狀態識別模型, 級聯特征提取模型和運行狀態識別模型級并通過微調網絡結構參數獲得運行狀態評價模型. 針對非優狀態, 提出了一種基于自編碼器貢獻圖算法的非優因素識別方法, 通過計算相應變量的貢獻率識別非優因素. 最后, 將所提方法應用于重介質選煤過程的運行狀態評價, 實驗結果驗證了所提方法的有效性和實用性.
                    基于中心點搜索的無錨框全卷積孿生跟蹤器
                    譚建豪, 鄭英帥, 王耀南, 馬小萍
                    當前狀態:  doi: 10.16383/j.aas.c200469
                    [摘要](94) [HTML全文](33) [PDF 1546KB](10)
                    摘要:
                    為了解決孿生網絡跟蹤器魯棒性差的問題, 本文重新設計了孿生網絡跟蹤器的分類與回歸分支, 提出了一種基于像素上直接預測方式的高魯棒性跟蹤算法(AFST). 目前高性能的跟蹤算法, 如SiamRPN、SiamRPN++、CRPN都是基于預定義的錨框進行分類和目標框回歸. 與之相反, 我們提出的AFST則是直接在每個像素上進行分類和預測目標框. 通過去掉錨框, 本文大大簡化了分類任務和回歸任務的復雜程度, 并消除了錨框和目標誤匹配問題. 在訓練中, 我們還進一步添加了同類不同實例的圖像對, 從而引入了相似語義干擾物, 使得網絡的訓練更加充分. 在VOT2016、GOT-10k、OTB2015三個公開的基準上的實驗表明, 與現有的跟蹤算法對比, AFST達到了先進的性能.
                    基于多層次特征融合的圖像超分辨率重建
                    李金新, 黃志勇, 李文斌, 周登文
                    當前狀態:  doi: 10.16383/j.aas.c200585
                    [摘要](98) [HTML全文](35) [PDF 1176KB](19)
                    摘要:
                    深度卷積神經網絡顯著改進了單圖像超分辨率的性能. 更深的網絡往往能獲得更好的性能. 但是, 加深網絡會導致參數量急劇增加, 限制了它在資源受限設備上的應用, 比如智能手機. 本文提出了一個融合多層次特征的輕量級單圖像超分辨率網絡. 網絡構件主要是雙層嵌套殘差塊. 為了更好地提取特征, 減少參數量, 每個殘差塊采用對稱結構: 先兩次擴張, 然后兩次壓縮通道數. 在殘差塊中, 通過添加自相關權重單元, 加權融合不同通道的特征信息. 實驗證明: 我們的方法顯著優于當前同類方法.
                    串聯彈性驅動器設計、建模及在機器人上的應用
                    孫寧, 程龍
                    當前狀態:  doi: 10.16383/j.aas.c200202
                    [摘要](86) [HTML全文](25) [PDF 1641KB](15)
                    摘要:
                    相比于傳統的剛性驅動器, 串聯彈性驅動器具有被動柔順性、阻抗低、抗沖擊、力感知等諸多優點, 因而已經廣泛地應用到各種機器人系統當中. 本文首先根據彈性和阻尼特性將串聯彈性驅動器分為: 彈性型、阻尼型和彈性-阻尼型串聯彈性驅動器, 介紹不同類型串聯彈性驅動器的優缺點, 并詳細概述彈性和阻尼特性的機械實現方式; 然后對各類串聯彈性驅動器作為力傳感器的建模方法進行介紹; 接下來敘述串聯彈性驅動器在機器人中的主要應用: 力傳感器、安全保護、降低能耗; 最后展望串聯彈性驅動器未來的發展方向.
                    基于圖像與電流特征的電熔鎂爐欠燒工況半監督分類方法
                    盧紹文, 溫乙鑫
                    當前狀態:  doi: 10.16383/j.aas.c200754
                    [摘要](73) [HTML全文](23) [PDF 1236KB](15)
                    摘要:
                    本文針對電熔鎂爐異常工況識別任務, 在半監督學習框架下提出了一種將電流與圖像兩類特征融合的解決方案. 本文的貢獻主要為: 使用多元圖像分析技術代替人眼, 更為準確客觀地對鎂爐火焰進行特征提取; 利用基于熵正則化的半監督學習框架, 同時使用具有強互補性的生產圖像與電流數據進行工況分類, 從而彌補了基于單一特征分類的某些缺點; 采用交叉熵方法優化分類器目標函數, 較傳統優化方法顯著地提升了訓練速度. 通過仿真數據與公開數據集測試并討論了本文算法的優勢; 并通過工業數據驗證了本文所提出的方法有效性、應用價值與良好的魯棒性.
                    基于變分信息瓶頸的半監督神經機器翻譯
                    于志強, 余正濤, 黃于欣, 郭軍軍, 高盛祥
                    當前狀態:  doi: 10.16383/j.aas.c190477
                    [摘要](83) [HTML全文](42) [PDF 1519KB](18)
                    摘要:
                    變分方法是機器翻譯領域的有效方法, 其性能較依賴于數據量規模. 然而在低資源環境下, 平行語料資源匱乏, 不能滿足變分方法對數據量的需求, 因此導致基于變分的模型翻譯效果并不理想. 針對該問題, 我們提出基于變分信息瓶頸的半監督神經機器翻譯方法, 所提方法的具體思路為: 首先在小規模平行語料的基礎上, 通過引入跨層注意力機制充分利用神經網絡各層特征信息, 訓練得到基礎翻譯模型; 隨后, 利用基礎翻譯模型, 使用回譯方法從單語語料生成含噪聲的大規模偽平行語料, 對兩種平行語料進行合并形成組合語料, 使其在規模上能夠滿足變分方法對數據量的需求; 最后, 為了減少組合語料中的噪聲, 利用變分信息瓶頸方法在源與目標之間添加中間表征, 通過訓練使該表征具有放行重要信息、阻止非重要信息流過的能力, 從而達到去除噪聲的效果. 多個數據集上的實驗結果表明, 本文所提方法能夠顯著地提高譯文質量, 是一種適用于低資源場景的半監督神經機器翻譯方法.
                    時滯憶阻神經網絡動力學分析與控制綜述
                    章聯生, 金耀初, 宋永端
                    當前狀態:  doi: 10.16383/j.aas.c200691
                    [摘要](145) [HTML全文](28) [PDF 1398KB](28)
                    摘要:
                    憶阻器(memristor)是一種無源的二端電子元件, 同時也是一種納米級元件, 具有低能耗、高存儲、小體積和非易失性等特點. 作為一種新型的存儲器件, 憶阻器的研制, 有望使計算機實現人腦特有的信息存儲與信息處理一體化的功能, 打破目前馮·諾伊曼(Von Neumann)計算機架構, 為下一代計算機的研制提供了一種全新的架構. 鑒于憶阻器與生物神經元突觸具有十分相似的功能, 使憶阻器得以充當人工神經元的突觸, 建立起一種基于憶阻器的人工神經網絡即憶阻神經網絡. 憶阻器的問世, 為人工神經網絡從電路上模擬人腦提供了可能, 必將極大推動人工智能的發展. 此外, 憶阻神經網絡的硬件實現及信號傳遞過程中, 不可避免會出現時滯與分岔等現象, 因此考慮含各種時滯, 如離散、分布、泄漏時滯以及它們混合的時滯憶阻神經網絡系統更具有現實意義. 本文首先介紹了憶阻器的多種數學模型及其分類, 建立了憶阻神經網絡的數學模型并闡述了其優點, 然后提出了處理時滯憶阻神經網絡動力學行為與控制問題兩種思路, 詳細綜述了時滯憶阻神經網絡系統的穩定性(鎮定)、耗散性與無源性、同步控制方面的內容, 簡述了其他方面的動力學行為與控制, 并介紹了時滯憶阻神經網絡動力學行為與控制研究新方向. 最后, 對本文所述問題進行了總結與展望.
                    基于徑向空間劃分的昂貴多目標進化算法
                    顧清華, 周煜豐, 李學現, 阮順領
                    當前狀態:  doi: 10.16383/j.aas.c200791
                    [摘要](80) [HTML全文](14) [PDF 4874KB](14)
                    摘要:
                    為了解決難以建立精確數學模型或者真實評估實驗成本高昂的多目標優化問題, 本文提出了一種基于徑向空間劃分的昂貴多目標進化算法. 首先算法使用高斯回歸作為代理模型逼近目標函數; 然后將目標空間的個體投影到徑向空間, 結合目標空間和徑向空間信息保留對種群貢獻更高的個體; 之后由徑向空間中個體的位置分布決定下一步應該選擇哪些個體進行真實評估; 最后, 采用一種雙檔案管理策略維護代理模型的質量. 數值實驗和現實問題上的結果表明, 與五種先進的算法相比, 本文提出的算法在解決昂貴多目標優化問題時能夠提供更高質量的解.
                    一種規?;祀s生產線緩沖區容量優化分配技術
                    劉軍, 任建華, 馮碩
                    當前狀態:  doi: 10.16383/j.aas.c200578
                    [摘要](52) [HTML全文](17) [PDF 1712KB](8)
                    摘要:
                    針對傳統技術難以解決規?;祀s生產線緩沖區容量優化分配問題, 提出了一種規?;a線遞階分解并行尋優技術, 該技術結合混雜生產線系統綜合方法與分解方法的技術思想, 兼顧生產線平衡性與系統規模, 將原系統遞階分解為包含虛擬生產線在內的n+1個子生產線系統, 通過求解子系統的最優解構造原系統的漸進最優解, 并在系統遞階建模階段建議了一種設備模糊聚類的輔助方式; 同時, 基于混雜生產線系統綜合方法也建議了一種系統漸次綜合的初解改進確定方法; 并提出了一種通過構造動態步長來設計領域結構的改進型禁忌搜索算法對子系統進行并行尋優; 最后對技術算法的收斂性進行了證明.本文提出的生產線遞階分解建模并行尋優技術具有一般性, 對受設備隨機故障等隨機事件影響的生產線尤其是規?;a線系統其它優化、控制問題也具有借鑒、參考價值.
                    基于非凸復合函數的稀疏信號恢復算法
                    周潔容, 李海洋, 凌軍, 陳浩, 彭濟根
                    當前狀態:  doi: 10.16383/j.aas.c200666
                    [摘要](77) [HTML全文](14) [PDF 1602KB](11)
                    摘要:
                    本文基于泛函深度作用的思想, 通過將兩種非凸稀疏泛函進行復合, 構造了一種新的稀疏信號重構模型, 實現了對0范數的深度逼近. 綜合運用MM技術、外點罰函數法和共軛梯度法, 提出了一種求解該模型的算法, 稱為NCCS算法. 為降低重構信號陷入局部極值的可能性, 提出了在算法的每步迭代中以BP模型的解作為初始迭代值. 為驗證所建模型和所提算法的有效性, 本文進行了多項數值實驗. 實驗結果表明: 相較于SL0算法、IRLS算法、SCSA算法以及BP算法等經典算法, 本文提出的算法在重構誤差、信噪比、歸一化均方差、支撐集恢復成功率等方面都有更優的表現.
                    基于分步子空間映射的無標記膈肌運動預測算法
                    余航, 李晨陽, 余紹德, 馮冬竹, 許錄平
                    當前狀態:  doi: 10.16383/j.aas.c200471
                    [摘要](79) [HTML全文](21) [PDF 2271KB](11)
                    摘要:
                    呼吸會引起體內器官和腫瘤的運動, 這會顯著影響放射治療的過程和效果. 人體內部膈肌和胸腹部外表面是當前兩種與呼吸系統高度相關的結構, 本文對其進行系統研究, 提出了一種新的分步子空間映射(TSSM)算法, 通過對體外胸腹部表面的測量, 來預測體內膈肌的運動. 本文首先采用三維圖像分割技術對4D CT圖像進行分割, 在不使用標記物的情況下, 準確測量體內膈肌和體外胸腹部表面的位移. 為了解決跨空間的預測問題, TSSM首先構造特征子空間, 并將膈肌數據和胸腹外表面數據分別映射到各自的子空間中, 以減少數據的相關性和冗余信息; 然后通過線性嶺回歸優化過程, 對兩個子空間進行二次映射, 從而有效地捕獲跨空間數據之間的相關性. 根據訓練得到的相關模型, 通過體外胸腹部外表面的運動情況, 對體內膈肌的運動情況進行準確的預測. 為了研究數據之間的非線性關系, 本文進一步將TSSM推廣到了基于核的TSSM(kTSSM)算法. 實驗表明, 該方法可以根據腹腔外表面的運動情況, 準確的對體內膈肌位移進行預測, 優于經典的線性模型和ANN模型. 本文給出了優化算法的解析解, 其運算速度快, 將有助于提高放射治療中門控技術和跟蹤技術的效率和精度.
                    電動汽車電子差速控制技術研究綜述
                    姚芳, 林祥輝, 吳正斌, 李貴強
                    當前狀態:  doi: 10.16383/j.aas.c190293
                    [摘要](70) [HTML全文](38) [PDF 1520KB](18)
                    摘要:
                    首先, 闡述電動汽車(Electric vehicle, EV)驅動系統的布置結構以及差速控制的原理和優缺點, 并介紹用于電子差速控制(Electronic differential control, EDC)的Acekermann轉向模型和3自由度整車動力學模型, 進而剖析非線性擾動和整車模型的設計理念; 其次, 重點綜述電動汽車分布式驅動結構的電子差速控制策略、多機抗擾控制及優化算法的相關研究成果, 并從成果走向、局限性及可能的發展空間分析其發展態勢; 最后, 從整車模型、控制策略、抗擾算法和效果驗證等四個方面, 總結電動汽車電子差速控制技術的現狀, 并展望未來發展可能.
                    全景分割研究綜述
                    徐鵬斌, 瞿安國, 王坤峰, 李大字
                    當前狀態:  doi: 10.16383/j.aas.c200657
                    [摘要](360) [HTML全文](121) [PDF 1964KB](39)
                    摘要:
                    在計算機視覺領域, 全景分割是一個新穎且重要的研究問題, 它是機器感知、自動駕駛等新興前沿技術的基石, 有著十分重要的研究意義. 本文綜述了基于深度學習的全景分割研究的最新進展, 總結了全景分割任務的基本處理流程, 并對已發表的全景分割工作基于其網絡結構特點進行分類, 并作了全面的介紹與分析, 最后對全景分割任務目前面臨的問題以及未來的發展趨勢做出了分析, 并針對所面臨的問題提出了一些切實可行的解決思路.
                    深度學習方法在糖尿病視網膜病變診斷中的應用
                    范家偉, 張如如, 陸萌, 何佳雯, 康霄陽, 柴文俊, 石珅達, 宋美娜, 鄂海紅, 歐中洪
                    當前狀態:  doi: 10.16383/j.aas.c190069
                    [摘要](102) [HTML全文](77) [PDF 1720KB](30)
                    摘要:
                    深度學習可以有效提取圖像隱含特征,在醫學影像識別方面的應用快速發展. 由于糖尿病視網膜病變(Diabetic retinopathy, DR)診斷標準明確、分類體系成熟,應用深度學習診斷糖尿病視網膜病變近年來成為研究熱點. 本文從深度學習方法在DR診斷中的最新研究進展、DR診斷的一般流程、公共數據集、醫學影像標注方法、主要實現模型、面臨的主要挑戰幾方面, 對深度學習方法在糖尿病視網膜病變診斷中的應用進行了詳細綜述, 便于更多機器視覺、尤其是深度學習醫學影像的研究者們參照對比,加快該領域研究的成熟度和臨床落地應用.
                    基于事件觸發的全信息粒子群優化器及其應用
                    王闖, 韓非, 申雨軒, 李學貴, 董宏麗
                    當前狀態:  doi: 10.16383/j.aas.c200621
                    [摘要](138) [HTML全文](33) [PDF 1603KB](21)
                    摘要:
                    針對標準粒子群優化算法存在早熟收斂和容易陷入局部最優的問題, 本文提出了一種基于事件觸發的全信息粒子群優化算法(Event-Triggering-Based Full-Information Particle Swarm Optimization, EFPSO). 首先, 引入一類基于粒子空間特性的事件觸發策略實現粒子群優化算法(Particle Swarm Optimization, PSO) 的模態切換, 更好地維持了算法搜索和收斂能力之間的動態平衡. 然后, 鑒于引入歷史信息能夠降低算法陷入局部最優的可能性, 提出一種全信息策略來克服PSO算法搜索能力不足的缺陷. 數值仿真實驗表明, EFPSO算法在種群多樣性、收斂率、成功率方面是優于其它改進的PSO算法. 最后, 應用EFPSO算法對變分模態分解(Variational Mode Decomposition, VMD)去噪算法進行改進, 并在現場管道信號去噪取得了很好的效果.
                    一致性約束下末制導系統最大可容許模式決策延遲
                    項盛文, 范紅旗, 達凱, 付強
                    當前狀態:  doi: 10.16383/j.aas.c200717
                    [摘要](83) [HTML全文](17)
                    摘要:
                    對于大機動目標攔截問題, 模式決策器是基于邏輯的集成估計導引系統(Integrated estimation and guidance, IEG)中的一個重要組件. 為了保證系統的估計精度和制導性能, 模式決策器的模式延遲應盡可能小. 本文針對末制導場景, 首先推導了離散時間系統零控脫靶量的估計誤差模型, 然后在一致性約束條件下給出了系統最大可容許模式決策延遲的數值計算方法. 本文的研究結果可為IEG系統中模式決策器的設計提供指標參考.
                    軟體機械臂水下自適應魯棒視覺伺服
                    徐璠, 王賀升
                    當前狀態:  doi: 10.16383/j.aas.c200457
                    [摘要](142) [HTML全文](40) [PDF 1379KB](35)
                    摘要:
                    水下仿生軟體機器人在水底環境勘測, 水下生物觀測等方面具有極高的應用價值. 本文為進一步提升仿章魚臂軟體機器人在特殊水下環境中控制效果, 提出一種自適應魯棒視覺伺服控制方法, 實現其在干擾無標定環境中的高精度鎮定控制. 本文基于水底動力學模型, 設計保證動力學穩定的控制器; 針對柔性材料離線標定過程繁瑣成本高, 提出料參數自適應估計算法; 針對水下特殊工作條件, 設計自適應魯棒視覺伺服控制器, 實現折射效應的在線補償, 并通過自適應未知環境干擾上界, 避免先驗環境信息的求解. 所提算法在軟體機器人樣機中驗證其鎮定控制性能, 為仿生軟體機器人的實際應用提供理論基礎.
                    魚集群游動的節能機理研究綜述
                    張天棟, 王睿, 程龍, 王宇, 王碩
                    當前狀態:  doi: 10.16383/j.aas.c200293
                    [摘要](57) [HTML全文](43) [PDF 1468KB](16)
                    摘要:
                    集群是魚類生物中一種常見的現象, 特定編隊的集群運動可以顯著提高魚群的游動效率. 魚集群游動節能機理的研究為機器人集群編隊設計和控制提供啟發與幫助, 得到了研究人員的廣泛關注. 本文介紹了魚集群游動節能機理研究的主要方法及最新的研究成果, 將研究方法分為魚群觀察分析法、計算流體力學仿真法和實驗裝置研究法, 并基于此對近些年的研究成果進行了綜述和分析, 最后列舉了魚集群游動節能機理研究的主要問題與未來發展方向.
                    基于信息幾何的高超聲速飛行器搜索方法
                    羅藝, 譚賢四, 王紅, 曲智國
                    當前狀態:  doi: 10.16383/j.aas.c200738
                    [摘要](90) [HTML全文](16) [PDF 1630KB](5)
                    摘要:
                    由于地面雷達受視距限制無法對高超聲速飛行器進行連續觀測, 針對高超聲速飛行器飛出雷達視距盲區后難以搜索的問題, 提出了一種基于信息幾何的雷達搜索方法. 本文利用非參數概率密度估計法對高超聲速飛行器的出現位置的概率密度進行估計, 并把估計的位置概率密度作為雷達搜索的引導信息; 根據引導信息確定搜索區域, 以區域覆蓋率最大化作為優化目標在搜索區域內進行波位編排; 基于信息幾何理論, 將搜索策略建模為統計流形, 利用KL(Kullback-Leibler)散度來度量搜索策略與引導信息之間的差異, 通過最小化KL散度獲得最優搜索策略. 通過仿真實驗驗證了本文所提方法的有效性和可行性, 并驗證了相比其他搜索方法具有較明顯的優勢.
                    基于集成信用度評估智能合約的安全數據共享模型
                    張樂君, 劉智棟, 謝國, 薛霄
                    當前狀態:  doi: 10.16383/j.aas.c200797
                    [摘要](115) [HTML全文](52) [PDF 1401KB](10)
                    摘要:
                    區塊鏈技術是一種新興技術, 它具備防篡改、去中心化、分布式存儲等特點, 可以有效的解決現有數據共享模型中隱私安全、用戶控制權不足以及單點故障問題. 本文以電子病歷(Electronic health record, EHR)共享為例提出一種基于集成信用度評估智能合約的數據共享訪問控制模型, 為患者提供可信EHR共享環境和動態訪問控制策略接口. 實驗表明所提模型有效解決了患者隱私安全和對EHR控制權不足的問題. 同時就模型的特點、安全性以及性能進行了分析.
                    多維注意力特征聚合立體匹配算法
                    張亞茹, 孔雅婷, 劉彬
                    當前狀態:  doi: 10.16383/j.aas.c200778
                    [摘要](101) [HTML全文](40) [PDF 1455KB](24)
                    摘要:
                    現有基于深度學習的立體匹配算法在學習推理過程中缺乏有效信息交互, 而特征提取和代價聚合兩個子模塊的特征維度存在差異, 導致注意力方法在立體匹配網絡中應用較少、方式單一. 針對這些問題, 本文提出了一種多維注意力特征聚合立體匹配算法. 設計二維(Two-dimensional, 2D)注意力殘差模塊, 通過在原始殘差網絡中引入無降維自適應2D注意力殘差單元, 局部跨通道交互并提取顯著信息, 為匹配代價計算提供豐富有效的特征. 構建三維(Three-dimensional, 3D)注意力沙漏聚合模塊, 以堆疊沙漏結構為骨干設計3D注意力沙漏單元, 捕獲多尺度幾何上下文信息, 進一步擴展多維注意力機制, 自適應聚合和重新校準來自不同網絡深度的代價體. 在三大標準數據集上進行評估, 并與相關算法對比, 實驗結果表明所提算法具有更高的預測視差精度, 且在無遮擋的顯著對象上效果更佳.
                    基于靈活平衡約束的圖聚類方法
                    羅輝, 韓紀慶
                    當前狀態:  doi: 10.16383/j.aas.c200144
                    [摘要](62) [HTML全文](26) [PDF 1837KB](6)
                    摘要:
                    現有的圖聚類方法主要存在兩方面的問題, 一是對各個類規模一致的假設, 在許多實際應用中并不成立. 二是在處理多類聚類問題時, 其所常借助的遞歸技術或啟發式算法會影響聚類的性能. 為此, 本文提出一種基于靈活平衡約束的多類圖聚類方法. 其能夠覆蓋從絕對平衡約束到無平衡約束的范圍, 可同時處理類別規模一致和不一致的問題. 為有效求解新方法中的參數, 進一步提出一個緊松弛方法來使所提出的圖聚類方法不僅易于求解, 且在處理多類聚類問題時不必依賴遞歸技術, 而能直接得到聚類結果. 文中也給出一種實現松弛圖聚類的有效求解算法. 在合成數據和真實數據上的實驗結果表明, 所提出的方法具有良好的性能.
                    基于加權矩陣的多維廣義特征值并行分解算法
                    高迎彬, 徐中英
                    當前狀態:  doi: 10.16383/j.aas.c200399
                    [摘要](99) [HTML全文](10) [PDF 1269KB](3)
                    摘要:
                    針對串行廣義特征值分解算法實時性差的缺點, 提出了基于加權矩陣的多維廣義特征值分解算法. 與串行算法不同, 所提算法能夠在一次迭代過程中并行地估計出多維廣義特征向量. 平穩點分析表明: 當且僅當算法中狀態矩陣等于所需的廣義特征向量時, 算法達到收斂狀態. 通過對比相鄰時刻的狀態矩陣模值證明了所提算法的自穩定特性. 所提算法參數選取簡單, 實際實施較為容易. 數值仿真和實例應用進一步驗證了算法的并行性、自穩定性和實用性.
                    基于中心對稱多胞體的故障可分離性評價
                    王楨榕, 王振華, 沈毅
                    當前狀態:  doi: 10.16383/j.aas.cxxxxxx
                    [摘要](25) [HTML全文](23) [PDF 1216KB](4)
                    摘要:
                    針對包含幅值有界而分布形式未知的故障及輸入干擾項的線性離散系統, 提出了一種新的系統故障可分離性的量化評價方法. 故障可分離性是故障可診斷性中的重要部分, 針對現有方法中基于方向相似度的故障可分離性評價方法存在的不足加以補充, 提出了利用中心對稱多胞體對故障可分離性進行分析, 將中心對稱多胞體集合轉化為多面體的表示形式, 以達到對故障可分離性量化評價的目的, 同時給出了具體評價原理和評價指標. 最后, 通過數值仿真算例, 驗證了該方法的有效性和優越性.
                    基于定制內點法的多無人機協同軌跡規劃
                    王祝, 徐廣通, 龍騰
                    當前狀態:  doi: 10.16383/j.aas.c200361
                    [摘要](94) [HTML全文](31) [PDF 2161KB](19)
                    摘要:
                    為了提高多無人機協同軌跡規劃效率, 在解耦序列凸優化方法基礎上, 提出一種高效求解凸優化子問題的定制內點法. 首先引入松弛變量, 構建子問題的等價描述形式, 并推導該形式下的子問題最優性條件. 然后在預測-校正原對偶內點法的框架下, 構建一套高效求解最優性條件方程組的計算流程以降低子問題計算復雜度, 并利用約束矩陣特征提出一種快速計算原對偶搜索方向的方法以提高規劃效率. 仿真結果表明, 在解耦序列凸優化框架下, 定制內點法可將協同軌跡規劃耗時降低一個數量級, 達到秒級.
                    動態水印攻擊檢測方法的魯棒性研究
                    杜大軍, 張競帆, 張長達, 費敏銳, YANGTai-Cheng
                    當前狀態:  doi: 10.16383/j.aas.c200614
                    [摘要](61) [HTML全文](22) [PDF 3241KB](11)
                    摘要:
                    本文針對傳統動態水印檢測方法無法適用模型不確定系統的攻擊檢測問題, 首先分析模型不確定項導致的傳統動態水印檢測失效原因, 然后考慮模型不確定項和過程噪聲的統計規律, 將其影響轉化為對方差變化特性進行分析, 提出兩個具有魯棒性的攻擊檢測式以及檢測式中關鍵時變方差閾值的確定方法; 其次采用系統失真信號功率定量刻畫攻擊信號造成系統性能損失程度, 理論證明了系統失真信號功率上界; 在此基礎上考慮最壞情況下攻擊能夠躲過檢測, 基于水印信號與其它混合信號相互獨立性新增第三檢測式, 同時理論證明了系統失真信號功率上界進一步受限范圍, 進而提升不確定系統的安全性; 最后仿真算例驗證了所提方法的有效性和可行性.
                    文本無關說話人識別中句級特征提取方法研究綜述
                    陳晨, 韓紀慶, 陳德運, 何勇軍
                    當前狀態:  doi: 10.16383/j.aas.c200521
                    [摘要](110) [HTML全文](52) [PDF 2135KB](22)
                    摘要:
                    句級 (Utterance-level) 特征提取是文本無關說話人識別領域中的重要研究方向之一. 與只能刻畫短時語音特性的幀級 (Frame-level) 特征相比, 句級特征中包含了更豐富的說話人個性信息; 且不同時長語音的句級特征均具有固定維度, 更便于與大多數常用的模式識別方法相結合. 近年來, 句級特征提取的研究取得了很大的進展, 鑒于其在說話人識別中的重要地位, 本文將對近期具有代表性的句級特征提取方法與技術進行整理與綜述, 并分別從前端處理、基于任務分段式與驅動式策略的特征提取方法, 以及后端處理4方面進行論述, 最后還將對未來的研究趨勢展開探討與分析.
                    基于深度學習初始位姿估計的機器人攝影測量視點規劃
                    姜濤, 崔海華, 程筱勝, 田威
                    當前狀態:  doi: 10.16383/j.aas.c200255
                    [摘要](95) [HTML全文](104) [PDF 2290KB](21)
                    摘要:
                    針對機器人攝影測量中離線規劃受初始位姿標定影響的問題, 提出融合初始位姿估計的機器人攝影測量系統視點規劃方法. 首先構建基于YOLO的深度學習網絡估計被測對象3D包圍盒, 利用PNP算法快速求解對象姿態; 然后隨機生成機器人無奇異無碰撞的視點, 基于相機成像的2D-3D正逆性映射, 根據深度原則計算每個視角下目標可見性矩陣; 最后, 引入熵權法, 以最小化重建信息熵為目標建立優化模型, 并基于TSP模型規劃機器人路徑. 結果表明: 利用深度學習估計的平移誤差低于5 mm, 角度誤差低于2°. 考慮熵權的視點規劃方法提高了攝影測量質量, 融合深度學習初始姿態的攝影測量系統提高了重建效率. 利用本算法對典型零件進行攝影測量質量和效率的驗證, 均獲得優異的位姿估計和重建效果. 提出的算法適用于實際工程應用, 尤其是快速稀疏攝影重建, 促進了工業攝影測量速度與自動化程度提升.
                    基于改進CycleGAN的水下圖像顏色校正與增強
                    李慶忠, 白文秀, 牛炯
                    當前狀態:  doi: 10.16383/j.aas.c200510
                    [摘要](341) [HTML全文](131) [PDF 1467KB](29)
                    摘要:
                    針對水下觀測圖像的顏色失真和散射模糊問題, 提出一種基于改進循環一致性生成對抗網絡(Cycle-consistent generative adversarial networks, CycleGAN)的水下圖像顏色校正與增強算法. 為了利用CycleGAN學習水下降質圖像到空氣中圖像的映射關系, 對傳統CycleGAN的損失函數進行了改進, 提出了基于圖像強邊緣結構相似度(Strong edge and structure similarity, SESS)損失函數的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下圖像的邊緣結構信息的前提下實現水下降質圖像的顏色校正和對比度增強. 為了確保增強后圖像和真實脫水圖像顏色的一致性, 建立了SESS-CycleGAN和正向生成網絡G相結合的網絡結構; 并提出了兩階段學習策略, 即先利用非成對訓練集以弱監督方式進行SESS-CycleGAN學習, 然后再利用少量成對訓練集以強監督方式進行正向生成網絡G的監督式學習. 實驗結果表明: 本文算法在校正水下圖像顏色失真的同時還增強了圖像對比度, 且較好地實現了增強后圖像和真實脫水圖像視覺顏色的一致性.
                    分級特征反饋融合的深度圖像超分辨率重建
                    張帥勇, 劉美琴, 姚超, 林春雨, 趙耀
                    當前狀態:  doi: 10.16383/j.aas.c200542
                    [摘要](136) [HTML全文](36) [PDF 7664KB](9)
                    摘要:
                    受采集裝置的限制, 采集的深度圖像存在分辨率較低、易受噪聲干擾等問題. 本文提出了分級特征反饋融合網絡 (Hierarchical Feature Feedback Network, HFFN), 以實現深度圖像的超分辨率重建. 該網絡利用金字塔結構挖掘深度-紋理特征在不同尺度下的分層特征, 構建深度-紋理的分層特征表示. 為了有效利用不同尺度下的結構信息, 本文設計了一種分級特征的反饋式融合策略, 綜合深度-紋理的邊緣特征, 生成重建深度圖像的邊緣引導信息, 完成深度圖像的重建過程. 與對比方法相比, 實驗結果表明本文方法實現了深度圖像的主、客觀質量的提升.
                    基于海馬體位置細胞的認知地圖構建與導航
                    阮曉鋼, 柴潔, 武悅, 張曉平, 黃靜
                    當前狀態:  doi: 10.16383/j.aas.c190288
                    [摘要](94) [HTML全文](41) [PDF 2126KB](16)
                    摘要:
                    針對移動機器人環境認知問題, 受老鼠海馬體位置細胞在特定位置放電的啟發, 構建動態增減位置細胞認知地圖模型DGP-PCCMM(Dynamic growing and pruning place cells-based cognitive map model), 使機器人在與環境交互的過程中自組織構建認知地圖, 進行環境認知. 初始時刻, 認知地圖由初始點處激活的位置細胞構成; 隨著與環境的交互, 逐漸得到不同位置點處激活的位置細胞, 并建立其之間的連接關系, 實現認知地圖的動態增長; 如果機器人在已訪問區域發現新的障礙物, 利用動態縮減機制對認知地圖進行更新. 此外, 提出一種位置細胞序列規劃算法, 該算法以所構建的認知地圖作為輸入, 進行位置細胞序列規劃, 實現機器人導航. 為驗證模型的正確性和有效性, 對Tolman的經典老鼠繞道實驗進行再現. 實驗結果表明, 本文模型能使機器人在與環境交互的過程中動態構建并更新認知地圖, 能初步完成對Tolman老鼠繞道實驗的再現. 此外, 進行了與四叉樹柵格地圖、動態窗口法的對比實驗和與其他認知地圖模型的討論分析. 結果表明了本文方法在所構建地圖的簡潔性、完整性和對動態障礙適應性方面的優勢.
                    稀缺資源語言神經網絡機器翻譯研究綜述
                    李洪政, 馮沖, 黃河燕
                    當前狀態:  doi: 10.16383/j.aas.c200103
                    [摘要](149) [HTML全文](225) [PDF 1000KB](16)
                    摘要:
                    作為目前主流翻譯方法的神經網絡機器翻譯已經取得了很大突破, 在很多具有豐富數據資源的語言上的翻譯質量也不斷得到改善, 但對于稀缺資源語言的翻譯效果卻仍然并不理想. 稀缺資源語言機器翻譯是目前機器翻譯領域的重要研究熱點之一, 近幾年來吸引了國內外的廣泛關注. 本文對稀缺資源語言機器翻譯的研究進行比較全面的回顧, 首先簡要介紹了與稀缺資源語言翻譯相關的學術活動和數據集, 然后重點梳理了目前主要的研究方法和一些研究結論, 總結了每類方法的特點, 在此基礎上總結了不同方法之間的關系并分析了目前的研究現狀. 最后, 對稀缺資源語言機器翻譯未來可能的研究趨勢和發展方向進行了展望,并給出了相關建議.
                    基于草圖紋理和形狀特征融合的草圖識別
                    張興園, 黃雅平, 鄒琪, 裴艷婷
                    當前狀態:  doi: 10.16383/j.aas.c200070
                    [摘要](54) [HTML全文](88) [PDF 1624KB](11)
                    摘要:
                    人類具有很強的草圖識別能力. 然而, 由于草圖具有稀疏性和缺少細節的特點, 目前的深度學習模型在草圖分類任務上仍然面臨挑戰. 目前的工作只是將草圖看作灰度圖像而忽略了不同草圖類別間的形狀表示差異. 本文提出一種端到端的手繪草圖識別模型, 簡稱雙模型融合網絡(Dual-Model Fusion Network, DMF-Net), 它可以通過相互學習策略獲取草圖的紋理和形狀信息. 具體來說, 該模型由兩個分支組成: 一個分支能夠從圖像表示(即原始草圖)中自動提取紋理特征, 另一個分支能夠從圖形表示(即基于點的草圖)中自動提取形狀特征. 此外, 提出視覺注意一致性損失來度量兩個分支之間視覺顯著圖的一致性, 這樣可以保證兩個分支關注相同的判別性區域. 最終將分類損失、類別一致性損失和視覺注意一致性損失結合完成DMF-Net網絡的優化. 本文在兩個具有挑戰性的數據集TU-Berlin數據集和Sketchy數據集上進行草圖分類實驗, 評估結果說明了DMF-Net顯著優于基準方法并達到最佳性能.
                    基于“雁陣效應”的撲翼飛行機器人高效集群編隊研究
                    尹曌, 賀威, 鄒堯, 穆新星, 孫長銀
                    當前狀態:  doi: 10.16383/j.aas.c190900
                    [摘要](175) [HTML全文](75) [PDF 2809KB](25)
                    摘要:
                    本文借鑒“雁陣效應”, 研究了撲翼飛行機器人高效集群編隊飛行問題. 通過對“V”字雁陣的分析得知, 當前排大雁(簡稱頭雁)和后排大雁(簡稱從雁)保持某一合適的相對位置偏移時, 后排大雁可有效利用前排大雁揮翅產生的上洗渦流, 從而節省體能; 并且, 雁陣通過陣型的變換, 可以實現能量整體消耗的均衡性, 確保長航時飛行. 仿照該“雁陣效應”, 分析得出耗能最少的撲翼飛行機器人集群陣型排布方式, 并設計了陣型變換機制, 實現集群能量整體消耗的最優性和均衡性. 在此基礎上, 參考雁群的交互方式, 設計了一種使用局部信息的控制方法, 保證最優陣型的穩定維持以及陣型間的靈活變換. 最后, 仿真結果驗證了所提理論結果的有效性.
                    基于USARSim和ROS的無人平臺編隊仿真系統
                    張浩杰, 蘇治寶, 楊甜甜
                    當前狀態:  doi: 10.16383/j.aas.c200102
                    [摘要](233) [HTML全文](105) [PDF 1571KB](28)
                    摘要:
                    針對越野非結構化環境下的地面無人平臺(Unmanned Ground Vehicle, UGV)編隊仿真系統存在功能模塊不完善及算法集成測試困難等問題, 為便于有效測試地面無人平臺編隊協同控制方法性能及其適用的任務場景, 降低編隊協同系統的開發成本, 本文提出了一種基于Unified System for Automation and Robotics Simulator(USARSim)和Robot Operating System(ROS)的地面無人平臺編隊協同仿真系統. 該仿真系統由人機交互界面、基于ROS架構的地面無人平臺控制系統和基于USARSim的虛擬仿真場景三個部分組成, 其測試對象為地面無人平臺編隊協同控制算法. 通過充分利用ROS中集成的開源導航算法和USARSim中豐富的機器人及環境模型, 該系統為研究地面無人平臺編隊協同控制算法提供了新的思路和快速驗證工具. 以領航者-跟隨者編隊控制方法為例進行該仿真系統的性能測試, 實驗結果表明, 該仿真系統能夠在外界條件一致的情況下完成對編隊協同控制方法的性能測試, 系統穩定可靠.
                    基于篇章的漢語句法結構樹庫構建
                    盧露, 矯紅巖, 李夢, 荀恩東
                    當前狀態:  doi: 10.16383/j.aas.c190828
                    [摘要](58) [HTML全文](20) [PDF 1158KB](3)
                    摘要:
                    為快速構建一個大規模、多領域的高質樹庫, 本文提出一種基于短語功能與句法角色的組塊的、便于標注多層次結構的標注體系, 在篇章中綜合利用標點、句法結構、表述功能作為句邊界判斷標準, 確立合理的句邊界與層次; 在句子中以組塊的句法功能為主, 參考篇章功能、人際功能, 以4個性質標記、8個功能標記、4個句標記來描寫句中3類5種組塊, 標注基本句型骨架, 突出中心詞信息. 目前已初步構建有質量保證的千萬漢字規模的淺層結構分析樹, 包含60余萬小句的9千余條句型結構庫, 語料涉及百科、新聞、專利等應用領域文本1萬余篇; 與此同時也探索了高效的標注眾包管理模式.
                    基于輕量化重構網絡的表面缺陷視覺檢測
                    余文勇, 張陽, 姚海明, 石繪
                    當前狀態:  doi: 10.16383/j.aas.c200535
                    [摘要](472) [HTML全文](128) [PDF 1830KB](52)
                    摘要:
                    基于深度學習的方法在某些工業產品的表面缺陷識別和分類方面表現出優異的性能, 然而大多數工業產品缺陷樣本稀缺, 而且特征差異大, 導致這類需要大量缺陷樣本訓練的檢測方法難以適用. 本文提出一種基于重構網絡的無監督缺陷檢測算法(Reconstruction network for defects detection, ReNet-D), 僅使用容易大量獲得的無缺陷樣本數據實現對異常缺陷的檢測. 本文提出的算法包括兩個階段: 圖像重構網絡訓練階段和表面缺陷區域檢測階段. 訓練階段通過一種輕量化結構的全卷積自編碼器設計重構網絡, 僅使用少量正常樣本進行訓練, 使得重構網絡能夠生成無缺陷重構圖像, 進一步提出一種結合結構性損失和L1損失的函數作為重構網絡的損失函數, 解決自編碼器檢測算法對不規則紋理表面缺陷檢測效果較差的問題; 缺陷檢測階段以重構圖像與待測圖像的殘差作為缺陷的可能區域, 通過常規圖像操作即可實現缺陷的定位. 本文對所提出的ReNet-D方法的網絡結構、訓練像素塊(patch)大小、損失函數系數等影響因素進行了詳細的實驗分析, 并在多個缺陷圖像樣本集上與其他同類算法做了對比, 結果表明ReNet-D有較強的魯棒性和準確性. 由于ReNet-D的輕量化結構, 檢測1024x1024像素大小的圖像僅僅耗時2.82 ms, 適合工業在線檢測.
                    執行機構帶寬對動態逆方法的影響及解決方案
                    程艷青, 朱紀洪
                    當前狀態:  doi: 10.16383/j.aas.c190236
                    [摘要](72) [HTML全文](19) [PDF 5372KB](6)
                    摘要:
                    本文從理論上分析了執行機構帶寬對動態逆閉環控制系統動態特性影響, 發現較低的執行機構帶寬會在偽線性系統中引入一個非線性干擾項, 為此提出了兩種方法來消除這個非線性干擾項, 一個是采用參考模型的思想設計補償器提高執行機構子系統的等效帶寬, 另一個思路則是直接在非線性反饋項中引入補償直接對消非線性干擾項. 仿真結果表明, 兩類方法都能較好的消除非線性干擾項, 直接補償方法能精確消除干擾項, 但需要準確動力學模型, 提高等效帶寬的方法雖然是近似的, 但能方便的引入自適應算法, 可以抑制執行機構模型參數不確定的影響.