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

                    獲獎論文

                    科協獲獎論文
                    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.
                    2019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.
                    生成式對抗網絡GAN的研究進展與展望
                    王坤峰, 茍超, 段艷杰, 林懿倫, 鄭心湖, 王飛躍
                    2017, 43(3): 321-332. doi: 10.16383/j.aas.2017.y000003
                    摘要:
                    生成式對抗網絡GAN(Generative adversarial networks)目前已經成為人工智能學界一個熱門的研究方向.GAN的基本思想源自博弈論的二人零和博弈,由一個生成器和一個判別器構成,通過對抗學習的方式來訓練.目的是估測數據樣本的潛在分布并生成新的數據樣本.在圖像和視覺計算、語音和語言處理、信息安全、棋類比賽等領域,GAN正在被廣泛研究,具有巨大的應用前景.本文概括了GAN的研究進展,并進行展望.在總結了GAN的背景、理論與實現模型、應用領域、優缺點及發展趨勢之后,本文還討論了GAN與平行智能的關系,認為GAN可以深化平行系統的虛實互動、交互一體的理念,特別是計算實驗的思想,為ACP(Artificial societies,computational experiments,and parallel execution)理論提供了十分具體和豐富的算法支持.
                    2018年度優秀論文
                    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.
                    深度學習在控制領域的研究現狀與展望
                    段艷杰, 呂宜生, 張杰, 趙學亮, 王飛躍
                    2016, 42(5): 643-654. doi: 10.16383/j.aas.2016.c160019
                    摘要:
                    深度學習在特征提取與模型擬合方面顯示了其潛力和優勢. 對于存在高維數據的控制系統, 引入深度學習具有一定的意義. 近年來, 已有一些研究關注深度學習在控制領域的應用. 本文介紹了深度學習在控制領域的研究方向和現狀, 包括控制目標識別、狀態特征提取、系統參數辨識和控制策略計算. 并對相關的深度控制以及自適應動態規劃與平行控制的方法和思想進行了描述. 總結了深度學習在控制領域研究中的主要作用和存在的問題, 展望了未來值得研究的方向.
                    2017年度優秀論文
                    區塊鏈技術發展現狀與展望
                    袁勇, 王飛躍
                    2016, 42(4): 481-494. doi: 10.16383/j.aas.2016.c160158
                    摘要:
                    區塊鏈是隨著比特幣等數字加密貨幣的日益普及而逐漸興起的一種全新的去中心化基礎架構與分布式計算范式, 目前已經引起政府部門、 金融機構、 科技企業和資本市場的高度重視與廣泛關注. 區塊鏈技術具有去中心化、 時序數據、 集體維護、 可編程和安全可信等特點, 特別適合構建可編程的貨幣系統、 金融系統乃至宏觀社會系統. 本文通過解構區塊鏈的核心要素, 提出了區塊鏈系統的基礎架構模型, 詳細闡述了區塊鏈及與之相關的比特幣的基本原理、 技術、 方法與應用現狀, 討論了智能合約的理念、 應用和意義, 介紹了基于區塊鏈的平行社會發展趨勢, 致力于為未來相關研究提供有益的指導與借鑒.
                    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.
                    360彩票