IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

《自动化学报》17篇文章入选2021“领跑者5000”顶尖论文

已有 1175 次阅读 2022-6-24 11:11 |系统分类:博客资讯

为了进一步推动我国科技期刊的发展,提高其整体水平,更好地宣传和利用我国的优秀学术成果,起到引领和示范的作用。中国科学技术信息研究所在中国精品科技期刊中遴选优秀学术论文,建设了“领跑者5000-中国精品科技期刊顶尖学术论文平台(F5000)”,集中对外展示和交流我国的优秀学术论文。在2021年“领跑者5000-中国精品科技期刊顶尖学术论文平台(F5000)”入选的2035篇文章中,《自动化学报》有以下17篇入选(按发表时间排序)。


基于小样本学习的图像分类技术综述

对近年来的小样本图像分类算法进行了详细综述此外, 汇总了现有文献中出现的数据集并通过实验结果对现有算法的性能进行了比较. 最后, 讨论了小样本图像分类技术的难点及未来研究趋势.

刘颖, 雷研博, 范九伦, 王富平, 公衍超, 田奇. 基于小样本学习的图像分类技术综述. 自动化学报, 2021, 47(2): 297−315


基于深度学习的表面缺陷检测方法综述

对近年来基于深度学习的表面缺陷检测方法进行了梳理. 探讨了表面缺陷检测中三个关键问题, 介绍了工业表面缺陷常用数据集. 最后, 对表面缺陷检测的未来发展趋势进行了展望.

陶显, 侯伟, 徐德. 基于深度学习的表面缺陷检测方法综述. 自动化学报, 2021, 47(5): 1017−1034


基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法

提出了一种改进的无人驾驶车辆路径规划方法, 并搭建了相应的软件在环实时仿真系统, 对方法在结构化道路下的复杂动态交通工况进行性能验证. 结果表明, 所提出的方法不仅可获得合理、平滑的行驶路径, 顺利避开运动障碍车的干扰, 而且具有良好的实时性.

韩月起, 张凯, 宾洋, 秦闯, 徐云霄, 李小川, 和林, 葛建勇, 王天培, 刘宏伟. 基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法. 自动化学报, 2020, 46(1): 153-167


基于改进KAZE的无人机航拍图像拼接算法

提出了一种基于改进KAZE的无人机航拍图像拼接算法. 实验结果表明,所提算法使图像在光照变化、旋转变化及尺度变化下具有较好的性能,且处理速度较KAZE算法与K近邻特征匹配算法有较大提升,是一种稳定、精确度高、拼接效果良好的无人机航拍图像拼接方法.

韩敏, 闫阔, 秦国帅. 基于改进KAZE的无人机航拍图像拼接算法. 自动化学报, 2019, 45(2): 305-314


基于深度学习的桥梁裂缝检测算法研究

提出了一种基于深度学习的桥梁裂缝检测算法. 首先,利用滑动窗口算法将桥梁裂缝图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于卷积神经网络的DBCC分类模型,用于桥梁背景面元和桥梁裂缝面元的识别.然后,基于DBCC分类模型结合改进的窗口滑动算法对桥梁裂缝进行检测. 最后,采用图像金字塔和感兴趣区域结合的搜索策略对算法进行加速. 与传统算法相比,本文算法具有更好的识别效果和更强的泛化能力.

李良福, 马卫飞, 李丽, 陆铖. 基于深度学习的桥梁裂缝检测算法研究. 自动化学报, 2019, 45(9): 1727-1742


基于跨连接LeNet-5网络的面部表情识别

提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别,将网络结构中提取的低层次特征与高层次特征相结合构造分类器,该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.

李勇, 林小竹, 蒋梦莹. 基于跨连接LeNet-5网络的面部表情识别. 自动化学报, 2018, 44(1): 176-182


医学图像分析深度学习方法研究与挑战

首先简述医学图像分析特点;其次,论述深度学习基本原理,总结深度CNNs在医学图像分析中的分类、分割框架;然后,分别论述深度学习在医学图像分类、检测、分割等各应用领域的国内外研究现状;最后,探讨归纳医学图像分析深度学习方法挑战及其主要应对策略和开放的研究方向.

田娟秀, 刘国才, 谷珊珊, 鞠忠建, 刘劲光, 顾冬冬. 医学图像分析深度学习方法研究与挑战. 自动化学报, 2018, 44(3): 401-424


人工智能研究的新前线:生成式对抗网络

概括了GAN的基本思想,并对近年来相关的理论与应用研究进行了梳理,总结了GAN常见的网络结构与训练方法,博弈形式,集成方法,并对一些应用场景进行了介绍. 在此基础上,本文对GAN发展的内在逻辑进行了归纳总结.

林懿伦, 戴星原, 李力, 王晓, 王飞跃. 人工智能研究的新前线:生成式对抗网络. 自动化学报, 2018, 44(5): 775-792


基于条件深度卷积生成对抗网络的图像识别方法

深度卷积生成对抗网络在传统生成对抗网络的基础上,引入卷积神经网络进行无监督训练;条件生成对抗网络在GAN的基础上加上条件扩展为条件模型.结合深度卷积生成对抗网络和条件生成对抗网络的优点,建立条件深度卷积生成对抗网络模型,利用卷积神经网络强大的特征提取能力,在此基础上加以条件辅助生成样本,将此结构再进行优化改进并用于图像识别中,实验结果表明,该方法能有效提高图像的识别准确率.

唐贤伦, 杜一铭, 刘雨微, 李佳歆, 马艺玮. 基于条件深度卷积生成对抗网络的图像识别方法. 自动化学报, 2018, 44(5): 855-864


基于生成式对抗网络的鲁棒人脸表情识别

提出了一种对人脸局部遮挡图像进行用户无关表情识别的方法.该方法包括一个基于Wasserstein生成式对抗网络的人脸图像生成网络,能够为图像中的遮挡区域生成上下文一致的补全图像;以及一个表情识别网络,能够通过在表情识别任务和身份识别任务之间建立对抗关系来提取用户无关的表情特征并推断表情类别.

姚乃明, 郭清沛, 乔逢春, 陈辉, 王宏安. 基于生成式对抗网络的鲁棒人脸表情识别. 自动化学报, 2018, 44(5): 865-877


深度学习在高光谱图像分类领域的研究现状与展望

首先介绍了高光谱图像分类的背景、研究现状及几个常用的数据集,并简要概述了几种典型的深度学习模型,最后详细介绍了当前的一些基于深度学习的高光谱图像分类方法,总结了深度学习在高光谱图像分类领域中的主要作用和存在的问题,并对未来的研究方向进行了展望.

张号逵, 李映, 姜晔楠. 深度学习在高光谱图像分类领域的研究现状与展望. 自动化学报, 2018, 44(6): 961-977


高速列车信息控制系统的故障诊断技术

介绍高速列车故障诊断的研究意义,特别关注高速列车信息控制系统的故障诊断研究工作,给出高速列车信息控制系统的一般性定义. 针对每一个子系统,分别阐述其故障诊断技术的研究现状,简要分析相应故障诊断技术的思想与优劣特点. 最后探讨高速列车故障诊断研究中亟待解决的问题以及未来可能的研究方向.

周东华, 纪洪泉, 何潇. 高速列车信息控制系统的故障诊断技术. 自动化学报, 2018, 44(7): 1153-1164


考虑不确定测量和个体差异的非线性随机退化系统剩余寿命估计

首先建立了一种基于扩散过程的非线性退化模型,进一步通过建立的状态空间模型和Kalman滤波实现了同时考虑不确定测量和个体差异下的随机退化系统剩余寿命自适应估计,同时对漂移系数进行自适应估计,以获取非线性退化系统更加精确的剩余寿命估计. 最后,将所提方法应用于疲劳裂纹和陀螺仪的监测数据,结果表明本文方法显著优于仅考虑不确定测量或仅考虑个体差异的寿命估计方法,具有潜在的工程应用价值.

郑建飞, 胡昌华, 司小胜, 张正新, 张鑫. 考虑不确定测量和个体差异的非线性随机退化系统剩余寿命估计. 自动化学报, 2017, 43(2): 259-270


基于引力搜索机制的花朵授粉算法

提出一种基于引力搜索机制的花朵授粉算法. 实验结果表明,改进算法的寻优性能显著优于基本的花朵授粉算法,其收敛速度、收敛精度、鲁棒性均较对比算法有较大提升. 利用改进算法对弹簧张力设计问题、压力管设计问题2个工程实例进行测试,获得了较好的结果.仿真实验结果佐证了改进算法的有效性和可行性.

肖辉辉, 万常选, 段艳明, 谭黔林. 基于引力搜索机制的花朵授粉算法. 自动化学报, 2017, 43(4): 576-594


基于有监督Kohonen神经网络的步态识别

提取步态初期200ms的信号的特征值,将无监督和有监督的Kohonen神经网络算法应用到大腿截肢者残肢侧的步态识别中,并与传统BP神经网络进行了对比. 结果表明,有监督的Kohonen神经网络算法将五种路况下步态的平均识别率提高到88.4%,优于无监督的Kohonen神经网络算法和BP神经网络.

郭欣, 王蕾, 宣伯凯, 李彩萍. 基于有监督Kohonen神经网络的步态识别. 自动化学报, 2017, 43(3): 430-438


多变量逆解耦自抗扰控制及其在精馏塔过程中的应用

在假设对象模型未知的前提下,利用阶跃响应数据,研究了基于最小二乘的一阶、二阶时滞系统辨识方法.针对多变量系统存在耦合性的特点,采用逆解耦方法实现对象的解耦.再对解耦后的时滞子系统设计了自抗扰控制器. 仿真实验中,以精馏塔的Wood-Berry模型和Ogunnaike-Ray模型为例,验证了算法的有效性.

程赟, 陈增强, 孙明玮, 孙青林. 多变量逆解耦自抗扰控制及其在精馏塔过程中的应用. 自动化学报, 2017, 43(6): 1080-1088


基于跨连卷积神经网络的性别分类模型

为提高性别分类准确率, 在传统卷积神经网络的基础上, 提出一个跨连卷积神经网络模型. 该模型是一个9层的网络结构, 包含输入层、6个由卷积层和池化层交错构成的隐含层、全连接层和输出层, 其中允许第2个池化层跨过两个层直接与全连接层相连接. 在10个人脸数据集上的性别分类实验结果表明, 跨连卷积网络的准确率均不低于传统卷积网络.

张婷, 李玉鑑, 胡海鹤, 张亚红. 基于跨连卷积神经网络的性别分类模型. 自动化学报, 2016, 42(6): 858-865



https://m.sciencenet.cn/blog-3291369-1344318.html

上一篇:基于两阶段自适应Wiener过程的剩余寿命预测方法
下一篇:基于局部空间信息的可变类模糊阈值光学遥感图像分割

1 杨正瓴

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-15 08:04

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部