王飞跃的个人博客分享 http://blog.sciencenet.cn/u/王飞跃

博文

[转载]IEEE/CAA JAS热点综述集锦

已有 1519 次阅读 2019-4-19 10:09 |系统分类:论文交流|文章来源:转载

 IEEE/CAA JAS热点综述集锦


美国工程院院士Dimitri P. Bertsekas教授: 

基于特征的聚合与深度强化学习

该篇综述介绍了策略迭代的发展,总结近似策略迭代方法相关问题,回顾了基于神经网络的近似策略迭代的核心思想。文中讨论了有限状态下马尔可夫决策问题近似解的策略迭代,提出将深度神经网络的特征提取能力与聚合提供的非线性近似可能性相结合以及策略改进方法的新思路。

1.png

基于特征的近似动态规划

D. P. Bertsekas, “Feature-based aggregation and deep reinforcement learning: a survey and some new implementations,” IEEE/CAA J. Autom. Sinica, vol. 6, no. 1, pp. 1-31, Jan. 2019.

 

 

中佛罗里达大学Ni-Bin Chang教授: 

污水处理过程控制

该篇综述全面回顾了过去四十年来用于污水处理过程的控制技术,使用线性控制、非线性控制、基于人工智能的控制等进行评估, 讨论了该领域未来潜在的研究方法,如物联网等。

2.jpg

A. Iratni and N.-B. Chang, “Advances in control technologies for wastewater treatment processes: status, challenges, and perspectives,” IEEE/CAA J. Autom. Sinica, vol. 6, no. 2, pp. 337-363, Mar. 2019.

 

 

加拿大皇家科学院院士Witold Pedrycz教授:

面向数据分析的粒计算

粒计算是一种重要的人本计算,通过粒计算可以方便地实现并灵活调整抽象化水平。粒计算与信息粒的发展与处理紧密相关。针对可用的数据及其数据间的关系,利用信息粒可形成一种便利的知识组织方式。该综述明确了粒计算的基本原则,归纳信息粒构造的方式,并展示了如何利用信息粒刻画数据的内在关系。

3.jpg

W. Pedrycz, “Granular computing for data analytics: a manifesto of human-centric computing,”IEEE/CAA J. Autom. Sinica, vol. 5, no. 6, pp. 1025-1034, Nov. 2018.

 

 

堪萨斯大学Huazhen Fang教授:

非线性贝叶斯估计

非线性系统的状态估计是工程领域广泛研究的课题之一。该篇综述提供了贝叶斯状态估计框架,从线性系统的标准KF到非线性系统的扩展KF、无迹KF等多种卡尔曼滤波方法,以及新兴的贝叶斯估计方法包括高斯滤波等,并讨论将状态估计扩展到更复杂的问题如同步状态和参数/输入估计。

4.jpg

H. Z. Fang, N. Tian, Y. B. Wang, M. C. Zhou, and M. A. Haile, “Nonlinear Bayesian estimation: from Kalman filtering to a broader horizon,”IEEE/CAA J. Autom. Sinica, vol. 5, no. 2, pp. 401-417, Mar. 2018.

 

 

加拿大工程院院士Sherman Shen教授:

车联网大数据:发展、支撑与应用

该篇综述探索与分析了车联网与大数据之间的关系。一方面,车联网可支持信息平台中的海量数据获取、传输、存储与计算;另一方面,基于车联网大数据的分析与挖掘,有助于进行更加高效智能的新一代车联网架构与设计。此外,还探索了无人驾驶环境下的大数据应用,展望了未来车联网大数据的相关研究方向,包括如何有效设计车联网支持日益增长的数据量、如何利用海量的数据进行分析与发掘,设计更智能高效的通信协议以提高驾驶安全与驾驶体验。

5.jpg

车联网与大数据

6.jpg

综述内容

7.jpg

车联网支持大数据传输框架

8.jpg

大数据支撑的无人驾驶

W. C. Xu, H. B. Zhou, N. Cheng, F. Lyu, W. S. Shi, J. Y. Chen, X. M. Shen, “Internet of vehicles in big data era,” IEEE/CAA J. Autom. Sinica, vol. 5, no. 1, pp. 19-35, Jan. 2018.

 

 

南洋理工大学Fajun Yang教授:

制造系统调度的分解方法

该文综述了多品种混流的批量生产、传输线和单模型流水线,详细讨论了混合多模型流水作业线相关的平衡和排序问题,并展望了未来的研究方向。

9.png

F. J. Yang, K. Z. Gao, I. W. Simon, Y. T. Zhu, and R. Su, “Decomposition methods for manufacturing system scheduling: a survey,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 2, pp. 389-400, Mar. 2018.

 

 

北京化工大学沈栋教授:

不完备信息下的迭代学习控制

该综述详细回顾了近年来在数据丢包、通信延迟与有限传输带宽、批次变长度三个主要问题的进展,为相关问题的进一步完善提供了思路。着重讨论了采样和量化两种降低数据量的主要手段,剖析了降低数据量与保持系统控制性能两者之间的矛盾关系,将信息不完备问题提炼为数据鲁棒性问题,分析了若干具有潜力的研究方向。

10.jpg

迭代学习控制原理框图

11.jpg

不完备信息综述内容框架

D. Shen, “Iterative learning control with incomplete information: a survey,” IEEE/CAA J. Autom. Sinica, vol. 5, no. 5, pp. 885-901, Sep. 2018.

 

 

法赫德国王石油和矿业大学Magdi S. Mahmoud教授:网络化控制系统

该文综述了网络化控制系统(NCS)的模型及相关理论,包括用于控制网络系统的输入时延系统、马尔可夫系统、切换系统、随机系统,预测控制,讨论了离散NCS、云控制系统等。

12.jpg

M. S. Mahmoud and M. M. Hamdan, “Fundamental issues in networked control systems,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 5, pp. 902-922, Sep. 2018.

 

 

布鲁奈尔大学王子栋教授:

基于编解码机制的网络化系统控制与滤波: 见解、发展与机遇

该篇综述针对不同类型的网络化控制系统,具体地从编解码机制的物理背景、工程特点以及理论依据概述了基于该通信机制的控制与滤波问题,讨论并总结了该方向近年来取得的代表性研究成果,同时对未来可能的相关研究方向进行展望。

13.jpg

综述内容框架图

14.jpg

基于编解码机制分布式网络化系统

Z. D. Wang, L. C. Wang, S. Liu, and G. L. Wei, “Encoding-Decoding-Based control and filtering of networked systems: insights, developments and opportunities,” IEEE/CAA J. Autom. Sinica, vol. 5, no. 1, pp. 3-18, Jan. 2018.

 

 

生成式对抗网络GAN的研究进展与展望

GAN在结构上受博弈论中的二人零和博弈的启发,系统由一个生成器G和一个判别器D构成。生成器的目的是尽量捕捉真实数据样本的潜在分布,并生成新的数据样本;而判别器的目的是尽量正确判别输入数据是来自真实数据还是来自生成器。生成器和判别器均可以采用深度神经网络。该篇综述介绍了目前GAN的研究进展,并展望未来发展。

15.jpg

K. F. Wang, C. Gou, Y. J. Duan, Y. L. Lin, X. H. Zheng, and F.-Y. Wang, “Generative adversarial networks: introduction and outlook,” IEEE/CAA J. Autom. Sinica, vol. 4, no. 4, pp. 588-598, Oct. 2017.

 

 

以人为中心的智能机器人:问题与挑战

该篇综述围绕以人为中心的智能机器人的导航、智能控制、模式识别和人机交互四个关键内容,概述建模、导航、路径规划、认知计算、模式识别、脑肌电信号处理、非结构化环境下智能控制和认知模型的建立等方面现有研究工作和最新研究成果,总结并回顾近年来关于以人为中心的智能机器人的理论与技术的发展,讨论该研究领域存在的问题和挑战,指出潜在的研究方向。

16.jpg

W. He, Z. J. Li, and C. L. P. Chen, “A survey of human-centered intelligent robots: issues and challenges,” IEEE/CAA J. Autom. Sinica, vol. 4, no. 4, pp. 602-609, Oct. 2017.

 

 

腾讯AI Lab杰出科学家俞栋:基于深度学习技术的声学模型最新进展

该篇综述回顾了最近三年基于深度学习技术的语音识别声学模型的主要进展,着重于这些技术的设计理念和本质:提出的动机、为什么这样设计,以及用于解决什么问题。

17.jpg

D. Yu, J. Y. Li, “Recent progresses in deep learning based acoustic models,”IEEE/CAA J. Autom. Sinica, vol. 4, no. 3, pp. 396-409, Jul. 2017.

   

 本文来源自《自动化学报》英文版公众号



http://blog.sciencenet.cn/blog-2374-1174255.html

上一篇:[转载]平行驾驶系统再登封面!
下一篇:平行系统方法在自动化集装箱码头中的应用研究

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-10-24 02:02

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部