提出了一种基于交互式支持系统,结合基于知识驱动和数据驱动的机器学习方法以及人类专业知识,并实现用户反馈与决策透明解释,减轻人类负担且尊重其专业性和主观能动性的方法,以及用于工业质量控制中的良品检测任务的模式分类算法。
Mar, 2022
基于科学的认证方法,该研究提出了在未经训练的操作环境中评估预训练数据驱动模型可行性的方法,通过深入整合领域知识和数据驱动的人工智能模型,利用物理和相关学科的理论和分析模型,提供安全可靠的工程系统的决策支持,以提高人工智能模型在限制训练数据和动态不确定条件下的可靠性和安全性。
Mar, 2024
通过科学认证方法研究在新的工作环境中使用预训练数据驱动模型的可行性,该方法结合领域知识、理论模型和物理学等学科,提供一种安全工程系统开发工具,通过模拟结果量化预训练模型的物理不一致性,以评估在新的工作环境中使用预训练模型的适用性。
May, 2024
机器学习在工业系统中的应用以及其安全性和合规性对于决策辅助等关键功能具有重要意义,然而,当前机器学习组件的低形式化程度和不确定性使得使用传统的关键系统工程方法难以验证和验证其安全性,因此需要制定适用于人工智能的规范和监管标准,提出可信的人工智能认证方法和工具。
Sep, 2023
基于归纳逻辑编程的方法用于自动驾驶汽车中的停止标志检测,在面对对抗攻击时表现更稳健,能够高效准确地检测出目标停止标志,同时需求训练数据较少和具备全面解释性。
Aug, 2023
本文介绍了一种基于符合性预测的可靠和可信预测器的使用,以便于在实际场景中部署深度学习模型,并提供能够准确反映其不确定性的置信度估计。作者结合新颖的数据集和现代化的目标检测器反复测试了几种符合性方法,并基于符合风险控制提出了新的方法,以此为目的,展示出符合性预测框架在评估模型性能和为实现正式保证的不确定性边界提供实际指导的潜力。
Apr, 2023
基于知识的逻辑从公共交通事故数据集中提取出了定义危险驾驶形式的知识,这对于识别交通危险非常关键,可以监督和改进安全关键系统中的人工智能模型。同时,我们使用自动验证方法验证了这种逻辑的健壮性。
Dec, 2023
控制系统工程中引入人工智能的潜在机会和研究方向,重点讨论人工智能在闭环控制系统中的设计、优化和调整过程,并分析其优缺点以及在功能安全方面的适用性。该文章探讨了可被人工智能替代的标准闭环控制系统框图中的构建模块,如人工神经网络。
Jan, 2022
提出了一种新型的自动监控系统,在分析实验室中生产过程中的塑料耗材,通过使用手动设计的深度网络模型来增强对试管内透明抗凝剂物质存在与否的控制过程的有效性,并通过实验结果证明该方法与最先进的模型相比具有竞争力,表现出优于其他模型的分类能力和泛化能力,为塑料耗材公司的生产过程成功实施类似模型提供了可能性。
Apr, 2024
本文提出了一种利用自动化轨道检测和多任务学习的方法,在铁路道床和紧固件上检测缺陷,以提高铁路轨道检测的精度。
Sep, 2015