首页期刊导航|自动化学报
期刊信息/Journal information
自动化学报
中国自动化学会 中国科学院自动化研究所
自动化学报

中国自动化学会 中国科学院自动化研究所

王飞跃

月刊

0254-4156

aas@ia.ac.cn

010-62565763；82614566

100190

北京市海淀区中关村东路95号（北京2728信箱）

自动化学报/Journal Acta Automatica SinicaCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院主管，中国自动化学会、中国科学院自动化研究所共同主办的高级学术期刊。本刊主要刊载自动化科学与技术领域的高水平理论性和应用性的科研成果，内容包括：1）自动控制理论；2）系统理论与系统方法；3）自动化技术在国民经济各领域中的创造性应用；4）自动化系统计算机辅助设计；5）机器人与自动化；6）人工智能与智能控制；7）模式识别与图象处理；8）自动控制系统中的新概念、新原理、新方法、新设计；9）信息理论与信息处理技术等。
正式出版
收录年代

    自适应分布式聚合博弈广义纳什均衡算法

    时侠圣任璐孙长银
    1210-1220页
    查看更多>>摘要：随着信息物理系统技术的发展，面向多智能体系统的分布式协同优化问题得到广泛研究。主要研究面向多智能体系统的受约束分布式聚合博弈问题，其中局部智能体成本函数受到全局聚合项约束和全局等式耦合约束。首先，面向一阶积分型多智能体系统设计一种基于估计梯度下降的纳什均衡求解算法。其中，利用多智能体系统平均一致性方法设计一种自适应估计策略，以实现全局聚合项约束分布式估计，并据此计算出梯度函数估计值。其次，利用状态反馈策略和输出反馈策略将上述算法推广至状态信息可测和状态信息不可测一般线性异构多智能体系统。最后，利用拉萨尔不变性原理证实上述算法收敛性，并提供多组案例仿真用以验证算法有效性。

    聚合博弈自适应比例积分梯度跟踪一般线性多智能体系统

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    知识和数据驱动的污水处理反硝化脱氮过程协同优化控制

    韩红桂王玉爽刘峥孙浩源...
    1221-1233页
    查看更多>>摘要：为有效提升城市污水处理过程的脱氮效果，提出一种知识和数据驱动的反硝化脱氮过程协同优化控制(Know-ledge-data-driven cooperative optimal control，KDDCOC)。所提方法主要有以下两个方面:首先，建立一种基于自适应知识核函数的协同优化控制目标模型，动态描述出水水质(Effluent quality，EQ)以及泵送能耗(Pumping energy con-sumption，PE)、关键变量的协同关系;其次，提出一种知识引导的协同优化算法(Knowledge guide-based cooperative op-timization algorithm，KGCO)，快速准确求解硝态氮(Nitrate nitrogen，SNO)优化设定值，提高KDDCOC的响应速度。KDDCOC利用比例-积分-微分(Proportional-integral-derivative，PID)控制器对硝态氮优化设定值进行跟踪，将提出的KDDCOC应用于城市污水处理过程基准仿真模型1号(Benchmark simulation model No。1，BSM1)，实验结果表明，该方法能够提高出水水质，降低运行能耗，有效改善脱氮效果。

    污水处理反硝化脱氮过程知识和数据驱动协同优化控制自适应知识核函数知识引导的协同优化算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    多尺度视觉语义增强的多模态命名实体识别方法

    王海荣徐玺王彤陈芳萍...
    1234-1245页
    查看更多>>摘要：为解决多模态命名实体识别(Multimodal named entity recognition，MNER)方法研究中存在的图像特征语义缺失和多模态表示语义约束较弱等问题，提出多尺度视觉语义增强的多模态命名实体识别方法(Multi-scale visual semant-ic enhancement for multimodal named entity recognition method，MSVSE)。该方法提取多种视觉特征用于补全图像语义，挖掘文本特征与多种视觉特征间的语义交互关系，生成多尺度视觉语义特征并进行融合，得到多尺度视觉语义增强的多模态文本表示;使用视觉实体分类器对多尺度视觉语义特征解码，实现视觉特征的语义一致性约束;调用多任务标签解码器挖掘多模态文本表示和文本特征的细粒度语义，通过联合解码解决语义偏差问题，从而进一步提高命名实体识别准确度。为验证该方法的有效性，在Twitter-2015和Twitter-2017数据集上进行实验，并与其他10种方法进行对比，该方法的平均F1值得到提升。

    多模态命名实体识别多任务学习多模态融合Transformer

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    多层异构生物网络候选疾病基因识别

    丁苍峰王君张紫芸
    1246-1260页
    查看更多>>摘要：现有大多数用于识别候选疾病基因的随机游走方法通常优先访问高度连接的基因，而可能与已知疾病有关的不知名或连接性差的基因易被忽略或难以识别。此外，这些方法仅访问单个基因网络或各种基因数据的聚合网络，导致偏差和不完整性。因此，设计一种能控制随机游走运动方向和整合多种数据源的候选疾病基因识别方法将是一个迫切需要解决的问题。为此，首先构建多层网络和多层异构基因网络。然后，提出一种游走于多层网络和多层异构网络的拓扑偏置重启随机游走(Biased random walk with restart，BRWR)算法来识别疾病基因。实验结果表明，游走于不同类型网络上的识别候选疾病基因的BRWR算法优于现有的算法。最后，应用于多层异构网络上的BRWR算法能预测未诊断的新生儿类早衰综合征中涉及的疾病基因。

    多层异构网络生物网络偏置随机游走候选基因识别

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据