作者： 王永康¹;，翟弟华^1,2;，夏元清¹; （¹北京理工大学自动化学院；²北京理工大学长三角研究院(嘉兴)）

出处： 计算机学报 2023 第46卷 第6期 P1302-1314

关键词： 联邦学习；后门攻击；鲁棒性；聚类；异构

摘要： 随着数据的爆炸式增长以及企业和个人对隐私问题的关注,传统的集中式机器学习已经不能满足现有的需求.联邦学习是一种新兴的分布式机器学习框架,旨在不分享私有数据的前提下利用分散的客户端训练一个全局模型,解决数据隐私和数据孤岛问题.然而,由于联邦学习的分布式和隐私保护特性,其容易受到各种各样的攻击,后门攻击 ...

作者： 杨涛，杨博，殷允强，虞文武，夏元清，洪奕光 （东北大学流程工业综合自动化国家重点实验室；上海交通大学智能无线网络与协同控制中心；电子科技大学经济与管理学院；东南大学数学学院；北京理工大学自动化学院；同济大学电子与信息工程学院）

出处： 控制与决策 2023 第38卷 第5期 P1153-1158

关键词： 多智能体系统；智能体；人工智能技术；计算机技术；网络系统；机器人技术；控制系统；无线通信

摘要： 0 引 言 近年来,随着机器人技术、人工智能技术、无线通信和计算机技术的快速发展,控制系统的规模变得更大,控制任务也变得更加复杂,由此推动了多智能体系统的形成和发展.多智能体系统是由多个具有简单功能的智能体相互关联形成的网络系统,其中每个智能体具备一定的计算、通信、感知、学习和执行能力.这些智能体之 ...

作者： 田翰文，夏元清，潘振华，王泰祺 （北京理工大学自动化学院）

出处： 航天控制 2023 第41卷 第4期 P34-42

关键词： 火星无人机；状态约束；神经网络；强化学习

摘要： 针对火星无人机在恶劣条件下难以实现稳定的飞行和位置控制的问题，提出了一种基于状态约束的连续时间自适应神经网络控制方法，为了达到不分析虚拟控制器可行性条件的效果，引入了可以在没有虚拟控制器可行性条件情况下进行控制的坐标变换。该神经网络采用基于强化学习的自适应跟踪控制，以最小化长期性能值进行估计。虚拟控 ...

作者： 张淇瑞¹;，刘坤²;，李江荣³;，代伟¹;，夏元清²; （¹中国矿业大学信息与控制工程学院；²北京理工大学自动化学院；³延安大学数学与计算机科学学院）

出处： 指挥与控制学报 2023 第9卷 第3期 P245-252

关键词： 云控制系统；隐私保护；互信息；随机扰动

摘要： 考虑具有能量约束的云控制系统,其仅可对部分信道添加随机扰动以保护隐私.采用互信息作为系统的隐私度量,并采用随机扰动造成的估计性能损失作为约束构建优化问题以描述系统的目标.为了获得最优的隐私保护机制,将该优化问题转化为一个凸优化问题和一个0-1规划问题并求解,分别得到了最优的扰动方差与扰动添加调度策略 ...

作者： 夏元清，吴敏，晏东 （北京理工大学；中国地质大学（武汉）；成都精灵云科技有限公司）

出处： 指挥与控制学报 2023 第3期

作者： 夏元清¹;，吴敏²;，晏东³; （¹北京理工大学；²中国地质大学(武汉)；³成都精灵云科技有限公司）

出处： 指挥与控制学报 2023 第9卷 第3期 P241-244

摘要： 云控制与决策在传统控制中引入云计算、边缘计算、大数据处理技术以及人工智能算法,将各种传感器感知汇聚而成的海量数据即大数据,存储在云端,在云端利用人工智能算法实现系统的在线辨识与建模,应用任务的计划、规划、调度、预测、优化、决策和控制等服务,结合多种先进控制方法,实现系统的自主智能控制;在终端应用边缘 ...

作者： Chen Yang;Yuanqing Xia （¹School of Automation, Beijing Institute of Technology, Beijing, China）

出处： IEEE Transactions on Aerospace and Electronic Systems 2023 P1-13

关键词： Space vehicles;Attitude control;Uncertainty;Optimal control;Mathematical models;Control systems;Aerodynamics

摘要： Research on uncertainty-oriented optimal attitude control of spacecraft with complex space environments and multi-source uncertainties is a research h ...

作者： Amit Krishan Kumar;Snigdha Jain;Shirin Jain;M. Ritam;Yuanqing Xia;Rohitash Chandra （¹Faculty of Electrical-Electronic Engineering, Duy Tan University, Da Nang, 550000, Vietnam;²State Key Laboratory of Intelligent Control and Decision of Complex Systems, School of Automation, Beijing Institute of Technology, Beijing, 100081, China;³Department of Electronics and Communications Engineering, Indian Institute of Technology Guwahati, Assam, India;⁴Department of Chemical Engineering, Indian Institute of Technology Guwahati, Assam, India;⁵Transitional Artificial Intelligence Research Group, School of Mathematics and Statistics, UNSW Sydney, NSW 2052, Australia）

出处： Computer Methods and Programs in Biomedicine 2023 Vol.231 P107421

关键词： Entanglement;Physics-informed neural network;Respiratory impedance;Ladder network;Inhalation;Lungs

摘要： Background and Objectives: The use of machine learning methods for modelling bio-systems is becoming prominent which can further improve bio-medical t ...

作者： Zou,Weidong¹;Xia,Yuanqing¹;Cao,Weipeng²; （¹School of Automation, Beijing Institute of Technology, Beijing, 100081, China;²Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ), Shenzhen, 518107, China）

出处： Engineering Applications of Artificial Intelligence 2023 Vol.119

摘要： AdaBelief fully utilizes “belief” to iteratively update the parameters of deep neural networks. However, the reliability of the “belief” is determined ...

作者： Lin,Juncheng¹;Zhai,Di-Hua¹;Xiong,Yuhan¹;Xia,Yuanqing¹; （¹School of Automation, Beijing Institute of Technology, Beijing, China）

出处： IEEE Transactions on Industrial Electronics 2023 P1-11

摘要： In robotics field, safety is an extensively researched subject. This article proposes an approach, which is based on high-order control barrier functi ...