×
验证码:
换一张
忘记密码?
记住我
切换中国科技网通行证登录
×
切换中国科技网通行证登录
登录
中文版
|
English
中国科学院自动化研究所机构知识库
Knowledge Commons of Institute of Automation,CAS
登录
注册
ALL
ORCID
题名
作者
导师
学科领域
关键词
资助项目
文献类型
出处
会议名称
收录类别
出版者
发表日期
存缴日期
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
知识图谱
新闻&公告
在结果中检索
研究单元&专题
学术期刊 [8]
作者
王鼎 [1]
张正涛 [1]
郑武 [1]
佟玉闯 [1]
许诺 [1]
刘浩天 [1]
更多...
文献类型
期刊论文 [8]
发表日期
2024 [8]
语种
出处
IEEE/CAA J... [8]
资助项目
收录类别
导师
资助机构
×
知识图谱
CASIA OpenIR
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共8条,第1-8条
帮助
限定条件
出处:IEEE/CAA Journal of Automatica Sinica
发表日期:2024
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
WOS被引频次升序
WOS被引频次降序
作者升序
作者降序
期刊影响因子升序
期刊影响因子降序
提交时间升序
提交时间降序
题名升序
题名降序
发表日期升序
发表日期降序
Interpolated Bumpless Transfer Control for Asynchronously Switched Linear Systems
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 7, 页码: 1579-1590
作者:
Shengao Lu
;
Tong Wu
;
Lixian Zhang
;
Jianan Yang
;
Ye Liang
Adobe PDF(2718Kb)
  |  
收藏
  |  
浏览/下载:3/0
  |  
提交时间:2024/06/07
Asynchronous switching
bumpless transfer
H
∞
control
switched systems
Asynchronous learning-based output feedback sliding mode control for semi-Markov jumpsystems: A descriptor approach
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 6, 页码: 1358-1369
作者:
Zheng Wu
;
Yiyun Zhao
;
Fanbiao Li
;
Tao Yang
;
Yang Shi
;
Weihua Gui
Adobe PDF(2638Kb)
  |  
收藏
  |  
浏览/下载:16/4
  |  
提交时间:2024/05/22
Asynchronous switching
learning-based control
output feedback
semi-Markovian jump systems
sliding mode control (SMC)
A Weakly-Supervised Crowd Density Estimation Method Based on Two-Stage Linear Feature Calibration
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 4, 页码: 965-981
作者:
Yong-Chao Li
;
Rui-Sheng Jia
;
Ying-Xiang Hu
;
Hong-Mei Sun
Adobe PDF(10448Kb)
  |  
收藏
  |  
浏览/下载:48/24
  |  
提交时间:2024/03/18
Crowd density estimation
linear feature calibration
vision transformer
weakly-supervision learning
A Fractional-Order Ultra-Local Model-Based Adaptive Neural Network Sliding Mode Control of
n
-DOF Upper-Limb Exoskeleton With Input Deadzone
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 3, 页码: 760-781
作者:
Dingxin He
;
HaoPing Wang
;
Yang Tian
;
Yida Guo
Adobe PDF(9812Kb)
  |  
收藏
  |  
浏览/下载:67/13
  |  
提交时间:2024/02/19
Adaptive control
input deadzone
model-free control
n
-DOF upper-limb exoskeleton
neural network
Fault Estimation for a Class of Markov Jump Piecewise-Affine Systems: Current Feedback Based Iterative Learning Approach
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 2, 页码: 418-429
作者:
Yanzheng Zhu
;
Nuo Xu
;
Fen Wu
;
Xinkai Chen
;
Donghua Zhou
Adobe PDF(5104Kb)
  |  
收藏
  |  
浏览/下载:47/12
  |  
提交时间:2024/01/23
Current feedback
fault estimation
iterative learning observer
Markov jump piecewise-affine system
Advancements in Humanoid Robots: A Comprehensive Review and Future Prospects
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 2, 页码: 301-328
作者:
Yuchuang Tong
;
Haotian Liu
;
Zhengtao Zhang
Adobe PDF(7587Kb)
  |  
收藏
  |  
浏览/下载:111/26
  |  
提交时间:2024/01/23
Future trends and challenges
humanoid robots
human-robot interaction
key technologies
potential applications
Reinforcement Learning in Process Industries: Review and Perspective
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 2, 页码: 283-300
作者:
Oguzhan Dogru
;
Junyao Xie
;
Om Prakash
;
Ranjith Chiplunkar
;
Jansen Soesanto
;
Hongtian Chen
;
Kirubakaran Velswamy
;
Fadi Ibrahim
;
Biao Huang
Adobe PDF(1275Kb)
  |  
收藏
  |  
浏览/下载:47/15
  |  
提交时间:2024/01/23
Process control
process systems engineering
reinforcement learning
Recent Progress in Reinforcement Learning and Adaptive Dynamic Programming for Advanced Control Applications
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 1, 页码: 18-36
作者:
Ding Wang
;
Ning Gao
;
Derong Liu
;
Jinna Li
;
Frank L. Lewis
Adobe PDF(1945Kb)
  |  
收藏
  |  
浏览/下载:267/184
  |  
提交时间:2024/01/02
Adaptive dynamic programming (ADP)
advanced control
complex environment
data-driven control
event-triggered design
intelligent control
neural networks
nonlinear systems
optimal control
reinforcement learning (RL)