用户名： 密码： 找回密码 中文版 English 本站信箱 收藏本站 本网介绍

首页加盟期刊收录期刊评价中心文献导读期刊动态博客美文问题解答在线订阅新浪微博RSS
网站动态： 中国计算机期刊网介绍          欢迎关注中国计算机期刊网微信订阅号！          中国计算机期刊网正式发布,欢迎访问!          如何申请成为收录期刊和加盟期刊         
  •   按检索    检索词：    高级检索
     排序：相关度 OA 时间 被引次数 点击次数 下载次数 共有10000条符合的查询结果，以下是第3021-3030项 搜索用时 93 毫秒
[首页] « 上一页 [298] [299] [300] [301] [302] 303 [304] [305] [306] [307] [308] 下一页 » 末  页»
3021.
无人机射频检测是实现非合作无人机管控的手段之一,而基于射频信号的无人机个体识别(DIR)是无人机检测的重要环节。鉴于当前DIR开源数据集缺失,该文公开了一个名为DroneRFb-DIR的无人机射频信号数据集。该数据集使用软件无线电设备采集无人机与遥控器间通信的射频信号,包含城市场… …   相似文献
3022.
基于点云的三维物体识别和检测是计算机视觉和自主导航领域的一个重要研究课题.如今,深度学习算法大大提高了三维点云分类的准确性和鲁棒性.然而,深度学习网络通常存在网络结构复杂、训练过程耗时等问题.本文提出了一种三维点云分类网络Point-GBLS,它将深度学习和宽度学习系统结合在一起… …   相似文献
3023.
现有基于偏微分方程(Partial differential equation, PDE)的多智能体系统(Multi-agent system, MAS)编队控制方法要求智能体必须是密集分布的, 为打破这一限制, 提出一种新的基于常微分−偏微分方程(Ordinary differ… …   相似文献
3024.
《中文信息学报》2025,39(3):66-75
3025.
目的 利用深度学习开展变化检测是遥感智能解译热点研究方向之一。针对基于Transformer变化检测模型结构复杂、参数过多、训练耗时的问题,设计了一种融合特征交互和融合的轻量级变化检测网络（feature interaction and fusion lightweight ne… …   相似文献
3026.
基于深度学习的三维多模态正电子发射型断层扫描/计算机断层扫描（Positron Emission Tomography/Computed Tomography,PET/CT）肺部肿瘤识别是一个重要的研究方向.肺部肿瘤病灶的空间形状不规则、与周围组织边界模糊,导致模型难以充分提取肿… …   相似文献
《电子学报》2025,53(3):951-961
3027.
  
对抗样本能够有效评估深度神经网络的鲁棒性和安全性。针对黑盒场景下对抗攻击成功率低的问题;为提高对抗样本的可迁移性;提出一种基于多空间概率增强的对抗样本生成方法（MPEAM）。所提方法通过在对抗样本生成方法中引入2条随机数据增强支路;而各支路分别基于像素空间和HSV颜色空间实现图像… …   相似文献
3028.
  
四谱值和五谱值布尔函数对于密码学应用具有特殊的意义,通过修改Maiorana-McFarland类bent函数,给出了一种偶数元四谱值和五谱值布尔函数的构造,确定了所构造函数的Walsh谱分布,证明其非线性度和半bent函数一样高,为 ■(n为变元数),代数次数能取到3和理论上界… …   相似文献
3029.
深度学习已经在许多计算机视觉任务中取得了显著的成果.然而,深度神经网络通常需要大量的训练数据以避免过拟合,但实际应用中标记数据可能非常有限.因此,数据增强已成为提高训练数据充分性和多样性的有效方法,也是深度学习模型成功应用于图像数据的必要环节.系统地回顾不同的图像数据增强方法,并… …   相似文献
杨锁荣  杨洪朝  申富饶  赵健 《软件学报》2025,36(3):1390-1412
3030.
针对现有小样本目标检测模型存在的尺度变化问题,支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题,本文提出一种融合多尺度特征与注意力的小样本目标检测模型.首先,采用ResNet-101网络进行特征提取,同时引入ASPP(Atrous Spatial Pyramid Pooli… …   相似文献
[首页] « 上一页 [298] [299] [300] [301] [302] 303 [304] [305] [306] [307] [308] 下一页 » 末  页»
关于我们 | 广告服务 | 商务洽谈 | 联系我们 | 免责条款 | 隐私声明 | 网站导航
网站版权所有：中国科学院软件研究所  京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持