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3141-3150项 搜索用时 99 毫秒
[首页] « 上一页 [310] [311] [312] [313] [314] 315 [316] [317] [318] [319] [320] 下一页 » 末  页»
3141.
针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle, Multi-USV)系统的固定时间二分编队跟踪控制问题, 通过将命令滤波与复合学习技术融合到反推控制方法中, 提出一种新型分布式固定时间二分编队跟踪控制协议. 首先, 将命令滤波引… …   相似文献
3142.
随着高性能的多核处理器在客机航空电子系统中被应用,并且有向无环图(Directed Acyclic Graph, DAG)被用于模型功能依赖,本文研究运行在同构多处理器平台上的单周期非抢占式DAG,致力于减少DAG的完成时间并提供一个紧密而安全的界限,充分利用DAG拓扑节点的两个… …   相似文献
3143.
时间序列数据在工业制造、气象、电力、车辆等领域都有着广泛的应用,促进了时间序列数据库管理系统的发展.越来越多的数据库系统向云端迁移,端边云协同的架构也愈发常见,所需要处理的数据规模愈加庞大.在端边云协同、海量序列等场景中,由于同步周期短、数据刷盘频繁等原因,会产生大量的短时间序列… …   相似文献
3144.
在车载网络(VANETs)中,联邦学习(FL)通过协同训练机器学习模型,实现了车辆间的数据隐私保护,并提高了整体模型的性能。然而,FL在VANETs中的应用仍面临诸多挑战,如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题,该文提出一种面向联邦学习的可验证隐… …   相似文献
3145.
多智能体协同应用广泛, 并被列为新一代人工智能(Artificial intelligence, AI)基础理论亟待突破的重要内容之一, 对其开展研究具有鲜明的科学价值和工程意义. 随着人工智能技术的进步, 传统的单一控制视角下的多智能体协同已无法满足执行大规模复杂任务的需求, … …   相似文献
3146.
针对现有颜色恒常性算法在复杂场景下的适用性差,光源估计精度不高的问题,提出一种多区域融合的全卷积颜色恒常算法.首先,利用金字塔场景解析网络(Pyramid Scene Parsing Network, PSPNet)模型对目标图像进行场景语义分割;其次,将本文提出的基于全卷积网络… …   相似文献
3147.
目前,主流的基于点击的交互式分割方法对所有用户点击进行无差异的编码.这样的编码方法意味着用户的交互只能给神经网络提供目标的位置信息,且每次点击的影响力是相同的.然而,不同阶段的点击的影响力是不同的.早期的交互用于目标轮廓的选择,中后期的交互则偏向于对分割结果的局部细节进行微调.因… …   相似文献
3148.
呼吸作为维持生命的关键生理过程,与呼吸暂停、哮喘等多种呼吸系统疾病密切相关.为了满足日益增长的健康监测需求,本文创新性地提出了一种集成柔性撑鼻器的双通路可穿戴MEMS（Micro-Electro-Mechanical Systems）呼吸监测微系统.该微系统集成了柔性撑鼻器、呼吸… …   相似文献
《电子学报》2025,53(3):790-799
3149.
为空间众包中的工人分配任务是后续收集位置相关数据的重要前提.为了应对可能的位置隐私泄露问题,研究者往往结合地理不可区分性进行保护.现有满足地理不可区分性的任务分配方法通常针对一对一场景,其研究目标一般集中在最小化平均旅行距离,而不是最大化任务分配数量;同时,它们假设工人能分配去执… …   相似文献
《电子学报》2025,53(3):878-894
3150.
为提高卷积神经网络图像分类精度的同时实现网络轻量化,本文提出一种基于坐标重要性池化和解耦类别对齐蒸馏的图像分类算法.首先,设计一种坐标重要性池化模块并将其嵌入ResNet34,充分利用图像像素的位置信息,以增强其判别重要性特征的能力;其次,采用BlurPool缓解在下采样过程中移… …   相似文献
《电子学报》2025,53(3):962-973
[首页] « 上一页 [310] [311] [312] [313] [314] 315 [316] [317] [318] [319] [320] 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