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3251-3260项 搜索用时 105 毫秒
[首页] « 上一页 [321] [322] [323] [324] [325] 326 [327] [328] [329] [330] [331] 下一页 » 末  页»
3251.
随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有人体动作识别在域内能够准确感知,但面对跨域场景时模型识别性能差的问题,提出了一种基于小样本和随机化的跨域人体动作泛化识别模型SSRCD-Fi。首先,使用特征提取器将输入样本映射到向量空间,… …   相似文献
3252.
针对机械臂轨迹跟踪问题,提出了一种结合事后筛选经验回放(selective hindsight experience replay, SHER)的深度强化学习(deep reinforcement learning, DRL)控制方法。此算法将SHER与深度确定性策略(deep … …   相似文献
3253.
给定一个无向图,符号网络划分问题(signed graph partitioning problem, SGPP)是将节点集合划分为K(K≥2)个互不相交的非空分组,旨在最小化所有位于分组内的负符号边权重之和加上位于分组之间的正符号边权重之和,使网络划分结构尽量趋于平衡。SGPP… …   相似文献
3254.
针对现有兴趣点(points-of-interest, POI)推荐存在的地理特征挖掘不充分与未将顺序信息纳入空间偏好的问题,提出基于序列图时空增强与地理关系(spatial-temporal enhancement of sequence graph and geographi… …   相似文献
3255.
将差分隐私应用于联邦学习是保护训练数据隐私的有效方法之一,但在现有的算法中,添加固定噪声进行模型训练会导致模型精度不高、数据隐私泄露的问题。为此,提出了一种基于自适应噪声和动态加权的联邦学习算法(DP-FedANAW)。首先,考虑到梯度的异质性,该算法为每个客户端预测当前轮次梯度… …   相似文献
3256.
水声网络(underwater acoustic network, UAN)具有长传播时延、高误码率、半双工通信等特性,这些特性严重影响了UAN中数据的可靠传输。而在线喷泉码具有在线控制、编解码复杂度低、码率自适应等诸多优势,在线喷泉码适合于保障UAN中数据的可靠传输。针对递归与… …   相似文献
3257.
  
联邦学习以其独特的分布式训练模式和安全聚合机制成为近年来的研究热点。然而,在现实生活中,本地模型训练往往会收集到新数据,从而造成对旧数据的灾难性遗忘。因此,如何将联邦学习和增量学习有效结合是实现联邦生态可持续发展的关键所在。文中首先对联邦增量学习(Federated Increm… …   相似文献
3258.
诗歌自动写作研究是自然语言生成的一个重要研究领域,被认为是极具挑战且有趣的任务之一。该文提出一种基于预训练及控制码的藏文律诗生成方法。在藏文预训练语言模型上进行微调后,生成质量显著提升;同时引入控制码后,在很大程度上确保了扣题程度,即关键词在生成诗作中的平均覆盖率居高。此外,在生… …   相似文献
3259.
  
由于Transformer模型基于全连接注意力机制;导致在求解经典旅行商问题（TSP）时;计算复杂度较高并且GPU内存使用量过大。针对此问题;提出了一种基于图卷积嵌入层和多头局部自注意力机制的GCN-Pointransformer模型。使用图卷积嵌入方式从输入数据中进行空间特征学… …   相似文献
3260.
自动化的医学影像报告生成可以提高影像医生的工作效率。传统的医学影像报告生成方法大多数基于判别式和图像描述生成式,在准确性、流畅性、多样性方面存在不足。基于大语言模型微调的医学影像生成技术有望改善以上问题。在预训练多模态大语言模型基础上,提出一种判别增强的微调方法——MedVLM。… …   相似文献
[首页] « 上一页 [321] [322] [323] [324] [325] 326 [327] [328] [329] [330] [331] 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