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481-490项 搜索用时 69 毫秒
[首页] « 上一页 [44] [45] [46] [47] [48] 49 [50] [51] [52] [53] [54] 下一页 » 末  页»
481.
针对传统方法在复杂工况下特征表征能力不足、长短期时序依赖关系建模困难等问题,提出了一种基于多尺度时频融合与复合注意力机制（multi-scale time-frequency fusion and compound attention mechanism,MTFCA）的航空发动机… …   相似文献
482.
针对无人机（UAV）集群协同搜索算法中灵活性不足、重要目标搜索效率差等问题,提出一种基于分级信息素的无人机集群协同搜索（HP-CS）算法。首先,面向复杂任务场景构建多维度的环境模型、目标模型等,通过精细化建模有效还原真实任务场景的关键特征;同时,改进传统的信息素模型,提出分级信息… …   相似文献
483.
为解决多模态对话情感识别中模态融合缺乏全局引导、跨模态语义对齐困难及模态学习不平衡的问题,提出一种基于全局-局部交互与对比学习的情感识别方法。该方法通过全局语义中枢引导模态间的深度交互,实现自适应注意力分配与特征融合;构建文本-音频-视觉三模态对比学习框架,在共享语义空间中促进跨… …   相似文献
484.
时间序列异常检测技术在许多实际应用中发挥着重要作用.例如,云原生数据库系统通过监测关键指标(如CPU和内存使用情况)实现系统故障的及时识别.尽管近年来已经提出了许多先进的时间序列异常检测算法,但研究表明,在异常检测准确率方面,不同算法擅于应对不同的应用场景,没有通用的最佳方法.因… …   相似文献
485.
近年来,由于异质图卷积网络能够有效学习异质网络语义信息,逐渐成为网络节点分类的主流算法,但仍面临诸多挑战:现有的大多数工作主要集中在普通异质网络上,即假设两个节点之间只有一种类型的边,忽略了多层异质网络中多类型节点间的多重关系,以及没有显式地探索不同关系对各类节点表征的影响.此外… …   相似文献
486.
表面粗糙度的测量对石质文物的保护与研究至关重要。针对岩石表面粗糙度测量中轮廓线粗糙度的定量评价,现有方法依赖于人工设计特征量,难以全面捕捉表面细节特征的问题,将深度学习方法引入表面轮廓线粗糙度定量评价,提出基于多尺度卷积和局部到全局Transformer的石质文物表面粗糙度定量评… …   相似文献
487.
针对如何在不可预测的任务分布和时变的环境状态中,实施低时延、低能耗的计算卸载的问题,设计了一种车联网中基于多智能体的双延迟深度确定性策略梯度计算卸载算法。该方法综合考虑多智能体车辆的位置、连接时间、通信资源及可用计算资源,建立车联网计算卸载模型,并进一步构建以降低平均计算任务执行… …   相似文献
488.
语言型多属性群决策方法是复杂系统可持续评估的重要工具,当前研究存在动态建模能力不足与主客观数据割裂问题。从有效获取序列多周期动态模式、平衡主客观数据影响出发,提出一种基于时间序列增强与人机协同的语言型可持续群决策方法。首先,针对语言型数据的模糊性与随机性特点,构建了Z-numbe… …   相似文献
489.
针对目前多模态对话情绪识别模型中各模态间的交互信息和多元对话关系利用不充分等问题,提出一种基于超图学习与成对跨模态融合的多模态对话情绪识别模型。该模型的超图学习模块以话语表征作为节点,设计包含多模态与时序信息的两种不同类型超边形成超图,通过超图卷积捕捉说话人之间的多元对话关系。同… …   相似文献
490.
针对现有分布式离散事件系统（discrete event system,DES）故障预测方法普遍基于“事件可观测性固定”且“所有局部站点信息永不丢失”的假设,难以适应实际中事件可观测性随系统状态变化以及部分局部预测信息因网络拥塞等原因缺失的情况。提出一种基于动态协同预测器的分布式… …   相似文献
[首页] « 上一页 [44] [45] [46] [47] [48] 49 [50] [51] [52] [53] [54] 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