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81-90项 搜索用时 59 毫秒
[首页] « 上一页 [4] [5] [6] [7] [8] 9 [10] [11] [12] [13] [14] 下一页 » 末  页»
81.
三维高斯溅射（3D Gaussian splatting,3DGS）在显式高斯分布中未能嵌入语义信息,阻碍了其在语义感知重建中的应用。针对上述问题,提出一种将语义嵌入三维高斯溅射的双路径重建算法SDP-GS。首先,基于空间关系将来自预训练模型的二维语义特征投影到三维高斯分布中;然… …   相似文献
82.
针对密集仓储系统中多四向穿梭车并行作业时易出现路径冲突、转向延迟及计算复杂度高等问题,提出一种基于互斥锁传播与多策略改进的连续时间冲突基搜索算法（M-MCCBS）,以提升路径规划效率与系统运行稳定性。该算法在上层引入互斥锁传播机制与聚焦搜索策略,实现对对称性冲突的快速检测与分支约… …   相似文献
83.
针对数据要素市场化中因二次确权引发的权属纠纷问题、制约数据流通效率的现状,旨在构建一种能够识别并防御恶意子集确权攻击的结构化数据确权方案。研究方法包括将数据分解为原子特征单元：分类属性通过独热编码生成语义唯一正交向量,数值属性通过K-means聚类提取最小语义簇中心向量;设计规范… …   相似文献
84.
基于深度神经网络的三维模型在干净数据集上取得了显著的发展,然而这些模型面对对抗样本的脆弱性导致了它们在实际应用领域存在着安全隐患。针对这一问题,提出了一种新的面向三维目标跟踪的对抗训练方法。首先采用可解释性方法,研究了模型输入中每一个点对模型预测的贡献,并计算模型在受到攻击后决策… …   相似文献
85.
针对应急通信中频谱资源紧张以及系统中用户QoS无法保障两大问题,构建了UAV辅助的空地协同传输系统,提出一种基于动态时隙分割的空地协同NOMA传输与资源分配方案。该方案通过动态分割时隙,优先由GBS服务其调度的NOMA用户对,如果存在因功率分配不足而未满足QoS的用户,UAV在剩… …   相似文献
86.
近年来,针对药物递送系统脂质纳米颗粒（LNPs）的设计研究大多仅聚焦于单一特征,且忽视了辅助脂质的作用。该研究旨在构建一种基于多模态特征融合的可解释性深度学习模型（MolGraphNet）,用于辅助脂质转染效率的高精度预测与结构可解释分析。MolGraphNet以神经网络卷积（N… …   相似文献
87.
多样化推荐旨在提高推荐项目的差异性、避免低质量的重复推荐,从而减轻“信息茧房”效应并改善用户体验。然而,现有的多样化推荐方法在追求推荐列表多样化时,忽视了极具差异性的个性化需求;且已有方法多数仍采用分段式学习或优化策略,限制了推荐质量的有效提升。为此,从个性化需求的角度出发进行研… …   相似文献
88.
随着人工智能化时代的到来,机器人技术在各项领域的应用愈加广泛。作为移动机器人实现自主运动的核心技术,高效的路径规划不仅能帮助移动机器人轻松完成避障,还能优化其运动轨迹,减少能源消耗,快速移动到目标点。因此,路径规划对于移动机器人的影响不容小觑,从而有必要对现有移动机器人路径规划算… …   相似文献
89.
ObjectiveCharts are a vital tool for information presentation in research and business analysis, offering a clear and intuitive understandin… …   相似文献
《中国图象图形学报》2026,31(4):987-1003
90.
近年来, 深度神经网络在多个领域取得了显著进展, 但其作为典型的黑盒模型, 内部机制仍难以为人所理解, 给医疗诊断、金融风控、自动驾驶等高风险应用场景带来了严峻挑战. 提升模型的可解释性, 已成为实现高可信机器学习的核心问题之一. 现有可解释性方法大致可分为两类: 基于信息流的解… …   相似文献
王家祺  冯毅  刘华锋  景丽萍  于剑 《软件学报》2026,37(4):1591-1614
[首页] « 上一页 [4] [5] [6] [7] [8] 9 [10] [11] [12] [13] [14] 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