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8661-8680项 搜索用时 226 毫秒
[首页] « 上一页 [429] [430] [431] [432] [433] 434 [435] [436] [437] [438] [439] 下一页 » 末  页»
8661.
  
针对5G系统信号接收子载波间串扰和子符号间干扰问题,提出了一种高效的基于深度学习的信道估计模型。在导频处进行初步估计获得估计信道,并将其视为含噪声的低分辨率图像样本输入信道估计模型,通过学习低分辨率图像与高分辨率图像之间的映射关系,最终去除输入信道的噪声,还原高分辨率信道图像,获… …   相似文献
张昀  周婧  黄经纬  于舒娟  黄丽亚 《通信学报》2023,44(12):124-133
8662.
预测进阀温度的变化趋势对阀冷系统的运行状态有重要参考价值. 针对传统方法存在数据收集时间跨度大和传感器存在误差等问题, 本文提出了一种基于对抗扰动和局部信息增强的进阀温度预测模型Robust-InTemp. 具体来说, Robust-InTemp通过对原始数据添加基于规则的高斯噪… …   相似文献
8663.
目前乳腺癌已取代肺癌成为年发病率最高的癌症, 基于深度学习的目标检测技术可对乳腺X线、乳腺超声和乳腺核磁共振等非侵入式成像进行自动病变检测, 已成为乳腺癌辅助诊断的首选途径. YOLO (you only look once)系列算法是基于深度学习的目标检测算法, 经典YOLO算… …   相似文献
8664.
  
<正>国家自然科学基金委员会坚持以习近平新时代中国特色社会主义思想为指导,深入贯彻落实习近平总书记关于科技创新特别是基础研究的重要论述和指示批示精神,切实担负起新时期赋予科学基金的职责使命,聚焦基础研究、应用基础研究和科技人才培养,持续提升资助效能,在2024年推出以下改革举措。… …   相似文献
8665.
  
鲲鹏920 CPU是2021年面世、全球第一款基于7纳米制造工艺的ARM 64位CPU,该CPU内置一个名为KAEzip的硬件加速引擎,其核心是一个硬件压缩算法,能通过硬件提升压缩与解压缩性能.相关研究表明,压缩算法的硬化与传统软件压缩算法相比具备明显性能优势.但大数据领域中的基… …   相似文献
8666.
  
与普通网络相比,超网络具有复杂的元组关系(超边),然而现有的大多数网络表示学习方法并不能捕获元组关系.针对上述问题,提出一种超边约束的异质超网络表示学习方法(HRHC).首先,引入一种结合团扩展和星型扩展的方法,从而将异质超网络转换为异质网络;其次,引入感知节点语义相关性的元路径… …   相似文献
8667.
  
针对会话推荐本身存在的噪声干扰和样本稀疏性问题,提出一种基于对比超图转换器的会话推荐(CHT)模型.首先,将会话序列建模为超图;其次,通过超图转换器构建项目的全局上下文信息和局部上下文信息.最后,在全局关系学习上利用项目级(I-L)编码器和会话级(S-L)编码器捕获不同级别的项目… …   相似文献
8668.
  
基于深度学习(DL)的传统多目标求解器存在模型利用率低以及容易陷入局部最优的问题.针对这些问题,提出了基于分解法与轨迹搜索的无人机群轨迹多目标优化模型(DTMO-UT).所提模型包含编码与解码部分.首先,编码部分由设备编码器(Dencoder)和权重编码器(Wencoder)组成… …   相似文献
柳隽琰  江沸菠  彭于波  董莉 《计算机应用》2023,43(12):3806-3815
8669.
  
针对自动引导车(AGV)在自动化集装箱码头(ACT)执行任务过程中的电量问题,提出基于改进的非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)的考虑AGV充电策略的集成调度.首先,在岸桥、场桥和AGV集成调度模式下,考虑AGV在不同作业状态下的耗电量,并建立以最小化作业完工时间和总耗电量为目… …   相似文献
薛海蓉  韩晓龙 《计算机应用》2023,43(12):3848-3855
8670.
  
广义空移键控(GSSK)作为空间调制(SM)的一种简化形式,被广泛应用于大规模多输入多输出(MIMO)系统,以更好地解决传统MIMO技术中的信道间干扰(ICI)、天线间同步(IAS)和多射频(RF)链路等问题.针对GSSK系统最大似然(ML)检测算法计算复杂度高的问题,结合压缩感… …   相似文献
张新贺  谭浩然  吕文博 《计算机应用》2023,43(12):3890-3895
8671.
  
真实世界中极少存在成对的高低分辨率图像对,传统的基于图像对训练模型的单幅图像超分辨率(SR)方法采用合成数据集的方式得到训练集时仅考虑了双线性下采样退化,且传统图像超分辨率方法在面向真实的未知退化图像时重建效果较差.针对上述问题,提出一种面向真实复杂场景的图像超分辨率方法.首先,… …   相似文献
李颖  黄超  孙成栋  徐勇 《计算机应用》2023,43(12):3903-3910
8672.
  
针对在多对象且空间拓扑关系复杂的室外场景环境中相似地类区分难的问题,提出一种结合图模型与注意力机制模块的A-Edge-SPG(Attention-EdgeConv SuperPoint Graph)图神经网络.首先,利用图割和几何特征结合的方法对超点进行分割;其次,在超点内部构造… …   相似文献
廉飞宇  张良  王杰栋  靳于康  柴玉 《计算机应用》2023,43(12):3911-3917
8673.
  
知识追踪模型建模学习者对每个知识点的状态推断其知识总状态,预测其未来的学习表现。但现有研究在建模知识总状态时,没有融合知识点状态之间的关系,影响了最终的预测效果。针对这一问题,提出一种融合知识点状态关系的知识追踪模型。首先向量化表示数据集中的知识点,构建知识点表示图;其次将知识点… …   相似文献
8674.
  
针对体声波（BAW）滤波器布局中芯片面积利用率低、设计周期长、制造成本高等问题,提出了一种基于改进人工蜂群算法的BAW滤波器自动布局方法。首先构建了自动布局的评价模型,通过结合利用圆形容器的顺序布局和基于旋转角度编码的聚拢布局来简化自动布局的难度;同时采用了一种改进人工蜂群算法去… …   相似文献
8675.
  
肖像风格迁移旨在将参考艺术肖像画中迁移到人物照片上,同时保留人物面部的基本语义结构。然而,由于人类视觉对肖像面部语义结构的敏感性,使得肖像风格迁移任务比一般图像的风格迁移更具挑战性,现有的风格迁移方法未考虑漫画风格的抽象性以及肖像面部语义结构的保持,所以应用到肖像漫画化任务时会出… …   相似文献
8676.
  
基于一致性正则化的方法在半监督语义分割任务中展现出了较好的性能,这类方法通常涉及两个角色:一个显式或隐式的教师网络和一个学生网络.其中学生网络通过最小化两个网络对不同扰动样本预测结果之间的一致性损失实现训练.但是来自单个教师网络的不可靠预测可能会导致学生网络学习到错误的信息.通过… …   相似文献
许华杰  肖毅烽 《计算机科学》2023,50(12):279-284
8677.
  
强化学习中设计合理的奖励函数具有重要的意义,但这也是具有挑战性的,尤其是在实际机器人控制任务中.因此,能够在稀疏奖励的环境中探索有效的强化学习算法是当前持续关注的问题.目前虽然已经有许多在稀疏奖励下的强化学习算法研究,但从结果来看,这些算法在机器人的控制精度以及训练时间等方面均需… …   相似文献
8678.
  
在软件开发早期获取软件安全(Security)需求可以有效减少软件安全问题的发生.传统的安全需求获取方法大多依赖安全领域的专家知识,需要手工执行,且获取的安全需求模型对相关安全标准的符合性缺乏考虑.本文阐述了一种从英文自然语言描述的需求文本中自动获取安全需求的方法：首先,基于自然… …   相似文献
8679.
  
实体关系抽取是构建知识图谱的主要任务之一,旨在确定句子中实体之间的关系类别.远程监督关系抽取方法通过将远程知识库与文本数据对齐来自动标记数据,已成为处理关系抽取任务的主要方式.为解决远程关系抽取不能充分利用单词之间的位置关系信息,并且没有考虑重叠关系之间语义相关性的问题,本文提出… …   相似文献
8680.
  
蛋白质功能的准确预测有利于推进生物医学发展,高通量测序技术的快速发展加快了蛋白质序列的提取速度,从而产生了大量未注释的蛋白质,并且新测序序列缺乏结构等生物信息,针对该问题提出了基于序列和组合图卷积网络的蛋白质功能预测模型(Protein Function Prediction u… …   相似文献
[首页] « 上一页 [429] [430] [431] [432] [433] 434 [435] [436] [437] [438] [439] 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