中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共7条，第1-7条 帮助

限定条件                
已选(0)清除 条数/页：   排序方式：
基于动态事件触发通信协议的多智能体系统自适应可靠控制 期刊论文
自动化学报, 2024, 卷号: 50, 期号: 5, 页码: 924-936
作者:  范泉涌;  张乃宗;  唐勇;  许斌
Adobe PDF(3853Kb)  |  收藏  |  浏览/下载：25/12  |  提交时间：2024/05/30
自适应可靠控制  多智能体系统  事件触发通信  芝诺现象  执行器故障  
Industry-oriented Detection Method of PCBA Defects Using Semantic Segmentation Models 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 6, 页码: 1438-1446
作者:  Yang Li;  Xiao Wang;  Zhifan He;  Ze Wang;  Ke Cheng;  Sanchuan Ding;  Yijing Fan;  Xiaotao Li;  Yawen Niu;  Shanpeng Xiao;  Zhenqi Hao;  Bin Gao;  Huaqiang Wu
Adobe PDF(12898Kb)  |  收藏  |  浏览/下载：18/5  |  提交时间：2024/05/22
Automated optical inspection (AOI)  deep learning  defect detection  printed circuit board assembly (PCBA)  semantic segmentation  
基于改进自适应k均值聚类的三维点云骨架提取的研究 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 8, 页码: 1994-2006
作者:  鲁斌;  范晓明
Adobe PDF(69082Kb)  |  收藏  |  浏览/下载：19/6  |  提交时间：2024/05/20
骨架提取  自适应聚类  L_1-中值算法  八叉树采样  区域引导  
支持重规划的战时保障动态调度研究 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 7, 页码: 1519-1529
作者:  曾斌;  樊旭;  李厚朴
Adobe PDF(1581Kb)  |  收藏  |  浏览/下载：29/8  |  提交时间：2024/04/25
战时保障  重规划  马尔科夫决策过程  动态调度  强化学习  
Rolling Shutter Camera: Modeling, Optimization and Learning 期刊论文
Machine Intelligence Research, 2023, 卷号: 20, 期号: 6, 页码: 783-798
作者:  Bin Fan;  Yuchao Dai;  Mingyi He
Adobe PDF(2943Kb)  |  收藏  |  浏览/下载：24/8  |  提交时间：2024/04/23
Rolling shutter, motion modeling, image correction, temporal super-resolution, deep learning  
基于全驱系统方法的高阶严反馈系统时变输出约束控制 期刊论文
自动化学报, 2024, 卷号: 50, 期号: 2, 页码: 372-385
作者:  蔡光斌;  肖永强;  胡昌华;  杨小冈;  凡永华
Adobe PDF(3709Kb)  |  收藏  |  浏览/下载：50/15  |  提交时间：2024/04/12
全驱系统方法  高阶严反馈系统  时变输出约束  非线性转换函数  自适应动态面控制  
Unsupervised Multi-Expert Learning Model for Underwater Image Enhancement 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 3, 页码: 708-722
作者:  Hongmin Liu;  Qi Zhang;  Yufan Hu;  Hui Zeng;  Bin Fan
Adobe PDF(59664Kb)  |  收藏  |  浏览/下载：75/20  |  提交时间：2024/02/19
Multi-expert learning  underwater image enhancement  unsupervised learning