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:
一种用于两人零和博弈对手适应的元策略演化学习算法 期刊论文
自动化学报, 2022, 页码: 0
作者:  吴哲;  李凯;  徐航;  兴军亮
Adobe PDF(15953Kb)  |  收藏  |  浏览/下载:217/58  |  提交时间:2022/06/17
L2E: Learning to Exploit Your Opponent 会议论文
, 意大利 帕多瓦, 2022.07.18-2022.07.23
作者:  Wu Zhe;  Li Kai;  Xu Hang;  Zang Yifan;  An Bo;  Xing Junliang
Adobe PDF(5676Kb)  |  收藏  |  浏览/下载:210/43  |  提交时间:2022/06/17
Cross-domain few-shot learning approach for lithium-ion battery surface defects classification using an improved siamese network 期刊论文
IEEE SENSORS JOURNAL, 2022, 页码: 1-1
作者:  Wu, Ke;  Tan, Jie;  Liu, Cheng Bao
Adobe PDF(5175Kb)  |  收藏  |  浏览/下载:326/120  |  提交时间:2022/06/14
Few-shot Learning  3D measurement  defect detection  image classification  
基于结构光的高光表面三维缺陷检测方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院自动化研究所, 2022
作者:  吴科
Adobe PDF(35514Kb)  |  收藏  |  浏览/下载:366/9  |  提交时间:2022/06/13
高光表面  结构光  多曝光融合  三维重建  缺陷检测  
Dynamic reconfiguration of human brain networks across altered states of consciousness 期刊论文
BEHAVIOURAL BRAIN RESEARCH, 2022, 卷号: 419, 页码: 11
作者:  Liu, Haiyang;  Hu, Ke;  Peng, Yingjie;  Tian, Xiaohan;  Wang, Meng;  Ma, Bo;  Wu, Youxuan;  Sun, Wanchen;  Liu, Bing;  Li, Ang;  Han, Ruquan
Adobe PDF(6615Kb)  |  收藏  |  浏览/下载:273/4  |  提交时间:2022/06/06
Functional magnetic resonance imaging  Multilayer networks  Dynamic functional connectivity  Consciousness  Sedation  Dexmedetomidine  
Sliding Mode Control in Power Converters and Drives: A Review 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2022, 卷号: 9, 期号: 3, 页码: 392-406
作者:  Ligang Wu;  Jianxing Liu;  Sergio Vazquez;  Sudip K. Mazumder
Adobe PDF(2642Kb)  |  收藏  |  浏览/下载:170/36  |  提交时间:2022/03/09
Motor drive  power electronics systems  sliding mode control  
Cross-attention-map-based regularization for adversarial domain adaptation 期刊论文
NEURAL NETWORKS, 2022, 卷号: 145, 页码: 128-138
作者:  Jingwei, Li;  Huanjie, Wang;  Ke, Wu;  Chengbao, Liu;  Jie, Tan
Adobe PDF(1969Kb)  |  收藏  |  浏览/下载:246/5  |  提交时间:2021/12/28
Domain adaptation  Few-shot learning  Attention mechanism  Contrastive learning