CASIA OpenIR

浏览/检索结果: 共8条,第1-8条 帮助

限定条件    
已选(0)清除 条数/页:   排序方式:
Conditional Generative Neural Decoding with Structured CNN Feature Prediction 会议论文
, 美国, 2020-4
作者:  Du CD(杜长德);  Du CY(杜长营);  He HG(何晖光)
Adobe PDF(1813Kb)  |  收藏  |  浏览/下载:129/37  |  提交时间:2023/05/05
基于结构化预测的联机手写文档分析 学位论文
工学博士, 中国科学院自动化研究所: 中国科学院自动化研究所, 2020
作者:  叶君宇
Adobe PDF(5220Kb)  |  收藏  |  浏览/下载:240/4  |  提交时间:2021/03/31
联机手写文档分析  笔划分类  实例分割  文本行分割  结构化预测  条件随机场  图神经网络  注意力机制  
A Nonlinear Coordinated Approach to Enhance the Transient Stability of Wind Energy-Based Power Systems 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2020, 卷号: 7, 期号: 4, 页码: 1087-1097
作者:  Mohammad Javad Morshed
浏览  |  Adobe PDF(1693Kb)  |  收藏  |  浏览/下载:116/55  |  提交时间:2021/03/11
Doubly fed induction generator (DFIG)  excitation controller  multi-machine power system  synchronous generator (SG)  transient stability  zero dynamics  
The improved reconstruction of fluorescence molecular tomography via regularized doubly orthogonal matching pursuit method 会议论文
, Houston, USA, 2020-2-16
作者:  Lingxin Kong;  Yu An;  Yang Du;  Jie Tian
浏览  |  Adobe PDF(1305Kb)  |  收藏  |  浏览/下载:290/73  |  提交时间:2020/06/15
融合多语言信息的神经机器翻译方法研究 学位论文
, 远程答辩: 中国科学院大学, 2020
作者:  王亦宁
Adobe PDF(7972Kb)  |  收藏  |  浏览/下载:252/5  |  提交时间:2020/06/12
神经机器翻译,独立信息,通用信息,同步交互解码  
深度学习中的实体关系学习方法及其应用研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2020
作者:  常建龙
Adobe PDF(10849Kb)  |  收藏  |  浏览/下载:361/30  |  提交时间:2020/06/10
深度神经网络, 实体关系, 无监督学习, 图卷积网络, 结构搜索  
基于结构相关正交匹配追踪的激发荧光肝肿瘤重建研究 学位论文
, 自动化研究所: 中国科学院大学, 2020
作者:  孔令鑫
Adobe PDF(2986Kb)  |  收藏  |  浏览/下载:304/7  |  提交时间:2020/06/03
激发荧光断层成像  匹配追踪  组稀疏  斯密特正交化  
Deep Self-Evolution Clustering 期刊论文
IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2020, 卷号: 42, 期号: 4, 页码: 809-823
作者:  Chang, Jianlong;  Meng, Gaofeng;  Wang, Lingfeng;  Xiang, Shiming;  Pan, Chunhong
浏览  |  Adobe PDF(4817Kb)  |  收藏  |  浏览/下载:451/99  |  提交时间:2020/06/02
Task analysis  Unsupervised learning  Training  Clustering methods  Pattern analysis  Clustering  deep self-evolution clustering  self-evolution clustering training  deep unsupervised learning