中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共34条，第1-10条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
基于因果建模的强化学习控制:现状及展望 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 3, 页码: 661-677
作者:  孙悦雯;  柳文章;  孙长银
Adobe PDF(1926Kb)  |  收藏  |  浏览/下载：24/7  |  提交时间：2024/05/09
强化学习控制  因果发现  因果推理  迁移学习  表示学习  
基于空间向量分解的边界剥离密度聚类 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 6, 页码: 1195-1213
作者:  张瑞霖;  郑海阳;  苗振国;  王鸿鹏
Adobe PDF(5506Kb)  |  收藏  |  浏览/下载：32/12  |  提交时间：2024/05/09
聚类  空间向量分解  边界剥离  投影子空间  高维  密度  
一种同伴知识互增强下的序列推荐方法 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 7, 页码: 1456-1470
作者:  胡开喜;  李琳;  吴小华;  解庆;  袁景凌
Adobe PDF(1990Kb)  |  收藏  |  浏览/下载：37/15  |  提交时间：2024/04/25
序列推荐  动态兴趣  知识蒸馏  刻意训练  
基于低秩张量图学习的不完整多视角聚类 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 7, 页码: 1433-1445
作者:  文杰;  颜珂;  张正;  徐勇
Adobe PDF(3228Kb)  |  收藏  |  浏览/下载：27/7  |  提交时间：2024/04/25
多视角聚类  视角缺失  不完整多视角聚类  图学习  
融合知识的多视图属性网络异常检测模型 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 8, 页码: 1732-1744
作者:  杜航原;  曹振武;  王文剑;  白亮
Adobe PDF(1970Kb)  |  收藏  |  浏览/下载：34/11  |  提交时间：2024/04/24
属性网络  异常检测  图神经网络  知识融合  多视图学习  
安全强化学习综述 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 9, 页码: 1813-1835
作者:  王雪松;  王荣荣;  程玉虎
Adobe PDF(1356Kb)  |  收藏  |  浏览/下载：33/14  |  提交时间：2024/04/24
安全强化学习  约束马尔科夫决策过程  学习过程  学习目标  离线强化学习  
异策略深度强化学习中的经验回放研究综述 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 11, 页码: 2237-2256
作者:  胡子剑;  高晓光;  万开方;  张乐天;  汪强龙;  NERETINEvgeny
Adobe PDF(4679Kb)  |  收藏  |  浏览/下载：42/9  |  提交时间：2024/04/18
深度强化学习  异策略  经验回放  人工智能  
Latent Structure Mining With Contrastive Modality Fusion for Multimedia Recommendation 期刊论文
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, 2023, 卷号: 35, 期号: 9, 页码: 9154-9167
作者:  Zhang, Jinghao;  Zhu, Yanqiao;  Liu, Qiang;  Zhang, Mengqi;  Wu, Shu;  Wang, Liang
Adobe PDF(1134Kb)  |  收藏  |  浏览/下载：126/0  |  提交时间：2023/11/17
Multimedia recommendation  graph structure learning  contrastive learning  
面向文本理解的对抗攻防方法研究 学位论文
, 2023
作者:  施家辉
Adobe PDF(3860Kb)  |  收藏  |  浏览/下载：165/4  |  提交时间：2023/09/27
对抗攻击  对抗样本  对抗防守  深度神经网络  自然语言处理  
基于结构信息增强的图神经网络研究 学位论文
, 2023
作者:  呼奋宇
Adobe PDF(4023Kb)  |  收藏  |  浏览/下载：96/4  |  提交时间：2023/07/03
图神经网络  结构信息  邻居交互  注意力机制  多专家融合  多任务学习