中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共6条，第1-6条 帮助

限定条件                    
已选(0)清除 条数/页：   排序方式：
基于被动声呐音频信号的水中目标识别综述 期刊论文
自动化学报, 2024, 卷号: 50, 期号: 4, 页码: 649-673
作者:  徐齐胜;  许可乐;  窦勇;  高彩丽;  乔鹏;  冯大为;  朱博青
Adobe PDF(6284Kb)  |  收藏  |  浏览/下载：37/13  |  提交时间：2024/04/28
被动声呐信号  水中目标自动识别  深度学习  有监督学习  自监督学习  
A Comprehensive Overview of CFN From a Commonsense Perspective 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 2, 页码: 239-256
作者:  Ru Li;  Yunxiao Zhao;  Zhiqiang Wang;  Xuefeng Su;  Shaoru Guo;  Yong Guan;  Xiaoqi Han;  Hongyan Zhao
Adobe PDF(2392Kb)  |  收藏  |  浏览/下载：31/10  |  提交时间：2024/04/23
Chinese FrameNet (CFN), commonsense, scenario commonsense, frame, knowledge  
The Life Cycle of Knowledge in Big Language Models: A Survey 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 2, 页码: 217-238
作者:  Boxi Cao;  Hongyu Lin;  Xianpei Han;  Le Sun
Adobe PDF(1430Kb)  |  收藏  |  浏览/下载：37/6  |  提交时间：2024/04/23
Pre-trained language model, knowledge acquisition, knowledge representation, knowledge probing, knowledge editing, knowledge application  
A Simple yet Effective Framework for Active Learning to Rank 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 1, 页码: 169-183
作者:  Qingzhong Wang;  Haifang Li;  Haoyi Xiong;  Wen Wang;  Jiang Bian;  Yu Lu;  Shuaiqiang Wang;  Zhicong Cheng;  Dejing Dou;  Dawei Yin
Adobe PDF(2194Kb)  |  收藏  |  浏览/下载：45/18  |  提交时间：2024/04/23
Search, information retrieval, learning to rank, active learning, query by committee  
非平衡概念漂移数据流主动学习方法 期刊论文
自动化学报, 2024, 卷号: 50, 期号: 3, 页码: 589-606
作者:  李艳红;  王甜甜;  王素格;  李德玉
Adobe PDF(2132Kb)  |  收藏  |  浏览/下载：41/12  |  提交时间：2024/04/10
数据流分类  主动学习  概念漂移  多类不平衡  
Reinforcement Learning in Process Industries: Review and Perspective 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 2, 页码: 283-300
作者:  Oguzhan Dogru;  Junyao Xie;  Om Prakash;  Ranjith Chiplunkar;  Jansen Soesanto;  Hongtian Chen;  Kirubakaran Velswamy;  Fadi Ibrahim;  Biao Huang
Adobe PDF(1275Kb)  |  收藏  |  浏览/下载：55/18  |  提交时间：2024/01/23
Process control  process systems engineering  reinforcement learning