已选(0)清除
条数/页: 排序方式: |
| GraphFM: Graph Factorization Machines for Feature Interaction Modeling 期刊论文 Machine Intelligence Research, 2024, 页码: 1 作者: Shu Wu ; Zekun Li ; Yunyue Su; Zeyu Cui ; Xiaoyu Zhang; Liang Wang![](/image/person.jpg)
Adobe PDF(7938Kb)  |   收藏  |  浏览/下载:2/0  |  提交时间:2024/06/21 |
| 基于多模态预训练模型的弱监督跨模态目标定位 学位论文 , 2024 作者: 赵宸麟![](/image/person.jpg)
Adobe PDF(7997Kb)  |   收藏  |  浏览/下载:9/0  |  提交时间:2024/06/20 弱监督 提示学习 跨模态目标定位 |
| 基于功能磁共振影像的深度学习算法及其在精神疾病分类中的应用 学位论文 , 2024 作者: 赵敏![](/image/person.jpg)
Adobe PDF(5851Kb)  |   收藏  |  浏览/下载:31/4  |  提交时间:2024/06/14 功能磁共振影像 深度学习 精神疾病分类 多特征融合 模型可解释性 |
| Power Control Based on Deep Reinforcement Learning for Spectrum Sharing 期刊论文 IEEE Transactions on Wireless Communications, 2024, 卷号: 19, 期号: 6, 页码: 4209-4219 作者: Zhang,Haijun; Yang,Ning ; Huangfu,Wei; Long,Keping; Leung,VictorCM
Adobe PDF(1925Kb)  |   收藏  |  浏览/下载:13/7  |  提交时间:2024/06/12 |
| DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning 期刊论文 Nature Communications, 2024, 卷号: 15, 期号: 1, 页码: 2090 作者: Guole Liu ; Tongxin Niu; Mengxuan Qiu; Yun Zhu; Fei Sun; Ge Yang
Adobe PDF(7853Kb)  |   收藏  |  浏览/下载:8/4  |  提交时间:2024/06/11 Cryo-electron tomography particle picking deep learning weakly supervised learning |
| 基于类脑脉冲神经网络的强化学习算法研究 学位论文 , 2024 作者: 张笃振![](/image/person.jpg)
Adobe PDF(23167Kb)  |   收藏  |  浏览/下载:43/0  |  提交时间:2024/06/07 类脑智能 脉冲神经网络 强化学习 |
| 高嵌入容量的鲁棒音频水印算法 学位论文 , 2024 作者: 吴世强![](/image/person.jpg)
Adobe PDF(3318Kb)  |   收藏  |  浏览/下载:18/1  |  提交时间:2024/06/07 音频水印 信号处理攻击 去同步攻击 扩频 深度学习 |
| 受大脑运动准备及肌肉协同机制启发的肌肉骨骼机器人运动学习研究 学位论文 , 2024 作者: 王萧娜![](/image/person.jpg)
Adobe PDF(11669Kb)  |   收藏  |  浏览/下载:19/3  |  提交时间:2024/06/05 肌肉骨骼机器人,生物启发式运动学习,运动准备,肌肉协同词 |
| 类脑心理揣测脉冲神经网络模型研究 学位论文 , 2024 作者: zhao Zhuo ya![](/image/person.jpg)
Adobe PDF(23946Kb)  |   收藏  |  浏览/下载:9/1  |  提交时间:2024/06/04 类脑心理揣测模型 脉冲神经网络 多智能体社会交互 区分自我和他人 |
| 基于内在动机的深度强化学习探索策略研究 学位论文 , 2024 作者: 陈忠鹏![](/image/person.jpg)
Adobe PDF(5803Kb)  |   收藏  |  浏览/下载:17/1  |  提交时间:2024/06/04 深度强化学习,内在动机,探索策略,稀疏奖励 |