中文版 | English

在结果中检索

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：
基于时变障碍李雅普诺夫函数的变体无人机有限时间控制 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 8, 页码: 2062-2074
作者:  李新凯;  张宏立;  范文慧
Adobe PDF(11289Kb)  |  收藏  |  浏览/下载：22/8  |  提交时间：2024/05/20
变体无人机  浸入与不变  动态尺度因子  监督因子  障碍Lyapunov函数  
一种基于概率关联的局部高斯过程回归算法 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 8, 页码: 1940-1949
作者:  肖文鑫;  张文文
Adobe PDF(1902Kb)  |  收藏  |  浏览/下载：4/0  |  提交时间：2024/05/20
机器学习  概率模型  大数据量  实时更新  
Cooperative Multi-Agent Reinforcement Learning with Hypergraph Convolution 会议论文
, Padua, Italy, 18-23 July 2022
作者:  Yunpeng Bai;  Chen Gong;  Bin Zhang;  Guoliang Fan;  Xinwen Hou;  Yu Liu
Adobe PDF(8946Kb)  |  收藏  |  浏览/下载：121/34  |  提交时间：2023/06/14
Highly sensitive magnetic particle imaging of vulnerable atherosclerotic plaque with active myeloperoxidase-targeted nanoparticles (vol 11, pg 506, 2021) 期刊论文
THERANOSTICS, 2022, 卷号: 12, 期号: 17, 页码: 7641-7641
作者:  Tong, Wei;  Hui, Hui;  Shang, Wenting;  Zhang, Yingqian;  Tian, Feng;  Ma, Qiang;  Yang, Xin;  Tian, Jie;  Chen, Yundai
收藏  |  浏览/下载：93/0  |  提交时间：2023/03/20
ADTIDO: Detecting the Tired Deck Officer with Fusion Feature Methods 期刊论文
SENSORS, 2022, 卷号: 22, 期号: 17, 页码: 16
作者:  Li, Chenghao;  Fu, Yuhui;  Ouyang, Ruihong;  Liu, Yu;  Hou, Xinwen
收藏  |  浏览/下载：178/0  |  提交时间：2022/11/14
EEG  deck officer  fatigue detection  ECD-EEG fusion features  Bi-GRU neural network classifier  
POPO: Pessimistic Offline Policy Optimization 会议论文
, Singapore, Singapore, 23-27 May 2022
作者:  He Q(何强);  Hou XW(侯新文);  Liu Y(刘禹)
Adobe PDF(1200Kb)  |  收藏  |  浏览/下载：197/39  |  提交时间：2022/06/27
reinforcement learning  offline optimization  out-of-distribution  
AdapGL: An adaptive graph learning algorithm for traffic prediction based on spatiotemporal neural networks 期刊论文
Transportation Research Part C, 2022, 期号: 99, 页码: 1-1
作者:  Wei Zhang;  Fenghua Zhu;  Yisheng Lv;  Chang Tan;  Wen Liu;  Xin Zhang;  Fei-Yue Wang
Adobe PDF(2619Kb)  |  收藏  |  浏览/下载：388/129  |  提交时间：2022/04/08
Adaptive graph learning, Traffic prediction, Graph convolutional network, Expectation maximization, Deep learning