×
验证码:
换一张
忘记密码?
记住我
切换中国科技网通行证登录
×
切换中国科技网通行证登录
登录
中文版
|
English
中国科学院自动化研究所机构知识库
Knowledge Commons of Institute of Automation,CAS
登录
注册
ALL
ORCID
题名
作者
导师
学科领域
关键词
资助项目
文献类型
出处
会议名称
收录类别
出版者
发表日期
存缴日期
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
知识图谱
新闻&公告
在结果中检索
研究单元&专题
学术期刊 [130]
多模态人工智能系统... [32]
毕业生 [18]
复杂系统认知与决策... [12]
中科院工业视觉智能装... [3]
脑图谱与类脑智能实验... [2]
更多...
作者
徐波 [4]
邢登鹏 [4]
赵冬斌 [4]
魏庆来 [4]
谭民 [3]
王睿 [3]
更多...
文献类型
期刊论文 [158]
学位论文 [21]
会议论文 [14]
发表日期
2023 [193]
语种
英语 [31]
中文 [21]
出处
IEEE/CAA ... [99]
自动化学报 [29]
IEEE-ASME ... [4]
Machine In... [4]
IEEE TRANS... [2]
IEEE Trans... [2]
更多...
资助项目
Beijing Na... [2]
Major Basi... [2]
National K... [2]
National N... [2]
National N... [2]
National N... [2]
更多...
收录类别
SCI [23]
EI [11]
其他 [3]
导师
资助机构
National ... [16]
National K... [7]
Beijing Na... [5]
Major Basi... [2]
Beijing Ad... [1]
Beijing Mu... [1]
更多...
×
知识图谱
CASIA OpenIR
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共193条,第1-10条
帮助
限定条件
发表日期:2023
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
发表日期升序
发表日期降序
作者升序
作者降序
期刊影响因子升序
期刊影响因子降序
WOS被引频次升序
WOS被引频次降序
提交时间升序
提交时间降序
题名升序
题名降序
NeuronsMAE: A Novel Multi-Agent Reinforcement Learning Environment for Cooperative and Competitive Multi-Robot Tasks
会议论文
, Queensland, Australia, 2023-6
作者:
Hu GZ(胡光政)
;
Li HR(李浩然)
;
Liu SS(刘莎莎)
;
Zhu YH(朱圆恒)
;
Zhao DB(赵冬斌)
Adobe PDF(2785Kb)
  |  
收藏
  |  
浏览/下载:31/9
  |  
提交时间:2024/07/04
Correntropy-Induced Wasserstein GCN: Learning Graph Embedding via Domain Adaptation
期刊论文
IEEE TRANSACTIONS ON IMAGE PROCESSING, 2023, 页码: 3980-3993
作者:
Wei Wang
;
Gaowei Zhang
;
Hongyong Han
;
Chi Zhang
Adobe PDF(8686Kb)
  |  
收藏
  |  
浏览/下载:19/8
  |  
提交时间:2024/06/27
Balancing Exploration and Exploitation in Hierarchical Reinforcement Learning via Latent Landmark Graphs
会议论文
, 澳大利亚, 2023-6
作者:
Zhang Qingyang
;
Yang Yiming
;
Ruan Jingqing
;
Xiong Xuantang
;
Xing Dengpeng
;
Xu Bo
Adobe PDF(7948Kb)
  |  
收藏
  |  
浏览/下载:31/13
  |  
提交时间:2024/06/25
强化学习,分层强化学习
Latent Landmark Graph for Efficient Exploration-Exploitation Balance in Hierarchical Reinforcement Learning
期刊论文
Machine Intelligence Research, 2023, 页码: 158
作者:
Zhang Qingyang
;
Zhang Hongming
;
Xing Dengpeng
;
Bo Xu
Adobe PDF(9639Kb)
  |  
收藏
  |  
浏览/下载:17/9
  |  
提交时间:2024/06/25
ZoomTrack: Target-aware Non-uniform Resizing for Efficient Visual Tracking
会议论文
, New Orleans, United States, Sunday Dec 10 through Saturday Dec 16
作者:
Kou, Yutong
;
Gao, Jin
;
Li, Bing
;
Wang, Gang
;
Hu, Weiming
;
Wang, Yizheng
;
Li, Liang
Adobe PDF(2115Kb)
  |  
收藏
  |  
浏览/下载:35/9
  |  
提交时间:2024/06/21
Filtered Observations for Model-Based Multi-agent Reinforcement Learning
会议论文
, Turin, Italy, 2023.9.18-2023.9.22
作者:
Meng Linghui
;
Xiong Xuantang
;
Zang Yifan
;
Zhang Xi
;
Li Guoqi
;
Xing Dengpeng
;
Xu Bo
Adobe PDF(841Kb)
  |  
收藏
  |  
浏览/下载:40/17
  |  
提交时间:2024/06/11
Minimizing Age of Information for Mobile Edge Computing Systems: A Nested Index Approach
会议论文
, Singapore, 2023/8/24-27
作者:
Chen,Shuo
;
Yang,Ning
;
Zhang,Meng
;
Wang,Jun
Adobe PDF(1413Kb)
  |  
收藏
  |  
浏览/下载:45/10
  |  
提交时间:2024/06/05
FireFly: A High-Throughput Hardware Accelerator for Spiking Neural Networks With Efficient DSP and Memory Optimization
期刊论文
IEEE Transactions on Very Large Scale Integration (VLSI) Systems, 2023, 页码: 1178 - 1191
作者:
Li, Jindong
;
Shen, Guobin
;
Zhao, Dongcheng
;
Zhang, Qian
;
Zeng, Yi
Adobe PDF(5840Kb)
  |  
收藏
  |  
浏览/下载:29/3
  |  
提交时间:2024/06/05
SECAD-Net: Self-Supervised CAD Reconstruction by Learning Sketch-Extrude Operations
会议论文
, Vancouver, BC, Canada, 2023-6-17至2023-6-24
作者:
Li, Pu
;
Guo, Jianwei
;
Zhang, Xiaopeng
;
Yan, Dong-Ming
Adobe PDF(9384Kb)
  |  
收藏
  |  
浏览/下载:33/6
  |  
提交时间:2024/06/03
Constrained-cost adaptive dynamic programming for optimal control of discrete-time nonlinear systems
期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2023, 卷号: 35, 期号: 3, 页码: 3251 - 3264
作者:
Wei, Qinglai
;
Li, Tao
Adobe PDF(8471Kb)
  |  
收藏
  |  
浏览/下载:52/19
  |  
提交时间:2024/05/28
Adaptive dynamic programming
approximate dynamic programming
constrained cost
optimal control
reinforcement learning