已选(0)清除
条数/页: 排序方式: |
| 几何驱动的三维场景检测与分割 学位论文 , 2024 作者: 关赫![](/image/person.jpg)
Adobe PDF(31711Kb)  |   收藏  |  浏览/下载:13/0  |  提交时间:2024/06/27 几何驱动 单目三维检测 多维场景分割 数据增强 实用性 特征交互 |
| 基于多模态表征学习与融合的情感识别研究 学位论文 , 2024 作者: 孙立才![](/image/person.jpg)
Adobe PDF(5844Kb)  |   收藏  |  浏览/下载:14/1  |  提交时间:2024/06/27 情感识别 表征学习 自监督学习 多模态融合 注意力机制 |
| 自然语言嵌入的深度强化学习探索方法研究 学位论文 , 2024 作者: 郭洲蕊![](/image/person.jpg)
Adobe PDF(7588Kb)  |   收藏  |  浏览/下载:17/1  |  提交时间:2024/06/26 深度强化学习 自然语言 探索 |
| Memory-Adaptive Vision-and-Language Navigation 期刊论文 Pattern Recognition, 2024, 卷号: 153, 页码: 110511 作者: Keji He ; Ya Jing ; Yan Huang ; Zhihe Lu ; Dong An ; Liang Wang![](/image/person.jpg)
Adobe PDF(3831Kb)  |   收藏  |  浏览/下载:20/7  |  提交时间:2024/06/26 Vision-and-Language Navigation Memory bank History noises Memory-Adaptive Model |
| Adaptive Multi-Agent Coordination among Different Team Attribute Tasks via Contextual Meta-Reinforcement Learning 会议论文 , 河南开封, 2024年5月17-19日 作者: Huang, Shangjing ; Zhao, Zijie; Zhu, Yuanheng ; Zhao, Dongbin![](/image/person.jpg)
Adobe PDF(15515Kb)  |   收藏  |  浏览/下载:9/4  |  提交时间:2024/06/26 |
| 结构启发的神经语义解析方法研究 学位论文 , 2024 作者: 张翔![](/image/person.jpg)
Adobe PDF(3373Kb)  |   收藏  |  浏览/下载:13/0  |  提交时间:2024/06/26 自然语言理解 神经语义解析 形式化语义表示 组合泛化 |
| 跨模态信息融合的文本图像翻译方法研究 学位论文 , 2024 作者: 马聪
Adobe PDF(11285Kb)  |   收藏  |  浏览/下载:21/3  |  提交时间:2024/06/26 文本图像翻译 跨模态信息融合 多任务学习 跨模态对比学习 参数高效微调 |
| 面向复杂场景的跨维度视觉感知方法研究 学位论文 , 2024 作者: 潘聪![](/image/person.jpg)
Adobe PDF(28980Kb)  |   收藏  |  浏览/下载:16/0  |  提交时间:2024/06/25 视觉场景感知 二维目标检测 单目三维目标检测 鸟瞰图语义分割 视觉Transformer |
| 基于视觉-语言引导的机器人导航研究 学位论文 , 2024 作者: 何科技![](/image/person.jpg)
Adobe PDF(29796Kb)  |   收藏  |  浏览/下载:43/5  |  提交时间:2024/06/25 视觉语言导航、数据稀缺、时序信息挖掘噪声、跨模态对齐、异常行为 |
| User Response Modeling in Reinforcement Learning for Ads Allocation 会议论文 , 新加坡, May 13 - 17, 2024 作者: Zhang, Zhiyuan ; Zhang, Qichao ; Wu, Xiaoxu; Shi, Xiaowen; Liao, Guogang; Wang, Yongkong; Wang, xingxing; Zhao, Dongbin![](/image/person.jpg)
Adobe PDF(2077Kb)  |   收藏  |  浏览/下载:10/5  |  提交时间:2024/06/25 Ads Allocation Reinforcement Learning User Response Modeling |