|
已选(0)清除
条数/页： 排序方式： |
| 概率图模型：原理与技术（译著） 专著
北京:清华大学出版社, 2015
作者: 王飞跃 ; 韩素青
  收藏 | 浏览/下载：172/0 | 提交时间：2018/01/08 |
| 大数据下的PAC-Bayesian学习理论综述 期刊论文
山西大学学报（自然科学版）, 2015, 卷号: 38, 期号: 3, 页码: 413-419
作者: 杨雪冰; 张文生; 杨阳
Adobe PDF(748Kb) | 收藏 | 浏览/下载：671/236 | 提交时间：2018/01/03
Pac-bayesian界 学习理论 贝叶斯学习 大数据 |
| 软件定义的系统与知识自动化: 从牛顿到莫顿的平行升华 期刊论文
自动化学报, 2015, 卷号: 41, 期号: 1, 页码: 1-8
作者: 王飞跃
Adobe PDF(408Kb) | 收藏 | 浏览/下载：305/87 | 提交时间：2017/02/15
知识自动化 知识机器人 Knowledge Automation 网络空间 Knowledge Robots 社会信号 Cyberspace 默顿系统 Social Signals 平行系统 Merton Systems 平行控制 Parallel Systems 社会物理网络系统 Parallel Control Cyber-physical-social Systems |
| 物体识别中的视觉结构建模与推理研究 学位论文
, 北京: 中国科学院研究生院, 2015
作者: 刘康伟
Adobe PDF(11050Kb) | 收藏 | 浏览/下载：224/17 | 提交时间：2016/06/30
物体识别 物体检测 变形物体匹配 结构建模 |
| 并行图割计算及其在场景理解中的应用 学位论文
, 北京: 中国科学院研究生院, 2015
作者: 余淼
Adobe PDF(28566Kb) | 收藏 | 浏览/下载：221/7 | 提交时间：2016/06/07
并行及分布式图割 动态图割 高阶能量模型 场景理解 |
| 短文本语义匹配关键技术研究 学位论文
, 北京: 中国科学院研究生院, 2015
作者: 许家铭
Adobe PDF(2694Kb) | 收藏 | 浏览/下载：374/3 | 提交时间：2016/01/22
语义匹配 主题模型 卷积神经网络 哈希学习 文本聚类 |
| 基于示例的图像分割方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2015
作者: 李双双
Adobe PDF(6328Kb) | 收藏 | 浏览/下载：302/0 | 提交时间：2015/09/02
图像分割 示例 稀疏表达 字典学习 样条回归 Image Segmentation Exemplar Based Image Segmentation Sparse Representation Dictionary Construction Spline Regression |
| 基于生物网络的中医药领域 知识发现关键技术研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2015
作者: 代文
Adobe PDF(4108Kb) | 收藏 | 浏览/下载：385/0 | 提交时间：2015/09/02
生物网络 有效成分预测 通路模式 证候分析 支持向量机 关联预测 矩阵分解 中医药 知识发现 Biological Network Active Component Pathway Pattern Syndrome Support Vector Machine Drug-disease Association Matrix Factorization Traditional Chinese Medicine Knowledge Discovery |
| 面向社交媒体的跨网络平台用户建模 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2015
作者: 邓拯宇
Adobe PDF(3842Kb) | 收藏 | 浏览/下载：673/1 | 提交时间：2015/09/02
跨平台用户建模 跨平台用户关联 跨平台协同 个性化推送 Cross-network Collaboration Cross-network User Modeling Cross-network User Identification Personalization |
| 基于深度网络的社交媒体特征学习算法研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2015
作者: 袁召全
Adobe PDF(6994Kb) | 收藏 | 浏览/下载：753/0 | 提交时间：2015/09/02
社交媒体 深度学习 排序学习 矩阵分解 数据挖掘 Soical Media Deep Learning Learning To Rank Matrix Factorization Data Mining |
