×
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
多模态人工智能系统... [41]
毕业生 [23]
学术期刊 [11]
智能感知与计算研究中... [6]
中科院工业视觉智能装... [4]
脑图谱与类脑智能实验... [3]
更多...
作者
刘成林 [7]
张煦尧 [5]
潘春洪 [4]
向世明 [4]
毛彬杰 [4]
王瑞琪 [4]
更多...
文献类型
学位论文 [37]
期刊论文 [34]
会议论文 [17]
发表日期
2024 [1]
2023 [22]
2022 [26]
2021 [22]
2020 [9]
2019 [3]
更多...
语种
中文 [39]
英语 [29]
出处
IEEE/CAA J... [5]
Machine In... [5]
ACM TRANSA... [2]
IEEE TRANS... [2]
IEEE Trans... [2]
自动化学报 [2]
更多...
资助项目
Major Proj... [3]
National N... [2]
National N... [2]
National N... [2]
National N... [2]
National N... [2]
更多...
收录类别
SCI [20]
EI [12]
其他 [1]
导师
何晖光 [2]
刘成林 [2]
徐常胜 [2]
潘春洪 [2]
赵军 [2]
卢汉清 [1]
更多...
资助机构
National ... [11]
National K... [3]
National K... [3]
Beijing Na... [2]
Major Proj... [2]
61101220 [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88条,第1-10条
帮助
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
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
作者升序
作者降序
发表日期升序
发表日期降序
题名升序
题名降序
期刊影响因子升序
期刊影响因子降序
基于关系网络的轴承剩余使用寿命预测方法
期刊论文
自动化学报, 2023, 卷号: 49, 期号: 7, 页码: 1549-1557
作者:
赵志宏
;
张然
;
孙诗胜
Adobe PDF(3169Kb)
  |  
收藏
  |  
浏览/下载:9/3
  |  
提交时间:2024/04/25
轴承
剩余使用寿命
健康指标
关系网络
元学习
A New Diagnosis Method with Few-shot Learning Based on a Class-rebalance Strategy for Scarce Faults in Industrial Processes
期刊论文
Machine Intelligence Research, 2023, 卷号: 20, 期号: 4, 页码: 583-594
作者:
Xinyao Xu
;
De Xu
;
Fangbo Qin
Adobe PDF(1348Kb)
  |  
收藏
  |  
浏览/下载:4/1
  |  
提交时间:2024/04/23
Data augmentation, feature clustering, class-rebalance strategy, few-shot learning, fault diagnosis
Region-adaptive Concept Aggregation for Few-shot Visual Recognition
期刊论文
Machine Intelligence Research, 2023, 卷号: 20, 期号: 4, 页码: 554-568
作者:
Mengya Han
;
Yibing Zhan
;
Baosheng Yu
;
Yong Luo
;
Han Hu
;
Bo Du
;
Yonggang Wen
;
Dacheng Tao
Adobe PDF(4324Kb)
  |  
收藏
  |  
浏览/下载:5/3
  |  
提交时间:2024/04/23
Few-shot learning, metric-based meta learning, concept learning, region-adaptive, concept-aggregation
Large-scale Multi-modal Pre-trained Models: A Comprehensive Survey
期刊论文
Machine Intelligence Research, 2023, 卷号: 20, 期号: 4, 页码: 447-482
作者:
Xiao Wang
;
Guangyao Chen
;
Guangwu Qian
;
Pengcheng Gao
;
Xiao-Yong Wei
;
Yaowei Wang
;
Yonghong Tian
;
Wen Gao
Adobe PDF(3540Kb)
  |  
收藏
  |  
浏览/下载:10/2
  |  
提交时间:2024/04/23
Multi-modal (MM), pre-trained model (PTM), information fusion, representation learning, deep learning
Weakly Correlated Knowledge Integration for Few-shot Image Classification
期刊论文
Machine Intelligence Research, 2022, 卷号: 19, 期号: 1, 页码: 24-37
作者:
Chun Yang
;
Chang Liu
;
Xu-Cheng Yin
Adobe PDF(1133Kb)
  |  
收藏
  |  
浏览/下载:10/3
  |  
提交时间:2024/04/23
Computer vision
pattern recognition
knowledge refinement and reuse
neural networks
machine vision
Visual Semantic Segmentation Based on Few/Zero-Shot Learning: An Overview
期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 5, 页码: 1106-1126
作者:
Wenqi Ren
;
Yang Tang
;
Qiyu Sun
;
Chaoqiang Zhao
;
Qing-Long Han
Adobe PDF(12695Kb)
  |  
收藏
  |  
浏览/下载:13/2
  |  
提交时间:2024/04/10
Computer vision
deep learning
few-shot learning
low-shot learning
semantic segmentation
zero-shot learning
基于有限标注数据的图像识别方法研究
学位论文
, 2023
作者:
马成丞
Adobe PDF(4555Kb)
  |  
收藏
  |  
浏览/下载:96/4
  |  
提交时间:2024/01/29
图像识别
深度学习
半监督学习
小样本学习
MENet: A Memory-Based Network with Dual-Branch for Efficient Event Stream Processing
会议论文
, TELAVIV, 2022-6
作者:
Linhui Sun
;
Yifan Zhang
;
Ke Cheng
;
Jian Cheng
;
Hanqing Lu
Adobe PDF(1728Kb)
  |  
收藏
  |  
浏览/下载:77/18
  |  
提交时间:2024/01/22
Event-based model
Dual-branch structure
Memory bank
面向开放世界分类的可信与增量学习
学位论文
, 2023
作者:
朱飞
Adobe PDF(19425Kb)
  |  
收藏
  |  
浏览/下载:182/19
  |  
提交时间:2023/09/12
深度学习
开放世界分类
可信学习
置信度估计
增量学习
类别增量学习研究进展和性能评价
期刊论文
自动化学报, 2023, 卷号: 49, 期号: 3, 页码: 635−660
作者:
朱飞
;
张煦尧
;
刘成林
Adobe PDF(4601Kb)
  |  
收藏
  |  
浏览/下载:240/120
  |  
提交时间:2023/09/12
增量学习
持续学习
灾难性遗忘
机器学习
深度学习