用户名： 密码： 找回密码 中文版 English 本站信箱 收藏本站 本网介绍

首页加盟期刊收录期刊评价中心文献导读期刊动态博客美文问题解答在线订阅新浪微博RSS
网站动态： 中国计算机期刊网介绍          欢迎关注中国计算机期刊网微信订阅号！          中国计算机期刊网正式发布,欢迎访问!          如何申请成为收录期刊和加盟期刊         
  •   按检索    检索词：    高级检索
     排序：相关度 OA 时间 被引次数 点击次数 下载次数 共有10000条符合的查询结果，以下是第9941-9950项 搜索用时 150 毫秒
[首页] « 上一页 [990] [991] [992] [993] [994] 995 [996] [997] [998] [999] [1000] 下一页 » 末  页»
9941.
  
在综合对比传统知识图谱表示学习模型优缺点以及适用任务后,发现传统的单一模态知识图谱无法很好地表示知识。因此,如何利用文本、图片、视频、音频等多模态数据进行知识图谱表示学习成为一个重要的研究方向。同时,详细分析了常用的多模态知识图谱数据集,为相关研究人员提供数据支持。在此基础上,进… …   相似文献
9942.
  
行人重识别是计算机视觉领域的热点研究课题之一.近年来,为了解决行人重识别实际应用中标签数据稀缺的问题,同时也为了有效地利用现有的标签数据,研究者们提出了基于生成对抗网络以及基于伪标签的领域自适应方法,用于进行跨领域的行人重识别研究.基于伪标签的无监督领域自适应行人重识别方法由于效… …   相似文献
9943.
联邦学习作为一种分布式机器学习框架,客户端可以在不向服务器传输数据的情况下进行全局模型训练,解决了数据分散和数据隐私的问题. 联邦学习可以在具有相似数据特征和分布的客户端上很好地工作. 但是在很多场景中,客户端数据在分布、数量和概念上的不同,造成了全局模型训练困难. 为此,个性化… …   相似文献
9944.
Negabent函数是一种具有最优自相关性、较高非线性度的布尔函数,在密码学、编码理论及组合设计中都有着广泛的应用。该文基于有限域上的迹函数,将其与置换多项式相结合,提出两种构造negabent函数的方法。所构造的两类negabent函数均具备${text{Tr}}_1^k(la… …   相似文献
9945.
针对布尔可满足性问题的高效求解进行了研究。首先,通过对k-SAT问题和基于耦合常微分方程形式的确定性连续时间动态系统的分析,提出了一种基于时延信息形式的改进连续时间动态系统方程,以保持集中搜索特性;然后,提出了实现该系统方程的三个主要组件即信号动态电路、辅助变量电路和数字验证电路… …   相似文献
9946.
传统子空间聚类方法通常使用矩阵核范数代替矩阵秩函数进行低秩矩阵恢复,然而在目标优化过程中主要关注低秩矩阵大奇异值的影响,容易导致矩阵秩估计不准确的问题。为此,在分析矩阵奇异值长尾分布特点基础上,提出使用基于截断Schatten-p范数的低秩子空间聚类模型。该模型充分考虑小奇异值对… …   相似文献
9947.
针对现有对话情绪识别方法中对时序信息、话语者信息、多模态信息利用不充分的问题,提出了一个时序信息感知的多模态有向无环图模型(MTDAG)。其中所设计的时序感知单元能按照时间顺序优化话语权重设置,并收集历史情绪线索,实现基于近因效应下对时序信息和历史信息更有效的利用;设计的上下文和… …   相似文献
9948.
联邦学习是一种革命性的深度学习模式,可以保护用户不暴露其私有数据,同时合作训练全局模型。然而某些客户端的恶意行为会导致单点故障以及隐私泄露的风险,使得联邦学习的安全性面临极大挑战。为了解决上述安全问题,在现有研究的基础上提出了一种区块链赋能多边缘联邦学习模型。首先,通过融合区块链… …   相似文献
9949.
针对现有社交化推荐算法忽视了评级数据与社交信息之间关联的探索,提出了一种融合交互强度的优化社交推荐算法。首先,利用社交信息和评级数据结合两种相似度丰富社交矩阵;接着,定义用户间交互强度代表用户间复杂关系;最后,利用交互强度与社交关系之间的关联以及用户潜在特征与用户群体参与特征的关… …   相似文献
9950.
在实际的数据迁移项目中,为了解决数据映射的问题,需要确定两个工作流模型之间的相似度。从工作流模型的相似性方面进行分析阐述,提出了基于Petri网的工作流模型展开树的路径序列相似性算法。首先采用深度优先搜索算法和动态规划算法对模型进行搜索;其次通过提出的算法获取展开树的所有路径序列… …   相似文献
[首页] « 上一页 [990] [991] [992] [993] [994] 995 [996] [997] [998] [999] [1000] 下一页 » 末  页»
关于我们 | 广告服务 | 商务洽谈 | 联系我们 | 免责条款 | 隐私声明 | 网站导航
网站版权所有：中国科学院软件研究所  京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持