deep learning framework | BriefGPT

关键词deep learning framework

搜索结果 - 55

一种用于在天文学中联合提取光谱和源计数分布的深度学习框架
天文观测通常提供三维地图，编码观测通量在天球的两个角度和能量 / 频率上的分布。我们提出了一个深度学习框架，能够同时重建不同发射成分的光谱和点源群体的源计数分布，实现了从模拟地图中准确提取复杂形状的光谱和源计数分布的目标。
PDF6 months ago
自动森林清查: 3D 深度学习对高密度航空 LiDAR 点云的分析
通过介绍一种深度学习框架，本研究旨在自动地将高密度点云分割为有意义的树木实体，以及树组件，并从分割数据中获得相关的生物物理参数。通过测试，该系统在个体树木和五个语义类别的分割上取得了较高的准确性，在树冠相关特征方面表现尤其突出，而对于树直径
PDF6 months ago
深度神经网络的无监督音频和语义训练模型
应用深度学习框架从文本特征中提取有意义的表示，研究了语义同步在人际交流和人机交互中的评估及其与声学特征之间的关联性。
PDF6 months ago
StockFormer：基于 STL 分解和自注意力网络的摆动交易策略
在这个波动的时期，Stockformer 作为一种创新的工具，通过深度学习框架、摇摆交易和股票选择，提供了一种强大的市场预测工具，其在预测准确性指标中表现卓越，对市场趋势有着 62.39% 的准确率。
PDF7 months ago
使用循环一致性学习对单细胞干预反应进行可解释建模
基于表型的筛选方法在识别具有活性的化合物方面引起了广泛的关注。本文提出了一种基于编码 - 解码架构的深度学习框架，可以将初始细胞状态映射到潜在空间中，其中假设药物对细胞状态的影响符合线性可加性。通过引入循环一致性约束条件，我们可以强制要求经
PDF8 months ago
使用深度学习方法的产科多普勒超声信号质量点对点实时检测
通过深度学习框架，提高手机数据采集系统中胎儿多普勒数据的质量，并实时提供信号质量指标，从而在低资源社区中改进记录信号的质量。
PDF8 months ago
深度表示学习用于开放词汇的脑电图到文本解码
使用预训练语言模型对无创脑机接口（BCI）通过脑电图（EEG）信号进行解码的潜力进行了研究，提出了一个具有先进表示学习方法的无创脑电记录的端到端深度学习框架，并使用新的评估指标验证了该框架在解码效果方面的优越性。
PDF8 months ago
基于深度学习的目标检测算法识别光变信号。II. 通用光变曲线分类框架
利用弱监督目标检测模型，通过深度学习框架对光变曲线进行分类，自动提取时间域和频率域数据进行特征提取，以实现对不同尺度和采样间隔的数据处理，达到了 87% 的准确率，无需重新训练或微调，并结合适应性预测确保真实标签覆盖和异常检测算法识别外分布
PDF8 months ago
互动智能代理系统中相变鉴别的机器学习方法
通过降阶模型、数据驱动框架、流形学习算法、深度学习框架和分叉图表，本文提出了一种定位基于代理模型 (ABMs) 的平均场极限相变的方法。
PDF8 months ago
科学图像解读的多模态深度学习
该研究提出了一种新的方法，通过多模态深度学习框架从文本和视觉数据中提取洞察力，以模拟和评估人类对扫描电子显微镜 (SEM) 图像（特别是玻璃材料）的交互。我们的模型（GlassLLaVA）在解释、特征识别和检测以前未见的 SEM 图像中的缺
PDF9 months ago
自主在线摄像头校准技术在自动驾驶和停车应用中的研究
提出了一个深度学习框架来实时学习相机的内部和外部校准，该框架自我监督，无需标注或监督学习校准参数，并且无需物理目标或在特殊平面表面上驾驶车辆。
PDFa year ago
AutoLTS: 利用对比学习和空间后处理自动化循环应力评估
我们提出了一个基于深度学习框架的快速高效的大规模骑行压力评估方法，通过街景图像对城市道路网络进行评估，结果表明在缺乏高质量道路几何和交通数据的情况下，使用图像数据进行骑行压力评估是有效的。
PDFa year ago
基于视频的行人再识别与长短期表示学习
提出了一种名为长短期表示学习（LSTRL）的新型深度学习框架，通过多粒度外观提取器（MAE）和双向运动估计器（BME）有效地提取长期和短期信息，显著改善了视频行人重新识别（V-ReID）的特征表示能力。实验证明，该方法在三个广泛使用的基准测
PDFa year ago
基于单眼图像的形状重建的端到端食物分量估计框架
通过使用单目图像进行三维形状重建，我们提出了一种端到端深度学习框架，用于从食物图像中估计食物能量，其在公开的食品图像数据集 Nutrition5k 上评估结果显示，我们的方法具有竞争力的性能，只需使用 RGB 图像作为推理阶段的唯一输入。
PDFa year ago
保护未来：空间 - 时间建模实现新生儿惊厥监测
本文提出了一种深度学习框架 STATENet，针对新生儿脑电图的动态癫痫发作位置、不同构架和巨大的分布变化等挑战，进行革新性的设计，针对大数据集进行实验，并在新生儿癫痫检测性能方面取得了显著的成果。
PDFa year ago
SHoP：用于求解高阶偏微分方程的深度学习框架
本文提出了一种名为 SHoP 的深度学习框架，通过推导神经网络的高阶导数规则和将网络扩展为泰勒级数，实现了高阶偏微分方程的快速准确求解，并通过实验验证了其有效性。
PDFa year ago
2D 图形分析 3D 分子几何
该论文通过提出一种基于消息传递神经网络的深度学习框架，实现从分子结构图计算分子的 3D 几何结构。实验结果表明，该方法比 RDKit 和其他深度学习方法更准确地预测了分子的 3D 几何结构，并在性质预测任务中表现出良好的性能，同时提供了一个
PDFa year ago
基于 Transformer 的深度学习方法用于公平预测肝移植后风险因素
本文提出了使用多任务深度学习模型预测肝移植后的多个风险因素，同时提出一种新的公平算法以确保对不同亚群体的预测结果公平性。在 160,360 名肝移植患者的电子健康记录上进行了实验证明该预测模型具有高准确性和良好的平衡性。
PDFa year ago
解释多模态数据融合：野外地图制作中的遮挡分析
本研究提出了一种深度学习框架，用于对多模式地球观测数据进行模态级别的解释。该框架利用可解释的机器学习方法，即遮挡敏感性，研究了模态在学习过程之前融合的情况下对模型决策的影响，并证明了荒野映射任务受到土地覆盖和夜间光数据等辅助数据的极大益处。
PDFa year ago
TraffNet: 基于道路网络数字孪生的交通生成因果关系学习
使用 TraffNet 这一深度学习框架，通过车辆轨迹数据学习交通流量的因果关系，支持基于时机的决策制定并验证其有效性。
PDFa year ago