关键词neural network-based approach
搜索结果 - 10
- 基于神经网络的数据驱动的自相似性发现
该研究提出了一种基于神经网络的新方法，通过观测数据直接发现自相似性，无需预设任何模型。通过在神经网络中以参数化的方式结构性地纳入特定形式，可以提取刻画物理问题的尺度转换对称性的功率指数。使用合成数据和实验数据验证了该方法的有效性，证实其作为 - 基于神经网络的单视角 2D 视频棒球投球轨迹跟踪与三维重建
本文介绍了一种基于神经网络的方法，用于从 2D 视频片段到 3D 坐标的跟踪和重构棒球投球轨迹。该方法利用 OpenCV 的 CSRT 算法准确跟踪 2D 视频帧中的棒球和固定参考点，然后使用跟踪的像素坐标作为我们的神经网络模型的输入特征， - 基于梯度的方法学习离散对数的难解性
研究了梯度法在有限循环群中学习离散对数奇偶位的局限性，理论和经验证实发现梯度函数集中在一个固定点附近，不管所使用的对数的基。通过使用内积空间中的 Boas-Bellman 不等式以及建立离散对数奇偶位函数的近似正交性，对于基于梯度的学习的限 - 多标签流分类中的效率与有效性平衡及缺失标签健壮性提供
我们提出了基于神经网络的方法来处理高维度多标签分类问题，在数据流环境下通过选择性概念漂移适应机制，使用简单但有效的标签缺失填补策略，基于权重二元关联方法和广义集成学习系统来平衡效果与效率，并通过实验验证了该方法对于缺失标签和概念漂移的鲁棒性 - 基于 AI 方法和农作物模拟模型的作物收成预测的全面建模方法
本文提出了一个综合的方法，将数据驱动解决方案与作物模拟模型（CSMs）和模型替代品相结合，以支持农作物管理决策时的多个用户配置文件和需求，我们的数据驱动建模方法与作物产量的相关性预测接近 91％，而作物模拟建模结构实现了 6％的误差；所提出 - 从部分观测图像中学习视觉规划模型
本文提供了一种新框架 Recplan，用于从部分观察到的原始图像轨迹中学习转换模型。通过考虑轨迹中的前面和后面的图像，我们学习原始观察的潜在状态表示，然后基于这样的表示构建转换模型。此外，我们提出了一种基于神经网络的方法，学习估计朝着给定目 - MM使用深度学习的并行速率失真优化量化
通过基于神经网络的方法来实现速率 - 失真优化量化 (RDOQ), 用于视频压缩标准 HEVC 中的后量化步骤中，使其在实时硬件编码器中的执行开销降低。该方法在 HM 16.20 中的实现，比起标量量化方法能够获得更好的性能表现，同时在光度 - MM分布语义建模：应用本体相关方法来训练词向量空间模型的修订技术
本文提出了一种基于神经网络的分布式语义建模技术 SPT，通过自然语言文本中的术语自动提取和应用医学或应用于构建术语向量空间模型的基本实体，实现从分布式词表示向分布式术语表示的转换，从而提高传统本体论开发的准确性。
- 基于神经网络的图嵌入用于跨平台二进制代码相似性检测
提出了一种基于神经网络的方法来计算二进制函数的编码，并通过测量两个函数之间编码的距离来有效地检测二进制代码的相似性，称为 Gemini，将生成时间从 1 周减少到 30 分钟到 10 小时，并在现实世界的案例中展示了 Gemini 比现有技 - 基于外部知识的自由形式视觉问答
提出了一种结合图像内容的内部表示和来自广义知识库提取的信息以回答广泛的基于图像的问题的视觉问答方法，可回答自然语言提出的关于图像内容以外信息的问题，显示在 Toronto COCO-QA 和 MS COCO-VQA 数据集上获得最佳结果。