两性作爱视频在线观看,天天色天天射天天综合网,久久精品无码中文字幕

基于交點的新層次聚類算法

介紹了一種新的分層聚類算法，該聚類算法的主要目的是利用交點提供更好的聚類質量和更高的準確性。為了驗證該聚類算法，對基準數據集進行了幾次實驗，并與其他五種廣泛使用的聚類算法進行對比。使用純度作為外部標準來評估聚類算法的性能，并計算了由聚類算法得出的每個聚類的緊密度，以評估聚類算法的有效性。實驗結果表明，在大多數情況下，該算法的錯誤率低于研究中使用的其他聚類算法。

發(fā)表于：12/15/2020

基于圖卷積網格自編碼器的網格參數化

網格參數化作為數字幾何處理的基本工具，在游戲娛樂、工程設計、仿真模擬等多種領域有著廣泛的應用背景。傳統的網格參數化方法大多通過求解線性系統或者非線性系統獲得結果，存在著求解速度慢、不夠魯棒的問題。提出了一個基于圖卷積網格自編碼器的網格參數化模型，采用了圖卷積網格自編碼器的編碼部分與自行構建的參數化解碼部分結合的方式生成網絡，使用一類人臉網格數據集作為網絡訓練數據，并與傳統優(yōu)化算法進行對比。結果表明，使用建立的網格參數化模型，在保證參數化效果的同時，獲得參數化結果的速度比SLIM(Scalable Locally Injective Mappings，SLIM)算法快68%，比PP(Progressive Parameterizations)算法快約4倍。

發(fā)表于：12/15/2020

微型仿生撲翼飛行器研究綜述

基于仿生學原理的撲翼飛行器因質量輕、體積小、靈活性好、隱蔽性高等優(yōu)點在軍事和民用領域應用廣泛，實現撲翼飛行器的微型化是未來發(fā)展方向。首先介紹了微型仿生撲翼飛行器的概念和特點，分析了研究背景和國內外研究現狀及成果，在此基礎上，就實現微型仿生撲翼飛行器需要解決的關鍵技術和難題進行了討論，最后對我國微型仿生撲翼飛行器的應用前景作出展望。

發(fā)表于：12/15/2020

Raw格式巖心圖像超分辨率重建

在巖心面陣相機開發(fā)中，可以使用基于學習的超分辨率技術來提升巖心圖像的分辨率。針對現有超分辨率技術在重建巖心圖像時存在的細節(jié)模糊或色彩偏差等問題，提出了一種基于深度卷積神經網絡的Raw格式巖心圖像超分辨率重建算法。首先，模擬相機圖像處理器的線性處理部分合成線性圖像數據集；然后，通過一個雙層卷積神經網絡，分別訓練高低分辨率圖像之間的紋理、色彩映射關系；最后，用重建出的線性高分辨率圖像模擬相機圖像處理器的非線性處理部分，獲得紋理清晰且色彩逼真的巖心重建圖像。實驗結果表明，本文提出的重建算法提升了巖心圖像的重建效果。

發(fā)表于：12/15/2020

基于混合注意力機制的表情識別研究

針對目前傳統人臉表情識別算法存在特征提取復雜、表情識別率低等問題，提出一種基于混合注意力機制的ResNet人臉表情識別方法。該方法把通道注意力模塊和空間注意力模塊組成混合注意力模塊，將混合注意力模塊嵌入ResNet殘差學習分支中。針對CK+人臉表情數據集過小問題，采用數據增強策略擴充數據集。實驗結果表明，改進后的ResNet在CK+數據集上表情識別準確率為97.04%，有效提高了表情識別準確率。

發(fā)表于：12/15/2020

一種融合注意力和記憶網絡的序列推薦算法

傳統基于協同過濾和矩陣分解的靜態(tài)表示推薦算法，不能很好地體現用戶的動態(tài)興趣。循環(huán)神經網絡能夠進行序列推薦，但存在序列之間的長距離依賴性差、各項目的區(qū)分度差等問題。由此提出一種融合注意力和記憶網絡的序列推薦算法，根據Word2vec算法，引申item2vec和user2vec，初始化用戶和項目的固定表示嵌入矩陣，通過結合注意力機制和長短期記憶網絡(Long ShortTerm Memory,LSTM)解決序列之間的長距離依賴性差和區(qū)分度差問題。利用記憶網絡獲取用戶的動態(tài)鄰居，加強用戶的動態(tài)表示，實現更準確的推薦。通過在MovieLens數據集上的實驗結果表明，所提出的算法相比其他算法推薦效果顯著提高。

發(fā)表于：12/15/2020

融合懲罰因子和時間權重的協同過濾推薦算法

發(fā)表于：12/15/2020

認知升維與實踐加速：解讀“與眾不同”的城市智能體

　　第二十二屆中國國際高新技術成果交易會在今年的“雙 11”隆重開幕。本屆盛會可以說結出了累累碩果。　　據了解，3300 多家海內外展商參展，展示高新技術項目超過 9000 項，其中有 1790 項新產品和 767 項新技術是首次亮相，涵蓋了現在主流的人工智能、智能制造、智能駕駛、5G 商用、8K 超高清等諸多領域，這不僅是一場高新科技成果的展示和交易，更是一個全新未來的開啟節(jié)點。

發(fā)表于：12/15/2020

智慧彩超，做幸福家庭的守護神

　　在新冠抗疫的前線，超聲診斷正起著越來越重要的作用，因為它無損傷、非介入的特點，可以在更短時間內檢測病人的同時，保障醫(yī)護人員安全，還能發(fā)現血凝塊等嚴重癥狀。

發(fā)表于：12/14/2020

基于Star-Gan的人臉互換算法

基于Star-Gan的人臉互換算法易旭，白天(中國科學技術大學軟件學院，安徽合肥 230026)基于深度學習的人臉互換算法會因背景人臉環(huán)境的明亮程度、人臉表情、姿勢等因素影響換臉效果，現階段的人臉互換模型存在固有的弊端。采用Patch-Gan(Generative Adversarial Networks)的判別器結構能通過全卷積網絡增強人臉局部一致性的效果。生成器將Unet結構的編碼器的特征輸出作為輸入，能考慮多層信息細節(jié)。整體模型架構采用Star-Gan的模型，引入實例歸一化層能保證圖像的獨立性。最后在Face-Forensics++人臉互換數據集上進行驗證，結果表明，融合的模型有較好的生成效果和細節(jié)。

發(fā)表于：12/14/2020

基于改進VGG16的猴子圖像分類方法

為提高對細粒度圖像分類的準確性和分類速度，提出基于改進VGG16和遷移學習的圖像分類方法。首先從kaggle平臺中獲取十種不同猴子數據集，并對數據集進行標準化處理，包含圖片去椒鹽噪聲、將數據集轉換為TensorFlow中提供的統一TFRecord數據格式。然后遷移學習改進的VGG16卷積神經網絡，模型的優(yōu)化包括利用Swish作為激活函數、將softmax loss與center loss相結合作為損失函數以實現更好的聚類效果、采用性能完善的Adam優(yōu)化器。用訓練集訓練模型以確定微調參數信息，再用測試集檢驗模型準確性。結果表明，該方法對猴子圖像分類的準確度可達到98.875%，分類速度也得到了顯著提升。與其他傳統卷積神經網絡模型相比，該方法具有更高的準確性和適用性。

發(fā)表于：12/14/2020

一種基于卷積神經網絡的立體匹配算法設計

為了解決傳統立體匹配算法對立體圖像在低紋理以及遮擋區(qū)域匹配效果較差的問題，設計了一種端到端的基于卷積神經網絡(Convolutional Neural Network,CNN)的立體匹配算法。該算法采取了殘差卷積神經網絡對圖像特征進行提取，之后利用空洞空間金字塔池化(Atrous Spatial Pyramid Pooling，ASPP)模塊來獲取圖像的上下文信息，并結合多尺度的三維卷積神經網絡對代價空間進行規(guī)整，最終實現了高精度的立體匹配算法。所獲取的視差圖在KITTI2015測試平臺上的誤匹配率為2.42%，與幾何上下文(Geometry and Context,GC)網絡相比較，視差圖的精度提高了0.45%，且運行時間縮短了一半。

發(fā)表于：12/14/2020

成立兩年，清華出身的他們用產品描繪出了基于第三代AI的基礎設施藍圖

「第一代知識驅動的 AI 利用知識、算法和算力 3 個要素構造 AI；第二代數據驅動的 AI 利用數據、算法與算力 3 個要素構造 AI。由于第一、二代 AI 只是從一個側面模擬人類的智能行為，因此存在各自的局限性，不可能觸及人類真正的智能。」清華大學人工智能研究院院長、中國科學院院士張鈸等人在今年 9 月份的一篇專刊文章中這樣寫道。

發(fā)表于：12/10/2020

低調的AI芯片企業(yè)SambaNova開始出圈

　　關注AI芯片領域的用戶應該聽說過SambaNova，這是一家低調的公司，他們幾乎不做宣傳，但卻得到了一些支持。在獲得了由Google Ventures，Intel Capital和Blackrock領導的三輪融資以及在美國能源部的Laurence Livermore和Los Alamos的部署之后，他們現在已經可以為一些客戶提供新產品。SambaNova已經在賺錢，并開始談論使用其新型Cardinal AI處理器構建的新型DataScale SN10-8R系統。

發(fā)表于：12/10/2020

Maxim Integrated新型神經網絡加速器MAX78000 SoC在貿澤開售

2020年12月9日 – 專注于引入新品的全球電子元器件授權分銷商貿澤電子 (Mouser Electronics) 即日起備貨Maxim Integrated的新型MAX78000芯片。MAX78000基于雙核MCU，結合了超低功耗深度神經網絡加速器，為高性能人工智能 (AI) 應用提供所需的算力，是機器視覺、面部識別、目標檢測和分類、時序數據處理和音頻處理等應用的理想選擇。

發(fā)表于：12/10/2020