Results 41 to 50 of about 5,953 (218)
Threat analysis and defense methods of deep-learning-based data theft in data sandbox mode [PDF]
, 2021 The threat model of deep-learning-based data theft in data sandbox model was analyzed in detail, and the degree of damage and distinguishing characteristics of this attack were quantitatively evaluated both in the data processing stage and the model ...
Chuanyi LIU +5 more
core +1 more source
A study on time series prediction model based on CRBM algorithm(基于CRBM算法的时间序列预测模型研究)
Zhejiang Daxue xuebao. Lixue ban, 2016 针对受限玻尔兹曼机(restricted Boltzmann machines，RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题，基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)模型，构建了 一种非线性的CRBM-DBN深度学习模型，并采用高斯分布处理输入特征值和对比散度抽样，用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值 ...
ZHOUXiaoli(周晓莉) +4 more
doaj +1 more source
智能科学与技术学报, 2020 深度学习是近年来发展的人工智能技术。相比于传统浅层学习模型，深度学习具有强大的特征表示和函数拟合能力。深度学习能够从海量数据中提取层次特征，其在流程工业过程数据驱动建模中具有较大的潜力和应用前景。首先简单介绍了深度学习的发展历程；然后，介绍了4类广泛使用的深度学习模型以及它们在流程工业过程数据建模中的应用；最后，在流程工业过程数据建模领域对深度学习进行了简要总结。
袁小锋 +3 more
doaj
Channel estimation for OFDM system based on deep learning [PDF]
, 2023 An efficient channel estimation model based on deep learning was proposed for the problems of inter-carrier interference and inter-symbol interference in 5G system signal reception.The estimated channels were obtained through a preliminary estimation at ...
Jing ZHOU +4 more
core +1 more source
智能科学与技术学报, 2020 深度强化学习主要被用来处理感知-决策问题，已经成为人工智能领域重要的研究分支。概述了基于值函数和策略梯度的两类深度强化学习算法，详细阐述了深度Q网络、深度策略梯度及相关改进算法的原理，并综述了深度强化学习在视频游戏、导航、多智能体协作以及推荐系统等领域的应用研究进展。最后，对深度强化学习的算法和应用进行展望，针对一些未来的研究方向和研究热点给出了建议。
刘朝阳, 穆朝絮, 孙长银
doaj
智能科学与技术学报, 2021 随着深度学习技术的突破和大型数据集的提出，行人轨迹预测的准确度已经成为人工智能领域的研究热点之一。主要对行人轨迹预测的技术分类和研究现状进行详细的综述。根据模型建模方式的不同，将现有方法分为基于浅层学习的轨迹预测方法和基于深度学习的轨迹预测方法，分析了每类方法中具有代表性的算法的效果及优缺点，归纳了当前主流的轨迹预测公开数据集，并在数据集中对比了主流轨迹预测方法的性能，最后对轨迹预测技术面临的挑战与发展趋势进行了展望。
李琳辉, 周彬, 任威威, 连静
doaj
Kongjian kexue xuebao, 2023 太空台风是极盖区内一种新发现的大尺度亮斑状极光结构，直观表征了地磁平静期的一种堪比磁暴的太阳风能量注入现象，这更新了人们对太阳风–磁层–电离层耦合过程的认识，如何从海量星载极光数据中准确髙效识别出太空台风事件具有重要的科学意义。采用深度学习的方法，通过六种网络模型的对比，最终基于迁移学习和EfficientNetB2网络提出了一种太空台风自动识别方法。在2005－2021年美国国防气象卫星（Defense Meteorological Satellite Program，DMSP）上搭载的紫外光谱成像仪（
夏 凯 +6 more
doaj +1 more source
Deep learning based physical layer wireless communication techniques:opportunities and challenges [PDF]
, 2019 The development of the fifth-generation wireless communications (5G) system is promoted by the high requirements of the high reliability and super-high network capacity.However,existing communication techniques are hard to achieve the high requirements ...
Guan GUI, Hao HUANG, Yu WANG
core +1 more source
智能科学与技术学报, 2020 研究了基于深度强化学习算法的自主式水下航行器（AUV）深度控制问题。区别于传统的控制算法，深度强化学习方法让航行器自主学习控制律，避免人工建立精确模型和设计控制律。采用深度确定性策略梯度方法设计了actor与critic两种神经网络。actor神经网络给出控制策略，critic神经网络用于评估该策略，AUV的深度控制可以通过训练这两个神经网络实现。在OpenAI Gym平台上仿真验证了算法的有效性。
王日中, 李慧平, 崔迪, 徐德民
doaj
智能科学与技术学报, 2020 针对常用的信号传输模型存在使用场景单一、预测精度不佳的问题，提出一种适用于多场景的数据驱动无线信号传输模型。首先根据先验知识从预处理后的数据构造初始特征，接着进行特征选择，以得到输入特征集合。然后分析建模需求，选择深度置信网络（DBN）、残差网络（ResNet）和堆叠自编码器（SAE）作为区间二型模糊规则的后件（个体深度学习器），经过区间二型模糊推理进行集成。最后采用5G网络信号传输实测数据，并进行实验验证。结果表明，3种个体深度学习器在测试集上的表现均优于Cost231-Hata模型和反向传播神经网络（
赵亮 +4 more
doaj