Results 81 to 90 of about 5,953 (218)
智能科学与技术学报, 2022 深度学习在感知智能上的不断突破推动了人工智能在各领域的广泛应用。但在实际落地过程中，只有把感知智能提高到更高层的认知智能，才能更好地满足日益复杂的应用需求。神经符号学将擅长感知任务的神经网络方法和擅长推理任务的逻辑符号学有机地融合在一起，是实现高层认知智能的途径之一。基于此，提出了一套神经符号学的实用框架NSFOL，并基于NSFOL实现了机器人任务规划、自学习机器人运动规划和教育实验视频评估3个典型应用。实验结果表明，尽管NSFOL尚未完善，但是它已经能够很好地支持相关应用，在可学习、可推理 ...
蔡莹皓 +6 more
doaj
Radar Intelligent Processing Technology and Application for Weak Target [PDF]
Weak target signal processing is the cornerstone and prerequisite for radar to achieve excellent detection performance. In complex practical applications, due to strong clutter interference, weak target signals, unclear image features, and difficult ...
Jian GUAN +7 more
core +1 more source
Zhejiang Daxue xuebao. Lixue ban∶养老产业发展关乎人口老龄化问题，现有的养老服务设施空间布局影响因素及预测优化研究尚不够深入。以杭州市为例，基于第七次人口普查数据及POI数据，对比了决策树（DT）、随机森林（RF）、极端梯度提升树（XGBoost）3种机器学习模型对养老服务设施空间布局的预测精度，选取较优模型进行空间预测分析，并辅以SHAP模型进行深度解释。结果表明∶（1）RF模型的预测精度较高，SHAP模型可以对机器学习算法进行有效解释；（2）人口数量、政府机构对养老服务设施布局有积极作用，金融服务设施对养老服务设施布局有消极作用；（
曾笑奇(ZENG Xiaoqi) +2 more
doaj +1 more source
Guangtongxin yanjiu, 2021 在大力发展智能电网的背景下，支撑电网运转的电力光通信网规模日趋庞大，其承载的业务更加多样化。然而电力光通信网的业务路由规划主要以最短路径算法为主，导致电力光通信网存在业务重要度分布不均衡，从而导致网络局部风险过高的问题。针对上述现状，文章采用深度强化学习技术，以网络业务风险均衡为目标，提出了基于强化学习的电力光通信网风险均衡路由算法。该算法考虑业务重要度分布情况、链路容量和链路光信噪比，实现了电力光通信网风险均衡化。文章选取某省电力通信子网验证方案的有效性，研究结果表明 ...
张庚 +5 more
doaj
Deep Learning Based Code Generation Methods: Literature Review
This paper focuses on Code Generation task that aims at generating relevant code fragments according to given natural language descriptions. In the process of software development, developers often encounter two scenarios.
Chen, Sirong +5 more
core +1 more source
Zhongshan Daxue xuebao. Yixue kexue ban, 2023 目的开发一种辅助发育性髋关节发育不良（DDH）的早期超声筛查的深度学习系统，即新型智能髋关节超声技术（S-hip），并验证其临床应用价值。方法选取我院自 2021年11月至 2022年8月通过标注和审核的婴儿髋关节冠状切面超声图像11 100张，其中8 100张图像用于训练集，3 000张用于测试集，用于构建S-hip深度学习系统。另采集87例婴儿双侧髋关节共174张标准冠状切面超声图像用于验证S-hip的自动测量与医生人工测量之间的一致性。S-hip、超声专家和住院医师分别测量α角、β角和FHC ...
徐英 +6 more
doaj +2 more sources
智能科学与技术学报, 2021 植株叶片检测是植株科学培育和精准农业过程中重要的环节之一。传统植株叶片检测的做法对操作人员的专业知识提出了较高要求，且人工成本高、耗时周期长。基于此，提出基于多尺度卷积神经网络特征融合（MCFF）的植株叶片检测技术。从深度学习技术辅助植株培育的需求出发，基于多尺度卷积神经网络特征融合，针对莲座模式植物、拟南芥和烟草3种不同类型、不同分辨率的植株进行叶片计数检测。经过与其他主流算法的比较，发现MCFF具备较高的检测精确度，平均精度均值（mAP）为0.662，实现了高度竞争的性能（AP=0.946 ...
李颖 +4 more
doaj