欧美《熟妇的荡欲》未删减版,午夜欧美一区在线观看 ,欧美成人精品第一区二区

人工智能相關文章

基于GANs無監督回歸三維參數化人臉模型

針對神經網絡回歸訓練過程中三維人臉數據稀缺的問題，提出了基于生成對抗網絡(GANs)回歸三維參數化人臉模型(3DMM)的無監督學習方式。首先利用GANs的對抗生成訓練使生成器回歸的3DMM參數符合真實感人臉形狀的參數分布。隨后將生成的三維人臉網格渲染成二維圖片，利用身份編碼器對輸入人臉及渲染人臉分別提取身份特征向量，通過不斷縮小向量之間的距離使得生成的三維人臉網格靠近輸入人臉的身份特征。實驗結果表明，該方法在重建結果頂點位置準確性上相對于現有的方法有明顯的提升，且擁有較好的RMSE值，能夠較好應用于三維人臉重建任務。

發表于：12/16/2020

智能化武器裝備標準體系框架研究

近年來，隨著邊緣計算、深度學習等人工智能技術的迅速發展，基于人工智能技術的智能化武器裝備應用日趨廣泛，這對智能化武器裝備的標準化工作提出了更高的要求。針對智能化武器裝備發展現狀進行分析與研究，基于智能化武器裝備標準現狀及發展需求建立了智能化武器裝備標準體系框架。同時，根據智能化武器裝備特點和智能化戰爭需求對未來的標準研制工作提出了建議。

發表于：12/16/2020

基于機器學習的惡意軟件檢測研究進展及挑戰

由于惡意軟件的數量日漸龐大，攻擊手段不斷更新，結合機器學習技術是惡意軟件檢測發展的一個新方向。先簡要介紹惡意軟件檢測中的靜態檢測方法以及動態檢測方法，總結基于機器學習的惡意軟件檢測一般流程，回顧了研究進展。通過使用Ember 2017和Ember 2018數據集，分析驗證了結構化特征相關方法，包括隨機森林(Random Forest，RF)、LightGBM、支持向量機(Support Vector Machine，SVM)、K-means以及卷積神經網絡(Convolutional Neural Network，CNN)等算法模型；使用收集的2019年樣本集分析驗證了序列化特征相關方法，包括幾種常見的深度學習算法模型。計算模型以在不同測試集上的準確率、精確率、召回率以及F1-值作為評估指標。根據實驗結果分析討論了各類方法的優缺點，著重驗證分析了樹模型的泛化能力，表明隨著樣本的不斷演變，模型普遍存在退化問題，并指出進一步研究方向。

發表于：12/16/2020

全球工業機器人市場復合年增長率達14.21%

　　印度浦那 2020 年 12 月 15 日 / 美通社 / -- 　　預期新冠病毒（COVID-19）疫情將對全球工業機器人市場產生積極影響。多個行業正越來越多地通過使用機器人來實現制造和相關過程的自動化。政府機構制定的封鎖措施造成了勞動力短缺，這加速了機器人在食品和飲料、汽車、制造業和制藥等行業的應用。

發表于：12/16/2020

5G機器人 + 無人機，開啟電力巡檢新時代

　　智能巡檢，應運而生　　隨著電網行業智能化轉型的深入推進，電力系統的運行狀態監測、檢測體系正在逐步實現智能化。

發表于：12/16/2020

傳百度與吉利等數家車企初步接洽，商談組建電動汽車合資企業

　　與非網 12 月 16 日訊，近日，有消息稱，百度與包括吉利汽車在內數家車企進行初步接洽，商談組建電動汽車合資企業事宜。針對此消息，百度回應稱：對市場傳聞不作評論。

發表于：12/16/2020

第二屆TE Connectivity AI CUP競賽圓滿落幕

中國上海 -- 2020年12月15日 – 近日，由泰科電子（TE Connectivity，以下簡稱“TE”）主辦的第二屆AI CUP 2019-2020競賽歷時一年順利收官。三支高校隊伍從全球三個賽區脫穎而出：中國蘇州大學FeHulu團隊，中國華南理工大學BIPLAB團隊和美國普渡大學Indubitables團隊分別榮獲冠亞季軍。自2018年起，TE就發起了該競賽，為高校學子提供探索人工智能技術及應用的平臺。今年賽事的范圍更是從亞洲擴展到了全球。學生們在嘗試人工智能技術與工業制造融合應用的同時，通過國際間的技術交流拓寬視野，充實個人經歷，為未來職場做好儲備。

發表于：12/16/2020

基于CNN-LightGBM模型的高速公路交通量預測

有效的交通流量預測對人們出行和交管部門監管都有著重要的意義。傳統的交通量預測模型主要基于交通流的時間特性，未結合交通流的時間和空間特性進行深入挖掘，因此預測效果有時不佳。提出了一種基于CNN與LightGBM結合的交通流預測模型，首先利用CNN模型挖掘出高速公路相鄰路段監測點和出入口的時間和空間關聯性，實現對交通流數據的時空特征提取，然后將CNN提取到的特征向量輸入到LightGBM模型中進行預測。為了驗證模型的有效性，實驗中使用了多種預測模型進行對比，實驗結果表明，所提出的考慮到時空特性的CNNLightGBM組合的模型可以明顯降低預測誤差，是一種有效快速的交通流預測模型。

發表于：12/15/2020

基于方面情感的層次化雙注意力網絡

基于深度學習的方面級情感分析，結合注意力機制的神經網絡模型取得較好的分類效果，但常用方法僅考慮單一層面注意力機制，且無法獲取句子間依賴關系。設計了一種層次化的雙注意力神經網絡模型用于方面級情感分析，針對特定方面引入方面目標的注意力機制以及文本上下文自注意力機制，獲取方面特征信息和句子的全局依賴信息；設計層次化GRU網絡，其中單詞層嵌入特定方面信息，獲取針對方面目標的句子內部特征信息，句子層網絡通過雙注意力機制和詞語層的輸入，獲取句子間的特征依賴信息，從而實現深層次的方面情感分類。在SemEval 2014兩個數據集和Twitter數據集上進行對比實驗，驗證了該方法的有效性，針對方面級情感，分類準確率均得到了有效提升。

發表于：12/15/2020

基于疲勞駕駛的人眼定位方法研究

人眼定位是疲勞駕駛的研究關鍵。由粗到精，先后進行了人臉檢測、瞳孔定位。針對現有方向梯度直方圖人臉檢測算法泛化能力不佳的問題，提出了一種基于信息熵加權的HOG特征提取算法，該算法將待分類的人臉特征進行信息熵閾值加權，形成新的HOG特征，然后通過支持向量機進行分類；針對現有瞳孔定位算法準確率不高的問題，提出了多算法協同工作的瞳孔定位方法，以自商圖為基準尋找二值分割點，實現了眼部區域光照不變性，以灰度積分投影為依據實現了瞳孔精確定位。實驗結果表明，該文提出的人臉檢測算法在CelebA驗證數據集準確率可達到98.26%，較傳統識別方法有更高的準確率；而瞳孔定位算法也可達到令人滿意的精確度，提高了瞳孔定位的準確性。

發表于：12/15/2020

基于雙流卷積神經網絡和生成式對抗網絡的行人重識別算法

近年來，針對行人重識別問題的深度學習技術研究取得了很大的進展。然而，在解決實際數據的特征樣本不平衡問題時，效果仍然不理想。為了解決這一問題，設計了一個更有效的模型，該模型很好地解決了目標的不同姿態的干擾以及數據集中的圖片數量不足的問題。首先，通過遷移姿態生成對抗網絡生成行人不同姿勢的圖片，解決姿態干擾及圖片數量不足的問題。然后利用兩種不同的獨立卷積神經網絡提取圖像特征，并將其結合得到綜合特征。最后，利用提取的特征完成行人重識別。采用姿勢轉換方法對數據集進行擴展，有效地克服了由目標不同姿勢引起的識別誤差，識別錯誤率降低了6%。實驗結果表明，該模型在Market-1501和DukeMTMC-Reid上達到了更好的識別準確度。在DukeMTMC-Reid數據集上測試時，Rank-1準確度增加到92.10%，mAP 達到84.60%。

發表于：12/15/2020

干線動態協調控制的深度Q網絡方法

為有效降低城市交通干線的車均延誤與停車次數，將深度Q網絡引入干線協調控制，給出了一種干線動態協調控制的DDDQN(Dueling Double Deep Q Network)方法。該方法結合雙重深度Q網絡與基于競爭架構深度Q網絡，并將干線作為整體處理，通過深度神經網絡挖掘干線各交叉口協調控制的相關性，基于Q學習進行交通信號控制決策。通過仿真實驗，在近飽和流量和干線存在初始排隊的情況下，將DDDQN方法與現有綠波方法，以及經典深度Q網絡、雙重深度Q網絡、基于競爭架構深度Q網絡的干線協調控制算法進行對比，實驗結果表明基于DDDQN的干線動態協調控制算法性能優于其他四種方法。

發表于：12/15/2020

具有關系敏感嵌入的知識庫錯誤檢測

準確性與質量對于知識庫而言尤為重要，盡管已經有很多關于知識庫不完整性的研究，但是很少有工作者考慮到對于知識庫存在的錯誤進行檢測，按照傳統方法通常無法有效捕捉知識庫中錯誤事實內在相關性。本文提出了一種知識庫具有關系敏感嵌入式方法NSIL，以獲取知識庫各關系之間的相關性，從而檢查出知識庫中的錯誤，以此提高知識庫的準確性與質量。該方法分為相關性處理和錯誤檢測兩階段。在相關性處理階段，使用NSIL的相關函數以分值形式獲取各關系之間的相關度；在錯誤檢測階段，基于相關度分值進行錯誤檢測，對于缺失主體或客體的三元組進行缺失成分預測。最后在知識庫之一Freebase生成的基準數據集“FB15K”上進行了廣泛驗證，證明了該方法在知識庫錯誤知識檢測方面有著很高的性能。

發表于：12/15/2020

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。

發表于：12/15/2020

主站蜘蛛池模板：无码一区二区三区中文字幕| 特黄特色大片免费播放| 国产高潮视频在线观看| 久久9精品久久久| 欧美成人aa久久狼窝动画| 北条麻妃中文字幕免观在线| 成人福利在线视频| 国语自产偷拍精品视频偷| 中文字幕一区二区三区人妻少妇 | 欧美成人xxx| 免费看**一片毛片| 草莓视频网站入口| 国产欧美日韩综合| 9420免费高清在线视频| 性按摩xxxx| 久久久国产99久久国产久| 欧美一级www| 亚洲精品成人区在线观看| 精品福利三区3d卡通动漫| 国产在线视频不卡| 天堂va在线高清一区| 大臿蕉香蕉大视频成人| 中文字幕一区在线观看| 日本高清不卡免费| 亚洲乱码日产精品BD在线观看 | 中文字幕丰满乱子伦无码专区| 最新69国产成人精品免费视频动漫| 亚洲砖码砖专无区2023| 精品亚洲成A人在线观看青青| 国产三级视频在线| 黑白禁区在线观看免费版| 国产精品真实对白精彩久久| freexxxx性女hd性中国| 成人午夜性视频欧美成人| 久久亚洲国产精品五月天婷| 模特冰漪丰硕之美1| 亚洲日韩第一页| 波多野结衣潜入搜查官| 免费看男阳茎进女阳道动态图 | 亚洲Av鲁丝一区二区三区 | 国产3级在线观看|