亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

個性化學習推薦是智能學習的一個研究領域,其目標是在學習平臺上給特定學習者提供有效學習資源,從而提升學習積極性與學習效果。雖然現有的推薦方法已被廣泛用于教學場景,但教學活動自身的科學規律,使個性化學習推薦在個性化參數設置、推薦目標設定、評價標準設計等方面具有一定的特殊性。針對上述問題,在調研大量文獻的基礎上對近年來個性化學習推薦的研究進行了綜述。從學習推薦通用框架、學習者建模、學習推薦對象建模、學習推薦算法、學習推薦評價五方面對個性化學習推薦的相關研究進行了系統的梳理和解讀。首先提出了學習推薦系統的通用框架,其次介紹了學習者建模的思路和方法,接著討論了學習推薦對象建模的思路和方法,然后歸納了學習推薦的算法與模型,接下來總結了學習推薦評價的設計與方法。并對這五方面現有研究的主要思想、實施方案、優勢及不足進行了分析。最后還展望了個性化學習推薦未來的發展方向,為智能學習的進一步深入研究奠定了基礎。

行人再識別(person re-identification, ReID)旨在解決跨攝像頭跨場景下目標行人的關聯與匹配, 作為智能視頻監控系統的關鍵環節, 對維護社會公共秩序具有重大作用. 為了深入了解行人再識別研究現狀和加速推進國內行人再識別相關研究及技術落地, 本文對該領域國家自然科學基金申報數量、資助力度以及地理分布情況進行統計, 并針對近年來發表在國際頂級會議和期刊上的行人再識別研究進行全面梳理. 具體地, 首先闡述一個標準行人再識別算法流程, 并總結其中3個關鍵技術:表征學習、度量學習和重排序優化. 隨后, 列舉了實際開放場景中面臨的主要難點與挑戰, 并據此概括了7種開放行人再識別任務:遮擋、無監督、半監督、跨模態、場景行人搜索、對抗魯棒和快速檢索. 此外, 本文整理了標準行人再識別和開放行人再識別的代表性數據集, 并且對一些代表性行人再識別算法進行比較. 最后本文對行人再識別的未來發展趨勢進行展望.

區塊鏈是由一系列網絡節點構建的一種分布式賬本，本身具有不可篡改性、去中心化、去信任化、密碼算法安全性和不可否認性等安全屬性，本文對基于區塊鏈實現的安全服務進行了綜述，這些安全服務包括數據機密性、數據完整性、身份認證、數據隱私、數據可信刪除.首先介紹了區塊鏈和公鑰密碼學的基礎知識，并圍繞上述五種安全服務，給出了用戶真實場景中面臨的安全問題以及傳統的解決方案，并討論了這些傳統實現方案所面臨的問題，之后介紹了使用區塊鏈技術解決相關問題的實現方案，最后討論了區塊鏈的價值以及面臨的問題.

摘要： 在大數據時代，圖被用于各種領域表示具有復雜聯系的數據.圖計算應用被廣泛用于各種領域，以挖掘圖數據中潛在的價值.圖計算應用特有的不規則執行行為，引發了不規則負載、密集讀改寫更新操作、不規則訪存和不規則通信等挑戰.現有通用架構無法有效地應對上述挑戰.為了克服加速圖計算應用面臨的挑戰，大量的圖計算硬件加速架構設計被提出.它們為圖計算應用定制了專用的計算流水線、訪存子系統、存儲子系統和通信子系統.得益于這些定制的硬件設計，圖計算加速架構相比于傳統的通用處理器架構，在性能和能效上均取得了顯著的提升.為了讓相關的研究學者深入了解圖計算硬件加速架構，首先基于計算機的金字塔組織結構，從上到下對現有工作進行分類和總結，并以多個完整架構實例分析應用于不同層次的優化技術之間的關系.接著以圖神經網絡加速架構的具體案例討論新興圖計算應用的加速架構設計.最后對該領域的前沿研究方向進行了總結，并放眼于未來探討圖計算加速架構的發展趨勢.

摘要：醫學影像分割是計算機視覺在醫學影像處理中的一個重要應用領域，其目標是從醫學影像中分割出目標區域，為后續的疾病診斷和治療提供有效的幫助。近年來深度學習技術在圖像處理方面取得了巨大進展，基于深度學習的醫學影像分割算法逐漸成為該領域研究的重點和熱點。首先敘述了計算機視覺下的醫學影像分割任務及其難點，然后重點綜述了基于深度學習的醫學影像分割算法，對當前具有代表性的相關方法進行了分類和總結，進而介紹了醫學影像分割算法常用的評價指標和數據集。最后，對該技術的發展進行了總結和展望。

數據融合是最大程度發揮大數據價值的關鍵，深度學習是挖掘數據深層特征信息的技術利器，基于深度學習的數據融合能夠充分挖掘大數據潛在價值，從新的深度和廣度拓展對世界的探索和認識。本文綜述了近幾年基于深度學習的數據融合方法的相關文獻，以此了解深度學習在數據融合中應用所具有的優勢。首先，分類闡述常見的數據融合方法，同時指出這些方法的優點和不足；接著，從基于深度學習特征提取的數據融合方法、基于深度學習融合的數據融合方法、基于深度學習全過程的數據融合方法三個方面對基于深度學習的數據融合方法進行分析，并做了對比研究與總結；最后，總結全文，討論了深度學習在數據融合中應用的難點和未來需要進一步研究的問題。

//kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=JSGG20201119008&v=UVJbamaWiqPhx%25mmd2F%25mmd2BOu5dHCwhPPmxv19yW5mC2ZX1%25mmd2Bqh0bZ9gpg2gmEH78ZzOsc7eT

摘要：小目標檢測是針對圖像中像素占比少的目標，借助計算機視覺在圖像中找到并判斷該目標所屬類別的目標檢測技術。與目前應用較為成熟的大尺度、中尺度目標檢測不同，小目標自身存在著語義信息少、覆蓋面積小等先天不足，導致小目標的檢測效果并不理想，因此如何提高小目標的檢測效果依然是計算機視覺領域的一大難題。對近年來國內外小目標檢測領域研究成果進行了梳理，以小目標檢測技術為核心，首先對關于小目標的定義、檢測難點進行分析；隨后將能有效提高小目標檢測精度的方法進行分類匯總，并介紹了各種方法的應用與優缺點；最后對未來小目標檢測領域發展趨勢進行了預測與展望。

本文結合工業自動化和信息技術在工業革命中的作用以及制造與生產全流程決策、控制以及運行管理的現狀和智 能化發展方向的分析, 提出了發展工業人工智能的必要性. 通過對人工智能技術的涵義、發展簡史和發展方向的分析以及自 動化與人工智能研究與應用的核心目標、實現方式、研究對象與研究方法等方面的對比分析, 提出了工業人工智能技術的涵 義. 通過對工業人工智能和工業自動化的研究對象與研究目標對比分析, 提出了工業人工智能的研究方向和研究思路與方法。

//www.aas.net.cn/