暂无评论
图在许多应用中被广泛用于表示复杂数据,如电子商务、社交网络和生物信息学。高效、有效地分析图数据对于基于图的应用程序非常重要。然而,大多数图分析任务是组合优化(CO)问题,这是NP困难。最近的研究集中在
收集了一些关于行人检测的中英文的综述论文
随着IT技术的不断发展,越来越多的人把关注目光投入到了计算机软件领域,而软件构架凭借其在软件设计过程中的重要地位更是得到了大家的重视。本文以软件构架为研究对象进行分析,从软件架构与软件框架的概念谈起,
不错的一份关于物联网的综述!希望能对研究物联网的人有所帮助
文档包含几篇网络表示学习的论文,对网络表示学习进行了很好的总结,阐述了网络表示学习的发展历程以及未来研究下方向,对网络表示学习的算法知识进行了很好的总结。
布谷鸟搜索算法综述,差分进化算法综述,粒子群优化算法综述,人工免疫系统:理论与应用,新型群智能优化算法综述,遗传算法研究综述,蚁群优化算法的原理及其应用,自适应局部增强微分进化改进算法
尽管在深度学习方面取得了最近的进展,但大多数方法仍然采用类似“筒仓”的解决方案,专注于孤立地学习每个任务:为每个单独的任务训练一个单独的神经网络。然而,许多现实问题需要多模态方法,因此需要多任务模型。
由于时空数据量的激增,基于位置的服务和应用的普及,以及从时空数据中提取知识以解决广泛的现实问题的重要性,在过去十年中,在空间和时空数据分析领域进行了大量的研究和开发工作。现有作品的主要目标是开发算法和
本文综述了近年来在大间隔训练及其理论基础方面取得的进展,主要针对(非线性)深度神经网络(DNNs),这可能是过去十年来社区中针对大规模数据最著名的机器学习模型。我们概括了从经典研究到最新DNNs分类边
表示学习为各种AI领域提供了一种革命性的学习范式。在这个综述中,我们研究和回顾了表示学习的问题,并将重点放在由不同类型的顶点和关系组成的异构网络上。这个问题的目标是自动地将输入异构网络中的对象(最常见
暂无评论