检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

49 篇 专利

馆藏范围

49 篇 电子文献
0 种 纸本馆藏

日期分布

机构

4 篇 吉林大学
4 篇 杭州电子科技大学
4 篇 京东科技控股股份...
2 篇 中国科学院计算技...
2 篇 南京行者易智能交...
2 篇 上海交通大学
2 篇 标贝科技有限公司
2 篇 华南理工大学
2 篇 厦门美柚股份有限...
2 篇 北京开科唯识技术...
1 篇 华中科技大学
1 篇 如你所视科技有限...
1 篇 四川华能太平驿水...
1 篇 河南省农业科学院...
1 篇 贝壳技术有限公司
1 篇 北京华控智加科技...
1 篇 支付宝实验室有限...
1 篇 富士通株式会社
1 篇 中国医学科学院肿...
1 篇 深圳安途智行科技...

作者

4 篇 张日东
4 篇 黄志翔
4 篇 李怡欣
4 篇 王虎
3 篇 陈光
2 篇 吴天鹏
2 篇 李军
2 篇 孟祥东
2 篇 关珊珊
2 篇 徐异凌
2 篇 刘桂霞
2 篇 王荣全
2 篇 宋佳智
2 篇 黄益聪
2 篇 赵雪娇
2 篇 张俊锋
2 篇 陈方毅
2 篇 连枫钊
2 篇 张一凡
2 篇 陈昱彤

语言

49 篇 中文

检索条件"主题词=模型分数"

共 49 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

电加热炉的多模型分数阶加权预测函数控制方法

电加热炉的多模型分数阶加权预测函数控制方法

引用

作者：张日东张俊锋徐卫德 310018 浙江省杭州市下沙高教园区2号大街

本发明公开了一种电加热炉的多模型分数阶加权预测函数控制方法。本发明首先将电加热炉的工作温度区间划分为几个子区间，然后在其相应的子区间上建立其分数阶模型，再利用Oustaloup近似方法线将分数阶模型转换为高阶的整数模型，利用... 详细信息

标准号: CN105974798A

本发明公开了一种电加热炉的多模型分数阶加权预测函数控制方法。本发明首先将电加热炉的工作温度区间划分为几个子区间，然后在其相应的子区间上建立其分数阶模型，再利用Oustaloup近似方法线将分数阶模型转换为高阶的整数模型，利用预测控制函数方法设计每个区间的控制器，最后根据模型与实际对象之间的误差建立每个模型的比例系数，从而得到多模型结构的控制器输入量。本发明通过建立了被控对象的局部状态空间模型，将之前的非线性模型转换为了线性局部模型，提高了系统的控制性能，同时促进了模型预测控制方法在分数阶系统中的运用。

关键词：分数阶电加热炉工作温度区间局部状态空间模型预测控制非线性模型控制器输入被控对象比例系数函数控制加权预测局部模型控制性能模型分数模型结构模型转换实际对象预测控制控制器再利用子区间高阶近似转换

来源：评论

学校读者我要写书评

暂无评论

一种工业加热炉多模型分数阶控制方法

一种工业加热炉多模型分数阶控制方法

引用

作者：李孜伟张日东 310018 浙江省杭州市下沙高教园区2号大街

本发明公开了一种工业加热炉多模型分数阶控制方法，其特征在于包括如下步骤：步骤1.将内部PID控制器和加热炉作为一个广义过程，建立加热炉的广义过程模型；步骤2.建立局部分数阶模型；步骤3.设计工业加热炉分数阶控制器。本发明的技... 详细信息

标准号: CN109001975B

本发明公开了一种工业加热炉多模型分数阶控制方法，其特征在于包括如下步骤：步骤1.将内部PID控制器和加热炉作为一个广义过程，建立加热炉的广义过程模型；步骤2.建立局部分数阶模型；步骤3.设计工业加热炉分数阶控制器。本发明的技术方案是通过模型建立、误差补偿方法、优化等手段，确立了一种多模型分数阶控制方法，利用该方法可有效处理非线性工业过程的控制问题，保证了系统具有良好的控制性能。

关键词：加热炉工业加热炉模型分数工业过程过程模型局部分数控制性能模型建立误差补偿有效处理控制器分数阶优化保证

来源：评论

学校读者我要写书评

暂无评论

一种工业加热炉多模型分数阶控制方法

一种工业加热炉多模型分数阶控制方法

引用

作者：李孜伟张日东 310018 浙江省杭州市下沙高教园区2号大街

标准号: CN109001975A

关键词：加热炉工业加热炉模型分数工业过程过程模型局部分数控制性能模型建立误差补偿有效处理控制器分数阶优化保证

来源：评论

学校读者我要写书评

暂无评论

电加热炉的多模型分数阶加权预测函数控制方法

电加热炉的多模型分数阶加权预测函数控制方法

引用

作者：张日东张俊锋徐卫德 310018 浙江省杭州市下沙高教园区2号大街

标准号: CN105974798B

来源：评论

学校读者我要写书评

暂无评论

一种基于分数图的目标检测模型训练方法及目标检测方法

一种基于分数图的目标检测模型训练方法及目标检测方法

引用

作者：吴天鹏周金明李军 210014 江苏省南京市秦淮区永智路6号南京白下高新技术产业园区四号楼A栋一楼

本发明公开了一种基于分数图的目标检测模型训练方法及目标检测方法，目标检测模型训练方法包括：获取目标检测的数据集图片，设定目标检测模型分数图的感受野尺寸，构建输入图片与分数图的映射关系，采用目标检测的数据集对目标检测模... 详细信息

标准号: CN113569878A

本发明公开了一种基于分数图的目标检测模型训练方法及目标检测方法，目标检测模型训练方法包括：获取目标检测的数据集图片，设定目标检测模型分数图的感受野尺寸，构建输入图片与分数图的映射关系，采用目标检测的数据集对目标检测模型训练，通过合理和细化的构建输入图片到分数图的映射关系，在分数图上采用邻域极大值算法得到中心点，然后根据中心点的上下左右四个方向的临近分数值换算出预测框的位置和尺寸信息，大大减少了模型结构的参数量，有利于模型的拟合，减少计算量，加快检测速度，有利于算法的落地应用。

关键词：目标检测分数图模型训练输入图片映射关系数据集中心点构建算法尺寸信息获取目标模型分数模型结构计算量检测换算邻域拟合细化落地预测应用图片

来源：评论

学校读者我要写书评

暂无评论

一种基于分数图的目标检测模型训练方法及目标检测方法

一种基于分数图的目标检测模型训练方法及目标检测方法

引用

作者：吴天鹏周金明李军 210014 江苏省南京市秦淮区永智路6号南京白下高新技术产业园区四号楼A栋一楼

标准号: CN113569878B

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的代谢物标志物模型识别山药保存期的方法

基于机器学习的代谢物标志物模型识别山药保存期的方法

引用

作者：安莉吴绪金陈贺李萌张迪周娟马欢马婧玮李通许海康李委王铁良段然 450003 河南省郑州市金水区花园路116号

本发明提出了一种基于机器学习的代谢物标志物模型识别山药保存期的方法，步骤为：采集不同保存时期的山药样本进行破碎和干燥处理；将山药干燥样本放入提取溶剂分别得到不同的样品进样液；采用液相色谱‑质谱联用仪对不同的样品进样液... 详细信息

标准号: CN117288865A

本发明提出了一种基于机器学习的代谢物标志物模型识别山药保存期的方法，步骤为：采集不同保存时期的山药样本进行破碎和干燥处理；将山药干燥样本放入提取溶剂分别得到不同的样品进样液；采用液相色谱‑质谱联用仪对不同的样品进样液进行高通量分析，获取代谢物数据；对采集的代谢物数据进行数据清洗，选择对保存期判断影响较大的代谢物标志物；将潜在差异代谢物基于机器学习算法筛选出山药最佳采收期的特征标志物，构建代谢物标志物模型；根据代谢物标志物模型计算待判断山药样本的模型分数，根据模型分数进行保存期判断。本发明更具客观性和准确性，减少了主观因素影响，且操作简便，可以实时判断，为山药的储存和食用提供了新的解决方案。

关键词：代谢物山药标志物保存期基于机器模型分数样品进样样本采集高通量分析质谱联用仪最佳采收期干燥处理干燥样本模型计算模型识别潜在差异实时判断数据清洗特征标志提取溶剂学习算法液相色谱主观因素放入构建破碎储存筛选食用保存学习

来源：评论

学校读者我要写书评

暂无评论

语音识别方法、装置和系统及存储介质

语音识别方法、装置和系统及存储介质

引用

作者：王杰李秀林 100192 北京市海淀区西小口路66号中关村东升科技园·北领地B-2号楼2层A203A(东升地区)

本发明提供一种语音识别方法、装置和系统及存储介质。方法包括：获取待识别语音；提取待识别语音的声学特征；将声学特征输入转换器模型，以在第i个时间步获得转换器模型输出的与第i个语音段相对应的模型分数集合，i＝1,2,……,n，模... 详细信息

标准号: CN112133294A

本发明提供一种语音识别方法、装置和系统及存储介质。方法包括：获取待识别语音；提取待识别语音的声学特征；将声学特征输入转换器模型，以在第i个时间步获得转换器模型输出的与第i个语音段相对应的模型分数集合，i＝1,2,……,n，模型分数集合包括与转换器模型所建模的文字集合中的所有文字一一对应的模型分数，每个模型分数表示第i个语音段属于该模型分数所对应的文字的概率；结合模型分数集合以及加权有限状态机模块，计算从第1个语音段至第i个语音段中的所有语音段所对应的至少一个转移路径各自的路径分数；基于至少一个转移路径各自的路径分数，获得与第i个语音段相对应的文字解码结果。该方法有助于提高整个语音识别系统的识别正确率。

关键词：模型分数语音段转换器模型集合路径分数声学特征转移路径语音语音识别系统输入转换器状态机模块存储介质文字集合文字解码语音识别时间步正确率建模加权输出概率

来源：评论

学校读者我要写书评

暂无评论

一种基于相似性过滤的联邦学习后门防御方法

一种基于相似性过滤的联邦学习后门防御方法

引用

作者：方黎明蒋鹏殷常春 211106 江苏省南京市江宁区将军大道29号

本发明公开了一种基于相似性过滤的联邦学习后门防御方法，当本地更新被上传至服务器后，两两比较它们的余弦夹角，随后将相似度较高的更新识别为恶意更新；计算剩余每个更新的更新间的余弦相似度得分、更新的更新程度得分以及每个模型... 详细信息

标准号: CN118114243A

本发明公开了一种基于相似性过滤的联邦学习后门防御方法，当本地更新被上传至服务器后，两两比较它们的余弦夹角，随后将相似度较高的更新识别为恶意更新；计算剩余每个更新的更新间的余弦相似度得分、更新的更新程度得分以及每个模型和全局模型的余弦相似度得分；通过这三个分数，使用预定义的权重加权它们以此得到所有更新的模型分数，将模型分数较高的更新识别为良性更新并纳入聚合，随后将其他恶意模型通过一个为负的遗忘程度参数缩放，以增大后门的损失。本发明能够保持良好的防御性能，后门攻击仅能取得极低的攻击成功率，同时对主任务精度的影响较小。

关键词：更新余弦相似度模型分数程度参数防御性能后门攻击全局模型后门的相似度预定义加权权重上传缩放余弦成功率后门聚合服务器过滤遗忘防御攻击学习

来源：评论

学校读者我要写书评

暂无评论

一种基于联邦学习的多模态生物特征识别方法

一种基于联邦学习的多模态生物特征识别方法

引用

作者：康文雄陈光连枫钊黄俊端杨伟利 510640 广东省广州市天河区五山路381号

本发明涉及数据融合处理技术领域，提供了一种基于联邦学习的多模态生物特征识别方法。该方法包括：将初始模型发送至多个参与方，各个参与方利用自身训练数据对初始模型训练后形成本地初始模型；服务器将个各模型的参数进行聚类，抽取... 详细信息

标准号: CN116665319B

本发明涉及数据融合处理技术领域，提供了一种基于联邦学习的多模态生物特征识别方法。该方法包括：将初始模型发送至多个参与方，各个参与方利用自身训练数据对初始模型训练后形成本地初始模型；服务器将个各模型的参数进行聚类，抽取每一簇内的多个参与方，参与方利用本地数据训练本地初始模型，将本地初始模型与服务方簇内的模型进行参数汇聚；服务方对同模态模型组按照不同的模态进行融合生成可互补多模态模型组；服务方将可互补多模态模型组的多模态模型互补的发送到参与方，同时将同模态模型发互补的发给参与方；参与方采用多模态模型分数融合的方法，将本地初始模型、同模态模型和多模态模型进行融合形成参与方所需的多模态融合模型。

关键词：参与方初始模型多模态模态模型服务方融合模型组多模态生物特征模型分数数据融合数据训练训练数据聚类模态服务器抽取发送汇聚学习

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共5页 << < 1 2 3 4 5 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：