修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

13 条数据
?? 中文（中国） ▾

  • 基于无监督学习的下行MIMO快速波束成形设计

    摘要： 在下行传输场景中，使用多天线阵列时发射端的功率分配与波束成形设计至关重要。本文研究多输入多输出广播信道，在总功率约束下最大化加权和速率。经典加权最小均方误差（WMMSE）算法虽能获得次优解，但计算复杂度较高。为降低复杂度，我们提出基于无监督学习的快速波束成形设计方法：通过离线训练深度神经网络（DNN），在线阶段仅需简单神经网络运算即可实现实时服务。该训练过程采用端到端方法且无需标注样本，避免了复杂的标签获取流程。此外，我们运用基于"APoZ"的剪枝算法压缩网络规模，进一步降低DNN的计算复杂度和体积，使其更适用于低算力设备。实验结果表明，所提方法在保持接近WMMSE算法性能的同时，显著提升了计算速度。

    关键词： 波束成形、无监督学习、深度学习、网络剪枝、多输入多输出

    更新于2025-09-23 15:23:52

  • [IEEE 2018年第24届国际模式识别会议（ICPR） - 北京（2018年8月20日-2018年8月24日）] 2018年第24届国际模式识别会议（ICPR） - 图像到图像转换中循环一致性生成网络的广泛研究

    摘要： 不同领域间的图像转换一直是一个重要的研究方向，其目标是将源图像内容任意操控为与目标图像相似。近期，循环一致性生成网络（CycleGAN）已成为通用图像转换的基础方法，但几乎无人探究可能影响其性能的因素。为提供更多见解，我们基于CycleGAN提出了两个新模型：LongCycleGAN和NestCycleGAN。首先，LongCycleGAN通过级联多个生成器以长循环方式执行域转换，展示了堆叠更多生成器对生成质量的提升效果。除长循环外，NestCycleGAN开发了新的内循环直接连接中间生成器，有助于约束无监督映射。实验中，我们对照片?标签、照片?素描及照片上色等任务进行了定性与定量比较。结果表明这两个新模型均具有显著有效性。

    关键词： CycleGAN（循环生成对抗网络）、NestCycleGAN（嵌套循环生成对抗网络）、无监督学习、图像到图像转换、循环一致性生成网络、LongCycleGAN（长循环生成对抗网络）

    更新于2025-09-23 15:22:29

  • 人工智能算法实现工业级石墨烯表征

    摘要： 目前尚无表征方法能快速完成工业规模生产的二维材料质量检测，这阻碍了二维材料在众多行业产品制造中的应用。本研究报道了一种人工智能辅助拉曼分析法，可无损快速检测厘米级石墨烯样品的质量。我们通过设计化学气相沉积法制备石墨烯，获得了两种厘米级样品：层间加岛状结构与逐层生长的石墨烯薄膜?；谡庑┭?，我们将无监督学习算法与自动化拉曼光谱技术相结合，将从层间加岛状与逐层生长石墨烯薄膜分别采集的20,250组和18,000组拉曼光谱精确聚类为五类和两类——每个聚类代表具有不同层数与堆叠顺序的石墨烯微区。例如根据拉曼特征峰可判定，逐层生长石墨烯薄膜中的两个聚类分别对应单层与双层石墨烯。该智能拉曼分析系统完全自动化（无需人工操作），具有极高可靠性（准确率达99.95%），且可推广至其他二维材料，为未来二维材料在各领域的工业化应用铺平了道路。

    关键词： 无监督学习、石墨烯、二维材料、拉曼光谱

    更新于2025-09-23 15:21:01

  • [IEEE 2019化合物半导体周（CSW）- 日本奈良（2019.5.19-2019.5.23）] 2019年化合物半导体周（CSW）- 纳米线发光二极管中的辐射与非辐射隧穿效应

    摘要： 本文旨在阐明SP智能理论（通过SP计算机模型实现）的独特特征及其相较于部分人工智能相关替代方案的显著优势。该理论最核心的价值在于：它简化并整合了人工智能领域的观察与概念，同时具备简化计算系统结构与流程的潜力。与多数人工智能理论不同，SP理论本身即是一种计算理论，可为新型计算机架构奠定基础。其理论根基是通过模式匹配与统一（更具体而言是通过多重对齐概念）实现信息压缩。该理论推动知识表征与处理的透明化，并借助信息压缩实现自然结构的无监督学习。它为数学要素及人类感知认知现象提供了阐释框架。该理论的抽象概念可通过神经元及其互连关系实现（SP神经模型）。本文将这些特征优势与以下人工智能替代方案进行对比讨论：最小长度编码及相关概念、计算与能效优化路径、神经网络深度学习、认知统一理论及相关研究、通用搜索算法、贝叶斯网络及其他人工智能模型、IBM沃森系统、大数据问题解决与自主机器人智能开发、模式识别与视觉处理、自然语言学习与加工、精确与非精确推理形式、多样化知识表征与处理，以及软件工程领域。结论指出，SP系统既能长期稳固支撑人工智能及相关领域发展，又能在较短时间内产出实用成果。

    关键词： 信息压缩、无监督学习、感知、推理、多重对齐、认知、深度学习、数学、神经网络、人工智能

    更新于2025-09-23 15:19:57

  • [计算机科学讲义] 计算机视觉——ECCV 2018研讨会论文集第11134卷（德国慕尼黑，2018年9月8-14日，会议录，第六部分）|| 基于运动补偿的无监督事件驱动光流算法

    摘要： 在这项工作中，我们提出了一种针对事件相机的无监督学习新框架，该框架仅通过事件流学习预测光流。具体而言，我们提出以离散化三维体形式表示事件输入，将其输入神经网络来预测每个事件的光流。该光流用于尝试消除事件图像中的运动模糊。随后，我们提出一种应用于运动补偿事件图像的损失函数，用于衡量该图像中的运动模糊程度。我们在多车辆立体事件相机数据集（MVSEC）上评估该网络，并展示了多种不同场景的定性结果。

    关键词： 光流，无监督学习，事件相机

    更新于2025-09-22 19:42:47

  • 一种适用于局部阴影条件下光伏系统的改进最大功率梯形法全局最大功率点跟踪算法

    摘要： 本文探讨了智能的SP理论及其在SP机器中的实现（二者均在本论文中概述）如何助力自主机器人（即不依赖外部智能或电源、具有移动能力且具备类人通用性与适应性的智能机器人）的大脑设计。本文聚焦三大核心问题：1）如何提升计算机的运算与能效并减小其体积重量；2）如何实现类人的智能通用性；3）以及类人的智能适应性。针对首个问题，SP系统通过以下途径有望显著提升计算效率并相应降低能耗与设备体积：1）缩减待处理数据规模；2）利用系统运行过程中自然采集的统计信息；3）基于唐纳德·赫布细胞集群概念的新型架构。在类人智能通用性方面，SP系统在无监督学习、自然语言处理、模式识别、信息检索、多种推理形式、规划、问题求解等领域展现出优势，且各结构与功能间实现无缝整合。该系统在无监督学习等智能维度上的优势，可通过以下途径助力实现类人智能适应性：1）单次学习；2）自然语言习得；3）视觉能力培养；4）构建物体及机器人周边环境的3D模型；5）掌握机器人运作规律与环境规律；6）探索与游戏行为；7）核心技能学习；8）示范学习。论文还讨论了SP系统处理并行信息流、知识泛化、过度泛化修正、脏数据学习、降低学习成本以及强化激励机制等议题。

    关键词： 数据压缩、模式识别、机器人技术、无监督学习、人工智能、认知科学

    更新于2025-09-19 17:13:59

  • [2019年IEEE第46届光伏专家会议(PVSC) - 美国伊利诺伊州芝加哥(2019.6.16-2019.6.21)] 2019年IEEE第46届光伏专家会议(PVSC) - 电致发光测试诱导的光伏组件裂纹闭合

    摘要： 本文旨在阐明SP智能理论（通过SP计算机模型实现）的独特特征及其相较于部分人工智能相关替代方案的显著优势。该理论最核心的价值在于：它能够简化和整合人工智能领域的观察结果与概念，并有望简化及统一计算系统的结构与流程。与多数人工智能理论不同，SP理论本身即是一种计算理论，可作为新型计算机架构的基础。其核心是通过模式匹配与统一（更具体而言是通过多重对齐概念）实现信息压缩。该理论促进知识表征与处理的透明性，并通过信息压缩实现自然结构的无监督学习，同时为数学原理及人类感知认知现象提供解释框架。该理论的抽象概念可通过神经元及其互连实现（SP神经模型）。本文将这些特征优势与以下人工智能替代方案进行对比讨论：最小长度编码及相关概念、计算与能效优化路径、神经网络深度学习、认知统一理论及相关研究、通用搜索算法、贝叶斯网络及其他人工智能模型、IBM沃森系统、大数据问题解决与自主机器人智能开发、模式识别与视觉处理、自然语言学习与加工、精确与非精确推理形式、多元知识表征与处理，以及软件工程领域。结论指出，SP系统既能作为人工智能及相关领域长期发展的坚实基础，又能在较短时间内产生实用成果。

    关键词： 信息压缩、无监督学习、感知、推理、多重对齐、认知、深度学习、数学、神经网络、人工智能

    更新于2025-09-19 17:13:59

  • [计算机科学讲义] 视觉计算进展 第11241卷（第13届国际视觉计算研讨会，ISVC 2018，美国内华达州拉斯维加斯，2018年11月19-21日，会议录）|| 基于深度自编码器的道路使用者异常轨迹检测

    摘要： 本文重点研究一种检测交通路口道路使用者异常轨迹的方法。其主要难点在于异常数据极少，而正常数据又不足以训练任何类型的机器学习模型。为解决这些问题，我们提出通过仅使用被视为正常的增强数据进行深度自编码器网络训练的解决方案。通过生成人工异常轨迹，本方法在四种不同的城市户外用户场景中进行了测试，其表现优于部分经典异常检测方法。

    关键词： 深度自编码器、数据增强、异常轨迹检测、无监督学习

    更新于2025-09-10 09:29:36

  • 光纤调制不稳定性中极端事件的机器学习分析

    摘要： 非线性科学的一个核心研究领域是探究驱动极端事件的不稳定性。遗憾的是，这类现象的测量技术往往只能提供部分特征描述。例如，非线性光学中不稳定性的实时研究通常仅使用光谱数据，这限制了对相关时间特性的认知。本文展示了如何通过机器学习突破这一限制——仅需基于光谱强度测量，就能研究光纤调制不稳定性的时域特性。具体而言，我们训练了一个监督神经网络，利用模拟数据建立调制不稳定性的光谱特性与时间特性之间的关联，随后将该网络应用于分析高动态范围实验光谱，从而获得不稳定性场中最高时间峰值的概率分布。我们还采用无监督学习方法，将含噪声的调制不稳定性光谱分类为对应不同时间动力学结构的子集。这些成果为所有难以直接进行时域观测的不稳定系统开辟了新视角。

    关键词： 机器学习、极端事件、光纤调制不稳定性、无监督学习、监督神经网络

    更新于2025-09-10 09:29:36

  • [IEEE 2018国际三维视觉会议(3DV) - 维罗纳(2018.9.5-2018.9.8)] 2018年国际三维视觉会议(3DV) - 学习三维形状的层次化潜变量模型

    摘要： 我们提出变分形状学习器（VSL）——一种以无监督方式学习体素化三维形状潜在结构的生成模型。通过跳跃连接机制，该模型能成功学习并推断物体的潜在层次化表征。此外，只需对VSL的潜在概率流形进行采样即可轻松生成逼真的三维物体。研究表明，这个生成模型可通过端到端训练从二维图像实现单图三维模型检索。实验从定量和定性两方面证明，所提模型在多项任务中展现出更优或媲美各类前沿方案的泛化能力提升。

    关键词： 3D形状、生成模型、变分推断、无监督学习、跳跃连接

    更新于2025-09-09 09:28:46