全文获取类型
收费全文 | 106篇 |
免费 | 7篇 |
国内免费 | 5篇 |
专业分类
电工技术 | 11篇 |
综合类 | 7篇 |
化学工业 | 7篇 |
金属工艺 | 3篇 |
机械仪表 | 4篇 |
建筑科学 | 19篇 |
矿业工程 | 1篇 |
能源动力 | 1篇 |
轻工业 | 26篇 |
武器工业 | 2篇 |
无线电 | 9篇 |
一般工业技术 | 7篇 |
冶金工业 | 5篇 |
自动化技术 | 16篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 7篇 |
2021年 | 6篇 |
2020年 | 3篇 |
2019年 | 9篇 |
2018年 | 13篇 |
2017年 | 4篇 |
2016年 | 2篇 |
2015年 | 4篇 |
2014年 | 4篇 |
2013年 | 13篇 |
2012年 | 3篇 |
2011年 | 3篇 |
2010年 | 1篇 |
2009年 | 4篇 |
2008年 | 5篇 |
2006年 | 3篇 |
2005年 | 2篇 |
2004年 | 8篇 |
2003年 | 5篇 |
2002年 | 3篇 |
2001年 | 2篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1991年 | 4篇 |
排序方式: 共有118条查询结果,搜索用时 15 毫秒
51.
52.
53.
表示学习是机器学习研究的核心问题之一。机器学习算法的输入表征从过去主流的手工特征过渡到现在面向多媒体数据的潜在表示,使算法性能获得了巨大提升。然而,视觉数据的表示通常是高度耦合的,即输入数据的所有信息成分被编码进同一个特征空间,从而互相影响且难以区分,使得表示的可解释性不高。解耦表示学习旨在学习一种低维的可解释性抽象表示,可以识别并分离出隐藏在高维观测数据中的不同潜在变化因素。通过解耦表示学习,可以捕获到单个变化因素信息并通过相对应的潜在子空间进行控制,因此解耦表示更具有可解释性。解耦表征可用于提高样本效率和对无关干扰因素的容忍度,为数据中的复杂变化提供一种鲁棒性表示,提取的语义信息对识别分类、域适应等人工智能下游任务具有重要意义。本文首先介绍并分析解耦表示的研究现状及其因果机制,总结解耦表示的3个重要性质。然后,将解耦表示学习算法分为4类,并从数学描述、类型特点及适用范围3个方面进行归纳及对比。随后,分类总结了现有解耦表示工作中常用的损失函数、数据集及客观评估指标。最后,总结了解耦表示学习在实际问题中的各类应用,并对其未来发展进行了探讨。 相似文献
54.
55.
语音可懂度增强是一种在嘈杂环境中再现清晰语音的感知增强技术. 许多研究通过说话风格转换(SSC)来增强语音可懂度, 这种方法仅依靠伦巴第效应, 因此在强噪声干扰下效果不佳. SSC还利用简单的线性变换对基频(F0)的转换进行建模, 并且只映射很少维的梅尔倒谱系数(MCEPs). 因为F0和MCEPs是语音的两个重要特征, 对这些特征进行充分的建模是非常必要的. 因此本文进行了一个创新性研究即通过连续小波变换(CWT)将F0分解为10维来描述不同时间尺度的语音, 以实现F0的有效转换, 而且使用20维表示MCEPs实现MCEPs的转换. 除此之外, 还利用iMetricGAN网络来优化强噪声中的语音可懂度指标. 实验结果表明, 提出的基于CycleGAN使用CWT和iMetricGAN的非平行语音风格转换方法(NS-CiC)在客观和主观评价上均显著提高了强噪声环境下的语音可懂度. 相似文献
56.
57.
59.
60.