排序方式: 共有25条查询结果,搜索用时 62 毫秒
11.
12.
13.
基于“质量工程”的新形势下,结合农业机械化传统专业自身的特点,就如何搞好实验室建设,完善实验室功能。扩大实验室利用率,提升实验室地位作用等等问题作了全面阐述.为更快更好地完成实验教学任务和科研创新开发。培养学生动手能力和提高学生的创新意识等给出一些思考和建议。 相似文献
14.
15.
16.
信号的稀疏表示在信号处理的许多方面有着重要的应用,但稀疏分解计算量十分巨大,难以产业化应用。粒子群优化(PSO)及果蝇优化(FOA)等智能算法具备前期收敛速度快,全局搜索能力强的优点,应用到语音信号的稀疏分解中,虽然大大提高了语音信号稀疏分解的速度,但是该类算法后期的收敛速度较低,稀疏分解速度仍然偏低。拉凡格氏(LM)算法具有收敛速度快,精度高的特点,但是LM算法依赖初值,这使它的应用受到了限制。结合智能算法FOA及LM算法的优点,采用FOA算法求出Gabor原子参数初值,利用这些初值进行LM迭代搜索最优原子。仿真结果表明,基于FOA优化算法和LM算法相结合的方法,具有收敛速度快,精度高的特点,有较高的实用价值。 相似文献
17.
人脸伪造和检测是当前的研究热点。通过人脸伪造方法可以制作虚假人脸图像和视频,一些出于恶意目的而将名人虚假视频在社交网络上广泛传播,不仅侵犯了受害者的声誉,而且造成了不良的社会影响,因此需要开发对应的检测方法用于鉴别虚假视频。近年来,深度学习技术的发展与应用降低了人脸伪造与检测的难度。基于深度学习的人脸伪造方法能生成看起来更加真实的人脸,而基于深度学习的虚假人脸检测方法比传统方法具有更高的准确度。大量研究表明,深度学习模型容易受到对抗样本的影响而导致性能下降。近来在人脸伪造与检测的领域中,出现了一些利用对抗样本进行博弈的工作。原先的博弈模式变得更加复杂,伪造方和检测方在原先方法的基础上,都需要更多考虑对抗安全性。将深度学习方法和对抗样本相结合,是该研究领域未来的趋势。专注于对人脸伪造与检测中的对抗攻防这一领域进行综述。介绍人脸伪造与检测的概念以及目前主流的方法;回顾经典的对抗攻击和防御方法。阐述对抗攻击和防御方法在人脸伪造和检测上的应用,分析目前的研究趋势;总结对抗攻防对人脸伪造和检测带来的挑战,并讨论未来发展方向。 相似文献
18.
19.
随着油田生产的不断壮大,机械设备越来越多,油田耗电量也在逐年增加,加之办公设备自动化及办公条件的改变,办公用电量也在逐年增加,因此供配电系统如何节电将是今后若干年的重要工作,配电网的无功补偿应坚持全面规划、合理布局、分散补偿、就地平衡的原则。集中补偿与分散补偿相结合,以分散补偿为主。文中根据本单位电力系统采用的节电技术及其应用效果进行了分析及评价。 相似文献