排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
文中以1950-2020年中关两国人工智能关键技术专利为数据源,基于技术生命周期理论,采用Logistic模型进行拟合分析,对中关人工智能原始创新能力进行比较.研究发现,中关人工智能原始创新能力发展水平不一,从技术生命周期来看,中国人工智能技术生命周期目前尚处于成长期,而美国已进入成熟期;中国人工智能技术专利申请数量和速度均领先于美国,特别是跨媒体分析推理、自主无人系统和自然语言处理技术的专利申请增速较快.最后,结合Logistic模型拟合结果,进一步分析了未来中美人工智能原始创新能力演化与跃迁路径,提出了面向2035年远景目标的我国人工智能关键领域提升原始创新能力的相关政策建议. 相似文献
2.
独立学院拥有特殊的运行机制,担负着培养社会主义接班人的重任,做好独立学院党建工作是新时代的重要课题。采用理论和现实的对比研究,首先梳理独立学院党建工作的现状和遇到的问题;然后,借助文献计量方法,对中国知网2004年至2019年11月的文献数据进行可视化分析。研究发现,学界持续关注独立学院的党建工作,研究热点内容聚焦在独立学院党建工作必要性、发现问题解决问题、解决问题的具体方法、融合创新思维推进党建发展四个方面。加强师生思想政治教育,借助互联网、智能化等新模式为独立学院党建工作赋能,提升党建水平。 相似文献
3.
4.
5.
6.
为了减少高光谱图像中的冗余以及进一步挖掘潜在的分类信息,本文提出了一种基于特征重要性的卷积神经网络(convolutional neural networks,CNN)分类模型。首先,利用贝叶斯优化训练得到的随机森林模型(random forest,RF)对高光谱遥感图像进行特征重要性评估;其次,依据评估结果选择合适数目的高光谱图像波段,以作为新的训练样本;最后,利用三维卷积神经网络对所得样本进行特征提取并分类。基于两个实测的高光谱遥感图像数据,实验结果均表明:相比原始光谱信息直接采用支持向量机(support vector machine,SVM)和卷积神经网络的分类效果,本文所提基于特征重要性的高光谱分类模型能够在降维的同时有效提高高光谱图像的分类精度。 相似文献
1