排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
区块链技术因其不可篡改和去中心化的特性受到公众广泛关注,目前正处于科技创新前沿。电子证据的保护和存取、如何将更好证明电子证据的真实性使其能运用于司法过程一直是司法部门想要解决的问题。因此,针对传统电子证据存取证如今面临的困境和瓶颈,决定基于区块链防数据篡改的特点,构建司法联盟链。本文通过对传统存证技术易篡改遗失、真实性安全性存疑、低效率的深入分析,通过司法联盟链的模型构建,第三方公证与诉讼参与人基于身份识别的自主存证结合将其一一解决,核验该方法的可行性,提高电子数据存证的效率和安全。 相似文献
3.
于文家樊国政左昱昊陈怡丹 《电脑编程技巧与维护》2023,(5):174-176
生成对抗网络(GAN)是一种基于深度学习的强大生成模型,目前广泛应用于计算机视觉、自然语言处理、半监督学习等领域,并取得了显著的成果。随后研究人员通过对GAN的生成器、判别器做结构上的改进或对目标函数等进行优化,提出了更多种的GAN。首先介绍GAN的研究进展和基本思想,其次对一些经典的GAN,如深度卷积生成对抗网络(DCGAN)、条件生成对抗网络(CGAN)、WGAN和超分辨率生成对抗网络(SRGAN)等进行综述,最后对GAN的相关工作进行总结与展望。 相似文献
4.
5.
生成对抗网络的出现对解决深度学习领域样本数据不足的研究起到了极大的促进作用。为解决生成对抗网络生成的图像出现轮廓模糊、前景背景分离等细节质量问题,提出一种改进梯度惩罚的Wasserstein生成对抗网络算法(PSWGAN-GP)。该算法在WGAN-GP的Wasserstein距离损失和梯度惩罚的基础上,在判别器中使用从VGG-16网络的3个池化层中提取的特征,并通过这些特征计算得出风格损失(Style-loss)和感知损失(Perceptual-loss)作为原损失的惩罚项,提升判别器对深层特征的获取和判别能力,对生成图像的细节进行修正和提升。实验结果表明,在生成器和判别器网络结构相同,并保证超参数相同的情况下,PSWGAN-GP的IS评分和FID评分相对于参与对比的其他图像生成算法有所提升,且可有效改善生成图片的细节质量。 相似文献
1