您好,欢迎光临本网站![请登录][注册会员]  

开发技术下载,其它下载列表 第58414页

« 1 2 ... .09 .10 .11 .12 .13 58414.15 .16 .17 .18 .19 ... 232169 »

[其它] 新的基于身份的多接收者匿名签密方案

说明:新的基于身份的多接收者匿名签密方案
<weixin_38655484> 在 上传 | 大小:484352

[其它] 快速理解YOLO目标检测

说明:本文来自于简书,本文主要对YOLO做简单介绍,经过图像分类训练的前20层网络加上后面的网络层进行检测任务的训练,希望对您的学习有所帮助。YOLO(YouOnlyLookOnce)论文近些年,R-CNN等基于深度学习目标检测方法,大大提高了检测精度和检测速度。例如在PascalVOC数据集上FasterR-CNN的mAP达到了73.2。而YOLO和SSD在达到较高的检测精度的同时,检测速度都在40FPS以上。整个YOLO的网络结构如图,前面20层使用了改进的GoogleNet,得到14×14×10
<weixin_38638647> 在 上传 | 大小:873472

[其它] 优化阅读器部署和节能的高效方法

说明:优化阅读器部署和节能的高效方法
<weixin_38545517> 在 上传 | 大小:296960

[其它] [目标检测]YOLO原理

说明:本文来自于简书,本文主要介绍了对YOLO原理进行目标检测,以及yolov2网络结构为全卷积网络FCN,希望对您的学习有所帮助。创新点:端到端训练及推断+改革区域建议框式目标检测框架+实时目标检测1.1创新点(1)改革了区域建议框式检测框架:RCNN系列均需要生成建议框,在建议框上进行分类与回归,但建议框之间有重叠,这会带来很多重复工作。YOLO将全图划分为SXS的格子,每个格子负责中心在该格子的目标检测,采用一次性预测所有格子所含目标的bbox、定位置信度以及所有类别概率向量来将问题一次性解决(
<weixin_38662367> 在 上传 | 大小:795648

[其它] 基于局部紧耦合结构的模块性优化社区检测方法

说明:利用局部紧耦合结构提升社区检测的模块性优化质量. 首先,定义了4类边缘紧耦合结构,并提出了一种具有线性复杂度的边缘紧耦合结构挖掘算法. 其次,分别选择k-clique,k-clan,k-plex结构作为核心紧耦合结构,并以长结构优先和短结构优先2种策略将边缘与核心紧耦合结构合并. 然后,将合并后的局部紧耦合结构融入模块性优化过程,提出了一种NFN算法. 该算 法将每个局部紧耦合结构初始化为独立社区,不断凝聚模块性增量最大的2个社区,直至找到预定义数量的社区. 6 个真实数据集上针对外部指标和内部
<weixin_38564826> 在 上传 | 大小:401408

[其它] 具有随机发生的非线性和随机缺失的测量的复杂系统的状态估计

说明:本文涉及随机发生的复杂网络系统的状态估计问题。 非线性和随机丢失的测量值。 包括非线性以描述非线性现象网络中存在的干扰可能以概率方式发生。 考虑到概率数据信息传输过程中可能会发生丢失,我们将随机丢失的数据引入传感器测量。 本文的目的是设计一种状态估计器,以估计所考虑的复合体的真实状态。 通过可用的输出测量结果进行网络连接。 通过使用Lyapunov函数和一些随机分析技术,以线性矩阵不等式的形式获得了足够的标准,在该标准下,估计误差动态在均方值中全局渐近稳定。 此外,还获得了状态估计器增益。 最后
<weixin_38641876> 在 上传 | 大小:507904

[其它] 自然语言处理(NLP)基础理解

说明:本文来自简书,本文将主要介绍什么是自然语言处理,以及NLP的生成与理解,,希望对您的学习有所帮助。-推理-自动学习&调度-机器学习-自然语言处理-计算机视觉-机器人-通用智能阶段1——机器学习:智能系统使用一系列算法从经验中进行学习。阶段2——机器智能:机器使用的一系列从经验中进行学习的高级算法,例如深度神经网络。人工智能目前处于此阶段。阶段3——机器意识:不需要外部数据就能从经验中自学习。人工智能的类型ANI(狭义人工智能):它包含基础的、角色型任务,比如由Siri、Alexa这样的聊天机器人
<weixin_38603204> 在 上传 | 大小:708608

[其它] 网格虚拟组织副本协作预取机制

说明:副本复制是数据网格中提高数据访问效率的有效方法,如何提高副本复制的效率是一个关键性问题.现有的复制策略大多基于文件访问历史选择高价值副本进行复制,但其针对的都是节点已经访问过的文件.通过对虚拟组织文件访问特性进行深入分析,引入隐性高价值文件概念,提出虚拟组织副本协作预取机制(cooperative replica prefetching mechanism,简称CoRPM),使得本地节点通过与虚拟组织中其他节点进行协作来获取隐性高价值文件副本.该机制首先给出了副本协作预取架构,各个虚拟组织节点上
<weixin_38562492> 在 上传 | 大小:1048576

[其它] 一种基于格的认证加密方案

说明:基于格上困难问题的密码体制成为当前研究的热点。基于R-LWE(ring-learning with errors)困难问题和广义压缩背包问题的哈希函数,构造了一种基于格的认证加密方案。方案在加密过程中利用了R-LWE困难问题,其加解密速度快、密文扩展率低等特性;认证过程使用的是广义压缩背包问题,其效率高,安全性能够达到IND-CPA(indistinguishability under chosen plaintext attack)。
<weixin_38590355> 在 上传 | 大小:817152

[其它] 基于Eureka的服务治理

说明:关系调用说明:服务生产者启动时,向服务注册中心注册自己提供的服务服务消费者启动时,在服务注册中心订阅自己所需要的服务注册中心返回服务提供者的地址信息个消费者消费者从提供者中调用服务Eureka是SpringCloudNetflix微服务套件中的一部分,可以与Springboot构建的微服务很容易的整合起来。Eureka包含了服务器端和客户端组件。服务器端,也被称作是服务注册中心,用于提供服务的注册与发现。Eureka支持高可用的配置,当集群中有分片出现故障时,Eureka就会转入自动保护模式,它
<weixin_38642285> 在 上传 | 大小:313344

[其它] 移动云计算环境中高效健壮的大型医学图像检索

说明:移动云计算环境中高效健壮的大型医学图像检索
<weixin_38551205> 在 上传 | 大小:2097152

[其它] Eureka的基本功能和用法

说明:eueka按逻辑上可以划分为3个模块,eureka-server,service-provider,service-consumereureka-server:服务端,提供服务注册和发现eureka-client-service-provider:服务端,服务提供者,通过httprest告知服务端注册,更新,取消服务eureka-client-service-consumer:客户端,服务消费者,通过httprest从服务端获取需要服务的地址列表,然后配合一些负载均衡策略(ribbon)来调用服
<weixin_38594266> 在 上传 | 大小:284672
« 1 2 ... .09 .10 .11 .12 .13 58414.15 .16 .17 .18 .19 ... 232169 »