非常抱歉,我们暂时无法提供预览,您可以试试: 免费下载 IEEE P3652.1/D6, April 2020 前三页,或者稍后再访问。
您也可以尝试购买此标准,
点击右侧 “立即购买” 按钮开始采购(由第三方提供)。
特别是针对SAR图像这样的电磁波散射物理过程的产物,需要融合电磁散射理论和机器学习理论,将物理规律等先验知识体现在智能解译算法中。这一目的可由模型、数据和算法三者协作达成:模型可以产生模拟数据,实测数据可以同化模型中,同时模型可以直接对机器学习算法进行正则化约束。这一思路即是物理智能/微波视觉的一个例子。...
相反,FPGA灵活的架构,可能更适合上述优化类型,因为用FPGA能编写一个完全不同的硬件架构并在运行时加速。 4.3. Low power compute clusters低耗能计算节点集群 深度学习模型最让人着迷的就是其拓展能力。不管是为了从数据中发现复杂的高层特征,还是为数据中心应用提升性能,深度学习技术经常在多节点计算基础架构间进行拓展。...
长期从事人工智能与计算智能的理论、算法和工程应用研究,特别是演化优化与学习、联邦学习与联邦优化、安全机器学习、图神经网络组合优化、神经可塑性建模、形态发生自组织机器人及演化发育系统等。...
:为分布式操作系统的设计和实现做出贡献 Yonghong Chen,美国中大陆独立系统运营商(MISO) 当选理由:对批发电力市场设计和运营的贡献 陈虹,同济大学 当选理由:对预测控制和汽车系统应用的贡献 Hao Chen,加州大学戴维斯分校 当选理由:为软件和移动系统的安全做出贡献 陈贵海,南京大学 当选理由:对大规模分布式网络架构的贡献 陈一昕,华盛顿大学 当选理由:对提高深度学习系统的紧凑性和适用性的贡献...
Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号