注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. UML学习1

  2. 采用UML作为我国统一的建模语言是完全必要的:首先,过去数十种面向对象的建模语言都是相互独立的,而UML可以消除一些潜在的不必要的差异,以免用户混淆;其次,通过统一语义和符号表示,能够稳定我国的面向对象技术市场,使项目根植于一个成熟的标准建模语言,从而可以大大拓宽所研制与开发的软件系统的适用范围,并大大提高其灵活程度。学习UML后编程序就不会有只见树木不见森林的感觉了，也就是你可以接大的软件工项目了^_^

  3. 所属分类：嵌入式

    • 发布日期：2008-02-14
    • 文件大小：7340032
    • 提供者：heshuangquan1

  1. UML学习2

  2. 采用UML作为我国统一的建模语言是完全必要的:首先,过去数十种面向对象的建模语言都是相互独立的,而UML可以消除一些潜在的不必要的差异,以免用户混淆;其次,通过统一语义和符号表示,能够稳定我国的面向对象技术市场,使项目根植于一个成熟的标准建模语言,从而可以大大拓宽所研制与开发的软件系统的适用范围,并大大提高其灵活程度。学习UML后编程序就不会有只见树木不见森林的感觉了，也就是你可以接大的软件工项目了^_^

  3. 所属分类：嵌入式

    • 发布日期：2008-02-14
    • 文件大小：8388608
    • 提供者：heshuangquan1

  1. UML学习3

  2. 采用UML作为我国统一的建模语言是完全必要的:首先,过去数十种面向对象的建模语言都是相互独立的,而UML可以消除一些潜在的不必要的差异,以免用户混淆;其次,通过统一语义和符号表示,能够稳定我国的面向对象技术市场,使项目根植于一个成熟的标准建模语言,从而可以大大拓宽所研制与开发的软件系统的适用范围,并大大提高其灵活程度。学习UML后编程序就不会有只见树木不见森林的感觉了，也就是你可以接大的软件工项目了^_^

  3. 所属分类：嵌入式

    • 发布日期：2008-02-14
    • 文件大小：9437184
    • 提供者：heshuangquan1

  1. 基于层次语义的图像分类方法

  2. 为了更好地实现基于语义的图像检索，结合了颜色、纹理和形状的综合特征来表示图像，将它们作为支 持向量机( SVM) 的输入向量，对图像类进行学习，建立图像底层特征和高层语义的关联。采用综合特征表示图像，提 高了分类正确率。同时按照分语义层次的方式组织图像库，实现图像的语义分层表示，用各层次的关键词来联合表 示图像的语义信息。结果表明，可以在具有较好分类正确率的情况下，使图像具有更全面的语义表示。

  3. 所属分类：其它

    • 发布日期：2014-10-24
    • 文件大小：185344
    • 提供者：ghj521888

  1. 深度学习对自然语言语义的无监督学习

  2. 深度学习对自然语言语义的无监督学习 一种无监督的语句语义表示学习方法

  3. 所属分类：深度学习

    • 发布日期：2017-11-19
    • 文件大小：655360
    • 提供者：spanel

  1. 语义表示学习-刘知远

  2. 清华大学自然语言处理实验室刘知远在中国中文信息学会 第十三届暑期学校 &前沿技术讲习班的PPT语义表示学习

  3. 所属分类：深度学习

    • 发布日期：2018-10-25
    • 文件大小：20971520
    • 提供者：shsdfhreh

  1. 通过跨模态语义映射进行图像标记

  2. 没有注释的图像在Internet上无处不在，因此为它们推荐标签已成为图像理解中一项具有挑战性的开放任务。 相关工作的常见瓶颈是图像和文本表示之间的语义鸿沟。 在本文中，我们通过引入语义层（将图像标签表示为单词向量的单词嵌入空间）来弥合差距。 我们的模型首先使用训练源学习从视觉空间到语义空间的最佳映射。 然后，我们通过解码视觉特征的语义表示来注释测试图像。 大量实验表明，在预测图像标签方面，我们的模型优于最新方法。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：519168
    • 提供者：weixin_38725450

  1. FREERL：融合关系嵌入式表示学习框架的方面提取

  2. 意见对象属性提取是细粒度情感分析的基本任务之一。 它是通过识别意见方面实体（包括对象实体和属性实体），然后将对象实体与属性实体对齐来实现的。 对知识图的最新研究表明，通过在观点方面实体之间添加语义结构的嵌入，基于结构的学习模型可以比传统方法在链接预​​测中实现更好的性能。 但是，这些研究仅集中于学习方面实体之间的语义结构，没有考虑语言表达特征。 在本文中，我们提出了融合关系嵌入式表示学习（FREERL）框架，通过该框架，可以将语义结构和语言表达特征（如统计共现或依赖语法）融合到对象实体和属性实体

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：883712
    • 提供者：weixin_38679839

  1. 基于稀疏学习的行人重识别算法

  2. 行人重识别问题是计算机视觉的重要研究内容之一,旨在将多个非重叠相机中的目标行人准确加以识别。当将某摄像机中的行人图像视为目标行人在该摄像机视图上的一种表示时,行人重识别可被认为是一种多视图学习问题。在此基础上提出的基于典型相关分析的行人重识别算法仅是一种线性降维算法,很难从复杂的重识别系统(如目标行人图像受低分辨率、光照及行人姿态变化等因素影响)中提取有效的高层语义信息,用于行人重识别。为此,本文提出了一种基于稀疏学习的行人重识别算法(Sparsity learning based person

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：2097152
    • 提供者：weixin_38700779

  1. SuPix:使用超像素修复的活检图像自我监督表示学习模型-源码

  2. SuPix 使用超像素修复技术对人十二指肠活检图像进行自我监督的表示学习模型。 在这种方法中，我们针对目标修补和弹性变形设计了一种新颖的复合借口任务。 最初在少量标记数据上训练了完全受监督的模型。 该模型用于生成未标记活检图像中重要解剖区域的伪标记。 如本文所述，其中一些区域被随机遮罩，并且使用弹性变形使整个图像变形 训练一个编码器/解码器对，以使用SSIM损失重建蒙版的变形图像。 因此，该模型学习了不同重要组织（例如上皮细胞，隐窝和绒毛）的形状和H＆E色斑分布的表示形式。 然后，在一个小的标

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：5242880
    • 提供者：weixin_42131405

  1. 学习用户和产品的语义表示以进行文档级别的情感分类

  2. 学习用户和产品的语义表示以进行文档级别的情感分类

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：744448
    • 提供者：weixin_38626984

  1. 具有多尺度金字塔注意度的语义对抗网络

  2. 两流体系结构在视频分类任务中显示出强大的性能。 关键思想是通过在空间和时间上融合卷积网络来学习时空特征。 但是，这种体系结构中存在一些问题。 首先，它依靠光流对时间信息进行建模，而时间信息的计算和存储通常很昂贵。 其次，它捕获视频数据的详细信息和本地上下文信息的能力有限。 第三，它缺乏明确的语义指导，大大降低了分类性能。 在本文中，我们提出了一种基于两流的新视频分类框架，以仅从RGB帧，多尺度金字塔注意（MPA）层和语义对抗学习（SAL）模块中发现时空信息。被引入并集成到我们的框架中。 MPA使

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1016832
    • 提供者：weixin_38649091

  1. 利用多视图建模和有效表示学习预测内隐语篇关系

  2. 两个文本段之间的语篇关系在许多自然语言处理（NLP）任务中起着重要作用。 连词强烈地表明了话语关系的意义，而实际上，在很大一部分话语关系中，即隐性话语关系中，并没有连接词。 隐式关系预测的关键是正确地建模两个话语参数的语义以及它们之间的上下文交互。 为了实现此目标，我们提出了一个包含两个层次结构的多视图框架。 第一个是模型层次结构，我们提出了一种基于神经网络的方法，其中考虑了不同的视图。 第二个是要素层次结构，我们学习多层分布式表示。 我们对标准基准数据集进行了实验，结果表明，与几种方法相比，我

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：377856
    • 提供者：weixin_38609720

  1. CNSurvey:一份中文摘要文章列表（自然语言处理＆机器学习）-源码

  2. 中文概述文章列表（自然语言处理＆机器学习） 在本项目中，我们整理了《中文信息学报》，《计算机学报》，《软件学报》，《自动化学报》，《电子学报》，《计算机研究与发展》，《中国科学：信息科学》论文在自然语言处理和机器学习领域的概述论文（共251篇），将其按照不同的研究领域进行分类，并提供了论文的获取网址。 类别索引 自然语言处理 机器学习 自然语言处理论文列表 跨语言词向量研究综述中文信息学报2020年彭晓娅，周栋 分布式单词表示概述计算机学报2019孙飞，郭嘉丰，兰艳艳，徐君，程学旗 词汇语义表示

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：17408
    • 提供者：weixin_42181693

  1. 用于情感分析的深度学习：成功的方法和未来的挑战

  2. 情感分析（也称为观点挖掘）是自然语言处理中一个活跃的研究领域。 它旨在从社交网络，博客或产品评论中的用户生成的文本中识别，提取和组织情感。 在过去的15年中，许多文献研究利用机器学习方法来从不同角度解决情感分析任务。 由于机器学习器的性能在很大程度上取决于数据表示的选择，因此许多研究致力于通过领域专家和精心的工程来构建功能强大的特征提取器。 近年来，深度学习方法以强大的计算模型出现，该模型无需特征工程即可自动从数据中发现文本的复杂语义表示。 这些方法改进了许多情感分析任务中的最新技术，包括句子/

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：462848
    • 提供者：weixin_38672815

  1. 无监督语义分割：通过对比对象蒙版提案进行无监督语义分割-源码

  2. 对比对象蒙版提案的无监督语义分割 此回购包含我们论文的Pytorch实现： ， ， 和 。 :trophy: SOTA用于无监督的语义分割。 有关更多信息，请查看基准的网站。 内容 介绍 在没有监督的情况下，能够学习图像的密集语义表示是计算机视觉中的重要问题。 然而，尽管它具有重要意义，但这个问题仍未得到很好的探索，只有少数例外考虑了在具有狭窄视觉域的小规模数据集上的无监督语义分割。 我们首次尝试解决传统上用于监督案例的数据集（例如PASCAL VOC）上的问题。 为了实现这一点，我们引

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：624640
    • 提供者：weixin_42131705

  1. DenseCL：用于自指导式表示学习的DenseCL，CVPR 2021-源码

  2. 自我监督视觉预训练的密集对比学习 该项目托管用于实现DenseCL算法以进行自我监督表示学习的代码。 王新龙，张如凤，沉春华，Kong涛，李磊在：Proc。 IEEE Con​​f。 2021年的计算机视觉和模式识别（CVPR） arXiv预印本（ ） 强调 增强密集预测： DenseCL预训练模型在很大程度上有利于密集预测任务，包括对象检测和语义分段（最高+ 2％AP和+ 3％mIoU）。 简单的实现： DenseCL的核心部分可以用10行代码实现，因此易于使用和修改。 灵活的用法：

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：605184
    • 提供者：weixin_42119866

  1. CodeSearchNet：用于代码表示学习的数据集，工具和基准-源码

  2. CodeSearchNet挑战已经结束 我们要感谢所有参与者的提交，我们希望这一挑战能为从业者和研究人员提供有关语义代码搜索挑战和新的研究动机的见解。 我们希望鼓励大家继续使用我们现在公开提供的数据集和人工评估。 请参阅下面的详细信息，特别是“部分。 不会接受任何新的挑战。 目录 快速开始 如果您是第一次阅读本文，我们建议跳过本节，然后阅读以下各节。 以下命令假定您具有和 ，以及支持或更高版本的GPU。 注意：您只需运行一次scr ipt/setup即可下载数据。 # clone this

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：30408704
    • 提供者：weixin_42146888

  1. sling：SLING-自然语言框架语义解析器-源码

  2. SLING-自然语言框架语义解析器 SLING项目已搬迁 SLING项目已移至 。 有关SLING的最新进展，请参考上面的回购。 背景 SLING项目的目的是为了完成知识库而学习阅读和理解多种语言的Wikipedia文章，例如将Wikipedia（和其他来源）中提到的事实添加到知识库中。 我们使用作为知识表示和文档注释的通用表示。 可以训练SLING解析器直接生成文本的框架语义表示，而无需任何明确的中间语言表示。 SLING项目仍在进行中。 我们还没有一个可以从任意文本中提取事实的完整系统，

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42133861

  1. 反向代码：对比代码表示学习：通过自我监督学习的基于功能JavaScript嵌入-源码

  2. 对比代码表示学习 通过Paras Jain，Ajay Jain，Tianjun Zhang，Pieter Abbeel，Joseph E.Gonzalez和Ion Stoica（） 学习基于功能的程序表示 诸如类型预测器和代码摘要器之类的机器辅助编程工具越来越多地基于学习。 但是，大多数代码表示学习方法都依赖于带有任务特定注释数据集的监督学习。 我们提出了对比代码表示学习（ContraCode），这是一种自我监督的算法，用于通过对比学习来学习程序的与任务无关的语义表示。 我们的方法不使用人工

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：575488
    • 提供者：weixin_42131276
« 12 3 4 5 6 7 8 9 10 »