一种基于零和博弈的奖励函数用以加快目标跟踪算法收敛,做到策略自适应不同场景
微控制器(或单片机,MCU)以其小体积、低成本、低能耗和高集成度等优势成为未来边缘智能应用关键的部署平台之一。
面对不断变化的动态情境,深度学习模型既不能接受人工操作的统一量化方法带来的再训练成本,也不能接受从庞大设计空间重新搜索混合精度量化策略的巨大时间开销。上下文感知的自适应量化框架(Co...
基于迁移学习的少样本表面缺陷检测方法(TL-SDD)
基于元迁移学习的社交媒体假消息检测算法(MDN)
基于用户和群体的多行为交互的问题推荐方法(AskMe)
基于元学习方法的多城市知识融合商业选址推荐方法(MetaStore)
基于多维图神经网络的跨场景推荐算法(MGNN)
需要驱动的模型选择框架(AdaDeep)
多环境联邦持续学习算法(MEFCL)
FedAux混合联邦学习(Hybrid-FL)算法
基于信息势场奖励函数的多智能体双向协调网络(BiCNet-IPF)
基于图的深度模型自适应手术刀算法