Search | Engineering

Tempotron；神经元模型；感受野；高斯差分；图像翻转；图像旋转 1

光流计算 1

关键因子；非线性计数系统；广义高斯过程回归；敏感性分析；钢铁轧制过程 1

分级身份加密；格密码；标准模型；差错学习问题；高斯 1

判别学习；统计建模；贝叶斯分类器；高斯混合模型；UCI数据集 1

动态贝叶斯网络 1

勒让德多项式 1

卡尔曼滤波；高斯滤波；时间序列估计；贝叶斯滤波；非线性滤波；约束滤波；高斯混合；机动；未知输入 1

卷积神经网络；高斯过程；混合模型；超参数优化；混合变量；粒子群优化 1

厄米多项式 1

峰值信噪比 1

拉盖尔多项式 1

求根 1

点集配准；高斯过程；智能无人系统 1

目标跟踪；高斯过程；数据驱动；在线学习；模型驱动；概率数据关联 1

自动驾驶 1

自适应网络模糊推理系统；加性高斯白噪声；自主导航；移动机器人 1

视网膜血管分割；显著性模型；高斯网模型（GNET）；特征学习 1

超高速撞击损伤；缺陷检测；高斯混合模型；图像分割 1

车辆轨迹预测 1

展开︾

摘要：本文提出一种融合显著性模型和高斯网（GNET）模型的新型深度学习结构分割视网膜血管。显著性图像替代原始图像作为GNET模型的输入。GNET模型具有双边对称结构。

摘要：特别是，寻求实现闭环马尔科夫−贝叶斯递归（比如，从一个高斯先验到一个高斯后验，本文称之为高斯共轭）的解析解成为一般时间序列滤波器设计的主流思路。其面临的主要挑战包括：系统的非线性、多模态（包括机动模型）、复杂不确定性（比如未知的系统输入，非高斯噪声等）和系统约束（包括循环随机变量）等。着重介绍了高精观测非线性系统、高斯后验和机动多模态、以及复杂未知系统输入与约束，以弥补当前文献介绍的不足。

摘要：

基于光流计算方法统一框架理论，研究了一种利用高斯多维滤波器的渐进性和时空性提高光流估计性能的有效方法。结果显示，滤波窗口为5×5时的最佳时间方差参数为0.4，最佳空间方差参数为［1.6，2.0］；加入高斯多维预滤波前后利用光流场重构图像的平均峰值信噪比PSNR提高2.572dB，提高幅度为13.6%

资源类型

年份

关键词