[PDF][PDF] 皇NN

P SUEDFELD, GD STEEL, ABC WALLBAUM… - researchgate.net
… with an infinite number of possible choices of words and stories, and with no clear endpoint.
As such, it should benefit from any change that enhances nonlinear, creative functions. Thus…

[HTML][HTML] 低纬度磁异常的初始模型约束全卷积神经网络化极方法

张志厚, 刘慰心, 石泽玉, 张健, 路润琪, 谢小国… - 地球物理学报, 2023 - dsjyj.com.cn
: 磁异常化极是磁测数据处理的重要基础工作, 低纬度磁异常化极运算不稳定. 深度学习是一种
有效解决不稳定问题的数据驱动方法. 然而, 现有基于深度学习的位场数据处理仅以位场响应作为…

癫痫的发病机制, 检测和治疗: 电磁介导的神经调控疗法及新技术研究

D Jiao, L Xu, Z Gu, H Yan, D Shen, X Gu - 中国神经再生研究(英文版), 2025 - sjzsyj.com.cn
: 癫痫是一种严重的且反复发作的多因素的神经系统疾病. 对于癫痫的准确诊断和治疗需要对其
发病机制有全面的了解. 研究表明, 癫痫的发病机制复杂, 涉及基因表达, 蛋白质表达, 离子通道…

机器学习在地震学中的应用进展

杨旭, 李永华, 盖增喜 - 地球与行星物理论评, 2021 - sjdz.org.cn
: 理解并预测多尺度, 高维度和非线性的地震学现象是一个极具挑战性的科学任务. 与日俱增的
海量观测数据降低了信息收集和信息解读之间的耦合程度, 增加了信息解读的抽象性和不确定性. …

智慧型字卡影像辨識系統設計

孫齊, 陳永平 - 2011 - ir.lib.nycu.edu.tw
本篇論文的研究目的是希望能製做出一系統,能使童伴機器人與孩童進行互動,並從中學習單字.系統
被設計成三個步驟,包含抽取物件的區域,抽取字元以及字元辨識.本篇論文有主要兩個貢獻,第…

類神經網路在光學量測方面之應用

陳立志, 黃中垚 - 2010 - ir.lib.nycu.edu.tw
… In this thesis we report two new application cases for the Artificial Neuron Network they are
focus on the laser plus characterization and the locating of light spot. By using the learning …

[PDF][PDF] 雷达图像深度学习模型的可解释性研究与探索

李玮杰, 杨威, 刘永祥, 黎湘 - 中国科学: 信息科学, 2022 - scis.scichina.com
… On pixel-wise explanations for non-linear classifier decisions by layer-wise relevance …
Starting from the interpretability, this paper proposes the mechanism analysis idea of deep

[HTML][HTML] 神经系统疾病与认知动力学(I): 癫痫发作的动力学与控制

韩芳, 樊登贵, 张丽媛, 王青云 - 力学进展, 2022 - pubs.cstam.org.cn
… We also designed rich and effective deep brain stimulation (DBS) control strategies for
epilepsy and gave a dynamic explanation of electrical stimulation to control absence epileptic …

[PDF][PDF] 台指選擇權之淨買壓, 波動偏斜與異常報酬

第二十卷, 民國一, 二年四月 - Journal of Management - Citeseer
: 本文驗證台指選擇權隱含波動率的淨買壓假說, 我們發現研究期間之台指選擇權隱含波動率呈現
負偏斜, 而此負偏斜導因於淨買壓, 且相依於選擇權契約的存續期間. 在控制台灣市場存在訊息…

利用情感性視覺誘發腦磁波之情緒辨識

李欣芳, 陳永昇 - 2011 - ir.lib.nycu.edu.tw
… 30 3.9 SVM classifier. There are two different data and we need to find a decision boundary
to separate two classes of data and the margin between the two is maximal. . . . . . . . . . . . . . . . …