论文部分内容阅读
小样本环境下的SAR图像目标检测
【机 构】
：
北京化工大学
【出 处】
：
北京化工大学
【发表日期】
：
2021年期
【基金项目】
：
其他文献
问题生成是指由计算机系统根据给定的段落和答案自动生成问题,是自然语言处理领域的研究热点之一。基于预训练语言模型的问题生成技术已经得到了实际应用,例如根据无标注文本数据生成问答数据集。然而,对于该任务的研究仍存在几个挑战:经常生成正确但不重要的问题,导致问题价值低;训练与测试阶段存在曝光误差,导致累积误差现象;从段落原文复制词语不够精准,导致问题漏词或者多词。本文针对上述三个挑战展开研究,具体如下:
学位
图结构数据在现实世界当中无处不在,可用于表示事物之间的关联。近年来,深度学习技术在人工智能领域取得了超凡的性能,因此,借助深度学习技术分析图数据有着很大的潜力。相比于传统的只考虑节点特征的模型和只考虑图结构特征的模型,图神经网络能够综合考虑图数据中节点信息和图结构信息,从而能够更好地完成预测任务。现有的图神经网络(GNN)可以分成基于谱域和基于空间两种类型,大部分传统的图神经网络把图卷积操作定义成
学位
该文通过大量的仿真结果,分析了在进行Turbo码设计时,各个参数的选择对于Turbo码纠错性能的影响,总结了设计Turbo码时选择参数的原则和方法;通过研究Turbo码的联合界、重量谱,讨论了交织器的结构对于Turbo码性能的影响;分析了输入信息序列的可约性与Turbo码生成码字重之间的关系,并由此导出了Turbo码交织器设计的原则.
学位