檢索結果:共5筆資料 檢索策略: "Transfer Learning".ekeyword (精準) and cdept.raw="電子工程系"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
無監督域適應和語義分割的結合,幫助了人們不論是在生活上或是工作上解決了許多的困難。例如在街景影像中,此項技術可以將不同的物件自動地分割出來,以利機器進行分類及辨識。然而,無奈的是,現實存在一些問題會…
2
隨著近年來機器學習相關技術的發展,深度學習的概念已經成功被應用在不同領域上,當中包括了圖像辨識、物件偵測、自然語言處理,自動生成多媒體內容等,主要原理是透過大量的訓練資料讓深度網路模型學習到資料當中…
3
本論文提出了一種在邊緣設備上部署人類活動識別(HAR)系統的新方法,這對於物聯網(IoT)至關重要。 它解決了基於變壓器的模型的大尺寸和記憶體需求的挑戰,這對於邊緣部署來說是不切實際的。 該解決方案…
4
隨著市場上應用情境的需求不斷提升與改變,深度學習網路架構也逐漸變的複雜且龐大,準確度上升的同時造成了模型參數指數性成長,亦產生了模型效率不佳等更多延伸問題,各個領域的應用需要在準確度與易用性上做出取…
5
近年來表面肌電訊號的應用文獻越來越突出,然而在深度學習演算法的發展也不容忽視,因此,基於表面肌電訊號的研究領域中,越來越多的研究採用人工智慧的演算法。但是,許多的研究都無法達到比較好的結果,主要的原…