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…