檢索結果：共6筆資料 檢索策略： "Transformer".ekeyword (精準) and ckeyword.raw="卷積神經網路"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
隨著生成式深度學習技術進步，人們能夠產生出清晰的偽造影像，並在動畫、醫學、圖像修復等領域廣泛應用。然而，這些偽造影像有可能被用來惡意竄改影片內容或是冒充知名人士，甚至難以被人眼辨識，使我們必須研究如…
2
生成對抗網路促進許多領域的發展，因為生成對抗網路可以透過對抗式的訓練讓網路學習到訓練資料的分布，並且生成與訓練資料分布類似的資料。基礎的生成對抗網路由兩個獨立的網路所組合的，生成網路是用來合成樣本，…
3
病患在麻醉誘導後發生低血壓是常見的問題，若在手術期間發生低血壓，可能在術後引發併發症。而目前有研究利用深度學習模型預測病患未來是否發生低血壓以協助醫療人員採取適當的醫療方針進而降低病患的風險。由於動…
4
在深度學習和計算機視覺的領域中，物件偵測和影像復原是充滿挑戰性的任務。物件偵測在自動駕駛、醫療、監控等領域取得了廣泛應用。近年來，隨著硬體技術的突破，基於深度學習的物件偵測性能取得了很大的進展。然而…
5
電力網路的穩定與變壓器的健康狀況息息相關。乾式電力變壓器在電力系統中扮演至關重要的腳色。當發生各種型態的變壓器故障，將會降低電力系統的供應與韌性，並且容易引起重大事故和嚴重的經濟損失。對電力變壓器運…
6
本文提出了用於準確檢測電力系統中各種短路故障的資料預處理方法，以實現全面且廣泛地配電系統故障分類。所提方法使用短時距傅立葉轉換(short-time Fourier transform, STFT)…