混沌理論的發展為圖像加密開辟了一個新的道路?；煦缡且环N確定的非線性系統產生的復雜的、看似隨機的物理現象，其產生的序列具有偽隨機性，非周期性及對控制參數和初始條件的高度敏感...

在視頻監控，遙感，目標跟蹤和自動駕駛等領域，都涉及到圖像處理步驟。這些戶外圖像處理系統的性能在極端天氣下會有很大的影響。在霧、霾天氣下，物體表面的反射光會受到大氣中微小粒...

貧困大學生主要是指家庭經濟情況貧困的學生， 雖然隨著國家經濟的發展，很多家庭的經濟水平都有 了改善，但是還是有很多家庭處于經濟貧困的狀況， 貧困大學生在高校中占了不少的人數。...

粗糙集理論認為知識是有粒度的，是一種對論 域中對象進行分類的能力。經典的 Pawlak 粗糙集[1] 采用等價劃分和等價類的概念保證了粒度計算的 進行，但是這種處理方式只適用于離散型變量，...

隨著高分辨率遙感衛星載荷數據獲取能力的提高和衛星地面站數傳接收能力的增強，遙感衛星數傳數據量不斷增大。在一次衛星過境中，地面接收站持續接收衛星下傳數據，經過一系列的數據格...

20 世紀以來，隨著“小世界網絡”與“無標度網絡”研究的興起，復雜網絡可以作為一種網絡建 模工具，進而對路網進行建模，復雜網絡的鏈路預 測則為研究路網的演化方向提供了可行的解決...

萬物存在，皆有存在的道理，如果是大勢所趨，那我們只能去選擇擁抱和學習，這句話也是送給那些所有還沒認識到區塊鏈價值的童鞋們，區塊鏈絕對不是簡單的挖礦、買幣、賣幣這么簡單，區...

本文研究了特征在圖上的傳播問題，它構成了許多圖表示學習任務中的構造塊。通常，圖表示學習任務的目標是學習。 與傳統的學習任務f(X)相比，函數f(X，G)在某種程度上利用了空間G中的附加...

本文從跨空間機器教學的角度出發，向黑匣子機器教學邁出了重要的一步，即教師和學習者使用不同的特征表征。 NS和老師不能完全觀察學習者的模式。在這種情況下，我們將研究教師如何仍...

對圖結構的深入學習在各種應用中都顯示出令人興奮的結果。然而，相對于眾多的研究工作，這些模型的魯棒性研究很少受到重視。 圖像或文字對抗攻擊和防御。本文主要研究通過修改數據組...

當采用函數逼近時，求解具有穩定性保證的Bellman最優方程一直是強化學習中的一個重要問題?；酒D難 Ty是Bellman算子在一般情況下的擴展，導致Q-學習等流行算法的振蕩甚至發散行為。在本文...

圖卷積網絡(GCNS)是一種強大的深層次神經網絡 但是，GCN從其鄰居遞歸地計算節點的表示，使接收字段的大小隨層數呈指數增長。以前關于減少Recep的嘗試 子抽樣鄰居的域大小不具有收斂性保證...

許多圖形分析問題可以通過迭代算法來求解，其中解決方案的特征往往是一組穩態條件。 Xed點約束，因此，我們可以學習一種算法，它可以從實例中自動獲得相同的穩態解，而不是使用這些傳...

可解釋性是一個非常重要的標準。機器學習模型應用于醫學等領域，金融市場和刑事司法(例如，見Lipton的討論文件(Lipton，2016)以及參考文獻)。許多復雜的模型，比如隨機森林，采用核方法和...