外文翻译列表>>
基于网络的入侵防御系统(中文3500字,英文PDF)摘要 计算机和数据网络的攻击已经成为一项经常性和复杂的问题。入侵检测已将其注意力从主机和操作系统的网络，并已成为一种提供安全感到这些网络。入侵检测的目的是由内部和外部元件，以检测滥用和未经授权的使用的计算机系统。通常情况下，入侵检测系统可以统计异常和基于规则的误用模型作为入侵的元素的行为被认为是从授权用户行为的
基于全卷积网络的语义分割(中文8000字,英文PDF)摘要：卷积网络在特征分层领域是非常强大的视觉模型。我们证明了经过端到端、像素到像素训练的卷积网络超过语义分割中最先进的技术。我们的核心观点是建立“全卷积”网络，输入任意尺寸，经过有效的推理和学习产生相应尺寸的输出。我们定义并指定全卷积网络的空间，解释它们在空间范围内dense prediction任务(预测每个像素所属的
基于深度卷积神经网络的目标检测(中文7300字,英文PDF)摘要深度神经网络(DNNs)最近在图像分类任务上表现出色[14]。在本文中，我们进一步来解决使用DNN进行目标检测的问题，这不仅是分类，而且是精确定位各种类的对象。我们提出了一个简单但功能强大的对象检测公式作为对象边界框掩模的回归问题。我们定义了一个多尺度推理过程，它能够通过一些网络应用以低成本生成高分辨率目标检测。该方法的最新性能表现在
基于深度神经网络的皮肤科医生级皮肤癌分类(中文3000字,英文PDF)摘要：皮肤癌，人类最常见的恶性肿瘤，主要是视觉诊断，从最初的临床筛查和随访分析潜在的皮肤镜、活检和组织病理学检查。使用图像对皮肤病变进行自动分类是一项具有挑战性的任务，因为皮肤病变外观的细微变化。深度卷积神经网络（CNN）显示了许多细粒度物体类别的一般和高度可变任务的潜力。在这里，我们使用单个CNN证明皮肤损伤的分类，直接从图像
基于卷积神经网络的人脸识别(中文2500字,英文PDF)摘要：人脸识别对于现实世界中的应用起到十分重要的作用。比如视屏监控，人机互动和安全系统，与传统的机器学习方法相比，基于深度学习方法的图像识别在准确性和速度方面表现得更好。本文提出了一个修改卷积神经网络（cnn）得方案，即在原架构中加入两个标准化操作，并提供批量标准化加速网络，使用CNN架构提取面部特征，并在全连接层之后使用softmax分类器
在线和离线手写汉字识别：综合研究和新基准(中文15000字,英文PDF)摘要： 最近基于深度学习的手写汉字特征识别的方法已经取得了最顶尖的表现，这种方法是通过直接从原始数据学习有识别度的特征。然而，我们相信长期且充分被研究的特定领域知识仍然有助于手写汉字识别的性能。通过整合传统统一规范化的，按特定方向分割的特征直接映射到深度卷积神经网络，我们便可在ICDAR-2
灰色系统概念和基本原理的解释(中文4600字,英文PDF)摘要：目的-本文的目的是介绍灰色系统的概念和基本原理。方法-逐一介绍灰色系统概念和基本原理的基本术语的定义。调查结果 - 读者可以了解关于概念的重要术语的基本解释本文从灰色系统的基本原理出发。实际意义 - 许多作者的同事认为关键术语的统一定义对读者和作者都是有益的。价值 - 标准化新学科的所有术语定义是一项基础性工作。 它也有利于传播灰色系
深度卷积神经网络的ImageNet分类(中文11000字,英文PDF)摘要我们训练了一个大型深度卷积神经网络来将ImageNet LSVRC-2010数据集中的120万张高清图片分到1000个不同的类别中。在测试数据中，我们将Top-1错误（分配的第一个类错误）和Top-5错误（分配的前五个类全错）分别降到了37.5%和17.0%，这比之前的技术水平要好得多。这个神经网络拥有6千万的参数和65万个
在皮肤镜图像上使用神经网络集成模型的黑色毒瘤的分割(中文11000字,英文PDF)摘要-通过分析数字皮肤镜图像我们开发了一种分类黑素肿瘤良恶性的新方法。该算法按照以下三个步骤：第一步，使用自生成神经网络（SGNN）来提取病变；第二步，提取肿瘤颜色、纹理和边界描述特征；第三步，使用基于神经网络集成模型的分类器分类病变物体。在临床情况下，病变太大而不能完全被包含在皮肤镜图像中。为了处理这个困难的情况，
改进和拓展的实用程序RATIP包(中文7000字,英文PDF)摘要：在过去的几年,RATIP包被发现有用的计算自由原子的激发和衰减特性。基于(相对论)multiconfiguration Dirac-Fock方法,这个程序是用来获得原子性质的准确的预测和分析许多最近的实验。这个包的日常工作做出了一个实用程序[S.Fritzsche，计算机，物理，通讯,141(2001)163]目的是为了便于数据处