T=题名(书名、题名),A=作者(责任者),K=主题词,P=出版物名称,PU=出版社名称,O=机构(作者单位、学位授予单位、专利申请人),L=中图分类号,C=学科分类号,U=全部字段,Y=年(出版发行年、学位年度、标准发布年)
AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
范例一:(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二:P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016
摘要:RBL,即基于资源的学习,是学习者通过接触各种资源或运用它们开展实践活动,在教师指导下,完成学习目标的过程。基于资源的学习有时也可以用"自主学习"来替代。协同学习又称合作学习,是指多个学习者为共同完成某个学习任务,相互帮助,相互讨论,或者进行分工合作的学习过程。协同学习强调的是学习者的组织形式,基于资源的学习模式则是学习策略。RBL方式下协同学习是将基于资源的学习方式协同化,协同学习方式面向资源化,协同学习建立在学习资源的基础之上的模式探讨。
摘要:研究了中国固体废物环境监测分析方法标准的发展历程及现状。通过分析现行固体废物环境监测分析方法标准现状与需求,发现中国固体废物环境监测分析方法标准存在不能完全满足现行固体废物污染控制标准和危险废物鉴别标准的测定需求,部分标准规范性有待提高,标准基础研究较为薄弱,同一污染物项目不同方法标准之间的可比性研究有待加强等诸多问题。针对存在的问题,建议从加快标准制修订,加强基础科研和顶层设计,加大可比性研究等方面完善中国固体废物环境监测分析方法标准,以期推动中国固体废物环境监测分析方法标准体系的建设与发展。
摘要:异质人脸图像合成旨在生成逼真、可识别的多种视觉形态的人脸肖像,包括画像、漫画等多种模态.异质人脸图像合成在公共安全和数字娱乐领域具有广泛的应用前景和重要的研究价值,已成为当前研究热点之一.近年来,随着生成对抗网络的发展以及其在多种图像风格转换任务中的成功,研究人员利用生成对抗网络构建了多种异质人脸图像合成的新方法.本文简要回顾了异质人脸图像合成的发展历史,并从异质人脸图像合成的应用进展、模型结构、性能评估、数据集和定性分析等方面综述了该领域最新的关键技术的发展情况,展望了异质人脸图像合成面临的挑战以及其关键技术的发展趋势.
摘要:目前的肖像绘画机器人普遍存在画像质量较低、艺术风格单一、绘制时间较长、运算复杂度高等问题,针对这些问题,提出了一种基于知识蒸馏的简约人脸线条画生成方法。首先,使用大模型作为教师网络,通过知识蒸馏思想,提出一种蒸馏损失来指导轻量型学生网络的训练过程,从而使轻量型模型达到较好的生成效果。其次,引入风格损失,提升了生成线条的连续性。实验结果表明:该方法可以生成简洁、美观的人脸线条画,并且机器人能够在2 min内绘制完成。相比于教师模型计算量减少了约65.3%,参数量减少了约97.1%,且显著优于基准学生模型。
地址:宁波市钱湖南路8号浙江万里学院(315100)
Tel:0574-88222222
招生:0574-88222065 88222066
Email:yzb@zwu.edu.cn