Deep convolutional neural networks for automated scoring of constructed responses
PulseAugur coverage of Deep convolutional neural networks for automated scoring of constructed responses — every cluster mentioning Deep convolutional neural networks for automated scoring of constructed responses across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
假肢视觉管线增强以实现多目标识别
研究人员为上肢假肢设备开发了一种改进的基于视觉的管线，以便在复杂环境中更好地识别可抓握的物体部件。新方法通过加入激光指示器进行物体消歧来修改硬件设置，并重新训练深度卷积神经网络。该方法在不增加计算成本的情况下，将目标消歧准确率提高了高达9%，并利用混合现实程序化生成逼真的图像用于训练。
-
研究论文探讨基于ReRAM的PIM CNN加速器的故障脆弱性
一篇新研究论文探讨了基于ReRAM的内存处理（PIM）加速器对故障的脆弱性，这些故障会降低深度卷积神经网络（CNN）的准确性。该研究开发了一个故障注入框架，用于分析映射到这些加速器的CNN参数上的“卡在高”（SaH）和“卡在低”（SaL）故障的影响。研究结果表明，故障脆弱性受层类型、参数位置和故障特性的影响，其中SaL故障比SaH故障对分类准确性的损害更大。
-
Expresso-AI 提供可解释的视频AI用于抑郁症诊断
研究人员开发了Expresso-AI，一个用于解释基于面部视频训练的深度学习模型在抑郁症诊断中决策的新框架。该系统通过检查面部区域和时间表情语义，对深度卷积神经网络（DCNN）进行微调，并生成模型推理的可视化和量化解释。Expresso-AI框架不仅提高了AI在心理健康诊断中的可解释性，而且在预测性能上优于之前的基准。
-
深度学习通过新颖的合成方法推动Doherty功率放大器设计
研究人员开发了一种使用深度学习设计Doherty功率放大器的新颖方法，特别是深度卷积神经网络（CNN）结合遗传算法（GA）和双态阻抗合成。该方法解决了输出组合器中负载调制、阻抗匹配和相位补偿的复杂集成问题。使用该方法制造的原型在2.6-2.8 GHz范围内实现了超过44.2 dBm的饱和输出功率和高于71.2%的峰值漏极效率，在6 dB回退电平下漏极效率为64%。在数字预失真后，记录到的邻道泄漏比优于-51.3 dBc。