简介:对于鼠标垫来说,最初就是给滚轮鼠标、垫背、它吸附了滚轮上的灰尘,滞留了手汗,默默地在为一条条准确的轨迹贡献自己的身躯直到光电鼠标的出现直到电子竞技的辉煌时代到来,鼠标垫开始进入专业领域,也许鼠标垫一直就存在着专业领域,而我们大众用户谁也不曾想到,哪个领域也可以属于我们——谁曾想到当年躺在桌上的鼠标垫在几年之后会扬眉吐气,卖得比部分鼠标都贵呢,时光流逝,直到今天.我们发现,原来鼠标垫还是鼠标垫,还是那个承载鼠标轨迹的大靠山。这些专业的鼠标垫.经过多年发展,完全可以回归到广大普通用户中间,就好像——当初我们安稳地把手放在一块简陋塑料板上面的时候,心里的那份满足感。
简介:研究基于深度强化学习技术的避障场景的算法模型设计,采用改进岛深度Q网络(DeepQ-lesrningNet-work,DQN)算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况,改进奖利机制,增知实时奖惩作为补充,解决学习耗时长和练不稳定的问题:采用相对角度、位置金和距离等信息,相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法/可视图法等传统人为策略避障算法,深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力,因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。
简介:传统的生物医学命名实体识别方法需要大量的标注数据样本,但是在实际应用中标注样本代价高昂。为降低生物医学命名实体识别对标注样本的需求,本文提出通过使用PU学习中的两步法方法,将生物医学命名实体识别问题转化为PU场景下的命名实体识别问题。在第一步中分别使用1-DNF、Spy、NB和Rocchio算法在未标注数据中抽取强负例,然后在已有的正例数据和强负例数据的基础上构建隐马尔可夫模型,最后对待分类数据进行命名实体识别。在GENIA语料库上的实验结果显示,在标注数据较少的情况下,通过使用PU学习方法的两步法构建分类模型,其性能显著优于直接使用标注数据构建的分类模型,同时降低了人工标注数据的成本。
简介: