Saltar navegación e ir al contenido principal
Biblioteca digital de Bogotá
Logo BibloRed
Cargando contenido
¿Qué estás buscando?
  • Escribe palabras clave como el título de un contenido, un autor o un tema que te interese.

  • Búsqueda avanzada

Seleccionar

Contenidos y Experiencias Digitales

Filtrar

Formatos de Contenido
Tipo de colección
Género
Idioma
Derechos de uso

Selecciona contenidos según las condiciones legales para su uso y distribución.

Estás filtrando por

Cargando contenido

Se encontraron 630263 resultados en recursos

  • Exclusivo BibloRed
Imagen de apoyo de  Research on Network Layer Recursive Reduction Model Compression for Image Recognition

Research on Network Layer Recursive Reduction Model Compression for Image Recognition

Por: Hindawi | Fecha: 2021

ResNet ha sido ampliamente utilizado en el campo del aprendizaje automático desde que fue propuesto. Este modelo de red es exitoso en la extracción de características de los datos de entrada al superponer múltiples capas de redes neuronales y lograr así una alta precisión en muchas aplicaciones. Sin embargo, la superposición de redes neuronales de múltiples capas aumenta su costo computacional. Por esta razón, proponemos una técnica de compresión del modelo de red que elimina múltiples capas de redes neuronales de ResNet sin disminuir la tasa de precisión. La idea clave es proporcionar un término de prioridad para identificar la importancia de cada capa de red neuronal, y luego seleccionar las capas no importantes para ser eliminadas durante el proceso de entrenamiento basándose en la prioridad de las capas de red neuronal. Además, este artículo también vuelve a entrenar el modelo de red para evitar la degradación de la precisión causada por la eliminación de capas de red. Los experimentos demuestran que el tamaño de la red puede reducirse en un 24.00%
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Research on Network Layer Recursive Reduction Model Compression for Image Recognition

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Pattern Classification-Based Analysis on Gastrointestinal Multifunctional Apparatus Guided by Ultrasound Image after Resection of Esophageal Carcinoma

Pattern Classification-Based Analysis on Gastrointestinal Multifunctional Apparatus Guided by Ultrasound Image after Resection of Esophageal Carcinoma

Por: Hindawi | Fecha: 2021

Para investigar el valor diagnóstico del instrumento gastrointestinal multifuncional extracorpóreo guiado por imagen de ultrasonido basado en algoritmo de clasificación de patrones (PCA) sobre el estado físico de los pacientes después de una esofagectomía por cáncer de esófago (CE), en este estudio se seleccionaron 120 pacientes con cáncer de esófago que ingresaron a nuestro hospital para consulta y tratamiento de julio de 2019 a julio de 2020 como sujetos de investigación, y los pacientes fueron divididos aleatoriamente en un grupo control (tratamiento con medicamentos para la motilidad gastrointestinal) y un grupo de observación (terapia con medicamentos para la motilidad gastrointestinal + aparato gastrointestinal multifuncional extracorpóreo (EGMA)), con 60 casos en cada grupo. Se diseñó un algoritmo de método de clasificación de patrones para las características de imagen de ultrasonido de los tumores de cáncer de esófago y se aplicó a la identificación clínica y diagnóstico del estado postoperatorio de los pacientes con cáncer de esó
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Pattern Classification-Based Analysis on Gastrointestinal Multifunctional Apparatus Guided by Ultrasound Image after Resection of Esophageal Carcinoma

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Realization of Mobile Education Resource Sharing Method Based on Wireless Broadband Connection

Realization of Mobile Education Resource Sharing Method Based on Wireless Broadband Connection

Por: Hindawi | Fecha: 2021

El intercambio de recursos educativos entre estudiantes es siempre un componente esencial para el desarrollo del nivel educativo. Con el avance de las redes digitales y de comunicación entre instituciones, el uso y compartición de recursos educativos de alta calidad puede alcanzar un nuevo nivel. Este documento propone una nueva plataforma para la predicción y compartición de recursos educativos móviles a través de la tecnología de acceso inalámbrico de banda ancha. La arquitectura del sistema de compartición de recursos comprende capas de recursos, gestión y servicio. Se establece un sistema de índices de evaluación para valorar la calidad del recurso, y se presenta una descripción detallada de los métodos de evaluación del recurso. Además, se investigaron los impactos sociales en la asignación de recursos y las similitudes entre las métricas sociales como el tiempo de respuesta, la tasa de éxito y la adquisición de recursos. El sistema tiene el potencial de proporcionar una alta tasa de éxito y un bajo tiempo de respuesta. El sistema propuesto en el documento estimulará el trabajo en equipo entre grupos docentes y aumentará la capacidad de
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Realization of Mobile Education Resource Sharing Method Based on Wireless Broadband Connection

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Analysis of Image Features and TCM Syndrome Types of Lobar Pneumonia in Children Based on Mean Square Deviation Lung CT Image Registration Algorithm

Analysis of Image Features and TCM Syndrome Types of Lobar Pneumonia in Children Based on Mean Square Deviation Lung CT Image Registration Algorithm

Por: Hindawi | Fecha: 2021

El objetivo era analizar la aplicación de imágenes de tomografía computarizada (TC) en el diagnóstico de lesiones, y la composición de los síndromes de medicina tradicional china (MTC) en niños con neumonía lobar. Se construyó un algoritmo de registro de imágenes de TC pulmonar basado en el algoritmo de desviación cuadrada media optimizada (OMSD), que se aplicó a las imágenes de TC de 188 niños pacientes con neumonía lobar antes y después del tratamiento. Además, se introdujeron los algoritmos de deformación libre (FFD) y desviación cuadrada media (MSD) para comparar con OMSD. Los resultados mostraron que la suma de diferencias al cuadrado (SSD) de OMSD fue significativamente menor que la de MSD y FFD (). La información mutua (MI), la tasa de superposición relativa (ROR) y de OMSD fueron notablemente más altas que las de MSD y FFD (). Después del tratamiento, el número de engrosamiento intersticial pulmonar, engros
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Analysis of Image Features and TCM Syndrome Types of Lobar Pneumonia in Children Based on Mean Square Deviation Lung CT Image Registration Algorithm

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Research of Contextual Semantic Reasoning Model Based on Domain Ontology

Research of Contextual Semantic Reasoning Model Based on Domain Ontology

Por: Hindawi | Fecha: 2021

Con el desarrollo de la tecnología de redes móviles y la popularización de terminales móviles, los sistemas tradicionales de recomendación de información están cambiando gradualmente en la dirección de la recomendación de información en tiempo real y móvil. La recomendación de información plantea el problema de la sensibilidad contextual del usuario dentro del entorno móvil. Para este problema, en primer lugar, este documento construye una ontología de dominio, que es aplicable al modelo de razonamiento semántico contextual. En segundo lugar, basándose en el método de las 5W+1H, este documento construye un pedigrí de contexto del entorno móvil utilizando un marco de modelo de una ontología de dominio. Los factores contextuales del entorno móvil se dividen en seis categorías: el contexto de Qué-objeto, el contexto de Dónde-lugar, el contexto de Cuándo-tiempo, el contexto de Quién-sujeto, el contexto de Por qué-razón y el contexto de Cómo-efecto. Luego, considerando que el grado de influencia de cada factor contextual del pedigrí del contexto móvil
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Research of Contextual Semantic Reasoning Model Based on Domain Ontology

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Adaptive Backstepping Sliding Mode Control for Quadrotor UAV

Adaptive Backstepping Sliding Mode Control for Quadrotor UAV

Por: Hindawi | Fecha: 2021

El UAV cuadricóptero tiene una gran movilidad y flexibilidad en vuelo y ha sido ampliamente utilizado en campos militares y civiles en los últimos años. Se propone un método de control deslizante de modo de backstepping adaptativo (ABSMC) para abordar el problema de control de seguimiento de trayectoria del UAV cuadricóptero basado en fallas del actuador y perturbaciones externas. En el método propuesto, la ganancia de conmutación del control deslizante adaptativo se construye en el proceso de diseño de backstepping para suprimir efectivamente el efecto de trasteo del control deslizante mediante iteración diferencial. En primer lugar, se propone el modelo dinámico del UAV cuadricóptero con fallas del actuador y perturbaciones externas, y luego se diseñan los controladores basados en el método ABSMC. Finalmente, los experimentos de comparación entre el método de control deslizante (SMC) y el método ABSMC muestran que el método ABSMC no solo puede suprimir eficazmente el problema de
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Adaptive Backstepping Sliding Mode Control for Quadrotor UAV

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Smart Payment Contract Mechanism Based on Blockchain Smart Contract Mechanism

Smart Payment Contract Mechanism Based on Blockchain Smart Contract Mechanism

Por: Hindawi | Fecha: 2021

En los últimos años, la tecnología blockchain se ha convertido en un tema candente en diversas industrias. Con el desarrollo y la madurez de la tecnología blockchain, se ha aplicado en finanzas, derecho, etc., con sus ventajas de descentralización, apertura, seguridad de la información y ocultamiento. Los escenarios de aplicación en la industria son cada vez más abundantes. En comparación con la forma tradicional de contrato de pago TPA, el mecanismo de contrato inteligente basado en la tecnología blockchain es claramente más eficiente, conveniente y seguro. En este contexto, diseñamos un contrato de pago inteligente adecuado para el almacenamiento en la nube mediante el estudio de Ethereum. La cláusula de relación en el contrato de pago inteligente debe regularse en torno al derecho contractual. La cláusula de vinculación de pago del contrato inteligente se puede clasificar en tres formas, incluyendo el tipo efectivo condicional, el tipo conjunto de contrato y el tipo de enlace de contrato, que corresponden al derecho contractual. Por lo tanto, el sistema legal de contratos para cláusulas de vinculación
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Smart Payment Contract Mechanism Based on Blockchain Smart Contract Mechanism

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Implicit Feedback Recommendation Method Based on User-Generated Content

Implicit Feedback Recommendation Method Based on User-Generated Content

Por: Hindawi | Fecha: 2021

El método de recomendación de estudio ha sido durante mucho tiempo un área fundamental en la ciencia del marketing personalizado. El problema de la escasez de datos de calificación es el mayor desafío de las recomendaciones. Además, los métodos de recomendación existentes solo pueden identificar las preferencias de los usuarios en lugar de las necesidades de los clientes. Para resolver estos dos problemas de cuello de botella, proponemos un nuevo método de recomendación de retroalimentación implícita utilizando contenido generado por el usuario (UGC). Identificamos la característica del producto y las necesidades del cliente a partir de UGC utilizando un modelo de Red Neuronal Convolucional (CNN) y técnicas de análisis semántico textual, medimos el grado de ajuste usuario-producto introduciendo un mecanismo de atención y un mecanismo de antónimos, y predecimos la calificación del usuario en función del grado de ajuste usuario-producto y de los datos de calificación histórica del usuario. Utilizando datos de sitios de reseñas a gran escala, demostramos la efectividad de nuestro método propuesto. Nuestro estudio hace varias contribuciones a
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Implicit Feedback Recommendation Method Based on User-Generated Content

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Surface Defect Detection of Seals Based on K-Means Clustering Algorithm and Particle Swarm Optimization

Surface Defect Detection of Seals Based on K-Means Clustering Algorithm and Particle Swarm Optimization

Por: Hindawi | Fecha: 2021

Como parte importante del automóvil, la calidad y seguridad de las piezas de sellado del circuito de aceite a alta presión del motor del automóvil son un indicador importante del proceso de producción de los fabricantes. Con el fin de mejorar la precisión y eficiencia de detección de las piezas de sellado en el proceso de producción tradicional, se estudió el método de detección de defectos en la superficie del sello. Se propuso un algoritmo de segmentación de imagen por agrupamiento K-Means basado en optimización por enjambre de partículas. Para detectar los defectos en la superficie de los sellos, primero, se preprocesa la imagen del sello. Luego, se utiliza el algoritmo SURF para extraer los puntos característicos de la imagen del sello. Finalmente, de acuerdo con la función de varianza de aptitud del enjambre de partículas, se selecciona el punto de inserción calculado mediante la combinación de la optimización por enjambre de partículas y el algoritmo K-Means. A través de la iteración,
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Surface Defect Detection of Seals Based on K-Means Clustering Algorithm and Particle Swarm Optimization

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Automatic Repair Method for D2D Communication Routing Buffer Overflow Vulnerability in Cellular Network

Automatic Repair Method for D2D Communication Routing Buffer Overflow Vulnerability in Cellular Network

Por: Hindawi | Fecha: 2021

Reparar la sobrecarga de búfer de enrutamiento de comunicación D2D en una red celular es de gran importancia para mejorar la calidad y seguridad de la comunicación. Debido al aumento del uso de usuarios, los datos de comunicación son fáciles de exceder el límite del búfer, lo que resulta en la reducción de la información de datos cubierta. Los métodos de reparación tradicionales reparan principalmente a través de las características de la información de datos cubierta, ignorando el impacto de la información de la topología de la red, la demora en la transmisión y la pérdida de paquetes durante el cálculo, lo que resulta en el problema de baja seguridad de la comunicación. Se propone un algoritmo de reparación de sobrecarga de búfer de enrutamiento de red celular basado en el análisis homomórfico de la energía residual del nodo; se diseña el protocolo de enrutamiento de comunicación D2D de la red celular; se determina el índice de ruta del protocolo de comunicación D2D de la red celular;
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Automatic Repair Method for D2D Communication Routing Buffer Overflow Vulnerability in Cellular Network

Copia el enlace o compártelo en redes sociales

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones

¿Deseas limpiar los términos de la búsqueda avanzada?

Vas a limpiar los términos que has aplicado hasta el momento para poder rehacer tu búsqueda.

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones