安徽大学计算机科学与技术实验,安徽大学计算机科学与技术学院硕士生导师：吕钊副教授...

最新推荐文章于 2023-09-19 09:26:38 发布
最新推荐文章于 2023-09-19 09:26:38 发布
阅读量872 收藏
点赞数
文章标签： 安徽大学计算机科学与技术实验
吕钊，安徽大学计算机科学与技术学院副教授，主要研究方向包括智能信息处理、人-机交互和生物医学信号处理。他主持多项科研项目，涉及眼动信号处理和语音信号处理，并在国际期刊发表多篇论文，授权多项国家发明专利。
摘要由CSDN通过智能技术生成

姓名： 吕 钊

性别：  男

出生年月： 1979 年 02 月

导师类别：硕士生导师

技术职称：  副教授

联系方式

kjlz@163.com

招生专业名称：计算机应用技术

主要研究方向

1. 智能信息处理与人-机交互技术

2. 生物医学信号处理

3. 语音信号处理

个人简历

于2006-2011年在安徽大学计算机应用专业硕博连读，并获工学博士学位。现为安徽大学计算机科学与技术学院副教授，智能信息处理与人-机交互(IIP-HCI)实验室主要成员。

学术成果

先后主持国家自然科学青年基金，安徽省自然科学基金，安徽高校省级自然科学研究重点项目，计算智能与信号处理教育部重点实验室开放课题各1项；申请国家发明专利13项，已授权5项；在国内外学术刊物和会议上发表论文40余篇，其中SCI及EI收录累计近20篇。

近3年发表论文列表(第一或通信作者)：

[1] Zhao Lv, Chao Zhang, Bangyan Zhou, Xiangping Gao, Xiaopei Wu*. EOG-based Eye Gesture Perception Using Common Spatial Pattern Method. Expert Systems With Applications, 2018, 91: 310-321. (SCI: 000414619600026)

[2] Xiaojuan Ding, Zhao Lv*, Chao Zhang, Xiangping Gao, Bangyan Zhou. A robust online saccadic eye

最低0.47元/天 解锁文章
Xenophon Tony
关注
运动想象脑电信号数据集及其预处理方法
计算机小白
04-17 2439
本文记录了做运动想象时候的3个公开数据集，以及预处理方法。给初学者提供全面的运动想象的基础知识。
安徽大学计算机科学与技术学院klu,吴小培 - 安徽大学 - 计算机科学与技术学院...
weixin_42348880的博客
06-15 311
个人简介吴小培个人简历吴小培，1966年11月25日出生,安徽大学计算机科学与技术学院教授，博士/硕士生导师。分别于1985、1988和2002年在安徽大学、电子科技大学和中国科学技术大学获得学士、硕士和博士学位。2003－2006在中国科技大学信号与信息处理博士后流动站进行博士后研究，2004.4-2004.10美国加州大学圣地亚哥分校学习。主要研究领域：机器学习与脑-机接口；语音与智能视频分析...
安徽大学计算机科学与技术学院klu,方贤勇 - 安徽大学 - 计算机科学与技术学院...
weixin_31036839的博客
06-15 609
个人简介个人简历2005年12月博士毕业于浙江大学CAD&CG国家重点实验室，2006年6月起在安徽大学计算机科学与技术学院工作，并于2011年11月获得教授职称，期间于2007年8月至2008年7月在法国LIMSI-CNRS从事博士后研究。2018年12月至2019年12月在美国休斯敦大学计算机系从事访问研究。个人简介个人简历2005年12月博士毕业于浙江大学CAD&CG国家重点...
安徽大学范存航、吕钊团队提出使用动态图自蒸馏方法实现基于EEG的高性能听觉注意检测...
脑机接口社区
09-19 632
安徽大学智能信息处理与人机交互实验室(IIP-HCI)的范存航副教授、吕钊教授联合清华大学的陶建华教授、中科院自动化所的易江燕副研究员，提出了一种基于动态图自蒸馏(DGSD)的听觉注意检测模型。论文地址：https://arxiv.org/abs/2309.07147鸡尾酒会是一个有趣的场景，表现为多个说话人的声音混合在一起，就像在一场喧嚣的社交聚会上一样。这个场景的挑战在于，当多个声音源同时存在...
2021-03-11
baidu_41849386的博客
03-13 1796
Ubuntu18.04 ros melodic 配置奥比中光深度相机 本实验室搭建的视觉系统，参考了Numberors的内容，并且查阅了多个博主的内容，现将过程整理如下，供大家参考！ 1.系统软硬件 (1)软件：ubuntu18.04系统ros版本是melodic (2)硬件：台式机和奥比中光深度相机 ps:注意ros kinetic版本与ros melodic版本的区别 2.相机部署过程 (1) 安装依赖 sudo apt-get install build-essential free
安徽大学计算机科学与技术学院张磊,吕钊（安徽大学计算机科学与技术学院副教授）_百度百科...
weixin_39523529的博客
06-26 582
吕钊(安徽大学计算机科学与技术学院副教授)语音编辑锁定讨论上传视频吕 钊，男，1979年2月出生，博士，现为安徽大学计算机科学与技术学院硕士生导师、副教授。中文名吕 钊出生日期1979年2月毕业院校安徽大学学位/学历博士专业方向计算机应用技术职务安徽大学计算机科学与技术学院硕士生导师吕钊人物经历编辑语音2006-2011年在安徽大学计算机应用专业硕博连读，并获工学博士学位。现为安徽大学计算...
汇编语言程序设计课后习题答案
02-19
汇编语言程序设计课后习题答案汇编语言程序设计课后习题答案汇编语言程序设计课后习题答案汇编语言程序设计课后习题答案
filtfilt:我们在java中编写了一个filtflit函数。 filtflit的输出与Matlab中的输出相同
05-05
filtfilt We wirte a filtflit function in java . The filtflit's output is the same as it's in Matlab . == @author 黄大卫,胡盼 @version 1.0 @Time 2016年3月23日下午9:04:28 @Description 调用static方法：doFiltfilt执行滤波 @copyright 安徽大学 iiphci 实验室 最近实验室做android项目需要使用零相位滤波，在Matlab上有直接的实现， C++也有相应的版本，唯独java中在网上没有找到。因而萌生的自己动手写 一个java实现的想法。 本项目参考了在网上搜的一个C++对于filtfilt的实现，在文件夹“filtfilt-C++”中有visual studio 2010的工程 由于原作者不可考证，在这
HCIP2三层架构实验
m0_53102443的博客
04-25 142
题目 实验步骤 交换部分： eth-trunk vlan trunk stp svi vrrp dhcp 电脑获取地址 路由部分 IP地址配置 路由协议ospf 测试 acl nat sw1 sw2上 eth-trunk sw1 sw2 sw3 sw4上创建vlan2 之后还需在sw3 sw4 上接口划入vlan sw1 sw2 上g0/0/1还需创建vlan3吧 trunk 这五根线 O(∩_∩)O哈哈~ stp sw1 sw2 sw3 sw4上 sw3 sw3 边缘端口 [sw4-Ether
安大计算机学院ACM,安徽大学计算机科学与技术学院硕士生导师：张磊
weixin_33456137的博客
07-04 1630
姓名： 张磊性别： 男出生年月：1986年5月导师类别：硕士生导师技术职称： 讲师联系方式Tel: 18656556957 Email: zl@ahu.edu.cn招生专业名称计算机科学与技术、软件工程主要研究方向1. 数据挖掘2. 社会网络分析3. 多目标优化及其应用个人简历安徽大学计算机学院讲师，硕士生导师，ACM 会员、CCF 会员，多年来一直从事数据挖掘和多目标优化以及应用研究，作为负责...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值