時(shí)間：所屬分類：學(xué)術(shù)成果常識(shí)瀏覽：1次
維度空間類論文引用哪些文獻(xiàn)?維度空間類論文可引用的文獻(xiàn)還是比較多的。大家在選擇時(shí)要選擇近兩年內(nèi)的論文文獻(xiàn)，再就是引用時(shí)盡可能查找論文的原始出處，而且還要保障所引用的論文與自身論文的關(guān)系度比較高等，才能起到引用文獻(xiàn)的作用。下面學(xué)術(shù)顧問給大家分享幾篇維度空間的文獻(xiàn)，供大家參考：
維度空間為論文文獻(xiàn)一：光子學(xué)中合成頻率維度空間的研究
摘要：<正>研究了動(dòng)態(tài)調(diào)制下光學(xué)諧振腔系統(tǒng),并將光的頻率自由度主動(dòng)耦合在一起,構(gòu)建了人工合成頻率維度。在結(jié)合該頻率維度的合成空間中,通過動(dòng)態(tài)調(diào)制,可以產(chǎn)生作用于光子的等效規(guī)范場,從而能夠?qū)崿F(xiàn)包括拓?fù)溥吔鐟B(tài)等一系列物理現(xiàn)象。此外,發(fā)現(xiàn)可以結(jié)合光的兩個(gè)獨(dú)立的自由度,在單個(gè)光學(xué)諧振腔中搭建二維空間,并實(shí)現(xiàn)等效磁流。
維度空間為論文文獻(xiàn)二：基于空間維度循環(huán)感知網(wǎng)絡(luò)的密集人群計(jì)數(shù)模型
摘要：考慮目前對(duì)具有透視畸變的高密度人群圖像進(jìn)行特征提取的局限性,提出了一種融合全局特征感知網(wǎng)絡(luò)(GFPNet)和局部關(guān)聯(lián)性特征感知網(wǎng)絡(luò)(LAFPNet)的人群計(jì)數(shù)模型LMCNN。GFPNet是LMCNN的主干網(wǎng)絡(luò),將其輸出的特征圖進(jìn)一步序列化并作為LAFPNet的輸入,再利用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)在時(shí)序維度上對(duì)局部關(guān)聯(lián)性特征感知的特點(diǎn)將單一的空間靜態(tài)特征映射到具有局部序列關(guān)聯(lián)性特征的特征空間,從而有效地削減了透視畸變對(duì)人群密度估計(jì)造成的影響。為了驗(yàn)證所提模型的有效性,在Shanghaitech Part A子集和UCFCC50數(shù)據(jù)集上與原子卷積空間金字塔網(wǎng)絡(luò)(ACSPNet)進(jìn)行對(duì)比,結(jié)果表明所提模型的平均絕對(duì)誤差(MAE)分別至少減小了18.7%和20.30%,均方誤差(MSE)分別至少減小了22.3%和22.6%。LMCNN注重空間維度上前后特征的相關(guān)性,通過對(duì)空間維度特征與單圖像內(nèi)序列特征的充分融合,減小了由透視畸變引起的人群計(jì)數(shù)誤差,能更加準(zhǔn)確地預(yù)測密集區(qū)域人數(shù),提高人群密度回歸精度。
關(guān)鍵詞：人群計(jì)數(shù);人群密度估計(jì);卷積神經(jīng)網(wǎng)絡(luò);多列卷積神經(jīng)網(wǎng)絡(luò);長短時(shí)記憶神經(jīng)網(wǎng)絡(luò);
維度空間為論文文獻(xiàn)三：時(shí)間的多維度空間表征：分離的起源與激活機(jī)制
摘要：近期研究發(fā)現(xiàn)時(shí)間可以分別在三個(gè)空間維度(左右、前后和上下)進(jìn)行表征,但不同維度心理時(shí)間線的起源和激活機(jī)制尚存爭議。最新證據(jù)表明,左右維度時(shí)間線主要起源于閱讀/書寫習(xí)慣所伴隨的感覺運(yùn)動(dòng)經(jīng)驗(yàn),其激活可能是一種低水平的感覺運(yùn)動(dòng)機(jī)制;前后和上下維度時(shí)間線主要起源于語言中的空間隱喻,其激活可能是一種高水平的語義機(jī)制。未來研究應(yīng)更關(guān)注心理時(shí)間線的起源多樣性、先天基礎(chǔ)、神經(jīng)機(jī)制以及時(shí)間線和數(shù)字線的類比。
關(guān)鍵詞：心理時(shí)間線;起源;激活;具身模擬;隱喻映射;
相關(guān)知識(shí)推薦：適合維度空間專業(yè)論文發(fā)表的期刊
以上是學(xué)術(shù)顧問關(guān)于“維度空間類論文引用哪些文獻(xiàn)”的分享。有想了解更多關(guān)于維度空間方向的論文文獻(xiàn)，或是有發(fā)表論文需求的作者，可以直接與我們在線學(xué)術(shù)顧問聯(lián)系。