期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
拟线性Kirchhoff-Schrödinger-Poisson系统的无穷多低能量解
1
作者
王雅茹
张靖
《应用数学》
北大核心
2025年第4期1008-1016,共9页
本文研究一类拟线性Kirchhoff-Schrödinger-Poisson系统.为了克服拟线性项带来的困难,我们利用扰动方法来考虑问题.当非线性函数与势函数满足适当条件时,将Clark定理应用于系统能量泛函的扰动泛函,证明了该系统具有无穷多低能量解...
本文研究一类拟线性Kirchhoff-Schrödinger-Poisson系统.为了克服拟线性项带来的困难,我们利用扰动方法来考虑问题.当非线性函数与势函数满足适当条件时,将Clark定理应用于系统能量泛函的扰动泛函,证明了该系统具有无穷多低能量解,推广了拟线性Kirchhoff-Schrödinger方程无穷多低能量解的存在性结果.
展开更多
关键词
变分方法
拟线性
Clark定理
扰动方法
在线阅读
下载PDF
职称材料
声景识音:数字化时代声学场景分类的探索与前沿
2
作者
庞鑫
葛凤培
李艳玲
《计算机工程》
北大核心
2025年第6期1-19,共19页
声学场景分类(ASC)旨在让计算机模拟人类听觉识别不同的声学环境,是计算机听觉领域中具有挑战性的任务之一。随着智能音频处理技术以及神经网络学习算法的快速进步,近年来ASC任务也涌现出一系列新算法和新技术。为了全面展示该领域的技...
声学场景分类(ASC)旨在让计算机模拟人类听觉识别不同的声学环境,是计算机听觉领域中具有挑战性的任务之一。随着智能音频处理技术以及神经网络学习算法的快速进步,近年来ASC任务也涌现出一系列新算法和新技术。为了全面展示该领域的技术发展脉络和演进过程,梳理了该领域的早期工作和近期发展,全面介绍了ASC任务。首先描述了ASC的应用场景和面临的挑战;其次详细介绍了ASC的主流框架,重点阐述了应用于此领域的深度学习算法;然后系统性地总结了ASC的前沿探索与延伸任务以及公开数据集;最后对ASC的发展趋势进行探讨与展望。
展开更多
关键词
声学场景分类
深度学习
音频分类
语音识别
数据增强
在线阅读
下载PDF
职称材料
题名
拟线性Kirchhoff-Schrödinger-Poisson系统的无穷多低能量解
1
作者
王雅茹
张靖
机构
内蒙古师范大学
数学科学学院
内蒙古师范大学无穷维哈密顿系统及其算法应用教育部重点实验室
内蒙古师范大学
内蒙古
应用
数学中心
出处
《应用数学》
北大核心
2025年第4期1008-1016,共9页
基金
内蒙古自治区自然科学基金面上项目(2022MS01001,2023LHMS01005)
内蒙古自治区高等学校“青年科技英才支持项目”(NJYT23100)
数学一流拔尖培育学科自主研究项目(2024YLKY14)。
文摘
本文研究一类拟线性Kirchhoff-Schrödinger-Poisson系统.为了克服拟线性项带来的困难,我们利用扰动方法来考虑问题.当非线性函数与势函数满足适当条件时,将Clark定理应用于系统能量泛函的扰动泛函,证明了该系统具有无穷多低能量解,推广了拟线性Kirchhoff-Schrödinger方程无穷多低能量解的存在性结果.
关键词
变分方法
拟线性
Clark定理
扰动方法
Keywords
Variational method
Quasilinear
Clark’s theorem
Perturbation approach
分类号
O175.2 [理学—基础数学]
在线阅读
下载PDF
职称材料
题名
声景识音:数字化时代声学场景分类的探索与前沿
2
作者
庞鑫
葛凤培
李艳玲
机构
内蒙古师范大学
计算机科学技术学院
北京邮电
大学
图书馆
内蒙古师范大学无穷维哈密顿系统及其算法应用教育部重点实验室
出处
《计算机工程》
北大核心
2025年第6期1-19,共19页
基金
国家自然科学基金(12204062,62266033,61806103,61562068)
无穷维哈密顿系统及其算法应用教育部重点实验室开放课题(2023KFZD03)
+2 种基金
内蒙古自治区自然科学基金(2022LHMS06001)
内蒙古师范大学基本科研业务费专项资金(2022JBQN106,2022JBQN111,2022JBTD016)
内蒙古师范大学研究生创新基金(CXJJS23066)。
文摘
声学场景分类(ASC)旨在让计算机模拟人类听觉识别不同的声学环境,是计算机听觉领域中具有挑战性的任务之一。随着智能音频处理技术以及神经网络学习算法的快速进步,近年来ASC任务也涌现出一系列新算法和新技术。为了全面展示该领域的技术发展脉络和演进过程,梳理了该领域的早期工作和近期发展,全面介绍了ASC任务。首先描述了ASC的应用场景和面临的挑战;其次详细介绍了ASC的主流框架,重点阐述了应用于此领域的深度学习算法;然后系统性地总结了ASC的前沿探索与延伸任务以及公开数据集;最后对ASC的发展趋势进行探讨与展望。
关键词
声学场景分类
深度学习
音频分类
语音识别
数据增强
Keywords
Acoustic Scene Classification(ASC)
deep learning
audio classification
speech recognition
Data Augmentation(DA)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
拟线性Kirchhoff-Schrödinger-Poisson系统的无穷多低能量解
王雅茹
张靖
《应用数学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
声景识音:数字化时代声学场景分类的探索与前沿
庞鑫
葛凤培
李艳玲
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
