91一级特黄大片|婷婷中文字幕在线|av成人无码国产|日韩无码一二三区|久久不射强奸视频|九九九久久久精品|国产免费浮力限制

陳云華，博士，INNS及CCF會員，碩士生導(dǎo)師，廣東工業(yè)大學副教授。主要研究方向為神經(jīng)形態(tài)類腦計算、計算機視覺、深度學習，在IEEE T COGN DEV SYST、NEURAL COMPUT、NEUROCOMPUTING、PATTERN RECOGN、J VIS COMMUN IMAGE R、CVPR、ICPR 、《中國圖象圖形學報》、《控制理論與應(yīng)用》、《計算機科學》等國內(nèi)外重要學術(shù)期刊/會議發(fā)表論文50余篇。主持省部級項目6項，獲得授權(quán)專利3項、軟件著作權(quán)1項。2016年赴英國曼切斯特大學訪學，師從ARM之父Steve Furber教授，現(xiàn)為NEURAL COMPUT、PPL INTELL、INT J MACH LEARN CYB等多個學術(shù)期刊的審稿人。

個人主頁： https://yzw.gdut.edu.cn/info/1120/1851.htm

------------------------------------
作者：陳云華
來源：學者網(wǎng)
原文：http://www.1061937.com/vpost.html?pid=189233
本文為該學者原創(chuàng)文章，轉(zhuǎn)載請附上文章鏈接！

個人主頁： https://yzw.gdut.edu.cn/info/1120/1851.htm

INNS（International Neural Network Society）會員，中國計算機學會會員，中國人工智能協(xié)會可拓學專委會委員

人工智能、計算機科學與技術(shù)、計算機技術(shù)、軟件工程

一、計算機視覺方向：

       1.  針對DVS（動態(tài)視覺傳感器）數(shù)據(jù)，對高速運動目標進行檢測與識別的技術(shù)（包括深度學習方法和脈沖神經(jīng)網(wǎng)絡(luò)方法）；

       2.  針對傳統(tǒng)視頻圖像進行處理的計算機視覺技術(shù)（包括傳統(tǒng)方法和深度學習方法）。

二、SNN ( 脈沖神經(jīng)網(wǎng)絡(luò))方向：

       1.  基于DNN-SNN轉(zhuǎn)換的SNN及其優(yōu)化；

       2.  基于梯度下降的SNN訓練算法；

       3.  基于STDP的SNN訓練算法。

      1.  已通過廣東工業(yè)大學及計算機學院復(fù)試；

      2.  具有良好的數(shù)學基礎(chǔ)、編程能力和文字寫作能力；

      3.  愿意吃苦、吃虧，堅韌不拔，有科研精神。

       1.  畢業(yè)研究生去向公司有：華為技術(shù)有限公司、杭州?？低晹?shù)字技術(shù)股份有限公司等等。

       2.  指導(dǎo)的碩士研究生于2019年獲得國家獎學金。

       3.  指導(dǎo)本科創(chuàng)新項目若干項，所指導(dǎo)的本科生曾于2014年獲得第2屆“感動廣工大十大人物”稱號。

       4.  指導(dǎo)的本科生團隊參加2014“全國并行應(yīng)用挑戰(zhàn)賽”榮獲中南賽區(qū)一等獎，參加2012“粵嵌杯”廣東省嵌入式物聯(lián)網(wǎng)設(shè)計大賽榮獲一等獎。

          ......

       1.  廣東省自然科學基金項目，轉(zhuǎn)換式深度脈沖卷積網(wǎng)絡(luò)多性能指標優(yōu)化研究，（2021A1515012233）。

       2.  廣東省自然科學基金項目，連續(xù)自發(fā)式表情特征的深度學習表示研究，（2016A030313713）。

       3.  廣東省自然科學基金項目，低質(zhì)量監(jiān)控視頻人臉超分辨率算法研究，（2014A030310169）。

       4.  廣州市科技計劃項目，支持小間距LED顯示的多屏實時處理器系統(tǒng)的研發(fā)，（2014Y2-00211）。

       5.  廣東省科技計劃項目，興寧市水口鎮(zhèn)中小微企業(yè)信息化公共服務(wù)平臺建設(shè)，（2013B040500008）。

       6.  廣東省科技計劃項目，適用于惡劣環(huán)境的視頻監(jiān)控系統(tǒng)開發(fā)與產(chǎn)業(yè)化，（2014B090901061）。

1. Video Small Object Detection with Long Short-Term Feature Enhancement Network. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2023) ( Accepted).

2. Efficient Motion Symbol Detection and Multikernel Learning for AER Object Recognition. IEEE Transactions on Cognitive and Developmental Systems, 2022.

3. Tiny object detection with context enhancement and feature purification[J]. Expert Systems with Applications, 2022 .

4. An adaptive threshold mechanism for accurate and efficient deep spiking convolutional neural networks, Neurocomputing, 2022.

5. Accurate and Efficient Frame-based Event Representation for AER Object Recognition. IEEE International Joint Conference on Neural Networks (IJCNN) , 2022.

6. Novel shrinking residual convolutional neural network for efficient accurate stereo matching, Journal of Visual Communication and Image Representation, 2020.

7.  Improving the antinoise ability of DNNs via a bio-inspired noise adaptive activation function rand softplus, Neural Computation, 2019.

8.  Occlusion Expression recognition based on non-convex low-rank double dictionaries and occlusion error model. Signal Processing: Image Communication, 2019.

9.  Single image rain removal based on depth of field and sparse coding, 24th International Conference on Pattern Recognition (ICPR), 2018.

10.  An Image Rain Removal algorithm based on the depth of field  and sparse coding, depth of field and sparse coding, the 24th International Conference on Pattern Recognition (ICPR), 2018.

11.  雙向特征融合與特征選擇的遙感影像目標檢測, 電子學報，2022.

......

有興趣的同學請將簡歷發(fā)送至：  5350299@qq.com