時間：所屬分類：學術成果常識瀏覽：1次
維度空間類論文引用哪些文獻?維度空間類論文可引用的文獻還是比較多的。大家在選擇時要選擇近兩年內的論文文獻，再就是引用時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系度比較高等，才能起到引用文獻的作用。下面學術顧問給大家分享幾篇維度空間的文獻，供大家參考：
維度空間為論文文獻一：光子學中合成頻率維度空間的研究
摘要：<正>研究了動態調制下光學諧振腔系統,并將光的頻率自由度主動耦合在一起,構建了人工合成頻率維度。在結合該頻率維度的合成空間中,通過動態調制,可以產生作用于光子的等效規范場,從而能夠實現包括拓撲邊界態等一系列物理現象。此外,發現可以結合光的兩個獨立的自由度,在單個光學諧振腔中搭建二維空間,并實現等效磁流。
維度空間為論文文獻二：基于空間維度循環感知網絡的密集人群計數模型
摘要：考慮目前對具有透視畸變的高密度人群圖像進行特征提取的局限性,提出了一種融合全局特征感知網絡(GFPNet)和局部關聯性特征感知網絡(LAFPNet)的人群計數模型LMCNN。GFPNet是LMCNN的主干網絡,將其輸出的特征圖進一步序列化并作為LAFPNet的輸入,再利用循環神經網絡(RNN)在時序維度上對局部關聯性特征感知的特點將單一的空間靜態特征映射到具有局部序列關聯性特征的特征空間,從而有效地削減了透視畸變對人群密度估計造成的影響。為了驗證所提模型的有效性,在Shanghaitech Part A子集和UCFCC50數據集上與原子卷積空間金字塔網絡(ACSPNet)進行對比,結果表明所提模型的平均絕對誤差(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性,通過對空間維度特征與單圖像內序列特征的充分融合,減小了由透視畸變引起的人群計數誤差,能更加準確地預測密集區域人數,提高人群密度回歸精度。
關鍵詞：人群計數;人群密度估計;卷積神經網絡;多列卷積神經網絡;長短時記憶神經網絡;
維度空間為論文文獻三：時間的多維度空間表征：分離的起源與激活機制
摘要：近期研究發現時間可以分別在三個空間維度(左右、前后和上下)進行表征,但不同維度心理時間線的起源和激活機制尚存爭議。最新證據表明,左右維度時間線主要起源于閱讀/書寫習慣所伴隨的感覺運動經驗,其激活可能是一種低水平的感覺運動機制;前后和上下維度時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制。未來研究應更關注心理時間線的起源多樣性、先天基礎、神經機制以及時間線和數字線的類比。
關鍵詞：心理時間線;起源;激活;具身模擬;隱喻映射;
相關知識推薦：適合維度空間專業論文發表的期刊
以上是學術顧問關于“維度空間類論文引用哪些文獻”的分享。有想了解更多關于維度空間方向的論文文獻，或是有發表論文需求的作者，可以直接與我們在線學術顧問聯系。
