基于对高分辨率水下视觉调查的需求，本研究表明，现有的烟囱II自主水下车辆（AUV）适应完全悬停的AUV完全能够进行自主，近距离成像调查任务。本文重点介绍了AUV机动能力的增强（实现了改进的机动控制），实现了最新推进器分配算法的状态（允许最佳推进器分配和推进器冗余），以及在控制器之后的升级路径的开发以便于精确开发高分辨率成像任务所需的精致运动。为了便于车辆适应，开发了一种动态模型。提出了使用良好接受的公式，通过计算流体动力学和实际海上实验获得最初获得的动态模型系数的校准过程。还提出了耐压成像系统的房屋开发。该系统包括立体声相机和高功率闪电闪光灯，并作为专用AUV有效载荷装配。最后，在实际海床视觉调查任务中证明了平台的性能。
translated by 谷歌翻译
基于机器学习的室内定位引起了学院和行业的越来越多的关注，因为可以从参考数据中提取有意义的信息。许多研究人员正在使用受监督，半监督和无监督的机器学习模型来减少定位错误并为最终用户提供可靠的解决方案。在本文中，我们通过结合卷积神经网络（CNN），长期记忆（LSTM）和生成对抗网络（GAN）来提出一种新的体系结构，以增加训练数据并提高位置准确性。在17个公共数据集中对受监督和无监督模型的建议组合进行了测试，从而对其性能进行了广泛的分析。结果，超过70％的定位误差已减少。
translated by 谷歌翻译
判断文本的可读性有许多重要的应用程序，例如在进行文本简化时或在读取语言学习者的阅读材料时。在本文中，我们提供了一个518个参与者研究，该研究调查了滚动行为如何与文本的可读性有关。我们将我们的数据集公开可用，并显示（1）根据文本级别与文本交互的方式存在统计学意义差异，（2）这些措施可用于预测文本的可读性，（3）读者的背景会影响他们的阅读互动，以及有助于文本困难的因素。
translated by 谷歌翻译