简介：在在标记的来源域利用知识在目标域预言未标记的数据转移学习目的，在分布在域是不同的的地方。在为转移学习的各种各样的方法之中，一个种算法从不同领域集中于在桥特征和所有另外的特定的特征之间的通讯，并且以后进行经由单个看法的通讯学习的转移。然而，单个看法的通讯可以由于不正确的关联发现的问题阻止这些算法进一步的改进。处理这个问题，我们为在一个多看法通讯观点学习的转移建议一个新方法，它被称为多看法主要部件分析(MVPCA)途径。MVPCA分别地从不同领域发现在越过所有领域代表性的桥特征和特定的特征之间的通讯，并且进行以一个多看法方法由维数减小学习的转移，它能更好描绘知识转移。实验证明MVPCA能显著地减少一个基线非转移方法的生气领域预言错误。与合并到学习方法的单个看法的转移的多看法通讯信息，MVPCA能进一步改进一个最先进的单个看法的方法的表演。

简介：Anovelrepetitivecontrolstrategyfortheoutputwaveformofsingle-phaseCVCFinvertersispresented.Inthisscheme,theinversetransferfunctionofinverterisusedasacompensatortoobtainstableandsatisfyharmonicrejection.Besides,PDcontrollerisadoptedtoimprovetransientperformance.Simulationandexperimentalresults,whicharegottenfromaDSP-based400Hz,5.5KWinverter,indicatethattheproposedcontrolschemecanachievenotonlylowTHDduringsteady-stateoperationbutalsofasttransientresponseduringloadstepchange.

简介：

简介：Weproposeahumanavatarrepresentationschemebasedonintrinsiccoordinates,whichareinvarianttoisometryandinsensitivetohumanposechanges,andanefficientposetransferalgorithmthatcanutilizethisrepresentationtoreconstructahumanbodygeometryfollowingagivenpose.Suchaposetransferalgorithmcanbeusedtocontrolthemovementofanavatarmodelinvirtualrealityenvironmentsfollowingauser'smotioninrealtime.Ourproposedalgorithmconsistsofthreemainsteps.First,werecognizetheuser'sposeandselectatemplatemodelfromthedatabasewhohasasimilarpose;then,theintrinsicLaplacianoffsetsencodedinlocalcoordinatesareusedtoreconstructthehumanbodygeometryfollowingthetemplatepose;finally,themorphingbetweenthetwoposesisgeneratedusingalinearinterpolation.Weperformexperimentstoevaluatetheaccuracyandefficiencyofouralgorithm.Webelieveourproposedsystemisapromisinghumanmodelingtoolthatcanbeusedingeneralvirtualrealityapplications.