同时考虑了应用的实时性和网络的能源有效性，提出了一种基于GA的嵌套优化技术，并在多跳聚簇网络中进行能源高效的任务分配-Taking into account the energy efficiency of real-time application and network optimization technique based on GA nested, and energy efficient task allocation in multi-hop clustered network

引入了动态联盟思想，构造了无线传感器网络任务分配的动态联盟模型及其相应的求解算法，并引入多Agent思想，提出了一种带多Agent的无线传感器网络自适应任务调度策略-Union, the introduction of dynamic thinking, a dynamic alliance of wireless sensor network task allocation model and its corresponding solution algorithm, and the intr

最近一直在用keras，说点个人感受。 1、keras根植于python及theano，人气比较旺。 2、提供较为上层的框架，搞个深度学习的原型非常方便。 3、更新很快，我记得几个月前还没有multi-task的能力，最近再查就提供了graph的对象。 4、最重要的，文档很全。这点超过其它类似的基于theano的框架（Lasagne, Opendeep, Blocks）-Keras is a high-level neural networks library, written

Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end learning，这个可以认为是