需要圖像處理、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別等方面MATLAB程序共享的朋友或同學(xué)可以加QQ：75 68 19 787，歡迎加入！
2012-05-10 16:45:37
為提升識(shí)別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過(guò)Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過(guò)程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個(gè)過(guò)程分為兩個(gè)步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
2021-12-23 08:07:33
，特別是溫度的影響是測(cè)量誤差的主要，為保證SAW壓力傳感器高準(zhǔn)確度和高靈敏度測(cè)量，必須進(jìn)行有效的溫度補(bǔ)償。本文將神經(jīng)網(wǎng)絡(luò)和模糊控制技術(shù)相結(jié)合，對(duì)SAW壓力傳感器進(jìn)行智能化溫度補(bǔ)償，通過(guò)此方法進(jìn)行的改進(jìn)
2018-10-24 11:36:52
神經(jīng)網(wǎng)絡(luò)Matlab程序
2009-09-15 12:52:24
神經(jīng)網(wǎng)絡(luò)基本介紹
2018-01-04 13:41:23
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴于上位機(jī)。所以要解決的主要是兩個(gè)
2022-01-11 06:20:53
神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2012-08-05 21:01:08
近年來(lái)，深度學(xué)習(xí)的繁榮，尤其是神經(jīng)網(wǎng)絡(luò)的發(fā)展，顛覆了傳統(tǒng)機(jī)器學(xué)習(xí)特征工程的時(shí)代，將人工智能的浪潮推到了歷史最高點(diǎn)。然而，盡管各種神經(jīng)網(wǎng)絡(luò)模型層出不窮，但往往模型性能越高，對(duì)超參數(shù)的要求也越來(lái)越嚴(yán)格
2019-09-11 11:52:14
學(xué)習(xí)技術(shù)無(wú)疑為其指明了道路。以知名品牌為首的汽車制造業(yè)正在深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)技術(shù)上進(jìn)行投資，并向先進(jìn)的計(jì)算企業(yè)、硅谷等技術(shù)引擎及學(xué)術(shù)界看齊。在中國(guó)，百度一直在此技術(shù)上保持領(lǐng)先。百度計(jì)劃在 2019 年將
2017-12-21 17:11:34
基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
2019-05-16 17:25:05
CV之YOLOv3：深度學(xué)習(xí)之計(jì)算機(jī)視覺(jué)神經(jīng)網(wǎng)絡(luò)Yolov3-5clessses訓(xùn)練自己的數(shù)據(jù)集全程記錄(第二次)——Jason niu
2018-12-24 11:52:25
面向邊緣計(jì)算的嵌入式FPGA平臺(tái)卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建 通過(guò)設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)函數(shù)中的網(wǎng)絡(luò)層間可復(fù)用的加速器核心以減少硬件資源實(shí)現(xiàn)性能優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)硬件。邊緣計(jì)算：克服云計(jì)算固有的問(wèn)題，將應(yīng)用、數(shù)據(jù)
2021-12-23 07:26:12
，神經(jīng)網(wǎng)絡(luò)之父Hiton始終堅(jiān)持計(jì)算機(jī)能夠像人類一樣思考，用直覺(jué)而非規(guī)則。盡管這一觀點(diǎn)被無(wú)數(shù)人質(zhì)疑過(guò)無(wú)數(shù)次，但隨著數(shù)據(jù)的不斷增長(zhǎng)和數(shù)據(jù)挖掘技術(shù)的不斷進(jìn)步，神經(jīng)網(wǎng)絡(luò)開(kāi)始在語(yǔ)音和圖像等方面超越基于邏輯的人
2018-06-05 10:11:50
目前，在許多需要在本地進(jìn)行數(shù)據(jù)分析的“永遠(yuǎn)在線”的物聯(lián)網(wǎng)邊緣設(shè)備中，神經(jīng)網(wǎng)絡(luò)正在變得越來(lái)越普及，主要是因?yàn)榭梢杂行У赝瑫r(shí)減少數(shù)據(jù)傳輸導(dǎo)致的延時(shí)和功耗。 而談到針對(duì)物聯(lián)網(wǎng)邊緣設(shè)備上的神經(jīng)網(wǎng)絡(luò)，我們
2019-07-23 08:08:59
MATLAB神經(jīng)網(wǎng)絡(luò)
2013-07-08 15:17:13
請(qǐng)問(wèn)：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒(méi)有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒(méi)有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
項(xiàng)目名稱：基于PYNQ的神經(jīng)網(wǎng)絡(luò)自動(dòng)駕駛小車試用計(jì)劃：一、本人技術(shù)背景本人有四年以上的嵌入式開(kāi)發(fā)和三年以上的機(jī)器視覺(jué)領(lǐng)域項(xiàng)目實(shí)踐經(jīng)驗(yàn)，在計(jì)算機(jī)視覺(jué)與FPGA數(shù)字圖像處理方面有較多的理論研究與項(xiàng)目實(shí)踐
2018-12-19 11:36:24
項(xiàng)目名稱：基于PYNQ的卷積神經(jīng)網(wǎng)絡(luò)加速試用計(jì)劃：申請(qǐng)理由：本人研究生在讀，想要利用PYNQ深入探索卷積神經(jīng)網(wǎng)絡(luò)的硬件加速，在PYNQ上實(shí)現(xiàn)圖像的快速處理項(xiàng)目計(jì)劃：1、在PC端實(shí)現(xiàn)Lnet網(wǎng)絡(luò)的訓(xùn)練
2018-12-19 11:37:22
神經(jīng)網(wǎng)絡(luò)的計(jì)算。對(duì)于多層多節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)，我們可以使用矩陣乘法來(lái)表示。在上面的神經(jīng)網(wǎng)絡(luò)中，我們將權(quán)重作為一個(gè)矩陣，將第一層的輸入作為另一個(gè)矩陣，兩個(gè)矩陣相乘，得到的矩陣恰好為第二層的輸入。對(duì)于python
2019-03-03 22:10:19
上的USB攝像頭作為主要傳感器，采集得到的前方道路圖像經(jīng)過(guò)數(shù)據(jù)預(yù)處理后，接入神經(jīng)網(wǎng)絡(luò)的輸入層，由神經(jīng)網(wǎng)絡(luò)的輸出層狀態(tài)將生成控制信號(hào)，控制小車的直走、左轉(zhuǎn)、右轉(zhuǎn)、與停止。交通標(biāo)識(shí)識(shí)別功能同樣使用USB
2019-03-02 23:10:52
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺(jué)不是很難，只不過(guò)一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競(jìng)爭(zhēng)學(xué)習(xí)的一個(gè)代表，競(jìng)爭(zhēng)型學(xué)習(xí)
2019-07-21 04:30:00
}或o koko_{k}）的誤差神經(jīng)元偏倚的變化量：ΔΘ ΔΘ Delta Theta=學(xué)習(xí)步長(zhǎng)η ηeta × ×imes 乘以神經(jīng)元的誤差BP神經(jīng)網(wǎng)絡(luò)算法過(guò)程網(wǎng)絡(luò)的初始化：包括權(quán)重和偏倚的初始化計(jì)算
2019-07-21 04:00:00
這個(gè)網(wǎng)絡(luò)輸入和相應(yīng)的輸出來(lái)“訓(xùn)練”這個(gè)網(wǎng)絡(luò)，網(wǎng)絡(luò)根據(jù)輸入和輸出不斷地調(diào)節(jié)自己的各節(jié)點(diǎn)之間的權(quán)值來(lái)滿足輸入和輸出。這樣，當(dāng)訓(xùn)練結(jié)束后，我們給定一個(gè)輸入，網(wǎng)絡(luò)便會(huì)根據(jù)自己已調(diào)節(jié)好的權(quán)值計(jì)算出一個(gè)輸出。這就是神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)單原理。 神經(jīng)網(wǎng)絡(luò)原理下載-免費(fèi)
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)在傳感器數(shù)據(jù)融合中的應(yīng)用針對(duì)壓力傳感器對(duì)溫度的交叉靈敏度,采用BP 人工神經(jīng)網(wǎng)絡(luò)法對(duì)其進(jìn)行數(shù)據(jù)融合處理,消除溫度對(duì)壓力傳感器的影響,大大提高了傳感器的穩(wěn)定性及其精度,效果良好。關(guān)鍵詞
2009-08-11 20:23:46
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
人工神經(jīng)網(wǎng)絡(luò)課件
2016-06-19 10:15:48
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
圖卷積神經(jīng)網(wǎng)絡(luò)
2019-08-20 12:05:29
transform net）和預(yù)訓(xùn)練好的損失計(jì)算網(wǎng)絡(luò)VGG-16，圖像轉(zhuǎn)換網(wǎng)絡(luò)T以內(nèi)容圖像x為輸入，輸出風(fēng)格遷移后的圖像y，隨后內(nèi)容圖像yc，風(fēng)格圖像ys，以及y’輸入vgg-16計(jì)算特征。在此次深度神經(jīng)網(wǎng)絡(luò)
2018-05-08 15:57:47
全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
2019-06-06 14:21:42
以前的神經(jīng)網(wǎng)絡(luò)幾乎都是部署在云端（服務(wù)器上），設(shè)備端采集到數(shù)據(jù)通過(guò)網(wǎng)絡(luò)發(fā)送給服務(wù)器做inference（推理），結(jié)果再通過(guò)網(wǎng)絡(luò)返回給設(shè)備端。如今越來(lái)越多的神經(jīng)網(wǎng)絡(luò)部署在嵌入式設(shè)備端上，即
2021-12-23 06:16:40
卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？
2022-09-08 10:23:10
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問(wèn)題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
。神經(jīng)網(wǎng)絡(luò)的思想起源于1943年McCulloch 和 Pitts 提出的神經(jīng)元模型[19]，簡(jiǎn)稱 MCP 神經(jīng)元模 型。它是利用計(jì)算機(jī)來(lái)模擬人的神經(jīng)元反應(yīng)的過(guò) 程，具有開(kāi)創(chuàng)性意義。此模型將神經(jīng)元反應(yīng)簡(jiǎn)化
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
復(fù)雜數(shù)據(jù)中提取特征的強(qiáng)大工具。例如，這包括音頻信號(hào)或圖像中的復(fù)雜模式識(shí)別。本文討論了 CNN 相對(duì)于經(jīng)典線性規(guī)劃的優(yōu)勢(shì)。后續(xù)文章“訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第2部分”將討論如何訓(xùn)練CNN
2023-02-23 20:11:10
什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？
2021-06-17 11:48:22
Spotting）使用運(yùn)動(dòng)傳感器識(shí)別活動(dòng)狀態(tài) （Human Activity Recognition）神經(jīng)網(wǎng)絡(luò)控制系統(tǒng) （替代PID等傳統(tǒng)控制方法）圖像處理 （帶專用加速器的 MCU）...它輕量但不低能， 它支持
2019-05-01 19:03:01
我們可以對(duì)神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行優(yōu)化，使之適配微控制器的內(nèi)存和計(jì)算限制范圍，并且不會(huì)影響精度。我們將在本文中解釋和探討深度可分離卷積神經(jīng)網(wǎng)絡(luò)在 Cortex-M 處理器上實(shí)現(xiàn)關(guān)鍵詞識(shí)別的潛力。關(guān)鍵詞識(shí)別
2021-07-26 09:46:37
神經(jīng)網(wǎng)絡(luò)可以建立參數(shù)Kp,Ki,Kd自整定的PID控制器?；贐P神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)框圖如下圖所示：控制器由兩部分組成：經(jīng)典增量式PID控制器；BP神經(jīng)網(wǎng)絡(luò)...
2021-09-07 07:43:47
η ∈（0,1）代表學(xué)習(xí)速率?！ ∮捎贐P 神經(jīng)網(wǎng)絡(luò)算法的收斂速度慢，優(yōu)化的目標(biāo)函數(shù)非常復(fù)雜，所以需要優(yōu)化學(xué)習(xí)速率。三層感知器的BP 學(xué)習(xí)算法權(quán)值調(diào)整計(jì)算公式為： 將每個(gè)加速度傳感器中每個(gè)軸的數(shù)據(jù)
2018-11-13 16:04:45
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問(wèn)題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
本文介紹了基于三層前饋BP神經(jīng)網(wǎng)絡(luò)的圖像壓縮算法，提出了基于FPGA的實(shí)現(xiàn)驗(yàn)證方案，詳細(xì)討論了實(shí)現(xiàn)該壓縮網(wǎng)絡(luò)組成的重要模塊MAC電路的流水線設(shè)計(jì)。
2021-05-06 07:01:59
(4GB/8GB可選) ，eMMC（8GB/16GB/32GB/64GB/128GB可選）-雙核NNIE@840MHz 神經(jīng)網(wǎng)絡(luò)加速引擎-四核 DSP@700MHz，32K I-Cache /32K
2020-06-20 11:32:14
FPGA 上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) (CNN)。CNN 是一類深度神經(jīng)網(wǎng)絡(luò)，在處理大規(guī)模圖像識(shí)別任務(wù)以及與機(jī)器學(xué)習(xí)類似的其他問(wèn)題方面已大獲成功。在當(dāng)前案例中,針對(duì)在 FPGA 上實(shí)現(xiàn) CNN 做一個(gè)可行性研究
2019-06-19 07:24:41
`如何將脈沖耦合神經(jīng)網(wǎng)絡(luò)，體視學(xué)，F(xiàn)ourier變換，小數(shù)冪指數(shù)濾波器結(jié)合實(shí)現(xiàn)藥材顯微圖像的特征提?。縛
2015-04-16 12:25:45
Gbps SERDES功能用于實(shí)現(xiàn)多個(gè)雷達(dá)或攝像頭的橋接和聚合，并通過(guò)SGMII傳輸?shù)杰囕d網(wǎng)絡(luò)實(shí)現(xiàn)網(wǎng)絡(luò)邊緣機(jī)器學(xué)習(xí)應(yīng)用展望未來(lái)，移動(dòng)相關(guān)解決方案的影響力將不斷增長(zhǎng)，它們將繼續(xù)利用移動(dòng)處理器和MIPI傳感器
2020-10-21 11:53:02
如何用stm32cube.ai簡(jiǎn)化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
2021-07-12 08:02:11
稱為BP神經(jīng)網(wǎng)絡(luò)。采用BP神經(jīng)網(wǎng)絡(luò)模型能完成圖像數(shù)據(jù)的壓縮處理。在圖像壓縮中，神經(jīng)網(wǎng)絡(luò)的處理優(yōu)勢(shì)在于：巨量并行性；信息處理和存儲(chǔ)單元結(jié)合在一起；自組織自學(xué)習(xí)功能。與傳統(tǒng)的數(shù)字信號(hào)處理器DSP
2019-08-08 06:11:30
FPGA的嵌入式應(yīng)用。某人工神經(jīng)網(wǎng)絡(luò)的FPGA處理器能夠?qū)?shù)據(jù)進(jìn)行運(yùn)算處理，為了實(shí)現(xiàn)集數(shù)據(jù)通信、操作控制和數(shù)據(jù)處理于一體的便攜式神經(jīng)網(wǎng)絡(luò)處理器，需要設(shè)計(jì)一種基于嵌入式ARM內(nèi)核及現(xiàn)場(chǎng)可編程門陣列FPGA的主從結(jié)構(gòu)處理系統(tǒng)滿足要求。
2019-09-20 06:15:20
譯者|VincentLee來(lái)源 |曉飛的算法工程筆記脈沖神經(jīng)網(wǎng)絡(luò)(Spiking neural network, SNN)將脈沖神經(jīng)元作為計(jì)算單...
2021-07-26 06:23:59
小女子做基于labview的蒸發(fā)過(guò)程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問(wèn)這個(gè)控制方法可以嗎？有誰(shuí)會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝
2016-09-23 13:43:16
求助大神 小的現(xiàn)在有個(gè)難題： 一組車重實(shí)時(shí)數(shù)據(jù) 對(duì)應(yīng)一個(gè)車重的最終數(shù)值（一個(gè)一維數(shù)組輸入對(duì)應(yīng)輸出一個(gè)數(shù)值） 這其中可能經(jīng)過(guò)均值、方差、去掉N個(gè)最大值、、、等等的計(jì)算 我的目的就是弄清楚這個(gè)中間計(jì)算過(guò)程 最近實(shí)在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請(qǐng)教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序
2016-07-14 13:35:44
最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)
2019-09-11 11:57:36
針對(duì)模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用BP算法比較依賴于網(wǎng)絡(luò)的初始條件,訓(xùn)練時(shí)間較長(zhǎng),容易陷入局部極值的缺點(diǎn),利用粒子群優(yōu)化算法(PSO)的全局搜索性能,將PSO用于模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程.由于基本PSO算法存在
2010-05-06 09:05:35
IoT應(yīng)用。通過(guò)提供結(jié)合了靈活、超低功耗FPGA硬件和軟件解決方案、功能全面的機(jī)器學(xué)習(xí)推理技術(shù)，Lattice sensAI將加速網(wǎng)絡(luò)邊緣設(shè)備上傳感器數(shù)據(jù)處理和分析的集成。這些新的網(wǎng)絡(luò)邊緣計(jì)算解決方案
2018-05-23 15:31:04
原文鏈接：【嵌入式AI部署&基礎(chǔ)網(wǎng)絡(luò)篇】輕量化神經(jīng)網(wǎng)絡(luò)精述--MobileNet V1-3、ShuffleNet V1-2、NasNet深度神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用在圖像分類、物體檢測(cè)等機(jī)器
2021-12-14 07:35:25
`將非局部計(jì)算作為獲取長(zhǎng)時(shí)記憶的通用模塊，提高神經(jīng)網(wǎng)絡(luò)性能在深度神經(jīng)網(wǎng)絡(luò)中，獲取長(zhǎng)時(shí)記憶（long-range dependency）至關(guān)重要。對(duì)于序列數(shù)據(jù)（例如語(yǔ)音、語(yǔ)言），遞歸運(yùn)算
2018-11-12 14:52:50
為使較低精度傳感器獲得較高精度,以提高傳感器的性能價(jià)格比。本文提出人工神經(jīng)網(wǎng)絡(luò)提高傳感器精度的新方法。該神經(jīng)網(wǎng)絡(luò)可以看成是一個(gè)可以濾去傳感器信號(hào)噪聲的非線性濾
2009-06-16 16:15:02
12 提出了一種基于神經(jīng)網(wǎng)絡(luò)的傳感器故障監(jiān)測(cè)與診斷的新方法. 該方法先用BP 網(wǎng)絡(luò)的預(yù)測(cè)輸出和傳感器實(shí)際輸出之差來(lái)判斷傳感器是否發(fā)生了故障,然后用函數(shù)型連接神經(jīng)網(wǎng)絡(luò)模擬傳
2009-06-23 08:57:0327 該文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)進(jìn)行氣體傳感器故障檢測(cè)的新方法,文中利用單個(gè)氣體傳感器的輸出信息為氣體傳感器建立了動(dòng)態(tài)非線性神經(jīng)網(wǎng)絡(luò)氣體傳感器輸出模型,并利用該
2009-06-26 11:37:2613 介紹了用神經(jīng)網(wǎng)絡(luò)校正傳感器系統(tǒng)非線性誤差的原理和方法,提出了基于BP 神經(jīng)網(wǎng)絡(luò)傳感器非線性誤差校正及其模型、算法與實(shí)現(xiàn)技術(shù)。通過(guò)計(jì)算機(jī)仿真與應(yīng)用,顯示出這種逆模型不但
2009-06-29 10:22:0612 簡(jiǎn)要分析由MEMS 工藝制成的新型微氣體傳感器陣列的原理及其優(yōu)點(diǎn),在此基礎(chǔ)上,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)氣體傳感器陣列的輸出進(jìn)行模式分類、識(shí)別,實(shí)現(xiàn)對(duì)單一或混合氣體的有選擇性探測(cè)
2009-06-30 10:03:328 提出了一種基于神經(jīng)網(wǎng)絡(luò)的傳感器故障監(jiān)測(cè)與診斷的新方法. 該方法先用BP 網(wǎng)絡(luò)的預(yù)測(cè)輸出和傳感器實(shí)際輸出之差來(lái)判斷傳感器是否發(fā)生了故障,然后用函數(shù)型連接神經(jīng)網(wǎng)絡(luò)模擬傳
2009-07-04 11:14:5318 為使較低精度傳感器獲得較高精度,以提高傳感器的性能價(jià)格比。本文提出人工神經(jīng)網(wǎng)絡(luò)提高傳感器精度的新方法。該神經(jīng)網(wǎng)絡(luò)可以看成是一個(gè)可以濾去傳感器信號(hào)噪聲的非線性濾
2009-07-07 09:01:4826 大型熱力控制系統(tǒng)必須能夠檢測(cè)傳感器故障,并采取相應(yīng)的措施,保證控制過(guò)程的順利進(jìn)行。提出了一種基于Powell 神經(jīng)網(wǎng)絡(luò)的故障檢測(cè)新方法,為系統(tǒng)中每一個(gè)傳感器構(gòu)造一個(gè)神經(jīng)網(wǎng)絡(luò)
2009-07-07 09:21:076 本文基于神經(jīng)網(wǎng)絡(luò)可以對(duì)非線性系統(tǒng)的任意逼近能力, 建立了六維腕力傳感器的補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)模型, 仿真結(jié)果表明, 這種補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)對(duì)六維腕力傳感器非線性系統(tǒng)逼近精度
2009-07-14 09:22:2015 提出了基于人工神經(jīng)網(wǎng)絡(luò)進(jìn)行多維力傳感器靜態(tài)解耦的方法。
2009-07-18 10:06:0010 研究了基于神經(jīng)網(wǎng)絡(luò)的多傳感器融合技術(shù)，并將其應(yīng)用于自主吸塵機(jī)器人中。給出了神經(jīng)網(wǎng)絡(luò)傳感器融合技術(shù)的基本原理，探索了改進(jìn)的BP 信息融合算法，使得改進(jìn)后的算法在收斂
2009-12-31 12:00:1411 為了準(zhǔn)確檢測(cè)到EPS(電動(dòng)助力轉(zhuǎn)向系統(tǒng))扭矩傳感器的具體故障部位，及時(shí)發(fā)現(xiàn)可能出現(xiàn)的故障，提高扭矩傳感器的可靠性，針對(duì)BP 神經(jīng)網(wǎng)絡(luò)的不足，提出了一種基于改進(jìn)型BP 神經(jīng)
2010-01-11 12:20:5916 人工神經(jīng)網(wǎng)絡(luò),人工神經(jīng)網(wǎng)絡(luò)是什么意思
神經(jīng)網(wǎng)絡(luò)是一門活躍的邊緣性交叉學(xué)科.研究它的發(fā)展過(guò)程和前沿問(wèn)題，具有重要的理論意義
2010-03-06 13:39:01
3296 基于神經(jīng)網(wǎng)絡(luò)的開(kāi)關(guān)磁阻電機(jī)無(wú)位置傳感器控制-夏長(zhǎng)亮
2017-01-21 11:54:395 基于BP神經(jīng)網(wǎng)絡(luò)的唇裂圖像研究_朱霞
2017-03-19 11:33:110 針對(duì)圖像自動(dòng)標(biāo)注中因人工選擇特征而導(dǎo)致信息缺失的缺點(diǎn)，提出使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行自主特征學(xué)習(xí)。為了適應(yīng)圖像自動(dòng)標(biāo)注的多標(biāo)簽學(xué)習(xí)的特點(diǎn)以及提高對(duì)低頻詞匯的召回率，首先改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)
2017-12-07 14:30:504 維也納大學(xué)的工程師團(tuán)隊(duì)帶來(lái)了AI芯片的新玩法。他們利用傳感器人工神經(jīng)網(wǎng)絡(luò)大大提高了處理圖片的效率，可在納秒內(nèi)完成圖像識(shí)別任務(wù)。他們的設(shè)計(jì)思路是將一些計(jì)算任務(wù)轉(zhuǎn)移到計(jì)算機(jī)系統(tǒng)外部邊緣的感知設(shè)備上，這樣可以減少不必要的數(shù)據(jù)移動(dòng)，進(jìn)而產(chǎn)生了這種機(jī)器視覺(jué)的傳感器內(nèi)計(jì)算研究成果。
2020-03-20 15:50:172938 
為實(shí)現(xiàn)復(fù)雜背景圖像中髙精度邊緣的準(zhǔn)確提取，提出一種改進(jìn)的單像素邊緣提取算法。在改進(jìn)的全卷積神經(jīng)網(wǎng)絡(luò)中，通過(guò)添加輔助輸出層與采取多尺度輸入的方式初步提取圖像多像素邊緣，并利用分水嶺算法對(duì)多像素邊緣進(jìn)行
2021-05-27 14:30:005 掌握連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和運(yùn)行機(jī)制，理解連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計(jì)算的基本原理，掌握連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計(jì)算的一般步驟。
2021-05-31 17:02:2543 的分布更為明確；在機(jī)器人視覺(jué)領(lǐng)域，通過(guò)圖像邊緣檢測(cè)技術(shù)提高機(jī)器人視覺(jué)的精度等。 隨著科技的發(fā)展，人們將神經(jīng)網(wǎng)絡(luò)加載進(jìn)入圖像檢測(cè)中，但現(xiàn)有的神經(jīng)網(wǎng)絡(luò)還存在不少缺陷。 1.檢測(cè)時(shí)間較長(zhǎng)：ChouY等提出了一種改進(jìn)的基于CNN的神經(jīng)
2021-07-06 10:00:181759 的分布更為明確；在機(jī)器人視覺(jué)領(lǐng)域，通過(guò)圖像邊緣檢測(cè)技術(shù)提高機(jī)器人視覺(jué)的精度等。 隨著科技的發(fā)展，人們將神經(jīng)網(wǎng)絡(luò)加載進(jìn)入圖像檢測(cè)中，但現(xiàn)有的神經(jīng)網(wǎng)絡(luò)還存在不少缺陷。 1.檢測(cè)時(shí)間較長(zhǎng)：ChouY等提出了一種改進(jìn)的基于CNN的神經(jīng)
2021-07-13 15:39:422321 卷積神經(jīng)網(wǎng)絡(luò)如何識(shí)別圖像? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）由于其出色的圖像識(shí)別能力而成為深度學(xué)習(xí)的重要組成部分。CNN是一種深度神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)
2023-08-21 16:49:271284 積神經(jīng)網(wǎng)絡(luò)計(jì)算公式 神經(jīng)網(wǎng)絡(luò)是一種類似于人腦的神經(jīng)系統(tǒng)的計(jì)算模型，它是一種可以用來(lái)進(jìn)行模式識(shí)別、分類、預(yù)測(cè)等任務(wù)的強(qiáng)大工具。在深度學(xué)習(xí)領(lǐng)域，深度神經(jīng)網(wǎng)絡(luò)已成為最為重要的算法之一。在本文中，我們將重點(diǎn)
2023-08-21 16:49:35985 中最重要的神經(jīng)網(wǎng)絡(luò)之一。它是一種由多個(gè)卷積層和池化層（也可稱為下采樣層）組成的神經(jīng)網(wǎng)絡(luò)。CNN 的基本思想是以圖像為輸入，通過(guò)網(wǎng)絡(luò)的卷積、下采樣和全連接等多個(gè)層次的處理，將圖像的高層抽象特征提取出來(lái)，從而完成對(duì)圖像的識(shí)別、分類等任務(wù)。 CNN 的基本結(jié)構(gòu)包括輸入層、卷積層、
2023-08-21 16:49:391144 卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵技術(shù) 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種用于圖像分類、物體識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域
2023-08-21 16:49:461229 深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動(dòng)調(diào)整神經(jīng)元之間的權(quán)重，從而實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。
2023-08-21 17:07:361869 圖像識(shí)別卷積神經(jīng)網(wǎng)絡(luò)模型 隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和深度學(xué)習(xí)的迅速普及，圖像識(shí)別卷積神經(jīng)網(wǎng)絡(luò)模型已經(jīng)成為當(dāng)今最受歡迎和廣泛使用的模型之一。卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural
2023-08-21 17:11:45486
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論