日本一本黄,国产拍拍拍无码免费视频,免费97视频在线精品国自产拍

基于卷積神經(jīng)網(wǎng)絡(luò)的圖像著色[嵌入式技術(shù)][物聯(lián)網(wǎng)]

圖像著色的目標是為灰度圖像的每一個像素分配顏色，它是圖像處理領(lǐng)域的熱點問題。以U-Net為主線網(wǎng)絡(luò)，結(jié)合深度學習和卷積神經(jīng)網(wǎng)絡(luò)設(shè)計了一個全自動的著色網(wǎng)絡(luò)模型。在該模型中，支線使用卷積神經(jīng)網(wǎng)絡(luò)SE-Inception-ResNet-v2作為高水平的特征提取器，提取圖像的全局信息，同時在網(wǎng)絡(luò)中使用PoLU(Power Linear Unit)函數(shù)替代線性整流函數(shù)(ReLU)。實驗結(jié)果證明此著色網(wǎng)絡(luò)模型能夠?qū)叶葓D像進行有效的著色。

發(fā)表于：10/17/2018

基于膠囊網(wǎng)絡(luò)的指靜脈識別研究[嵌入式技術(shù)][醫(yī)療電子]

針對卷積神經(jīng)網(wǎng)絡(luò)(CNN)中空間上的指靜脈信息丟失的問題，提出了一種基于膠囊網(wǎng)絡(luò)(Capsule Network，CapsNets)的指靜脈識別算法。CapsNets在整個學習過程中以“膠囊”的形式從底層傳遞至高層，如此以向量的形式封裝指靜脈的多維特征，特征會在網(wǎng)絡(luò)中被保存，而不是丟失后進行恢復。采用60 000張圖像作為訓練集，10 000張圖為測試集，通過對圖像增強、裁剪后進行網(wǎng)絡(luò)學習。通過實驗表明，CapsNets的網(wǎng)絡(luò)結(jié)構(gòu)特征相比CNN在處理脊線區(qū)域時效果更加明顯，對比VGG精確度增加了13.6%，loss值也收斂到0.01。

發(fā)表于：10/16/2018

基于深度學習的實時識別硬件系統(tǒng)框架設(shè)計[嵌入式技術(shù)][物聯(lián)網(wǎng)]

設(shè)計了一種基于深度學習的實時識別硬件系統(tǒng)框架。該系統(tǒng)框架使用Keras完成卷積神經(jīng)網(wǎng)絡(luò)模型的訓練并提取出網(wǎng)絡(luò)的參數(shù)，利用ZYNQ器件的FPGA+ARM軟硬件協(xié)同的方式，使用ARM完成對實時圖像數(shù)據(jù)的采集、預處理及顯示，通過FPGA實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的硬化并對圖像進行識別，再將識別結(jié)果發(fā)送至上位機進行實時顯示。系統(tǒng)框架采用MNIST和Fashion MNIST數(shù)據(jù)集作為網(wǎng)絡(luò)模型硬化試驗樣本，實驗結(jié)果表明，在一般場景下該系統(tǒng)框架能夠?qū)崟r、準確地完成圖像數(shù)據(jù)的獲取、顯示及識別，并且具有可移植性高、處理速度快、功耗低的特點。

發(fā)表于：10/16/2018

基于TensorFlow深度學習手寫體數(shù)字識別及應用[嵌入式技術(shù)][物聯(lián)網(wǎng)]

手寫體數(shù)字的識別是人工智能識別系統(tǒng)中的重要組成部分。因個體手寫數(shù)字的差異，現(xiàn)有識別系統(tǒng)準確率較低。基于TensorFlow深度學習框架完成手寫體數(shù)字的識別及應用，首先建立TensorFlow深度學習框架，并分析了Softmax、卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型結(jié)構(gòu)，再對手寫體數(shù)據(jù)集MNIST的60 000個樣本進行深度學習，然后進行10 000個樣本的測試對比，最后移植最優(yōu)模型到Android平臺進行應用。實測數(shù)據(jù)驗證，相對于傳統(tǒng)的Softmax模型，基于TensorFlow深度學習CNN模型識別率高達99.17%，提升了7.6%，為人工智能識別系統(tǒng)的發(fā)展提供了一定的科研價值。

發(fā)表于：10/15/2018

基于深度學習的人體行為識別算法[嵌入式技術(shù)][物聯(lián)網(wǎng)]

為改善人體行為識別任務(wù)中準確率低的問題，提出了一種基于批歸一化的卷積神經(jīng)網(wǎng)絡(luò)（CNN）與長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)結(jié)合的神經(jīng)網(wǎng)絡(luò)。CNN部分引入批歸一化思想，將輸入網(wǎng)絡(luò)的訓練樣本進行小批量歸一化處理，經(jīng)過全連接之后，送入長短期記憶神經(jīng)網(wǎng)絡(luò)中。該算法采用時空雙流網(wǎng)絡(luò)模型結(jié)構(gòu)，視頻數(shù)據(jù)的RGB圖像作為空間流網(wǎng)絡(luò)輸入，光流場圖像作為時間流網(wǎng)絡(luò)輸入，再將時空雙流網(wǎng)絡(luò)各自得到的識別結(jié)果進行加權(quán)融合得到最終的行為識別結(jié)果。實驗結(jié)果表明，本文設(shè)計的時空雙流神經(jīng)網(wǎng)絡(luò)算法在人體行為識別任務(wù)上具有較高的識別準確率。

發(fā)表于：10/15/2018

LLC諧振變換器在兩級充電機的應用研究[電源技術(shù)][汽車電子]

針對傳統(tǒng)電動汽車充電機低功率密度、低充電效率和輸入電流諧波含量高等問題，采用了一種新的拓撲結(jié)構(gòu)。前級采用兩級交錯并聯(lián)Boost PFC電路，能有效提高前級變換器功率密度，降低輸入電流的THD值；后級采用半橋LLC諧振電路，以提高后級變換器的功率密度以及充電效率。詳細分析了兩級交錯并聯(lián)Boost PFC和半橋LLC諧振變換器的工作原理，采用基波分析方法(First Harmonic Approximation，F(xiàn)HA)對LLC諧振網(wǎng)絡(luò)進行了建模，并在此基礎(chǔ)上確定了開關(guān)頻率的范圍及最優(yōu)工作區(qū)間，仿真并實驗驗證了其數(shù)學模型和參數(shù)設(shè)計的正確性。最后，設(shè)計了一臺輸入電壓范圍為175 V～265 V，最大輸出功率為1.5 kW的充電機，實驗結(jié)果表明其前級變換器功率因數(shù)達到0.996，輸入電流THD為4%，整機效率可達94%。

發(fā)表于：10/12/2018

Pickering Interfaces最新推出的4、6通道LXI微波多路復用解決方案具有出色的射頻特性和可重復性[微波|射頻][汽車電子]

緊湊型結(jié)構(gòu)覆蓋6GHz-40GHz，低VSWR，保證10M次操作 2018年9月17日，于英國濱?？死祟D鎮(zhèn)，作為電子測試和驗證領(lǐng)域模塊化信號

發(fā)表于：10/12/2018

一種新型的單相整流器控制方法的研究[電源技術(shù)][其他]

針對傳統(tǒng)單相PWM整流器直接功率控制(Direct Power Control，DPC)存在系統(tǒng)動態(tài)響應慢、抗干擾能力差、頻率不固定等問題，采用了一種電容儲能的外環(huán)反饋控制和無差拍預測直接功率的內(nèi)環(huán)控制方法。外環(huán)將電容儲能作為反饋量，提高了系統(tǒng)動態(tài)響應速度和抗干擾能力。同時，內(nèi)環(huán)采用自回歸算法，解決了傳統(tǒng)算法中延時補償問題，簡化了控制器設(shè)計。通過空間矢量調(diào)制算法(Space Vector Pulse Width Modulation，SVPWM)固定了開關(guān)頻率。此外，該方法無需電壓相位檢測裝置，降低了設(shè)計成本。最后對所提出的控制算法和傳統(tǒng)電壓外環(huán)直接功率控制分別進行了仿真分析，仿真結(jié)果驗證了該算法的有效性。

發(fā)表于：10/11/2018

新型雙輸入Sepic直流變換器[電源技術(shù)][智能電網(wǎng)]

在多輸入的分布式能源供電系統(tǒng)中,采用多輸入直流變換器替代多個單輸入直流變換器,不僅能夠簡化電路結(jié)構(gòu)、降低系統(tǒng)成本，同時可提高分布式發(fā)電系統(tǒng)供電的可靠性。提出一種新型雙輸入Sepic直流變換器，該變換器具備結(jié)構(gòu)簡單、電壓增益高、開關(guān)器件電壓應力低，既可單獨向負載供電,又可同時向負載供電等優(yōu)點。分析雙輸入Sepic變換器的工作原理，給出變換器的輸入/輸出穩(wěn)態(tài)關(guān)系式，最后通過MATLAB仿真驗證了電路拓撲和理論分析的正確性。

發(fā)表于：10/11/2018

基于滑模變結(jié)構(gòu)與內(nèi)?？刂?相結(jié)合的VIENNA整流器控制策略研究[電源技術(shù)][智能電網(wǎng)]

針對VIENNA整流器需直流側(cè)電壓穩(wěn)定且具有良好的動態(tài)性能和魯棒性，提出一種基于內(nèi)模控制和滑模變結(jié)構(gòu)控制相結(jié)合的VIENNA整流器新型非線性控制策略。依據(jù)主電路拓撲建立VIENNA整流器的數(shù)學模型并設(shè)計了基于內(nèi)模理論和滑模變結(jié)構(gòu)理論的VIENNA整流器控制器。對此進行了仿真和實驗驗證，仿真和實驗結(jié)果表明該控制策略能有效達到控制目的，具有魯棒性強、動態(tài)響應速度快、有較強的抗干擾能力等特點。

發(fā)表于：10/11/2018

并網(wǎng)逆變器LCL濾波器最優(yōu)參數(shù)選取方法[電源技術(shù)][智能電網(wǎng)]

現(xiàn)有單相并網(wǎng)逆變器濾波器設(shè)計方法僅考慮了濾波特性，未分析兩個電感參數(shù)比率變化時濾波器性能變化，也未考慮開關(guān)頻率對濾波器參數(shù)設(shè)計的限制，因此，濾波器未能達到最佳性能。首先建立μ（網(wǎng)側(cè)電感與逆變側(cè)電感的比值）、k（開關(guān)頻率與諧振頻率的比值）數(shù)學表達式，其次分析了μ、k參數(shù)變化與元件體積、儲能、諧波衰減之間的變化關(guān)系，確定了μ、k參數(shù)取值范圍，最終計算出最優(yōu)的LCL濾波器的參數(shù)值。通過仿真分析可知，單相并網(wǎng)逆變器總諧波含量為2.02%，功率因數(shù)達到99.82%,且負載突變時能快速響應，達到了的動態(tài)平衡。

發(fā)表于：10/10/2018

新型雙向DC/DC變流器在不停電電源系統(tǒng)中的應用[電源技術(shù)][智能電網(wǎng)]

為了解決不停電電源中存在的功率流向分配不均以及升、降壓能力不足等問題，在傳統(tǒng)的雙向Buck-Boost型DC/DC變流器的基礎(chǔ)上，從拓撲結(jié)構(gòu)著手展開研究，提出了一種新型雙向DC/DC變流器。通過分析該變流器的電路拓撲和工作原理，詳細介紹了其在功率正向傳輸和反向傳輸下的兩種工作模式，經(jīng)推導得出對應不同模式的輸出電壓表達式。與傳統(tǒng)的雙向Buck-Boost型DC/DC變流器相比，研究的新型雙向DC/DC變流器具有較高的電壓增益，較小的功率開關(guān)電壓應力，穩(wěn)定的輸出電壓等優(yōu)點。最后，通過理論分析并且搭建實驗電路，驗證了這種新型拓撲的可行性及優(yōu)越性。

發(fā)表于：10/10/2018

基于UM-BUS總線的智能輪椅系統(tǒng)的新型體系結(jié)構(gòu)[嵌入式技術(shù)][醫(yī)療電子]

針對可重構(gòu)高速串行總線（UM-BUS）的特性，提出基于UM-BUS總線的智能輪椅系統(tǒng)的新型體系結(jié)構(gòu)，該結(jié)構(gòu)在擴展性、動態(tài)容錯等方面優(yōu)于傳統(tǒng)體系結(jié)構(gòu)。在新型體系結(jié)構(gòu)的基礎(chǔ)上，設(shè)計了通用的硬件與軟件平臺。所設(shè)計的智能輪椅控制系統(tǒng)具有擴展便捷、高可靠以及通用性強的特點。

發(fā)表于：9/30/2018

一種面向故障隔離的測試向量優(yōu)化方法[嵌入式技術(shù)][航空航天]

為提高基于測試性模型的故障診斷效率、縮短故障隔離時間，提出了一種測試向量的優(yōu)化方法。針對D矩陣中的每個故障模式的準確檢測與隔離需求，給出了其測試向量優(yōu)化的詳細計算步驟，得到綜合考慮測試數(shù)量最少和計算測試向量時間最短的測試向量。仿真數(shù)據(jù)和實例數(shù)據(jù)的實驗結(jié)果表明，該方法具備計算速度快、優(yōu)化效果好的特點，適用于大規(guī)模D矩陣場合，可有效支撐復雜系統(tǒng)的故障診斷與隔離設(shè)計。

發(fā)表于：9/30/2018

機電協(xié)同布線應用[嵌入式技術(shù)][工業(yè)自動化]

本文講解在應用成熟電氣CAD數(shù)字化設(shè)計軟件的基礎(chǔ)上，基于Creo三維平臺的布線及工藝文件輸出應用案例。

發(fā)表于：9/29/2018