野花社区视频最新资源下载,在线观看亚洲人成网址,中文人妻久热无码

基于卷積神經網絡的火災視頻圖像檢測[模擬設計][其他]

隨著計算機技術的發(fā)展，融合計算機視覺、機器學習、深度學習等技術的火災圖像處理技術得到了廣泛的研究和應用。針對傳統圖像處理方法預處理過程復雜且誤報率高等問題，提出一種基于深度卷積神經網絡模型進行火災檢測的方法，其減少了復雜的預處理環(huán)節(jié)，將整個火災識別過程整合成一個單深度神經網絡，便于訓練與優(yōu)化。針對識別過程中類似火災場景對火災檢測產生干擾的問題，利用火災的運動特性，創(chuàng)新性地提出利用火災視頻前后幀火災坐標位置變化來排除燈光等類似火災場景對檢測的干擾。對比了眾多深度學習開源框架后，選擇Caffe框架進行訓練及測試，實驗結果表明，該方法實現了對火災圖像的識別和定位，適應于不同的火災場景，具有很好的泛化能力和抗干擾能力。

發(fā)表于：4/12/2019 2:18:00 PM

基于BP神經網絡改進UKF的組合導航算法[模擬設計][航空航天]

針對在進近著陸的過程中，儀表著陸系統（ILS）易受到外界環(huán)境及空域的干擾，導致導航精度降低的問題，提出一種利用慣性導航系統（INS）與GBAS著陸系統（GLS）進行改進的組合導航算法，將組合導航系統輸出位置信息之間的差值作為BP神經網絡改進的無跡卡爾曼濾波器（UKF）的量測值，通過最優(yōu)加權的方法得到系統的全局最優(yōu)估計值。相比于傳統的聯邦濾波算法，該算法能有效降低測量噪聲，減小飛機進近著陸時的誤差，提高導航精度。

發(fā)表于：4/12/2019 1:53:00 PM

內容分發(fā)網絡預取技術綜述[通信與網絡][其他]

內容分發(fā)網絡（Content Delivery Network，CDN）已成為近年來研究熱點領域之一，為減少用戶訪問時延從而提高網絡服務質量，相關研究在CDN緩存技術的基礎上引入內容預取技術來克服緩存技術的滯后性并提高CDN中資源利用率。按照預取時研究的對象不同，根據CDN預取技術的分類，概括并比較了不同分類的優(yōu)勢與不足，并對各種評價標準進行了詳細分析，最后指出了融合新型網絡與技術的CDN預取的研究方向。

發(fā)表于：4/11/2019 2:09:00 PM

一種基于憶阻特性的監(jiān)督神經網絡算法及電路設計[可編程邏輯][其他]

針對如何將憶阻器融入人工神經網絡算法并進行硬件實現的問題，提出了一種在現場可編程邏輯門陣列（FPGA）平臺上實現的基于憶阻特性的監(jiān)督神經網絡算法。該設計以憶阻器模塊作為神經網絡中的權值存儲模塊，構建誤差反饋機制的監(jiān)督學習。將該憶阻神經網絡電路應用于圖像分類問題，并進行了資源占用和處理速度的優(yōu)化。實驗結果表明其分類結果良好，在Cyclone II：EP2C70F896I8平臺上，整體網絡算法占用11 773個邏輯單元（LEs），訓練耗時0.33 ms，圖像的測試耗時10 μs。這一工作對憶阻器和神經網絡的結合提出了一個有益的參考。

發(fā)表于：4/11/2019 5:34:00 AM

基于稀疏譜擬合的超分辨方位估計[模擬設計][其他]

考慮到各陣元接收的實際環(huán)境噪聲可能是相關的，以及風成噪聲和遠處航船噪聲等因素的影響，環(huán)境噪聲強度的空間分布可能具有方向性。利用非均勻環(huán)境噪聲模型，結合稀疏譜擬合算法，提出了一種基于稀疏譜擬合的超分辨方位估計算法。該算法利用空間信號的稀疏性和線性噪聲模型擬合誤差的l2-范數聯合最小化，實現非均勻環(huán)境噪聲條件下的超分辨方位估計。通過計算機仿真討論了正則參數和線性噪聲模型階數對算法性能的影響，海上試驗結果表明了該算法較傳統算法和稀疏譜擬合算法具有更低的旁瓣級和更好的方位分辨能力，同時有效驗證了該算法在非均勻環(huán)境噪聲背景下的超分辨方位估計性能。

發(fā)表于：4/10/2019 7:53:00 AM

基于聯合字典稀疏表達的目標識別算法研究[模擬設計][其他]

在使用高分辨距離像開展目標識別時，傳統方法很少利用樣本的稀疏性。為了克服此類識別所面臨的繁瑣的分析難題，簡化識別過程，稀疏分析其實是一種不錯的壓縮樣本數據，提升剖析效果的方法。因此，提出一種基于聯合字典及快速分解策略完成雷達一維距離像稀疏分析，進而鑒識目標的算法。為了提升識別策略的實用性，算法還嘗試依信噪比調控其內稀疏分解參數，以改善算法抗噪性能。實驗測評表明：相較同類識別策略，該算法求解更為便捷，適用范圍有所拓展；相比不同類型的常規(guī)識別策略，該算法抵御噪聲的能力有所提升，識別效果更優(yōu)。

發(fā)表于：4/10/2019 7:11:00 AM

基于MNIST的憶阻神經網絡穩(wěn)定性研究[模擬設計][其他]

為了探究憶阻器的穩(wěn)定性問題對憶阻神經網絡性能的影響，基于等效電阻拓撲結構的憶阻器模型，搭建了一個將憶阻器作為突觸的BP神經網絡，并利用MNIST數據集對該網絡進行訓練和測試。憶阻器的穩(wěn)定性問題通過設置憶阻器參數波動來模擬，最終發(fā)現憶阻器一定程度內的性能波動會促進神經網絡的收斂，但波動過大則會降低網絡的收斂速度。為了表征波動的臨界程度，測得了基于憶阻器模型的各參數的最大波動范圍，并進一步計算出憶阻器件工藝層次參量的取值范圍，為憶阻神經網絡硬件化中憶阻器件的工藝制造和選用提供了參考。

發(fā)表于：4/9/2019 1:04:00 PM

一種基于隨機森林算法的多障礙物超聲測距方法[測試測量][工業(yè)自動化]

在超聲波測距技術中，傳統的信號處理算法難以對距離遠、回波弱的信號進行分析，也不能同時對多個障礙物進行測距。為解決這一問題，提出一種基于隨機森林算法的超聲測距方法，先提取信號的時域特征(相對峰值幅度)和頻域特征(頻譜相對面積)，然后利用隨機森林算法判斷出探測區(qū)域內的障礙物并計算出目標距離。經過測試，該算法可有效完成10 m之內的多個障礙物距離測量，測量誤差在3 cm之內，可以滿足諸如自動駕駛等應用場景的要求，具有較高的實用價值和理論參考意義。

發(fā)表于：4/8/2019 9:21:00 PM

鋰電池參數辨識模型的設計與研究[電源技術][汽車電子]

電動汽車動力電池內部參數隨負載與工況而發(fā)生變化，因此建立準確的動力電池模型尤為必要?；阡囯姵氐刃щ娐纺Ｐ筒⒅乜剂窟\行溫度與荷電狀態(tài)對各元件參數的影響，依托充放電法、復合脈沖特性充放電試驗并結合最小二乘法實現模型中各元件參數辨識。通過Simulink平臺構建動力電池模型與充放電模型，上述模型通過安時計量法同時考慮溫度影響實現荷電狀態(tài)的準確估算。結果表明，該鋰電池參數辨識模型可準確模擬各種負載工況下動力電池的運行特性，該設計可應用于動力電池的測試與開發(fā)。

發(fā)表于：4/3/2019 1:46:00 AM

基于新穎粒子群算法高效VIENNA整流器的研究[電源技術][其他]

傳統L濾波存在濾波效果較差等缺點，設計LCL濾波器進一步降低高頻開關頻率的諧波損耗。當整流器的控制參數數量和優(yōu)化目標函數增多時，傳統粒子群優(yōu)化算法（PSO）調節(jié)濾波器和控制器參數會出現迭代收斂不穩(wěn)定等缺點，提出一種多目標多群體多位置多速度粒子群算法（MMMMPSO），可以有效優(yōu)化三相VIENNA整流器設計參數，提高系統的動態(tài)和穩(wěn)態(tài)特性。最后仿真和實驗驗證了該整流器的高效性及MMMMPSO的正確性。

發(fā)表于：4/2/2019 5:54:00 AM