感知器是所有神經(jīng)網(wǎng)絡(luò)中最基本的，也是更復(fù)雜的神經(jīng)網(wǎng)絡(luò)的基本組成部分。它只連接一個(gè)輸入神經(jīng)元和一個(gè)輸出神經(jīng)元。
2023-08-31 16:55:50
2647 
在如今的網(wǎng)絡(luò)時(shí)代，錯(cuò)綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境，讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年，深度學(xué)習(xí)逐漸走進(jìn)人們的視線，通過(guò)深度學(xué)習(xí)解決若干問(wèn)題的案例越來(lái)越多。一些傳統(tǒng)的圖像
2024-01-11 10:51:323472 
多層感知機(jī) 深度神經(jīng)網(wǎng)絡(luò)in collaboration with Hsu Chung Chuan, Lin Min Htoo, and Quah Jia Yong. 與許忠傳，林敏濤和華佳勇合作
2021-07-12 06:35:22
，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
03_深度學(xué)習(xí)入門_神經(jīng)網(wǎng)絡(luò)和反向傳播算法
2019-09-12 07:08:05
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
神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2012-08-05 21:01:08
制造業(yè)而言，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)開辟了令人興奮的研究途徑。為了實(shí)現(xiàn)從諸如高速公路全程自動(dòng)駕駛儀的短時(shí)輔助模式到專職無(wú)人駕駛旅行的自動(dòng)駕駛，汽車制造業(yè)一直在尋求讓響應(yīng)速度更快、識(shí)別準(zhǔn)確度更高的方法，而深度
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
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
電子發(fā)燒友總結(jié)了以“神經(jīng)網(wǎng)絡(luò)”為主題的精選干貨，今后每天一個(gè)主題為一期，希望對(duì)各位有所幫助！（點(diǎn)擊標(biāo)題即可進(jìn)入頁(yè)面下載相關(guān)資料）人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)方法與應(yīng)用實(shí)例（pdf彩版）卷積神經(jīng)網(wǎng)絡(luò)入門資料MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析《matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)》深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)
2019-05-07 19:18:14
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
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
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
摘要： 在2018年3月13日云棲社區(qū)，來(lái)自哈爾濱工業(yè)大學(xué)的沈俊楠分享了典型模式-深度神經(jīng)網(wǎng)絡(luò)入門。本文詳細(xì)介紹了關(guān)于深度神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，并詳細(xì)介紹了各個(gè)階段模型的結(jié)構(gòu)及特點(diǎn)。哈爾濱工業(yè)大學(xué)的沈
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
【深度學(xué)習(xí)】卷積神經(jīng)網(wǎng)絡(luò)CNN
2020-06-14 18:55:37
《深度學(xué)習(xí)工程師-吳恩達(dá)》03卷積神經(jīng)網(wǎng)絡(luò)—深度卷積網(wǎng)絡(luò)：實(shí)例探究 學(xué)習(xí)總結(jié)
2020-05-22 17:15:57
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
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢(shì)，作為一個(gè)
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
模型。第 3 部分將研究使用專用 AI 微控制器測(cè)試模型的特定用例。什么是卷積神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)是系統(tǒng)或神經(jīng)元結(jié)構(gòu)，使人工智能能夠更好地理解數(shù)據(jù)，使其能夠解決復(fù)雜的問(wèn)題。雖然有許多網(wǎng)絡(luò)類型，但本系
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
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
【新技術(shù)發(fā)布】基于深度神經(jīng)網(wǎng)絡(luò)的激光雷達(dá)物體識(shí)別系統(tǒng)及其嵌入式平臺(tái)部署激光雷達(dá)可以準(zhǔn)確地完成三維空間的測(cè)量，具有抗干擾能力強(qiáng)、信息豐富等優(yōu)點(diǎn)，但受限于數(shù)據(jù)量大、不規(guī)則等難點(diǎn)，基于深度神經(jīng)網(wǎng)絡(luò)
2021-12-21 07:59:18
基于深度神經(jīng)網(wǎng)絡(luò)的激光雷達(dá)物體識(shí)別系統(tǒng)及其嵌入式平臺(tái)部署
2021-01-04 06:26:23
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。基于BP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
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
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
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
2018年全球第三大風(fēng)力發(fā)電機(jī)制造商論文下載地址：https://arxiv.org/pdf/1902.05625v1.pdf論文代碼地址：https://github.com/BinhangYuan/WaveletFCNN需要簡(jiǎn)單儲(chǔ)備的知識(shí)離散小波轉(zhuǎn)換（DWT）深度神經(jīng)網(wǎng)絡(luò)回顧離散小波變
2021-07-12 07:38:36
解析深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)原理與視覺實(shí)踐
2020-06-14 22:21:12
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
首先將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于單傳感器潛艇目標(biāo)識(shí)別，在此基礎(chǔ)上將多傳感器數(shù)據(jù)融合技術(shù)應(yīng)用于目標(biāo)識(shí)別。仿真結(jié)果證明：這種方法是可行的、高效的。關(guān)鍵詞:模糊神經(jīng)網(wǎng)絡(luò),
2009-05-26 10:57:18
23 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 16:15:0212 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 針對(duì)壓力傳感器在實(shí)際應(yīng)用中受多個(gè)非目標(biāo)參量的影響而導(dǎo)致其輸出數(shù)據(jù)不僅僅與目標(biāo)參量有關(guān),提出了應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)多傳感器數(shù)據(jù)進(jìn)行融合以消除非目標(biāo)參量對(duì)傳感器輸出的
2009-06-27 09:01:2814 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 為提高傳感器的準(zhǔn)確度,減少傳感器的研制成本,提出了基于神經(jīng)網(wǎng)絡(luò)多傳感器誤差補(bǔ)償?shù)姆椒?。該方法利用BP 網(wǎng)絡(luò)較強(qiáng)的非線性映射能力,網(wǎng)絡(luò)通過(guò)學(xué)習(xí)能實(shí)現(xiàn)對(duì)傳感器系統(tǒng)誤差的補(bǔ)
2009-07-13 10:31:028 針對(duì)分布式傳感器中的故障點(diǎn)多、導(dǎo)致估計(jì)系統(tǒng)可靠性參數(shù)困難的特點(diǎn), 提出了一種基于BP 三層神經(jīng)網(wǎng)絡(luò)的M arkov 可靠性模型。仿真結(jié)果表明, 神經(jīng)網(wǎng)絡(luò)收斂時(shí)的可用度與M arkov 模型計(jì)
2009-07-13 11:21:2118 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 針對(duì)傳感器故障, 提出了一種基于RBF 神經(jīng)網(wǎng)絡(luò)的集成故障診斷方法。用RBF 神經(jīng)網(wǎng)絡(luò)建立傳感器故障模型, 對(duì)系統(tǒng)的狀態(tài)和故障參數(shù)進(jìn)行在線估計(jì), 然后將故障參數(shù)與修正的Bayes分類算
2009-07-14 11:58:1913 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 基于神經(jīng)網(wǎng)絡(luò)的開關(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 《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》講義
2017-07-20 08:58:240 基于改進(jìn)GA_BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器的溫度補(bǔ)償
2018-04-19 11:23:586 由 Demi 于 星期四, 2018-09-06 09:33 發(fā)表 現(xiàn)在提到“神經(jīng)網(wǎng)絡(luò)”和“深度神經(jīng)網(wǎng)絡(luò)”，會(huì)覺得兩者沒有什么區(qū)別，神經(jīng)網(wǎng)絡(luò)還能不是“深度”（deep）的嗎？我們常用
2018-09-06 20:48:01937 本文檔的詳細(xì)介紹的是快速了解神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的教程資料免費(fèi)下載主要內(nèi)容包括了：機(jī)器學(xué)習(xí)概述，線性模型，前饋神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)優(yōu)化與正則化，記憶與注意力機(jī)制，無(wú)監(jiān)督學(xué)習(xí)，概率圖模型，玻爾茲曼機(jī)，深度信念網(wǎng)絡(luò)，深度生成模型，深度強(qiáng)化學(xué)習(xí)
2019-02-11 08:00:0033 英偉達(dá)利用基于雷達(dá)和激光雷達(dá)傳感器數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)，作為估計(jì)物體距離的基礎(chǔ)，從而能夠在不考慮地形的情況下，進(jìn)行距離計(jì)算，能夠讓駕駛員依賴神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出來(lái)的物體距離數(shù)值。
2019-07-21 11:33:571805 人工智能系統(tǒng)所面臨的兩大安全問(wèn)題的根源在于深度神經(jīng)網(wǎng)絡(luò)的不可解釋性。深度神經(jīng)網(wǎng)絡(luò)可解釋性定義為可判讀（interpretability）和可理解（explainability）兩方面的內(nèi)容?？膳凶x性，即深度神經(jīng)網(wǎng)絡(luò)輸出可判讀
2020-03-27 15:56:183605 針對(duì)熱敏電阻溫度傳感器應(yīng)用中存在的非線性問(wèn)題，提出了應(yīng)用小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)其非線性補(bǔ)償?shù)姆椒?，介紹了非線性補(bǔ)償?shù)脑恚暾耐茖?dǎo)了小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程。實(shí)驗(yàn)結(jié)果表明，該方法補(bǔ)償精度高，優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。
2020-03-27 17:18:404 海底油氣輸送管道漏磁檢測(cè)裝置工作于高溫高壓環(huán)境下，其中的InSb霍爾傳感器對(duì)溫度敏感，需要補(bǔ)償溫度誤差。該文構(gòu)建了多傳感器融合模型，將多個(gè)霍爾傳感器和溫度傳感器的輸出用徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)
2020-03-27 17:18:356 深度神經(jīng)網(wǎng)絡(luò)非常善于識(shí)別物體，但是當(dāng)涉及到他們的相互作用的推理時(shí)，即使是最先進(jìn)的神經(jīng)網(wǎng)絡(luò)也在努力。
2020-04-14 15:24:471200 “今日的
深度神經(jīng)網(wǎng)絡(luò)（DNN）研究有很大一部分，是以現(xiàn)有DNN進(jìn)行調(diào)整或修改；”DeepScale首席執(zhí)行官Forrest Iandola分享他的觀察，不過(guò)表示在該公司的情況是：“我們從頭開始利用原始數(shù)據(jù)開發(fā)自己的DNN——那些數(shù)據(jù)不只來(lái)自圖像
傳感器，還有雷達(dá)與激光雷達(dá)（LiDAR）?！?/div>
2020-07-30 14:58:071167 隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，許多研究者嘗試?yán)?b class="flag-6" style="color: red">深度學(xué)習(xí)來(lái)解決文本分類問(wèn)題，特別是在卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)方面，出現(xiàn)了許多新穎且有效的分類方法。對(duì)基于深度神經(jīng)網(wǎng)絡(luò)的文本分類問(wèn)題進(jìn)行分析，介紹
2021-03-10 16:56:5637 深度神經(jīng)網(wǎng)絡(luò)具有非線性非凸、多層隱藏結(jié)構(gòu)、特征矢量化、海量模型參數(shù)等特點(diǎn)，但弱解釋性是限制其理論發(fā)展和實(shí)際應(yīng)用的巨大障礙，因此，深度神經(jīng)網(wǎng)絡(luò)解釋方法成為當(dāng)前人工智能領(lǐng)域研究的前沿?zé)狳c(diǎn)。針對(duì)軍事金融
2021-03-21 09:48:2319 3小時(shí)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課件下載
2021-04-19 09:36:550 在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實(shí)都是神經(jīng)網(wǎng)絡(luò)。
2023-02-23 09:14:444833 來(lái)源：青榴實(shí)驗(yàn)室 1、引子 深度神經(jīng)網(wǎng)絡(luò)(DNNs)最近在圖像分類或語(yǔ)音識(shí)別等復(fù)雜機(jī)器學(xué)習(xí)任務(wù)中表現(xiàn)出的優(yōu)異性能令人印象深刻。 在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)和三個(gè)最流行神經(jīng)網(wǎng)絡(luò)：多層
2023-05-15 14:20:011616 
在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)和三個(gè)最流行神經(jīng)網(wǎng)絡(luò)：多層神經(jīng)網(wǎng)絡(luò)(MLP)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)。
2023-05-15 14:19:181981 
來(lái)源：青榴實(shí)驗(yàn)室1、引子深度神經(jīng)網(wǎng)絡(luò)(DNNs)最近在圖像分類或語(yǔ)音識(shí)別等復(fù)雜機(jī)器學(xué)習(xí)任務(wù)中表現(xiàn)出的優(yōu)異性能令人印象深刻。在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)和三個(gè)最流行神經(jīng)網(wǎng)絡(luò)：多層神經(jīng)網(wǎng)絡(luò)
2023-05-17 09:59:194321 
我們使用其他神經(jīng)網(wǎng)絡(luò)架構(gòu)擴(kuò)展了工作流。
將工作流程移交給成功執(zhí)行的其他項(xiàng)目
系列同事正在驗(yàn)證虛擬傳感器的當(dāng)前結(jié)果，以供串聯(lián)使用。
2023-08-15 10:37:02603 
卷積神經(jīng)網(wǎng)絡(luò)原理：卷積神經(jīng)網(wǎng)絡(luò)模型和卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種基于深度學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)技術(shù)的重要應(yīng)用之
2023-08-17 16:30:302214 這項(xiàng)研究開發(fā)了一款基于保形（conformal）柔性應(yīng)變傳感器陣列和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的智能血壓和心功能監(jiān)測(cè)系統(tǒng)。該傳感器具有高靈敏度、高線性度、快速響應(yīng)與恢復(fù)、高各向同性等多種優(yōu)點(diǎn)。
2023-08-20 09:53:201260 
的深度學(xué)習(xí)算法。CNN模型最早被提出是為了處理圖像，其模型結(jié)構(gòu)中包含卷積層、池化層和全連接層等關(guān)鍵技術(shù)，經(jīng)過(guò)多個(gè)卷積層和池化層的處理，CNN可以提取出圖像中的特征信息，從而對(duì)圖像進(jìn)行分類。 一、卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)算法最早起源于圖像處理領(lǐng)域。它是一種深
2023-08-21 16:49:462798 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 17:07:365026 深度神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的一種框架，它是一種具備至少一個(gè)隱層的神經(jīng)網(wǎng)絡(luò)。與淺層神經(jīng)網(wǎng)絡(luò)類似
2023-10-11 09:14:331896 
模型： 多層感知器（Multilayer Perceptron，MLP）： 多層感知器是最基本的深度神經(jīng)網(wǎng)絡(luò)模型，由多個(gè)全連接層組成。每個(gè)隱藏層的神經(jīng)元數(shù)量可以不同，通常使用激活函數(shù)如ReLU
2024-07-02 10:00:013220 化能力。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)之一。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)
2024-07-02 14:24:037112 隨著人工智能技術(shù)的飛速發(fā)展，深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）作為其中的重要分支，已經(jīng)在多個(gè)領(lǐng)域取得了顯著的應(yīng)用成果。從圖像識(shí)別、語(yǔ)音識(shí)別
2024-07-02 18:19:171852 BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）是一種常見的前饋神經(jīng)網(wǎng)絡(luò)，它使用反向傳播算法來(lái)訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些方面與深度神經(jīng)網(wǎng)絡(luò)（Deep Neural
2024-07-03 10:14:301799 在深度學(xué)習(xí)領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks, RNN）是兩種極其重要
2024-07-03 16:12:247307 深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為人工智能領(lǐng)域的重要技術(shù)之一，通過(guò)模擬人腦神經(jīng)元之間的連接，實(shí)現(xiàn)了對(duì)復(fù)雜數(shù)據(jù)的自主學(xué)習(xí)和智能判斷。其設(shè)計(jì)方法不僅涉及網(wǎng)絡(luò)
2024-07-04 13:13:491514 在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時(shí)，我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練機(jī)制、特征學(xué)習(xí)能力、應(yīng)用領(lǐng)域以及計(jì)算資源需求等方面。以下是對(duì)兩者區(qū)別的詳細(xì)闡述。
2024-07-04 13:20:362552 循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
2024-07-04 14:24:512764 深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為機(jī)器學(xué)習(xí)的一種復(fù)雜形式，是廣義人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks, ANNs）的重要分支。它們
2024-07-04 16:08:163802 深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為機(jī)器學(xué)習(xí)領(lǐng)域中的一種重要技術(shù)，特別是在深度學(xué)習(xí)領(lǐng)域，已經(jīng)取得了顯著的成就。它們通過(guò)模擬人類大腦的處理方式，利用多層神經(jīng)元結(jié)構(gòu)
2024-07-10 18:23:312812 殘差網(wǎng)絡(luò)（Residual Network，通常簡(jiǎn)稱為ResNet） 是深度神經(jīng)網(wǎng)絡(luò)的一種 ，其獨(dú)特的結(jié)構(gòu)設(shè)計(jì)在解決深層網(wǎng)絡(luò)訓(xùn)練中的梯度消失和梯度爆炸問(wèn)題上取得了顯著的突破，并因此成為圖像處理、語(yǔ)音識(shí)別等多個(gè)領(lǐng)域的重要模型。以下是對(duì)殘差網(wǎng)絡(luò)作為深度神經(jīng)網(wǎng)絡(luò)的詳細(xì)闡述。
2024-07-11 18:13:432111 隨著人工智能技術(shù)的飛速發(fā)展，深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network, DNN）作為其核心算法之一，在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而，傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)模型
2024-07-24 10:42:461566 Moku3.3版更新在Moku:Pro平臺(tái)新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】，使用戶能夠在Moku設(shè)備上部署實(shí)時(shí)機(jī)器學(xué)習(xí)算法，進(jìn)行快速、靈活的信號(hào)分析、去噪、傳感器調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
2024-11-01 08:06:33990 
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系，以下是對(duì)它們之間關(guān)系的介紹： 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò)，即反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network
2025-02-12 15:15:211519 已全部加載完成
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論