本文給出了采用ADXL335加速度傳感器來采集五個(gè)手指和手背的加速度三軸信息，并通過ZigBee無線網(wǎng)絡(luò)傳輸來提取手勢(shì)特征量，同時(shí)利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行誤差分析來實(shí)現(xiàn)手勢(shì)識(shí)別的設(shè)計(jì)方法。最后，通過Matlab驗(yàn)證，結(jié)果表明，該系統(tǒng)在測(cè)試中識(shí)別率較高，系統(tǒng)穩(wěn)定。
2014-07-14 10:55:28
3071 
的數(shù)據(jù)集，因此神經(jīng)網(wǎng)絡(luò)也有望在未來的汽車中發(fā)揮更大的作用。這些作用將包括承擔(dān)系統(tǒng)中其它復(fù)雜的信號(hào)處理任務(wù)，例如雷達(dá)模塊及語音識(shí)別系統(tǒng)。隨著神經(jīng)網(wǎng)絡(luò)首次應(yīng)用于車載自動(dòng)駕駛系統(tǒng)，（據(jù)報(bào)道，某些國(guó)家將在
2017-12-21 17:11:34
神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)程序
2018-01-04 13:29:33
語音識(shí)別系統(tǒng)在智能家庭系統(tǒng)中的應(yīng)用是什么？
2021-05-31 06:54:34
針對(duì)傳統(tǒng)比例積分（ＰＩ）控制在電機(jī)控制中控制效果不良的問題，設(shè)計(jì)了一種基于向后傳播算法（ＢＰ）模糊神經(jīng)網(wǎng)絡(luò)的ＰＩ控制器。基于ＭＡＴＬＡＢ／Ｓｉｍｕｌｉｎｋ建立了純電動(dòng)汽車驅(qū)動(dòng)系統(tǒng)的仿真模型，將駕駛員
2019-12-10 16:32:40
請(qǐng)問：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
項(xiàng)目名稱：基于PYNQ-Z2的神經(jīng)網(wǎng)絡(luò)圖形識(shí)別試用計(jì)劃：申請(qǐng)理由：本人為一名嵌入式軟件工程師，對(duì)FPGA有一段時(shí)間的接觸，基于FPGA設(shè)計(jì)過簡(jiǎn)單的ASCI數(shù)字芯片。目前正好在學(xué)習(xí)基于python
2019-01-09 14:48:59
前言前面我們通過notebook，完成了在PYNQ-Z2開發(fā)板上編寫并運(yùn)行python程序。我們的最終目的是基于神經(jīng)網(wǎng)絡(luò)，完成手寫的數(shù)字識(shí)別。在這之前，有必要講一下神經(jīng)網(wǎng)絡(luò)的基本概念和工作原理。何為
2019-03-03 22:10:19
是一種常用的無監(jiān)督學(xué)習(xí)策略，在使用改策略時(shí)，網(wǎng)絡(luò)的輸出神經(jīng)元相互競(jìng)爭(zhēng)，每一時(shí)刻只有一個(gè)競(jìng)爭(zhēng)獲勝的神經(jīng)元激活。ART神經(jīng)網(wǎng)絡(luò)由比較層、識(shí)別層、識(shí)別閾值、重置模塊構(gòu)成。其中比較層負(fù)責(zé)接收輸入樣本，并將其傳遞
2019-07-21 04:30:00
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
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題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
的過程中存在梯度消失的問題[23]，神經(jīng)網(wǎng)絡(luò)再 次慢慢淡出人們的視線。1998 年 LeCun 發(fā)明了 LeNet-5，并在 Mnist 數(shù)據(jù) 集達(dá)到 98%以上的識(shí)別準(zhǔn)確率，形成影響深遠(yuǎn)的卷積
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
抽象人工智能 （AI） 的世界正在迅速發(fā)展，人工智能越來越多地支持以前無法實(shí)現(xiàn)或非常難以實(shí)現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN） 及其在 AI 系統(tǒng)中機(jī)器學(xué)習(xí)中的重要性。CNN 是從
2023-02-23 20:11:10
卷積運(yùn)算，從而發(fā)現(xiàn)這種關(guān)聯(lián)性?！?循環(huán)神經(jīng)網(wǎng)絡(luò) (RNN)RNN 在很多序列建模任務(wù)中都展現(xiàn)出了出色的性能，特別是在語音識(shí)別、語言建模和翻譯中。RNN 不僅能夠發(fā)現(xiàn)輸入信號(hào)之間的時(shí)域關(guān)系，還能使用“門控
2021-07-26 09:46:37
為提升識(shí)別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：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
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對(duì)系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
得出得神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)誤差曲線和數(shù)字識(shí)別結(jié)果如圖1 所示?！ ”疚膶? ~ 9 共10 類數(shù)據(jù)中的每類取20 個(gè)做測(cè)試樣本，共200 個(gè)測(cè)試樣本對(duì)系統(tǒng)進(jìn)行性能測(cè)試。測(cè)試結(jié)果如表1 所列。由表1 中的數(shù)據(jù)
2018-11-13 16:04:45
基于DSP的漢字語音識(shí)別系統(tǒng)如何實(shí)現(xiàn)
2021-03-12 06:33:15
基于HMM的語音識(shí)別系統(tǒng)是怎么訓(xùn)練的？有哪些步驟？
2021-12-23 06:16:50
基于LabVIEW的語音識(shí)別系統(tǒng)
2020-03-07 16:41:15
請(qǐng)大家?guī)蛶兔?，基于LabVIEW的語音識(shí)別系統(tǒng)，要求先錄幾個(gè)人的聲音做樣板，然后再讓其中一個(gè)人說話，能辨別出是誰說的
2013-05-16 11:16:15
i.MX 8開發(fā)工具從相機(jī)獲取數(shù)據(jù)并使用一個(gè)GPU并應(yīng)用圖像分割算法。然后將該信息饋送到專用于識(shí)別交通標(biāo)志的神經(jīng)網(wǎng)絡(luò)推理引擎的另一GPU。
2019-05-29 10:50:46
【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
，看一下 FPGA 是否適用于解決大規(guī)模機(jī)器學(xué)習(xí)問題。卷積神經(jīng)網(wǎng)絡(luò)是一種深度神經(jīng)網(wǎng)絡(luò) (DNN)，工程師最近開始將該技術(shù)用于各種識(shí)別任務(wù)。圖像識(shí)別、語音識(shí)別和自然語言處理是 CNN 比較常見的幾大應(yīng)用。
2019-06-19 07:24:41
如何使用STM32F4+MPU9150實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)識(shí)別手勢(shì)？
2021-11-19 07:06:48
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
處理的運(yùn)算量和數(shù)據(jù)吞吐量。圖像壓縮是信息傳輸和存儲(chǔ)系統(tǒng)的關(guān)鍵技術(shù)，然而我們?cè)撊绾芜M(jìn)行FPGA設(shè)計(jì)，以實(shí)現(xiàn)給定的功能已經(jīng)成為神經(jīng)網(wǎng)絡(luò)應(yīng)用的關(guān)鍵呢？
2019-08-08 06:11:30
，使之能夠適用于解決模擬電路故障診斷中的容差和非線性問題，但在軟故障實(shí)際檢測(cè)中，由于不同的分類故障之間又不可避免地存在著模糊性，即不同的分類故障可能有相同或相近的故障特征向量，而這僅僅靠神經(jīng)網(wǎng)絡(luò)的泛化
2019-07-05 08:06:02
嵌入式語音識(shí)別系統(tǒng)是什么？嵌入式語音識(shí)別系統(tǒng)在生活中的應(yīng)用有哪些呢？
2021-12-23 08:27:03
，最新研究的研究人員通過改進(jìn)微軟語音識(shí)別系統(tǒng)的神經(jīng)網(wǎng)絡(luò)聲學(xué)和語言模型，將錯(cuò)誤率降低了約12%。
[img][/img]
值得注意的是，他們還讓自己的語音識(shí)別器使用整個(gè)對(duì)話，讓它根據(jù)上下文調(diào)整
2017-08-23 09:18:35
隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的迅速發(fā)展，語音口令識(shí)別已經(jīng)成為了人機(jī)交互的一個(gè)重要方式之一。語音口令識(shí)別系統(tǒng)將根據(jù)人發(fā)出的聲音、音節(jié)或短語給出響應(yīng)，如通過語音口令控制一些執(zhí)行機(jī)構(gòu)、控制家用電器的運(yùn)行或做出
2019-09-03 08:27:23
學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等技術(shù)。這些技術(shù)能夠在本地設(shè)備上實(shí)現(xiàn)高效運(yùn)算，使得離線語音識(shí)別成為可能。
1.深度學(xué)習(xí)
深度學(xué)習(xí)在語音識(shí)別領(lǐng)域具有廣泛的應(yīng)用。其中，循環(huán)
2023-11-07 18:01:32
的研究具有重要意義.模糊神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)相結(jié)合的新型網(wǎng)絡(luò)結(jié)構(gòu)，把它應(yīng)用于語音識(shí)別系統(tǒng)，使系統(tǒng)不僅具有非線性、自適應(yīng)性、魯棒性和自學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)本來的優(yōu)勢(shì)，也具有模糊推理和模糊劃分等模糊邏輯全文下載
2010-05-06 09:05:35
各位大神，請(qǐng)問有沒有編過模糊PID控制程序或神經(jīng)網(wǎng)絡(luò)控制程序？
2015-01-12 10:50:48
神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)及其在運(yùn)動(dòng)控制中的應(yīng)用是一本關(guān)于人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯系統(tǒng)，以及模糊神經(jīng)網(wǎng)絡(luò)研究成果的專著。作者在簡(jiǎn)要介紹神經(jīng)網(wǎng)絡(luò)理論與模糊理論的基礎(chǔ)上，對(duì)人
2009-01-13 15:18:34
0 首先介紹人工神經(jīng)網(wǎng)絡(luò)ANN 實(shí)現(xiàn)技術(shù)的歷史、現(xiàn)狀和發(fā)展，著重分析RBF網(wǎng)絡(luò)的原理及其建立在超大規(guī)模集成電路基礎(chǔ)上的硬件神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法。然后，介紹一種新的硬件神經(jīng)網(wǎng)絡(luò)
2009-05-14 16:24:039 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 10:57:1823 隨著當(dāng)前信息技術(shù)的飛速發(fā)展，需要模式識(shí)別系統(tǒng)滿足、實(shí)現(xiàn)更多的要求?；诜律Ｊ?b class="flag-6" style="color: red">識(shí)別理論，本文提出并實(shí)現(xiàn)了利用神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別的實(shí)物識(shí)別系統(tǒng)，首先詳細(xì)介紹了基于
2009-05-27 16:14:4312 以故障診斷理論和方法為基礎(chǔ)，綜合運(yùn)用人工智能、模糊理論和神經(jīng)網(wǎng)絡(luò)理論，對(duì)雷達(dá)印制板故障智能診斷問題進(jìn)行了研究，給出了模糊神經(jīng)網(wǎng)絡(luò)故障智能診斷系統(tǒng)的實(shí)現(xiàn)過程。
2009-06-01 16:14:0520 模糊模式識(shí)別是模糊集理論研究中的重要方向，神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘中的一種常用方法。超圓神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間和網(wǎng)絡(luò)模型理解性都優(yōu)于BP 神經(jīng)網(wǎng)絡(luò)，它能以較少的數(shù)據(jù)量 蘊(yùn)涵
2009-06-01 16:46:5320 模糊神經(jīng)網(wǎng)絡(luò)提供了從人工神經(jīng)網(wǎng)絡(luò)中模糊規(guī)則的抽取。本文研究模糊神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)、規(guī)則插入和抽取及神經(jīng)-模糊推理的FuNN 模型。把遺傳算法作為系統(tǒng)模糊規(guī)則選擇的自
2009-06-06 13:45:4218 介紹了基于模糊神經(jīng)網(wǎng)絡(luò)智能火災(zāi)報(bào)警控制系統(tǒng)，在系統(tǒng)中應(yīng)用了模糊控制理論既提高了系統(tǒng)的精度又最大限度的減少了系統(tǒng)的誤報(bào)率，解決了火災(zāi)報(bào)警系統(tǒng)中長(zhǎng)期存在的問題。結(jié)
2009-06-10 14:09:5316 介紹一種基于RBF 的模糊神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與仿真分析的實(shí)現(xiàn)方法。該方法利用MATLAB 中的神經(jīng)網(wǎng)絡(luò)工具箱圖形用戶界面GUI 結(jié)合模糊控制規(guī)則表給定的輸入/輸出樣本數(shù)據(jù)設(shè)計(jì)、構(gòu)建RBF 模糊
2009-06-10 14:22:4928 本文采用基于模糊神經(jīng)網(wǎng)絡(luò)的控制器實(shí)現(xiàn)了對(duì)時(shí)滯系統(tǒng)的控制，采取模糊規(guī)則對(duì)輸出誤差進(jìn)行預(yù)測(cè)，預(yù)測(cè)中假設(shè)系統(tǒng)輸出變化較緩慢，以至可以忽略高次項(xiàng)，得到的輸出誤差經(jīng)過神
2009-06-23 13:14:0010 車輛牌照的自動(dòng)識(shí)別是目標(biāo)自動(dòng)識(shí)別的一種重要形式。針對(duì)車牌識(shí)別的后期技術(shù),即牌照識(shí)別技術(shù)做了研究并提出了一種新的車牌識(shí)別方法，該網(wǎng)絡(luò)由BP 神經(jīng)網(wǎng)絡(luò)識(shí)別模塊和模糊控制
2009-07-08 15:38:1016 為了提高衛(wèi)星姿態(tài)測(cè)量系統(tǒng)的姿態(tài)估計(jì)精度，研究設(shè)計(jì)了一個(gè)模糊神經(jīng)網(wǎng)絡(luò)，對(duì)各姿態(tài)傳感器的輸出信號(hào)進(jìn)行綜合處理。研究表明：此方法可以使測(cè)量精度得以很大提高。關(guān)
2009-07-13 11:34:0522 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 設(shè)計(jì)并實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)和模糊邏輯相結(jié)合的綜合預(yù)測(cè)模型進(jìn)行短期電力負(fù)荷預(yù)測(cè)。由神經(jīng)網(wǎng)絡(luò)和模糊邏輯分別對(duì)基本負(fù)荷和受天氣、節(jié)假日影響的負(fù)荷進(jìn)行預(yù)測(cè)，使其在天氣突變
2009-08-14 15:51:1619 針對(duì)電動(dòng)汽車中無刷直流電機(jī)負(fù)載波動(dòng)較大的特點(diǎn)，提出了4 層模糊神經(jīng)網(wǎng)絡(luò)模型，該模型融合了模糊邏輯和神經(jīng)網(wǎng)絡(luò)的長(zhǎng)處，模糊推理和解模糊化均通過神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)。模糊
2009-08-21 09:26:5815 基于T-S 模糊模型,提出了利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)非線性系統(tǒng)的辨識(shí)。首先，利用一種無監(jiān)督的聚類算法分析輸入輸出數(shù)據(jù)生成初始的結(jié)構(gòu)模型，確定系統(tǒng)的模糊空間和模糊規(guī)則數(shù)，構(gòu)造神
2009-09-25 16:38:364 模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)在微波效應(yīng)數(shù)據(jù)處理中的應(yīng)用:描述了建立神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的模糊系統(tǒng)的基本過程，結(jié)合部分微波效應(yīng)數(shù)據(jù)建立了一個(gè)小型的效應(yīng)預(yù)測(cè)評(píng)估模型。對(duì)應(yīng)于學(xué)習(xí)樣本，給
2009-10-26 18:36:4312 神經(jīng)網(wǎng)絡(luò)是近年來信息科學(xué)、腦科學(xué)、神經(jīng)心理學(xué)等諸多學(xué)科共同關(guān)注和研究的熱點(diǎn)。由于其具有良好的抽象分類特性,現(xiàn)已應(yīng)用于語音識(shí)別系統(tǒng)的研究和開發(fā)，并成為解決識(shí)別相關(guān)
2009-12-14 14:52:4744 針對(duì)中長(zhǎng)期負(fù)荷預(yù)測(cè)，本文將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合，提出了基于高木-關(guān)野自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)的中長(zhǎng)期負(fù)荷預(yù)測(cè)模型。該模型采取神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)模糊信息進(jìn)行處理
2009-12-18 16:48:046 模糊神經(jīng)網(wǎng)絡(luò)在GPS高程轉(zhuǎn)換中的應(yīng)用
摘要: 介紹了模糊神經(jīng)網(wǎng)絡(luò)基本原理和GPS 高程轉(zhuǎn)換方法, 采用模糊神經(jīng)網(wǎng)絡(luò)算法, 實(shí)現(xiàn)了GPS 高程轉(zhuǎn)換. 在用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)
2010-04-26 11:27:2812
隨著智能信息技術(shù)的發(fā)展，模糊神經(jīng)網(wǎng)絡(luò)算法廣泛應(yīng)用于工業(yè)控制。但該算法尚未應(yīng)用于PLC。針對(duì)這種現(xiàn)狀，給出基于S7-200 PLC的模糊神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)。利用模糊神經(jīng)
2010-12-24 16:55:1949 工地安全帶穿戴識(shí)別系統(tǒng)依據(jù)智能視頻分析和神經(jīng)網(wǎng)絡(luò)算法借助現(xiàn)場(chǎng)已有的監(jiān)控?cái)z像頭，對(duì)監(jiān)控畫面實(shí)時(shí)監(jiān)控。當(dāng)工地安全帶穿戴識(shí)別系統(tǒng)監(jiān)控到人員不配戴安全帶行為及時(shí)識(shí)別預(yù)警提醒，報(bào)警記錄存檔并發(fā)給后臺(tái)，提示
2024-07-26 21:40:47
針對(duì)彈藥輸送車載供彈系統(tǒng)故障的復(fù)雜性、多樣性故障難以診斷的問題，提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)彈藥輸送車載供彈系統(tǒng)故障診斷方法。該方法運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)和優(yōu)點(diǎn)，
2013-05-02 16:48:4617 基于模糊神經(jīng)網(wǎng)絡(luò)的執(zhí)行器故障診斷.....
2016-01-04 15:31:556 模糊系統(tǒng)、模糊神經(jīng)網(wǎng)絡(luò)及應(yīng)用程序設(shè)計(jì)-上科。
2016-04-11 17:14:030 模糊控制與神經(jīng)網(wǎng)絡(luò)-北航，有需要的下來看看。
2016-04-11 17:33:160 神經(jīng)網(wǎng)絡(luò)工況識(shí)別的混合動(dòng)力電動(dòng)汽車模糊控制策略_田毅
2017-02-07 12:08:030 基于神經(jīng)網(wǎng)絡(luò)的漢語孤立詞語音識(shí)別_朱淑琴
2017-03-16 09:40:350 使用新的解釋技術(shù)，來分析神經(jīng)網(wǎng)絡(luò)做機(jī)器翻譯和語音識(shí)別的訓(xùn)練過程,神經(jīng)網(wǎng)絡(luò)語言處理工作原理有待破解。
2017-12-12 14:31:081832 模糊神經(jīng)網(wǎng)絡(luò)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn)，集學(xué)習(xí)、聯(lián)想、識(shí)別、信息處理于一體。
2017-12-29 14:40:4050582 
模糊神經(jīng)網(wǎng)絡(luò)是將人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯系統(tǒng)相結(jié)合的一種具有強(qiáng)大的自學(xué)習(xí)和自整定功能的網(wǎng)絡(luò)，是智能控制理論研究領(lǐng)域中一個(gè)十分活躍的分支，因此模糊神經(jīng)網(wǎng)絡(luò)控制的研究具有重要的意義。本文旨在分析模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)及其用途。
2017-12-29 15:35:3328275 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)又成為模糊控制系統(tǒng)，是個(gè)新興的控制方法，就象我們說小明學(xué)習(xí)很好，但是怎么個(gè)好法就是個(gè)很模糊的概念。模糊控制不同與經(jīng)典控制理論的關(guān)鍵在于他有一套屬于他自己的模糊算法，這個(gè)對(duì)數(shù)學(xué)的要求還是挺高的，模糊控制也成做為智能控制系統(tǒng)。
2018-01-02 14:47:299053 
和最小二乘法為模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法。仿真結(jié)果表明，該方法下系統(tǒng)響應(yīng)時(shí)間短、超調(diào)量小且穩(wěn)態(tài)精度高，有較好的動(dòng)態(tài)品質(zhì)、穩(wěn)定性和抗干擾性。
2018-01-09 16:04:090 針對(duì)隱馬爾可夫模型（ HMM）在語音識(shí)別中存在的不合理?xiàng)l件假設(shè)，進(jìn)一步研究循環(huán)神經(jīng)網(wǎng)絡(luò)的序列建模能力，提出了基于雙向長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的聲學(xué)模型構(gòu)建方法，并將聯(lián)結(jié)時(shí)序分類（ CTC）訓(xùn)練準(zhǔn)則成功地
2018-12-28 16:01:005 逼近未知非線性對(duì)象的特點(diǎn)，使其為手寫數(shù)字的識(shí)別提供了一種新的方法。本論文采用一編制了一套基于神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別系統(tǒng)，該系統(tǒng)由圖像采集、圖像預(yù)處理和數(shù)字識(shí)別三個(gè)模塊組成，其中，圖像采集模塊采用的方法來實(shí)現(xiàn)
2019-05-27 08:00:0018 卷積神經(jīng)網(wǎng)絡(luò)是一種特殊的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，是自動(dòng)駕駛汽車、人臉識(shí)別系統(tǒng)等計(jì)算機(jī)視覺應(yīng)用的基礎(chǔ)，其中基本的矩陣乘法運(yùn)算被卷積運(yùn)算取代。
2020-05-05 08:40:006214 系統(tǒng)的狀態(tài)預(yù)測(cè)是故障診斷中必不可少的一個(gè)環(huán)節(jié)，是診斷技術(shù)的重要目標(biāo)之一。基于模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)是一種非參數(shù)模型預(yù)測(cè)。在用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)時(shí)，現(xiàn)有的方法一般是利用大量已獲得的觀測(cè)數(shù)據(jù)即樣本數(shù)據(jù)進(jìn)行
2020-08-14 09:32:233655 
基于模糊神經(jīng)網(wǎng)絡(luò)的微型渦噴發(fā)動(dòng)機(jī)控制系統(tǒng)
2021-06-23 14:46:1019 采用優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)識(shí)別系統(tǒng) 人工智能技術(shù)與咨詢 前天 本文來自《光學(xué)精密工程》，作者劉可佳等 關(guān)注微信公眾號(hào)：人工智能技術(shù)與咨詢。了解更多咨詢！ 摘要 針對(duì)視頻數(shù)據(jù)利用低效和光測(cè)設(shè)備目標(biāo)識(shí)別
2021-11-16 14:33:211533 
卷積神經(jīng)網(wǎng)絡(luò)概述 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) cnn卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network，CNN）是一種基于深度學(xué)習(xí)技術(shù)的神經(jīng)網(wǎng)絡(luò)，由于其出色的性能
2023-08-21 16:41:484333 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)為
2023-08-21 16:49:272655 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、語音識(shí)別等領(lǐng)域
2023-08-21 16:49:462801 的挑戰(zhàn)。 二、深度學(xué)習(xí)在語音識(shí)別中的應(yīng)用 1.基于深度神經(jīng)網(wǎng)絡(luò)的語音識(shí)別：深度神經(jīng)網(wǎng)絡(luò)（DNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）是深度學(xué)習(xí)在語音識(shí)別中應(yīng)用的主要技術(shù)?；谶@些網(wǎng)絡(luò)的語音識(shí)別系統(tǒng)能夠有效地提高識(shí)別精度和效率，并且被廣
2023-10-10 18:14:531549 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，在圖像識(shí)別、語音識(shí)別、自然語言處理等領(lǐng)域有著廣泛的應(yīng)用。相比于
2023-12-07 15:37:255926 神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的重要分支，廣泛應(yīng)用于圖像識(shí)別、自然語言處理、語音識(shí)別等多個(gè)領(lǐng)域。然而，要使神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中取得良好效果，必須進(jìn)行有效的訓(xùn)練和優(yōu)化。本文將從神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程、常用優(yōu)化算法、超參數(shù)調(diào)整以及防止過擬合等方面，詳細(xì)闡述如何訓(xùn)練和優(yōu)化神經(jīng)網(wǎng)絡(luò)。
2024-07-01 14:14:061459 、語音識(shí)別、自然語言處理等多個(gè)領(lǐng)域。本文將對(duì)幾種主要的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行詳細(xì)介紹，包括前饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)等，并探討它們的特點(diǎn)、應(yīng)用及發(fā)展趨勢(shì)。
2024-07-01 14:16:422335 隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別領(lǐng)域的應(yīng)用日益廣泛。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的特征提取和分類能力，為圖像識(shí)別帶來了革命性的進(jìn)步。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用案例，包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）在面部識(shí)別、自動(dòng)駕駛、醫(yī)療診斷等領(lǐng)域的應(yīng)用，以及BP神經(jīng)網(wǎng)絡(luò)在手寫數(shù)字識(shí)別中的實(shí)踐。
2024-07-01 14:19:541627 隨著人工智能技術(shù)的飛速發(fā)展，語音識(shí)別技術(shù)作為人機(jī)交互的重要橋梁，受到了廣泛的關(guān)注和研究。語音識(shí)別技術(shù)旨在將人類語音信號(hào)轉(zhuǎn)換為文本信息，實(shí)現(xiàn)自然語言理解和人機(jī)交互。在這一過程中，卷積神經(jīng)網(wǎng)絡(luò)
2024-07-01 16:01:132059 自然圖像、醫(yī)學(xué)圖像、衛(wèi)星圖像等。神經(jīng)網(wǎng)絡(luò)可以識(shí)別圖像中的物體、場(chǎng)景、人臉等，并可以用于圖像檢索、圖像分割、圖像標(biāo)注等任務(wù)。 語音識(shí)別 神經(jīng)網(wǎng)絡(luò)在語音識(shí)別領(lǐng)域也取得了顯著的進(jìn)展。它們可以用于將語音信號(hào)轉(zhuǎn)換為文本，實(shí)
2024-07-02 11:40:341451 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識(shí)別、語音識(shí)別、自然語言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原理，包括其
2024-07-02 14:44:081837 Network）有相似之處，但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型，它由大量的神經(jīng)元（或稱為節(jié)點(diǎn)）組成，這些神經(jīng)元通過權(quán)重連接在一起。神經(jīng)網(wǎng)絡(luò)可以用于解決各種復(fù)雜的問題，如圖像識(shí)別、自然語言處理、語音識(shí)別等。在神經(jīng)網(wǎng)絡(luò)的研究中，
2024-07-03 10:14:301801 神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型，如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neu
2024-07-03 11:00:201742 神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型，如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neu
2024-07-04 09:51:321389 。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，如時(shí)間序列、文本、語音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同，遞歸神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間存在循環(huán)連接，使得網(wǎng)絡(luò)能夠在處理序列數(shù)據(jù)時(shí)保持狀態(tài)。 遞歸神經(jīng)網(wǎng)絡(luò)的原理 遞歸神經(jīng)網(wǎng)絡(luò)的核心原理是將前一個(gè)時(shí)間步的輸出作為
2024-07-04 14:54:592076 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks, ANNs）是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型，它在許多領(lǐng)域，如圖像識(shí)別、語音識(shí)別、自然語言處理、預(yù)測(cè)分析等有著廣泛的應(yīng)用。本文將
2024-07-05 09:13:553436 語音識(shí)別技術(shù)作為人工智能領(lǐng)域的關(guān)鍵應(yīng)用之一，已經(jīng)深刻地改變了人們的日常生活和工作方式。從智能手機(jī)中的語音助手到智能家居系統(tǒng)的語音控制，語音識(shí)別技術(shù)無處不在。隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，循環(huán)神經(jīng)網(wǎng)絡(luò)
2024-07-08 11:09:431619 重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個(gè)復(fù)雜的過程，涉及到多個(gè)步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)模型，廣泛應(yīng)用于圖像識(shí)別、自然語言處理、語音識(shí)別等領(lǐng)域。然而，隨著時(shí)間的推移，數(shù)據(jù)分布可能會(huì)
2024-07-11 10:25:021273 語音識(shí)別技術(shù)是人工智能領(lǐng)域的一個(gè)重要分支，它使計(jì)算機(jī)能夠理解和處理人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，特別是長(zhǎng)短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)的引入，語音識(shí)別的準(zhǔn)確性和效率得到了顯著提升。 LSTM
2024-11-13 10:03:022590
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論