市政雨污排口流量監(jiān)測(cè)是城市水環(huán)境治理與排水管網(wǎng)運(yùn)維的核心環(huán)節(jié),精準(zhǔn)的流量數(shù)據(jù)能夠?yàn)?b class='flag-5'>雨污分流改造、防汛排澇調(diào)度、污染物溯源提供科學(xué)支撐。流量監(jiān)測(cè)設(shè)備作為數(shù)據(jù)采集的核心載體,其技術(shù)性能直接決定監(jiān)測(cè)工作
發(fā)表于 01-09 12:09
?299次閱讀
日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
發(fā)表于 12-17 15:05
?460次閱讀
在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽(tīng)到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專門用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見(jiàn),因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
發(fā)表于 11-19 18:15
?2246次閱讀
數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問(wèn)題。當(dāng)x>0 時(shí),梯度恒為1,無(wú)梯度耗散問(wèn)題,收斂快;當(dāng)x<0 時(shí),該層的輸出為0。
CNN
發(fā)表于 10-29 07:49
NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類別
發(fā)表于 10-29 06:08
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 10-22 07:03
1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
發(fā)表于 09-28 10:03
?1563次閱讀
隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
發(fā)表于 09-17 13:31
?1297次閱讀
在汽車電子系統(tǒng)中,智能雨刮控制系統(tǒng)作為提升駕駛安全性的關(guān)鍵部件,其穩(wěn)定性和可靠性直接關(guān)系到惡劣天氣下的行車安全。而車規(guī)電容在這一系統(tǒng)中扮演著不可或缺的角色,尤其是在應(yīng)對(duì)極端天氣條件下的信號(hào)濾波方面
發(fā)表于 07-29 16:49
?681次閱讀
常規(guī)PID,大大提高了系統(tǒng)的跟隨性,能滿足BLDCM系統(tǒng)對(duì)實(shí)時(shí)性的要求。
純分享帖,點(diǎn)擊下方附件免費(fèi)獲取完整資料~~~
*附件:無(wú)刷直流電機(jī)單神經(jīng)元自適應(yīng)智能控制系統(tǒng).pdf
【免責(zé)聲明】本文系
發(fā)表于 06-26 13:36
刷直流電機(jī)單神經(jīng)元PI控制器的設(shè)計(jì).pdf
【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題,請(qǐng)第一時(shí)間告知,刪除內(nèi)容,謝謝!
發(fā)表于 06-26 13:34
摘 要:針對(duì)現(xiàn)有無(wú)刷直流電機(jī)轉(zhuǎn)矩脈動(dòng)抑制方法存在抑制效果不理想,或脈動(dòng)抑制效果好但學(xué)習(xí)算法復(fù)雜,不利于推廣的問(wèn)題,將RBF神經(jīng)網(wǎng)絡(luò)與磁場(chǎng)定向控制相結(jié)合,選用Luminary615微控制
發(fā)表于 06-25 13:15
摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
發(fā)表于 06-25 13:06
眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開(kāi)發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
發(fā)表于 06-16 21:54
通過(guò)分析學(xué)習(xí)速率對(duì)BP算法的影響,提出一種分層調(diào)整學(xué)習(xí)速率的改進(jìn)BP 網(wǎng)絡(luò)算法,并把該方法設(shè)計(jì)成 PID控制器應(yīng)用在無(wú)刷直流電機(jī)控制系統(tǒng)中,仿真結(jié)果驗(yàn)證了基于改進(jìn)的 BP
發(fā)表于 05-28 15:42
評(píng)論