排序方式: 共有79条查询结果,搜索用时 31 毫秒
61.
基于径向基函数神经网络的板形模式识别研究 总被引:2,自引:0,他引:2
针对板带轧制过程中用于辨识板形模式的网络精度较低、在线速度较慢和获得网络辨识模型较复杂的问题,提出了一种基于径向基函数神经网络(RBF)的板形模式识别方法。该方法使输入节点减少,网络模型简化,并用模糊C均值算法和伪逆法确定RBF网络的参数,解决了传统方法学习时间较长的问题。实验表明,该方法能有效的提高板形模式识别的精度和速度。 相似文献
62.
永磁同步电机健康状态监测问题可转化为永磁同步电机多参数辨识问题。为提高系统参数辨识及状态监测效率,提出一种基于多智能体蝙蝠算法的永磁同步电机参数辨识方法。多智能体的邻域竞争合作算子实现了蝙蝠个体间的信息交流,提高了全局寻优能力及算法的动态跟踪性能;自学习算子提高算法局部寻优能力,加快算法收敛速度。永磁同步电机多参数辨识结果表明,多智能体蝙蝠算法能快速有效地辨识电机各参数,依据参数变化实现对电机运行状态的监测及预警。与未改进算法相比,验证了改进算法的有效性和优越性能。 相似文献
63.
本文提出了一种基于应用高效卷子算子(ECO)改进的LRECT跟踪算法. 首先, 为了增强网络所提取特征的
识别能力, 堆叠线性两步(LT)残差结构设计具有32层的线性两步方法性质的残差网络(LTRNet), 并且融合该网络浅
层与深层卷积特征信息形成跟踪算法的特征提取模块; 其次, 采用投影矩阵压缩LTRNet提取的高维特征, 将压缩特
征通过插值处理后, 与当前滤波器在傅里叶域进行卷积定位确定目标位置; 最后, 使用高斯牛顿算法和共轭梯度算
法求解以响应误差和惩罚项之和为优化目标的优化问题, 实现滤波器和投影矩阵的更新. 在OTB2015标准数据集
上进行测试实验, 结果表明本文所提算法可以实现较高精度的稳健性跟踪. 相似文献
64.
65.
66.
67.
68.
69.
70.