排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
尽管卷积神经网络在实现单帧图像超分辨率的准确性和速度方面取得一定突破,但仍然存在重建结果细节不明显,过于光滑等中心问题。针对这一中心问题,提出一种基于单帧图像的耦合生成式对抗超分辨率重建算法,定义的生成器和判别器分别采用深度残差网络和深度卷积网络,将自注意力增强卷积应用到生成器网络中,为了增强生成图像的质量和训练过程的稳定,对生成器和判别器的学习能力进行平衡,使用相对判别器计算来自对抗神经网络的损失值。主流超分辨重建算法在Set5、Set4、BSD100经典数据集上进行对比,实验结果表明,提出的算法在边缘锐化、真实性和获得更好的高频细节恢复方面能够达到更好的连续视觉效果,同时能够增强生成图像的多样性。 相似文献
4.
针对随机网络系统受到攻击时的稳定问题,设计了一种基于离散时间观测状态和模态的迟滞量化反馈控制器,使得闭环随机系统均方指数稳定。离散观测减少了控制器接收到的信号并且保证信号主要内容不失真,从而提高控制器的效率,降低了网络通信负担。采用迟滞量化器有效地避免了对数量化器在量化过程中产生的抖震现象,并且考虑了当网络系统遭到网络欺骗攻击时,控制器能否保证系统的稳定性问题。给出均方指数稳定下的判据条件,根据稳定性判据条件设计基于离散状态和模态观测的迟滞量化反馈控制器,利用Lyapunov理论证明了随机网络非线性系统的均方指数稳定性,检验了判据条件的有效性。通过数值仿真验证了理论结果的有效性。 相似文献
5.
6.
针对包含故障和干扰的非高斯随机分布系统,提出了一种基于迭代学习观测器(ILO)的鲁棒容错控制方法.使用线性B样条神经网络建立了输出概率密度函数(PDF)和动态权重之间的关系.设计迭代学习观测器,以较小的计算量实现对故障的精确估计.利用故障估计信息设计容错控制器,使得系统的权向量在故障发生后仍能够跟踪到期望的权向量.最后通过仿真分析说明了提出方法的有效性.所设计的迭代学习观测器在经过短暂过渡后可迅速重构系统故障,基于PI跟踪的容错控制器对定常和时变权向量都有较好的跟踪效果. 相似文献
7.
机械臂自适应非奇异快速终端滑模控制 总被引:1,自引:0,他引:1
针对刚性机械臂有限时间鲁棒控制问题,提出了一种新的自适应非奇异快速终端滑模控制方法.该方法将非奇异快速终端滑模控制与自适应律相结合,使用非奇异快速终端滑模面加快机械臂轨迹跟踪误差的收敛速度,解决了终端滑模中的奇异问题;通过双曲正切函数代替符号函数减小控制输入的抖振;利用自适应律对未知的外部扰动和系统的不确定性进行估计,实现了在集总扰动未知情况下的轨迹跟踪.构造Lyapunov函数,证明机械臂系统能够在有限时间内稳定收敛.最后二自由度机械臂仿真实验结果验证了所设计控制器的有效性和鲁棒性. 相似文献
1