首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   14篇
  完全免费   3篇
  自动化技术   17篇
  2017年   1篇
  2016年   1篇
  2015年   2篇
  2013年   1篇
  2012年   2篇
  2011年   1篇
  2010年   3篇
  2009年   1篇
  2008年   1篇
  2004年   2篇
  2003年   1篇
  1999年   1篇
排序方式: 共有17条查询结果,搜索用时 31 毫秒
1.
数字集成电路逻辑电平接口技术研究   总被引:4,自引:3,他引:1  
介绍了常用的数字集成电路的种类,并对TTL、ECL、CMOS电路相互间的接口转换技术进行了研究。  相似文献
2.
ASA技术在电路板故障诊断中的应用研究   总被引:1,自引:0,他引:1  
针对如何快速准确进行电路板故障诊断的重要课题,介绍了ASA(analog signature analysis)技术的原理与特点,并基于ASA技术设计了电路板半自动故障诊断系统,并对ASA技术在电路板故障诊断中的应用进行了全面的分析.  相似文献
3.
基于改进遗传算法的支持向量机参数优化   总被引:1,自引:0,他引:1  
支持向量机是一种非常有前景的学习机器,但是,支持向量机参数的选取一直没有一套成熟的理论,这给支持向量机的应用带来了很大的不便.为此,本文提出了基于改进遗传算法的支持向量机的参数优化方法,利用遗传算法的全局搜索能力得到支持向量机的最优参数值.仿真实验结果表明,得到的参数可使支持向量机具有良好的泛化性能,此方法切实有效.  相似文献
4.
基于嵌入式微处理器的自行高炮火控监测系统研究   总被引:1,自引:0,他引:1  
基于ARM和WINCE的自行高炮火控系统状态监测技术的总体结构,完成了硬件设计和软件开发,实现了对自行高炮火控系统的模拟、数字与轴角信号的采集。该系统简单便携,易于扩展,可广泛应用于各种需要数据采集及处理的系统中。  相似文献
5.
基于支持向量机的数字电路故障诊断研究   总被引:1,自引:0,他引:1  
为了解决因缺少大量故障数据样本而制约数字电路故障智能诊断发展的问题,提出了一种基于支持向量机的故障诊断仿真模型.由FPGA仿真产生数字电路,由PCI-72001/O卡进行采集.支持向量机建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷.在选取诊断模型输入向量时,对故障信号进行筛选,简化了故障特征向量的提取.仿真结果表明支持向量机可以有效地对数字电路故障进行诊断.  相似文献
6.
一种新的超球SVDD增量学习方法   总被引:1,自引:0,他引:1  
在基于支持向量数据描述(SVDD)的故障诊断中,往往随着故障数据的不断增加而不断地进行再训练以调整诊断模型,浪费了大量时间。为了解决这一问题,提出一种新的SVDD增量学习算法。该方法在深入分析训练结果与数据样本的关系,多次利用KKT条件,对样本进行筛选,最终选择出影响最终结果的少量训练样本。通过实际电路故障提取采集数据并诊断,所得结果表明该算法可以选择出所有影响结果的相关样本,保证了准确率并避免了大量样本训练,节省了时间。  相似文献
7.
提出了一个微波程控信号源的GP-IB标准接口的设计方案,并在皮信号源上得以具体实现。相对于一般的标准接口,本接口具有简单、实用和可移植性强等特点。  相似文献
8.
~~Pocket PC数据库开发@韩红艳$军域工程学院 @孙世宇$军域工程学院 @段修生$军域工程学院~~  相似文献
9.
基于支持向量机的传统模拟电路故障诊断方法对新故障无检测能力,且可扩展性较差。针对该问题,提出结合一类支持向量机(OCSVM)和多类支持向量机(MCSVM)的故障诊断方法。该方法采用OCSVM对故障数据进行检测和初步分类,采用MCSVM提高分类性能,以弥补OCSVM分类能力的不足。对OCSVM算法进行改进,以提高其检测和分类性能。通过模拟电路故障诊断实验验证OCSVM改进算法和联合故障诊断方法的有效性。  相似文献
10.
SVM-RFE特征选择算法是一种有效的特征选择方法,具有较高的应用价值。针对传统SVM-RFE特征选择算法中SVM参数(γ和C)难以确定的问题,本文采用粒子群算法搜索SVM的参数。然后将特征向量映射到SVM参数γ确定的核空间中并进行特征选择,有效地将特征选择与SVM分类器设计关联起来。仿真结果表明,特征选择后的数据集仍能保证SVM分类器具有较高的分类正确率。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号