注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. LINGO软件的学习

  2. LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO高效的求解器可快速求解并分析结果。 §1 LINGO快速入门 当你在windows下开始运行LINGO系统时，会得到类似下面的一个窗口： 外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口，建立的模型都都要 在该窗口内编码实现。下面举两个例子

  3. 所属分类：C

    • 发布日期：2009-08-08
    • 文件大小：319488
    • 提供者：huxlaylyx

  1. 人脸识别中的“误配准灾难”问题

  2. 摘要: 现有的多数人脸识别系统都要依赖于面部特征（比如眼睛中心位置）的严格配准来归一化人脸以便提取 人脸描述特征，但面部特征配准的准确度如何影响人脸识别算法的性能却没有得到足够的重视。本文首次针对 这一问题进行了系统的研究，并提出了一种基于误配准学习的解决方案。为了揭示现有典型识别算法的识别性 能对特征配准准确度的敏感程度，通过对眼睛位置人为加扰，我们对Fisherface 算法的识别性能随平移、旋转 和尺度改变而变化的情况进行了实验评估，结果表明：Fisherface 的识别性能随着误配准的

  3. 所属分类：其它

    • 发布日期：2010-02-21
    • 文件大小：457728
    • 提供者：krfan

  1. 迭代学习控制的应用研究

  2. 1．研究了PID型迭代学习律的收敛性和鲁棒性问题。针对开环、闭环PID型学习律作了收敛性证明，给出了收敛条件，更进一步针对迭代学习控制系统存在初态偏差、状态扰动和测量噪声时，对PID型学习律作了收敛性和鲁棒性证明。 2．针对线性时不变连续系统，对开环和闭环迭代学习控制器的PID参数设计方法进行探讨。深入研究了适用于离散系统开环迭代学习控制器PID参数基于一定性能指标进行优化设计的方法，在适用于离散系统推导结论的基础上，按照一定限定条件把此设计方法应用于连续系统。 3．研究了迭代学习控制应用于直

  3. 所属分类：专业指导

    • 发布日期：2013-02-21
    • 文件大小：2097152
    • 提供者：siemon2012

  1. 结合纹理特征和深度学习的行人检测算法

  2. 针对行人检测算法中存在特征鲁棒性差及分类器拟合非线性数据能力弱等问题,提出一种基于纹理特征和深度学习分类算法的行人检测方法.提出一种改进的GSRLBP纹理特征提取算法,提取行人图像的局部纹理特征,通过获取像素点的梯度信息结合GSRLBP算法消除微小扰动对行人特征提取的影响,进一步增强特征提取的鲁棒性.搭建基于深信度网络的深度学习行人样本分类器,利用多层受限波兹曼机搭建分类器输入端和中间层,将行人纹理特征信息逐层转化和传递,实现特征数据的自学习,利用BP神经网络搭建分类器的输出端,实现分类器结构的

  3. 所属分类：其它

    • 发布日期：2020-05-10
    • 文件大小：676864
    • 提供者：weixin_38618312

  1. 模拟复杂重夸克势的非扰动贡献

  2. 在本文中，我们为复杂的重夸克电势构建了一个简单的模型，该模型是通过静态胶子传播子的傅立叶变换定义的。 除了硬热回路的恢复作用外，胶子传播器还包括一个由二维胶子凝结物引起的非摄动项。 在热场理论的框架内，只要指定了延迟/高级胶子繁殖体的确切形式，就可以以一致的方式确定重夸克势的实部和虚部，而无需借助任何额外的假设。 生成的势能模型具有所需的渐近行为，并且可以很好地重现来自晶格模拟的数据。 通过与市场上其他复杂电势模型的直接比较，我们发现这项工作中提出的模型在与石英有关的温度区域中，对晶格结果的描述

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：744448
    • 提供者：weixin_38636983

  1. 大D处的黑麸的非线性扰动

  2. 最近，以大D（尺寸）极限的耦合扩散方程的形式，重新描述了在Minkowski和AdS背景下描述黑膜动力学的爱因斯坦方程。 利用文献中的此类结果，我们在时域中建立了黑皮层的高阶扰动理论，并给出了任意初始条件的一般解的形式。 为了说明的目的，针对几种初始条件（例如高斯波包，冲击波和一般的叠加正弦波），明确地写下了至一阶或二阶解。 这些可能是描述时空黑云层地平线非平凡演化的第一个例子。 特别是，我们学习了黑皮动力学的一些有趣方面，例如Gregory-Laflamme（GL）不稳定性和非平衡稳态（NES

  3. 所属分类：其它

    • 发布日期：2020-04-02
    • 文件大小：1048576
    • 提供者：weixin_38734361

  1. 电能质量扰动信号发生器.vi

  2. 基于LabVIEW电能质量扰动信号发生器源码，很多关于LabVIEW的毕业设计会用到，值得学习和参考。

  3. 所属分类：其它

    • 发布日期：2020-03-20
    • 文件大小：64512
    • 提供者：LcVong

  1. 基于迭代学习的永磁直线伺服系统扰动抑制

  2. 基于迭代学习的永磁直线伺服系统扰动抑制，杨俊友，师光洲，针对具有重复运动特性的永磁直线同步电机(PMLSM)位置伺服系统，提出一种基于迭代学习(ILC)算法优化系统位置输入信号的控制策略。该迭

  3. 所属分类：其它

    • 发布日期：2020-01-10
    • 文件大小：490496
    • 提供者：weixin_38605133

  1. 基于最小Wilcoxon学习方法的Hammerstein模型辨识

  2. 提出一种基于最小Wilcoxon学习方法的非线性动态系统建模方法。用非线性静态子环节和线性动态子环节串联——Hammerstein模型来描述非线性动态系统。然后,将Hammerstein模型的非线性传递函数转换为等价的线性形式,从而建立起线性中间模型。再由最小Wilcoxon学习方法辨识出中间模型参数。最后,通过中间模型参数与Hammerstein模型参数之间的关系,推出原系统的非线性静态环节和线性动态环节的参数,从而实现原非线性动态系统建模。在系统仿真响应信号有扰动时,该方法比用最小二乘法辨识

  3. 所属分类：其它

    • 发布日期：2020-06-23
    • 文件大小：508928
    • 提供者：weixin_38545923

  1. 【机器学习】什么是对抗样本？对抗样本原理及分析.mp4

  2. 【机器学习】什么是对抗样本？对抗样本原理及分析，原作者Arxiv Insights。对抗样本由Christian Szegedy等人提出，是指在数据集中通过故意添加细微的干扰所形成的输入样本，导致模型以高置信度给出一个错误的输出。在正则化背景下，通过对抗训练减少原有独立同分布的测试集的错误率——在对抗扰动的训练集样本上训练网络。对抗样本也提供了一种实现半监督学习的方法。

  3. 所属分类：机器学习

    • 发布日期：2020-06-29
    • 文件大小：116391936
    • 提供者：Felix0309

  1. Dr.Sim:一个基于学习的通用框架，用于基于转录谱的药物注释和重新定位-源码

  2. Dr.Sim：用于转录表型药物发现的相似性学习 介绍 Dr.Sim是一个基于学习的通用框架，可自动推断相似性度量，该度量可用于表征具有良好通用性能的药物发现的转录谱。 传统上，此类相似性测量是通过无监督方式凭经验定义的，而由于这些高通量数据中的高维性和高噪声的存在，它缺乏鲁棒性且性能有限。 我们使用高通量转录扰动数据，对在药物注释和重新定位中全面公开可用的体外和体内数据集上的Dr.Sim进行了评估，并表明Sim博士比现有方法的表现高出两倍，事实证明这是一个不错的选择。通过学习转录相似性来促进概念

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：183296
    • 提供者：weixin_42151305

  1. 带有权重同时扰动训练的基于忆阻器的神经网络

  2. 神经网络的训练涉及对权重矩阵的大量操作。 如果神经网络以硬件实现，则所有权重将并行更新。 但是，基于CMOS技术的神经网络在权重更新阶段面临许多挑战。 例如，激活函数和误差反向传播的推导使得难以在电路级实现，即使反向传播算法相当有效并且在神经网络中很流行。 本文设计了一种基于双重相同忆阻器的新型突触单元，并在此基础上提出了一种新的神经网络电路架构。 整个网络由硬件友好的重量同时扰动（WSP）算法训练。 基于WSP算法的神经网络的硬件实现只涉及前馈电路，不需要双向电路。 此外，仅需要两次正向计算就

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_38703866

  1. “切换具有未知周期扰动的非线性参数化系统的自适应学习控制。”

  2. 针对一类非线性问题，提出了一种基于逻辑的切换自适应学习控制机制。 具有未知周期扰动的参数化系统。 切换算法包括两个部分：一个是稳定非线性参数化的不确定性，另一个是学习周期有限的干扰。 提出了一种具有完全饱和的周期自适应律的自适应控制方法。 利用扰动的周期性和有界性质。 结果表明，根据建议控制设计，在所有信号情况下，无论初始条件如何，都能确保渐近收敛在闭环系统中是有界的。 给出了一个说明性示例，以显示切换的有效性自适应学习控制。

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：357376
    • 提供者：weixin_38752282

  1. 基于克隆选择算法的随机扰动迭代学习控制

  2. 改进了克隆选择算法，并提出了克隆选择算法，以解决迭代学习控制中的优化问题。 提出了一种基于克隆选择算法的具有随机扰动的最优迭代学习控制算法。 在该算法中，同时减小了搜索空间的大小，并提高了算法的收敛速度。 另外，在算法中使用模型修改设备来处理工厂模型中的不确定性。 另外，在算法中使用模型来应对工厂模型中的不确定性。 仿真表明，无论植物模型是否为精确的非线性植物，收敛速度都令人满意。 仿真试验证明，采用改进的迭代学习控制律而不是传统的控制律，可以使具有随机扰动的受控系统达到稳定。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：96256
    • 提供者：weixin_38524472

  1. 扰动初始条件的变数迭代学习控制

  2. 当系统重复执行任务时，需要使用归位机制进行重新定位。 经过研究不良的重新定位对迭代学习控制的跟踪性能的影响， 本文开发了一种用于提高性能的变阶学习方法。 通过变阶学习，确保合成的系统输出轨迹遵循给定的轨迹与传统的固定顺序方法相比，具有较低的误差范围。 分立的在形成的变阶学习算法中引入时间初始校正动作，并且得出了收敛的充分条件。 提出了一种基于提出的方法，并通过两个机械手示例的数值结果进行说明。 ＆2010富兰克林研究所。 由Elsevier Ltd.发布

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_38617297

  1. 扰动LDA：了解班级经验均值与期望值之间的差异

  2. Fisher线性判别分析（LDA）在许多模式识别应用程序中，尤其是在生物识别学习中，通常用于缩小尺寸和提取判别特征。 在推导Fisher的LDA公式时，有一个假设，即类别经验均值等于其期望值。 但是，此假设在实践中可能无效。 在本文中，从“扰动”的角度出发，我们开发了一种称为扰动LDA（P-LDA）的新算法，其中引入了扰动随机向量，以了解费舍尔中类经验均值及其期望值之间的差异的影响。标准。 以Fisher准则进行的这种扰动学习将产生与某些扰动因子集成在一起的类内和类间协方差矩阵的新形式。 此外，

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：845824
    • 提供者：weixin_38519619

  1. 基于判别字典学习的电能质量扰动识别方法

  2. 基于判别字典学习的电能质量扰动识别方法

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：909312
    • 提供者：weixin_38671628

  1. 离散时变系统的自适应迭代学习控制

  2. 针对一类有限区间上重复运行的离散时变SISO系统,分别采用带饱和函数和死区修正的投影算法进行参数估计,提出自适应迭代学习控制方案.关键技术引理在分析离散自适应控制系统时起到了关键作用,文中把这一引理推广至迭代域,用于建立离散自适应迭代学习控制系统的稳定性和收敛性.理论证明,即使每次迭代存在初始偏差,跟踪误差沿着迭代轴仍能收敛于零,且闭环系统的所有信号有界；当存在外部扰动时,跟踪误差收敛于一邻域内,其半径为干扰的界.在直线伺服系统上的应用结果验证了所提出的学习控制方法的有效性.

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：753664
    • 提供者：weixin_38656676

  1. Spiking神经元输入脉冲扰动敏感性研究

  2. 脉冲神经网络是一种基于生物的网络模型，它的输入输出为具有时间特性的脉冲序列，其运行机制相比其他传统人工神经网络更加接近于生物神经网络。神经元之间通过脉冲序列传递信息，这些信息通过脉冲的激发时间编码能够更有效地发挥网络的学习性能。脉冲神经元的时间特性导致了其工作机制较为复杂，而spiking神经元的敏感性反映了当神经元输入发生扰动时输出的spike的变化情况，可以作为研究神经元内部工作机制的工具。不同于传统的神经网络，spiking神经元敏感性定义为输出脉冲的变化时刻个数与运行时间长度的比值，能直

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：1048576
    • 提供者：weixin_38740848

  1. 神经结构学习：使用结构化信号训练神经模型-源码

  2. TensorFlow中的神经结构学习 神经结构化学习（NSL）是一种新的学习范例，可通过利用结构化信号和特征输入来训练神经网络。 结构可以是由图[1,2,5]表示的显式结构，也可以由对抗性扰动[3,4]引起的隐式结构。 结构化信号通常用于表示可能被标记或未标记的样本之间的关系或相似性。 在神经网络训练期间利用这些信号可以同时利用标记和未标记的数据，这可以提高模型的准确性，尤其是在标记的数据量相对较小的情况下。 此外，使用对抗性扰动生成的样本训练的模型已显示出对恶意攻击的鲁棒性，恶意攻击旨在误

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：9437184
    • 提供者：weixin_42126677
« 12 3 4 5 »