神经网络
文章平均质量分 58
studyer_domi
学习者
展开
-
matlab simulink BPPID控制时延传递函数
上面研究了关于PID调节器、BP神经网络的相关内容,了解了它的各部分运 行机制,各部分的组成,三种调节的作用,以及当系数发生变化后,其对系统产 生的影响。然后我们对单闭环系统进行模型的创立,之后再确定它各部分器件的 数值,通过仿真软件设计系统的模型,经过相应的操作后得到完整的系统,对系 统进行运行,运行成功后示波器会出现图形,最后对图像进行研究分析。通过将 PID系数的变化,得到相关结论。本章的学习主要是为接下来的学习奠定一定的基础,掌握关于控制的相关方 法,加深自身的认识。648-可以交流、咨询、答疑。原创 2023-02-17 18:12:00 · 715 阅读 · 0 评论 -
matlab simulink基于BPPID控制的机械臂位置仿真
应用于机械臂控制系统的设计方法主要包括PID控制、自适应控制和鲁棒控制等,然而由于它们自身所存在的缺陷,促使其与神经网络、模糊控制等算法相结合,一些新的控制方法也在涌现,很多算法是彼此结合在一起的。不确定性主要分为两种主要类型:结构(structured)不确定性和非结构(unstructured)不确定性,非结构不确定性主要是由于测量噪声、外界干扰及计算中的采样时滞和舍入误差等非被控对象自身因素所引起的不确定性。机械臂是一个复杂系统,存在着参数摄动、外界干扰及未建模动态等不确定性。原创 2022-10-21 21:55:29 · 2583 阅读 · 0 评论 -
matlab RBF神经网络对iris鸢尾花数据集进行分类
Radialbasis function(径向基函数),径向基函数是一个取值仅仅依赖于离原点距离的实值函数,也就是Φ(x)=Φ(‖x‖),或者还可以是到任意一点c的距离,c点成为中心点,也就是Φ(x,c)=Φ(‖x-c‖)。RBF网络能够逼近任意的非线性函数,可以处理系统内的难以解析的规律性,具有良好的泛化能力,并有很快的学习收敛速度,已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。要求以iris数据为对象,来进行不可测信息(样本类别)的估计。原创 2022-10-20 21:40:01 · 1491 阅读 · 0 评论 -
matlab 基于BP神经网络的预测算法
295-20220630\NSGAII-可以交流、咨询、答疑。原创 2022-10-19 20:03:34 · 2166 阅读 · 0 评论 -
神经网络用电量一周预测一天
549-可以交流、咨询、答疑。原创 2022-10-05 14:38:00 · 438 阅读 · 0 评论 -
matlab RBF语音识别
rate=RBF_Test(WordNum,Dimension,Hidden,effectiveH,center,sigmaValue,W,TestNum)%测试RBF网络。W=RBF_Train(TrainNum,feature,Dimension,WordNum,center,sigmaValue,SequNum) %训练RBF网络。%通过调用calCenter()、RBF_Train()实现计算中心center、半径sigma、权值W。WordNum=10;546-可以交流、咨询、答疑。原创 2022-09-25 10:33:45 · 902 阅读 · 0 评论 -
基于神经元特性的径向基函数神经网络自组织设计方法
在实现网络结构自组织设计的同时, 确定网 络的初始参数, 然后利用二阶梯度学习算法对网络参 数进行修正, 并对网络的结构稳定性给出了证明. 最 后通过非线性动态系统辨识、Mackey-Glass时间序列 预测以及实际应用中污水处理过程的出水生化需氧 量(biochemical oxygen demand, BOD)浓度预测实验 验证, 证明了该方法的有效性., ASC–RBF神经 网络与现有的自组织网络相比。结合神经元的显著性以及神经元之间的相关性。, 实现神经元 的自适应替换和合并。...原创 2022-08-16 12:58:31 · 420 阅读 · 0 评论 -
预测和分类钻孔的毛刺钻孔切削ANN预测
通过回顾II型和III型具有不同的毛刺形成机理,可以很容易地理解这一点,而I型和II型具有相同的机理,并且随着毛刺高度的增加而连续过渡。对于较大的进给参数值,毛刺的形成受速度参数的影响很大。其中F n是无量纲的进给参数,f是进给速度[mm / rev],d是钻头直径[mm],S是切削速度参数,N是主轴转速[RPM],K是一个常数,使两个参数的阶数相等(10 -5)。其中t0 =(˚F /2)罪κ为麻花钻,2 κ是钻头的点角,和ΔW是段的长度成比例的从所述钻头中心向所述段或所述钻头的距离直径d。...原创 2022-08-13 15:15:06 · 625 阅读 · 0 评论 -
matlab 深度学习黑暗图片画质增强
501-可以交流、咨询、答疑。原创 2022-08-11 20:43:10 · 916 阅读 · 0 评论 -
matlab 神经网络 ANN 分类
traingdx :梯度下降自适应学习率训练函数,traingdm,trainlm, trainscg 这些是权值的学习算法。% logsig:对数S形转移函数,单极性;tansig: 双极性S形转移函数;purelin:线性函数。% traingdm是带动量的梯度下降法,trainlm是指L-M优化算法,trainscg是指量化共轭梯度法。% 网络结构:三个隐含层、且神经元数分别为5、12的前向BP网络,1个output。%设置动量因子,避免局部最优和过拟合。500-可以交流、咨询、答疑。...原创 2022-08-09 13:14:00 · 913 阅读 · 0 评论 -
LSTM长短期记忆网络对车辆尾气排放进行预测
485-可以交流、咨询、答疑。原创 2022-08-07 16:10:33 · 423 阅读 · 0 评论 -
Python自然语言处理工具包推荐
结巴分词就是前面说的中文分词,这里需要介绍的是一个分词效果较好,使用起来像但方便的Python模块:结巴。结巴中文分词采用的算法 基于Trie树结构实现高效的词图扫描,生成句子中汉字所有可能成词情况所构成的有向无环图(DAG) 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合 对于未登录词,采用了基于汉字成词能力的HMM模型,使用了Viterbi算法 结巴中文分词支持的分词模式目前结巴分词支持三种分词模式: 精确模式,试图将句子最精确地切开,适合文原创 2021-07-18 17:35:55 · 879 阅读 · 0 评论 -
2021-03-09 Matlab RBF神经网络及其实例
Matlab RBF神经网络及其实例RBF神经网络和BP神经网络的区别就在于训练方法上面:RBF的隐含层与输入层之间的连接权值不是随机确定的,是有一种固定算式的。下面以精确型RBF为例。假设每个样本有R维的特征。有S1个训练集样本。IW1表示训练集,即S1XR的一个矩阵。此时,输入一个R维的测试集样本p,首先将p和IW1计算欧氏距离。RBF径向基函数的效果是:所谓径向基函数 (Radial Basis Function 简称 RBF), 就是某种沿径向对称的标量函数。通常..原创 2021-03-09 20:05:14 · 6184 阅读 · 0 评论 -
2020-12-09 深度学习 经典CNN模型计算量与内存需求分析
经典CNN模型计算量与内存需求分析表1 CNN经典模型的内存,计算量和参数数量对比 AlexNet VGG16 Inception-v3 模型内存(MB) >200 >500 90-100 参数(百万) 60 138 23.2 计算量(.原创 2020-12-09 16:04:33 · 1700 阅读 · 0 评论 -
2020-12-09 深度学习 卷积神经网络结构分析
1. 结构总览首先我们分析下传统神经网络对于图片的处理,如果还是用CIFAR-10上的图片,共3072个特征,如果普通网络结构输入那么第一层的每一个神经单元都会有3072个权重,如果更大的像素的图片进入后参数更多,而且用于图片处理的网络一般深度达10层之上,加在一起参数的量实在太大,参数过多也会造成过拟合,而且图片也有自身的特点,我们需要利用这些特点,将传统网络改革,加快处理速度和精确度。我们注意到图片的像素是由3个通道构成的,我们就利用了这个特点将其神经元安置到了三维空间(width, height原创 2020-12-09 16:02:37 · 850 阅读 · 0 评论 -
2020-12-09 深度学习 卷积核/过滤器、特征图(featue map)、卷积层
概念学习:卷积核/过滤器、特征图(featue map)、卷积层作为基础学习,建议先看一看电子版的:[美] Michael Nielsen著,Xiaohu Zhu/Freeman Zhang译:《神经⽹络与深度学习》(Neural Networks and Deep Learning)这本书深入浅出,把神经网络的基本原理讲得比较清楚。人们把feature map翻译成特征图,把channel翻译为通道。有时这二者说的是同一件事;但有时强调输入输出时就叫通道,强调图片经过神经网络运算后发.原创 2020-12-09 16:00:32 · 2997 阅读 · 0 评论 -
2020-12-09 深度学习 卷积神经网络中感受野的详细介绍
卷积神经网络中感受野的详细介绍1. 感受野的概念在卷积神经网络中,感受野(Receptive Field)的定义是卷积神经网络每一层输出的特征图(feature map)上的像素点在输入图片上映射的区域大小。再通俗点的解释是,特征图上的一个点对应输入图上的区域,如图1所示。图1:用图形理解感受野概念2. 感受野的例子(1)两层3*3的卷积核卷积操作之后的感受野是5*5,其中卷积核(filter)的步长(stride)为1、padding为0,如图2所示:图2:两层3*3.原创 2020-12-09 15:58:00 · 835 阅读 · 0 评论 -
python tensorflow pytorch 深度学习 车牌识别
车牌识别相关资料收集整理1、License Plate Detection with RetinaFace链接:https://github.com/zeusees/License-Plate-Detector利用单物体检测算法Retinaface进行了车牌检测模型的训练,通过测试,检测效果和适用性都更突出,支持的模型也更为丰富。开源版本的检测算法经过了多个版本迭代,考虑到检测的效率跟准确率,原始版本逐步淘汰,从最初的基于LBP和Harr特征的车牌检测,感兴趣的小伙伴可以参考 train-d原创 2020-12-08 18:13:22 · 8071 阅读 · 5 评论 -
车道线识别 tusimple 数据集介绍
1、tusimple 数据集介绍标注json文件中每一行包括三个字段 :raw_file :每一个数据段的第20帧图像的的path 路径lanes和h_samples是数据具体的标注内容,为了压缩,h_sample是纵坐标(等分确定),lanes是每个车道的横坐标,是个二维数组。-2表示这个点是无效的点。标注的过程应该是,将图片的下半部分如70%*height等分成N份。然后取车道线(如论虚实)与该标注线交叉的点上面的数据就有4条车道线,第一条车道线的第一...原创 2020-09-22 19:11:05 · 19041 阅读 · 16 评论 -
matlab RBF 神经网络拟合
(1)newrb()https://www.mathworks.com/help/deeplearning/ref/newrb.html该函数可以用来设计一个近似径向基网络(approximate RBF)。调用格式为:[net,tr]=newrb(P,T,GOAL,SPREAD,MN,DF)其中P为Q组输入向量组成的R*Q位矩阵,T为Q组目标分类向量组成的S*Q维矩阵。GOAL为均方误差目标(Mean Squard Error Goal),默认为0.0;SPREAD为径向基函数的扩展速度,原创 2020-08-17 15:42:49 · 4393 阅读 · 0 评论 -
深度学习 卷积层与全连接层权重参数个数的计算
1、卷积网络实例分析构建卷积网络如下:from tensorflow.python.keras import datasets, models, layersclass CNN(object): def __init__(self): model = models.Sequential() # 第1层卷积,卷积核大小为3*3,32个卷积核,28*28为待训练图片的大小 model.add(layers.Conv2D(32, (3, 3),原创 2020-08-06 14:23:45 · 12845 阅读 · 3 评论 -
Matlab 训练深度学习模型函数 trainingOptions
functionopts = trainingOptions(solverName, varargin)solverName:'sgdm' -带动量的随机梯度下降'adam' -自适应力矩估计'rmsprop' -均方根传播'Momentum'仅当求解器为“ sgdm”时,此参数才适用。 动量确定了从上次迭代到当前训练迭代的梯度步长的贡献。 它必须是介于0和1之间的值,其中0将不提供上一步的贡献,而1将提供上一步的最大贡献。 默认值为0.9。'Gr...原创 2020-08-06 09:47:04 · 8906 阅读 · 6 评论 -
深度学(deep learning)基础-神经网络简易教程
首先简单介绍一下人工神经网络,也叫ANN。很多机器学习算法的灵感来自于大自然,而最大的灵感来自我们的大脑,我们如何思考、学习和做决定。有趣的是,当我们触摸到热的东西时,我们身体里的神经元会将信号传递给大脑的,然后大脑会产生让我们从热的区域撤退的反应。我们可以根据经验来进行训练,根据我们的经验,我们开始做出更好的决定。使用同样的类比,当我们向神经网络发送一个输入(触摸热物质),然后根据学习(先前的经验),我们产生一个输出(从热区域退出)。在未来,当我们得到类似的信号(接触热表面),我们可以预测输出原创 2020-08-05 20:33:27 · 747 阅读 · 0 评论 -
Matlab ANN人工神经网络 validation checks
bp网络设置如下:%创建网络% logsig:对数S形转移函数,单极性;tansig: 双极性S形转移函数;purelin:线性函数 % traingdx :梯度下降自适应学习率训练函数,traingdm,trainlm, trainscg 这些是权值的学习算法% traingdm是带动量的梯度下降法,trainlm是指L-M优化算法,trainscg是指量化共轭梯度法net=newff(minmax(p1),[8, 15, 12, 1],{'tansig', 'tansig','tan.原创 2020-07-30 11:36:54 · 1826 阅读 · 0 评论 -
CNN 卷积神经网络(卷积、池化)长度、宽度、深度计算
卷积神经网络说白了就是拿一堆小的矩阵去点乘(注意我说的是点乘,不是矩阵乘,这个很重要)一个大矩阵,最后得到局部信息。看图(来源于网络,只做说明用):给出一个matlab求解代码:A1 = [0 0 0 0 0 0 0; 0 0 1 1 0 2 0; 0 2 2 2 2 1 0; 0 1 0 0 2 0 0; 0 0 1 1 0 0 0; 0 1 2 0 0 2 0; 0 0 0 0 0 0 0]; A2 =[0 0 0 0 0 0原创 2020-07-22 16:51:40 · 5942 阅读 · 0 评论 -
matlab 神经网络编程入门系列(1)
本文主要内容包括: (1) 介绍神经网络基本原理,(2) Matlab实现前向神经网络的方法 。原创 2020-05-21 23:36:40 · 2874 阅读 · 0 评论 -
MATLAB Simulink 做BP PID报错:Error :*** during flag=* call must be a real vector of length 3
这个问题网上有不少探讨,解法方法有:1、https://www.zhihu.com/question/426281092、https://blog.csdn.net/handsome_for_kill/article/details/86666378方法针对不同的情况求解,在个人的项目上是BP PID参数出现了无穷大 NaN数值报错,故需要调整模型参数得到合理的结果,避免报错...原创 2020-05-11 10:02:19 · 2123 阅读 · 0 评论 -
MATLAB 使用CNN拟合回归模型预测手写数字的旋转角度(卷积神经网络)
学习来源自mathworks的官方范例,个人学习使用,在个人项目上可以按照需求变化数据集来实现CNN回归计算数据集生成方法可以参考:https://blog.csdn.net/qingfengxd1/article/details/105931988%% 加载数据%% 数据集包含手写数字的合成图像,以及每幅图像旋转的对应角度(以角度为单位)。%% 使用digitTrain4DArrayData和digitTest4DArrayData将训练和验证图像加载为4D数组。%% 输出YTrain和Y原创 2020-05-09 22:07:31 · 5690 阅读 · 0 评论