基于神经网络的人体分割和动作识别的综述
Aggressive Action Estimation: A Comprehensive Review on Neural Network Based Human Segmentation and Action Recognition
2021-08-04 15:05:27
391KB
基于神经网络的恶意脚本分类-JavaScript&VBScript
Neural Classification of Malicious Scripts: A study with JavaScript and VBScript
2021-08-04 15:05:21
1.74MB
对新一代歼击机提出了基于神经网络干扰观测器的动态逆飞行控制器设计方案.首先采用RBF 神经网络设计干扰观测器,使其输出能够逼近动态逆误差;然后基于干扰观测器的输出设计动态逆飞行控制系统,该系统能克服动态逆误差对飞行控制带来的不利影响;最后将所设计的飞行控制系统用于新一代歼击机的机动飞行仿真,仿真结果表明该飞行控制系统是有效的.
2021-07-16 20:32:01
472KB
1
基于神经网络的融合算法
湿度信号为归一化值，取值范围为0-1；输出层的两个单元为明火判决和阴燃火判决系数，取值为0-1；输入层与阴层之间为七个神经元的隐藏。输入层与隐层之间的权值矩阵为 ，隐层与输入层之间的权值矩阵为 。
采用BP算法，执行过程如下：
1）首先确定训练模式对并对网络进行初始化，模式对由输入信号和导师信号构成，分别对应网络的输入层和输出层。输入层信号 根据多传感器对标准试验火和各种环境条件下的测试信号经预处理整合后确定，导师信号
即上述已知条件下定义的明火和阴燃火判决结果，由此我们确定了54个训练模式对，判决表1为其中的示例。
BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。
(1)正向传播：输入样本－>输入层－>各隐层（处理）－>输出层
若输出层实际输出与期望输出（教师信号）不符，则转入(2)-误差反向传播过程
(2)误差反向传播：输出误差（某种形式）－>隐层（逐层）－>输入层
其主要目的是通过将输出误差反传，将误差分摊给各层所有单元，从而获得各层单元的误差信号，进而修正各单元的权值（其过程，是一个权值调整的过程）。
2021-06-22 22:40:18
473KB
1