提出了一种基于RBF网络和启发式Q学习的改进，更强大的RNH-QL方法，用于在较大状态空间中进行路径搜索。 首先，如果增加了给定问题的状态空间并且缺少关于环境的先验信息，则解决了强化学习效率低下的问题。 其次，作为权重更新规则的RBF网络，奖励整形可以在某些中间状态下向代理提供额外的反馈，这将有助于以更可控的方式将代理引导至目标状态。 同时，通过Q学习的过程，底层动态知识可以访问它，而不需要上层RBF网络的背景知识。 第三，结合贪婪开发策略训练神经网络，提高了学习效率，实验结果证明了这一点。

为了有效改善传感器温度补偿特性，提出了基于傅立叶基函数神经网络算法的温度特性曲线拟合模型。分析厂算法的收敛性，为学习率的选择提供了理论依据。给出了对掺杂苯的Sno2纳米传感器的灵敏度一温度特性曲线进行拟合的实例。结果表明基于傅立叶基函数神经网络算法的传感器温度特性拟合曲线具有高的光滑性和高的拟合精度（10-6），因而是一种有效的温度特性曲线拟合方法。

深度学习•挑战：深度学习模块的Udacity数据科学家纳米学位项目名为“具有深度学习的图像分类器”，它试图训练图像分类器识别不同种类的花朵。 我们可以想象在电话应用程序中使用类似的内容，告诉您相机正在查看的花朵的名称。 实际上，我们必须训练该分类器，然后将其导出以用于我们的应用程序。 我们使用了102种花卉类别的数据集（ ）。 •解决方案：使用火炬视觉加载数据。 数据集分为三个部分：训练，验证和测试。 对于训练，应用了变换，例如随机缩放，裁剪和翻转。 这将有助于网络泛化，从而带来更好的性能。 还需要加载从类别标签到类别名称的映射。 在训练和测试模型之后，为分类写了推理。 然后处理PIL图像以在PyTorch模型中使用。 •结果：使用以下软件和Python库：Torch，PIL，Matplotlib.pyplot，Numpy，Seaborn，Torchvision。 因此，上述方法的结

答辩-基于神经网络的内模控制，自制的PPT，还有些内模控制相关的资料请在本人空间下载！共同分享。

基于神经网络和先验知识的低分辨率车牌字符复原方法，王新年，张涛，针对视频监控系统采集的车牌图像分辨率低和模糊不清的问题，结合视频监控系统相对固定和车牌字符集有限的特点, 提出了基于神经网�

针对机器人三自由度平动的视觉定位问题,建立全局有效的非线性视觉映射关系模型,并设计人工神经网络(ANN)对其拟合,从而实现无标定视觉伺服.伺服系统的物理结构采用单目视觉和眼在手上(eye-in-hand)构型.机器人系统采用典型工业机器人puma560,并限定末端姿态使其保持平动.基于机器人工具箱(ro-botics toolbox for Matlab)和神经网络工具箱,在Matlab/Simulink环境下建立仿真模型,对系统的开发具有重要的参考意义.仿真结果表明,该系统对静态物体的定位能够达到较快的

本文来自于infoq，本文章主要通过描述苏宁的业务问题和解决方案，提出了完整的技术方案介绍了智能商品税分类系统，希望读后会给您带来帮助。目前企业财务人员开取商品增值税发票时，票面上的商品需要与税务总局核定的税分类编码进行关联，按分类编码上注明的税率和征收率开具发票，使得税务机关可以统计、筛选、比对数据等，最终加强征收管理。为了满足这一要求，最关键的地方就在于确定商品的税分类编码。传统的方法是人工筛选商品关键字，然后在税务总局提供的税分类编码列表中查找，无法直接查找到的，根据政策先进行行业、大类的划分，再进行小类细划分，对于无法清楚界定、归类的，按照商品的材料或用途选择最近似的编码，最后根据编码

针对球轴承的剩余寿命预测问题，基于自组织映射(Self organizing map，SOM)和反向传播(Back propagation， BP)两种神经网络，提出一套新的预测球轴承剩余寿命的方法体系。深入对比分析几种不同轴承衰退指标的优缺点，利用三套时间域衰退指标和三套频率域衰退指标，包括一套新设计的指标，训练自组织映射神经网络。将源自于SOM的最小量化误差(Minimum quantization error, MQE)作为新的衰退指标，建立一套轴承性能数据库。针对球轴承衰退期，训练一套BP神经网络

为降低传统仿真优化方法所需的仿真次数，从而缩短仿真优化时间，提出了一种基于GRNN神经网络的仿真优化算法设计。首先，利用仿真生成一定数量的样本集，利用GRNN神经网络进行训练，得到初始回归曲面，并在该曲面上利用Pattern Search算法找出全部可能的局部极小，由于可能会找到一些假局部极小点-即噪声点，设计了剔除噪声点的方法，得到全部局部极小；在各局部极小点周围增补少量仿真样本，再次利用GRNN进行训练，得到新的回归曲面。重复增补样本，直到得到仿真优化的最优解。实例表明，本文方法能够有效降低所需样本的数量，实现仿真优化问题的求解。

里面有测试集、训练集，只需在代码中更改文件读取路径，即可运行。