简介:随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念,详细描述了BP神经网络的原理,并通过实例进行BP网络设计。同时提出了6种优化方式,分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值,并能通过各种优化方式提高识别精度。
简介:摘要:全球导航卫星系统(GNSS)是一种高度精确、连续、全天候和近实时微波技术,其中GPS的应用最为广泛,目前GPS已经能够达到毫米级的平面坐标定位精度,这种优势能够大大缩减人工测量的时间,提高效率,但是由于GPS所测高程和我国工程测量中使用的高程基准面不同使得GPS高程测量值的应用受到限制。针对将GPS高程测量值通过拟合方法转换为工程坐标下的正常高的研究有着广泛的实用价值。本文采用目前流行的BP神经网络法对测区范围内GPS所测得的大地高数据进行拟合,基于GPS测量得到已知点坐标和高程异常,建立两者之间的神经网络关系,并对网络进行训练,根据预测值和实际值之间的差异对网络中的权值和阈值进行重复计算修改,最后使得预测与实际值之间的误差满足要求,计算外符合精度并对未知点的高程异常值进行预测。通过MATLAB实现BP神经网络高程拟合并与多项式曲面拟合方法进行精度比较,最后得出BP神经网络拟合精度高且相比于多项式曲面拟合法具有准确性,可靠性和稳定性。
简介:摘要:随着科技的不断发展,图像识别已经成为研究的热点领域。深度神经网络作为现代人工智能的重要分支,为图像识别技术的发展带来了革命性的突破。本文旨在研究面向图像识别的深度神经网络模型设计,探讨不同模型的设计方法和优劣,并深入分析其内在机制。通过实验对比和分析不同模型的性能,总结各自的特点和适用场景,为未来的研究和实践提供有益参考。
简介:摘要:近几年,能源问题已经成为社会发展中极为重要的一部分,能源危机的出现使得资源获取的过程中,人们渐渐地从原本的不可再生能源逐步转化成为清洁能源、可再生能源,而风力发电则成为能源研究中的重点。由于风力发电具有非持续性以及随机性这一特点,这也使得风力发电在安全性以及稳定性、供电质量上有待提高。选择IBAS-BP神经网络方式则能够更好地对风力发电的效果进行有效地预测,能确保在开展在使用风力发电时,其使用质量能够得以提升。
简介:摘要:截至2020年底,并网风电装机容量28153万千瓦,增长34.6%,占全国电源总装机容量的12.8%。在高速发展的背后却隐藏着急需解决的安全隐患,而风电机组漏油就是其中最为严重的问题,轻则污染机舱环境、重则引起整个机组火灾,及倾斜与倒塌。因为油具有难以挥发性及粘性的物理特性,通过传感器的方式进行检测,不能复位并实现持续检测。只有通过机器视觉即视频技术手段才能实现非接触式可持续检测,因为机舱内具有相对均衡的光线环境,相对恒定的测量距离,相对静止的参照背景等三个有利条件,通过卷积神经网络深度学习方法,对舟山二十台风电机组几十万张现场照片进行训练,并通过高性能人工神经元网络单元(NPU)进行运算,形成了产品化解决方案并成功应用到项目中。
简介:摘要:2D转3D是3D图像/视频内容制作的重要研究方向之一。随着高清显示终端和智能手机等的普及,医学图片偏向于复杂人体病理切片图较为复杂,2D图片已经不能满足广大用户的需求,并且3D显示的应用越来越广泛。但由于3D片源制作复杂、耗时长等原因,导致3D片源严重不足。2D转3D技术可以相对快速的把普通的2D图像/视频内容转化为3D内容,省去了人工拍摄耗时耗力的过程,因而可以缓解3D片源不足的问题,同时使得一些复杂医学图片以3D的形式重新再现于医学专业。
简介:摘要:本文通过Matlab/Simulink软件搭建光伏系统模型,以人工神经网络(ANN)中的径向基函数网络(RBFN)为基础,建立PSO-RBFN 模型,利用PSO算法寻找网络最优的连接权值,仿真研究了光伏系统在光照、温度等条件变化下MPPT计算的速度和精确度,对光伏系统进行最大功率点追踪研究。