当干扰存在时,有效地估计故障且放松故障的限制条件需要进一步研究,为此针对含未知干扰的非线性连续系统的鲁棒故障估计问题,提出一种广义未知输入观测器方法。将执行器故障向量和传感器故障向量与原系统状态向量组
极限学习机ELM是一种单隐层前馈神经网络single-hidden layer feedforward neural networks, SLFNs, 它相较于传统神经网络算法来说结构简单, 具有较快
为了解决高精度摄像机标定过程中标定块制作难度大、标定方法对实验设备要求高、实验结果噪声鲁棒性差等问题,提出了一种新的标定模板及配套的标定算法。标定模板用十字网格代替经典的棋盘格,在强光照和强噪声环境下
采用滑模控制设计方法考虑了多智能体系统的鲁棒量化一致性问题。将多智能体系统的滑模面设计由考虑匹配不确定的情形推广到同时带有匹配和不匹配不确定性的情形,并采用线性矩阵不等式技术给出滑模面参数的求解方法。
利用三角模的模糊联想记忆网络的性质以及模糊联想记忆网络的鲁棒性定义,对基于爱因斯坦t-模构建的模糊双向联想记忆网络的学习算法的全局鲁棒性进行了分析。从理论上证明了当训练模式的摄动为正向摄动时,该学习算
提出了一种新的基于极大似然法的BP神经网络算法,该算法定义了一种新的误差函数。与传统BP算法相比,其优点在于不仅考虑了噪声对网络学习的影响,而且能够从全局的角度对网络参数进行学习,从而使网络的鲁棒性增
视频检索中镜头边界检测算法的鲁棒性和效率研究,杨冬,温向明,镜头边界检测是基于内容的视频检索基础,其检测的鲁棒性和效率直接影响检索结果。但是,很少研究考虑到鲁棒性和效率这两个问题。
以降低码率为目的对G.728算法进行改进,提出了一个延迟为2.5ms的8Kbit/s的语音编码算法。算法引入了由最近的历史激励构成的自适应码书和归一化的固定码书的双码书结构。计算增益真值并量化,增益量
针对传统鲁棒高斯混合模型EM算法存在模型成分参数难以精确获取最优解以及收敛速度随样本数量的增加而快速降低等问题,提出了一种基于鲁棒高斯混合模型的加速EM算法。该算法采用隐含参量信息熵原理对高斯模型分量
是用于进行对抗性鲁棒性研究的Python工具箱。 主要功能在PyTorch中实现。 具体来说,AdverTorch包含用于生成对抗性扰动和防御对抗性示例的模块,以及用于对抗性训练的脚本。 最新版本(v