提出了一种利用智能学习方式解决强信号条件下弱信号的波达方向估计问题的新方法。通过理论推导发现协方差矩阵的特征值与来波信号功率之间存在一定的关系,将含功率信息的协方差矩阵的特征值加入到含方位信息的协方差
论文研究-基于模糊神经网络的实时路段行程时间估计.pdf, 基于对我国城市交通流的物性分析,提出了一种基于模糊神经网络的实时路段行程时间估计模型,用于将来自于交通控制中心的实时交通数据转换成为能够反映
随着深度相机的应用,三维场景的重建越来越简单、快速。从单视角的深度场景图像中检索 出物体还是比较困难,特别是物体的姿态估计。提出了一种基于卷积神经网络的深度图像姿态估计 算法。 该算法采用了回归估计来
卷积神经网络(Convolutional Neural Network,CNN)是一种源于人工神经网络(Neural Network,NN)的深度机器学习方法,近年来在图像识别领域取得了巨大的成功。C
这一份关于线性神经网络的教学视频,之前用来学习的资料,现在共享给大家学习。附带视频对应的pdf文档
BP神经网络与模糊神经网络在空气质量评价中的研究
针对当前基于网络拓扑结构相似性的链路预测算法普遍存在精确度较低且适应性不强的问题,研究发现融合算法能够有效改善这些问题。提出了一种基于神经网络的融合链路预测算法,主要通过神经网络对不同链路预测相似性指
在磁场定 向控 制的异步 电机驱 动系统 中 , 精确 的磁 链估 计是提高系统性 能的关键 。 然而 , 参数摄动和量测 噪 声会 导致估计器性 能的下降 。 为 了减 小估 计误差 , 必须抑 制
人流密度估计作为一种有效的人群监测、控制和行为理解方法,得到了广泛的应用和研究。但传统估计方法使用的手工特征提取图像特征单一、准确度较低,容易造成密集场景人流估计不准确。为此,文中提出了一种基于深度的
估算监控场景中的人数是安防监控的重要任务之一, 当人群密集、行人之间存在遮挡时, 人数估计较困难。因此, 针对密集场景下的人数估计问题, 提出了一种改进的基于卷积神经网络的人数估计方法。为了改善摄像透
