軌道交通接觸線磨損編碼器1037528秉銘DFS60B-BDCC00004為時序信號,卷積核取為具有梯度性質(zhì)的5階數(shù)組,基于滑動窗口進(jìn)行卷積運算,實現(xiàn)時序信號的時空聚合和過程特征提隱層之后,棧式疊器,實現(xiàn)對時變信號特征高層次的提取和分性質(zhì),給出了按各信息單元分別進(jìn)行賦初值訓(xùn)練、模型參數(shù)整體調(diào)優(yōu)的綜合訓(xùn)練算法。以基于12導(dǎo)聯(lián)心電圖信號對7種心血管疾病分類診斷為例,實驗結(jié)果驗證了所提模型和算法的有效性。 碼模型是一種無監(jiān)督的學(xué)習(xí)算法,主要用于數(shù)據(jù)的降維和特征提取。在對抗神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)上引入自編碼模型,旨在提高輸入數(shù)據(jù)的特征表示。主要使用前饋神經(jīng)網(wǎng)絡(luò)和Seq2seq模型學(xué)習(xí)原文本特征,將隨機(jī)數(shù)據(jù)變?yōu)榫哂刑卣鞯臄?shù)據(jù)作為輸入,加快訓(xùn)練的速度,提高模型的準(zhǔn)確率。同時使用強(qiáng)化學(xué)習(xí)模型解決反向傳播中離散化數(shù)據(jù)梯度難以下降的問題。模型的鑒別器使用CNN網(wǎng)絡(luò)和交叉熵模型,使生成的文本具有新穎性。使用BELU評價指標(biāo)和主觀評價的實驗結(jié)果均表明了該模.法在數(shù)據(jù)降維后的特征空間中采用歐氏距離度量嵌入點之間的距離,容易忽視各特征不同量綱以及不同重要性的問題,提出了基于加權(quán)馬氏距離的改進(jìn)DEC算法,并同時給出基于加權(quán)馬氏距離的間隔統(tǒng)計量（GS）方法判聚類數(shù)。該算法使用信息熵加權(quán)的馬氏距離作為距離度量,規(guī)范化了歐氏距離的計算,并利用信息熵加大了對聚類重要的特征的權(quán)重。實證表明,基于加權(quán)馬氏距離的改進(jìn)DEC算法準(zhǔn)確率優(yōu)于原DEC算法,在UCI的路透社新聞等文本數(shù)據(jù)集上的聚類效果有明顯的提升。利用改進(jìn)的GS方法判斷聚類數(shù)也有可行基于反射式點光源進(jìn)行在軌輻射定標(biāo)過程中反射鏡法向標(biāo)校建模不夠完善的問題,提出基于反射鏡與相機(jī)幾何模型的反射鏡法向標(biāo)校及矢量控制算法.通過解算模型求解相機(jī)與反射鏡間的幾何誤差,建立了太陽圖像質(zhì)心坐標(biāo)與反射鏡法向之間的關(guān)系,可實現(xiàn)多點自動化標(biāo)校反射鏡法向,提高鏡法向標(biāo)校及系統(tǒng)指向精度.實驗結(jié)果表明,利用解算后的幾何模型反解不同時刻質(zhì)心坐標(biāo)進(jìn)行多點反射鏡法向標(biāo)校,相機(jī)觀測太陽像素角分辨率標(biāo)準(zhǔn)誤差分別為:X軸方向0.021 65°、Y軸方向0.019 82°,綜合角分辨率誤差為0.029 36°,優(yōu)于太陽觀測器對反射鏡法向標(biāo)校精度.實現(xiàn)了相機(jī)觀測太陽取代人工借助太陽觀測器觀測太陽的自動化鏡法向標(biāo)校,擴(kuò)展了標(biāo)校靈活度,系統(tǒng)綜合指向精度優(yōu)于0.1°,為固定實驗場聯(lián)網(wǎng)自動化集中控制不同能級梯度的點光源陣列在軌輻射定標(biāo)和調(diào)制傳遞函數(shù)檢測奠定基礎(chǔ)系統(tǒng)時,由于具有對擾動的估計和補(bǔ)償?shù)哪芰?可以有效提高系統(tǒng)的抗擾能力及跟蹤精度。但NLADRC仍然存在待整定參數(shù)多、物理意義不明確等問題。該文深入剖析其抗擾機(jī)理,特別著重研究各參數(shù)對整個系統(tǒng)動靜態(tài)性能的影響,總結(jié)出參數(shù)整定的規(guī)律;另外低速時利用跟蹤微分器對編碼器位置信號平滑處理,在減小噪聲的同時提高系統(tǒng)的精度和運行平穩(wěn)性。將提出的改進(jìn)控制算法應(yīng)用于3.5kW PMSM實驗平臺中。實驗結(jié)果證明,改進(jìn)型算法能保證電機(jī)在低速甚至零速下仍能帶額定負(fù)載穩(wěn)定運行,且具有良好的動靜態(tài)性能。 

測是識別一個新的數(shù)據(jù)點是一個內(nèi)部點還是一個離群點的問題。檢測準(zhǔn)確率不僅取決于神經(jīng)網(wǎng)絡(luò)模型的理論和算法,還受限于數(shù)據(jù)特征的提取?；趯棺跃幋a器的生成概率新奇檢測,在傳統(tǒng)圖像識別數(shù)據(jù)特征提取的基礎(chǔ)上,在模型訓(xùn)練階段融入圖像數(shù)據(jù)的標(biāo)簽信息,采用生成概率進(jìn)行新奇檢測。實驗結(jié)果表明:和其他新奇檢測模型相比,基于對抗自編碼器的融合數(shù)據(jù)標(biāo)簽的新奇檢測效果更好。 

軌道交通接觸線磨損編碼器1037528秉銘DFS60B-BDCC00004  進(jìn)行數(shù)值化處理,然后在自編碼網(wǎng)絡(luò)的基礎(chǔ)上加入稀疏性限制,同時加入一定概率分布的噪聲進(jìn)行染噪的學(xué)習(xí)訓(xùn)練,使得自動編碼器模型能夠獲取數(shù)據(jù)不同層次的特征表達(dá);再經(jīng)過無監(jiān)督逐層貪婪的預(yù)訓(xùn)練和有監(jiān)督的微調(diào)過程可以得到有效去噪后的更深層次特征;后利用Soft max函數(shù)對特征進(jìn)行分類。實驗結(jié)果表明,稀疏降噪自編碼分類算法對JavaScript具有較好的分類能力,其準(zhǔn)確率高于傳統(tǒng)機(jī)器學(xué)習(xí)模型,相比隨機(jī)森林的方法提高圖像修復(fù)是一項利用計算機(jī)技術(shù)還原破損圖像缺失信息實現(xiàn)自動圖像修復(fù)的技術(shù),其廣泛應(yīng)用于文物修復(fù)、電影*制作、圖像編輯等方面。早期數(shù)字圖像修復(fù)算法可以對小區(qū)域缺失的圖像進(jìn)行近似真實的還原,而對大區(qū)域缺失圖像的修復(fù)往往相似度低,內(nèi)容模糊。近年來深度學(xué)習(xí)生成模型的進(jìn)展為數(shù)字圖像修復(fù)提供了新的技術(shù)手段,基于生成對抗網(wǎng)絡(luò)和自編碼器的圖像修復(fù)技術(shù)成為研究熱點。本文對數(shù)字圖像修復(fù)算法進(jìn)展整理歸納,按照算法類型將新算法分為三類,詳細(xì)介紹每類算法的特點和不足;并在此基礎(chǔ)上分別從卷積模式和網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化兩個方面詳細(xì)闡述了研究進(jìn)展和成果;未來的研究方向進(jìn)行展望。