谷歌向來(lái)都是一家會(huì)不斷吸收具有前景的初創(chuàng)公司,進(jìn)而不斷地加大其在互聯(lián)網(wǎng)服務(wù)基礎(chǔ)設(shè)施的實(shí)力。據(jù)外媒報(bào)道,谷歌又在這周收購(gòu)了DNNreasearch Inc.。神經(jīng)網(wǎng)絡(luò)--人工智能計(jì)算是一種模仿動(dòng)物大腦神經(jīng)的數(shù)學(xué)算法。它出現(xiàn)
一提到 Android 最新版本 Jelly Bean ,我們可能會(huì)馬上想到“黃油計(jì)劃”。“黃油計(jì)劃”改變了人們對(duì) Android 系統(tǒng)卡頓的看法,算是 Android 發(fā)展的一個(gè)里程碑。不過(guò),Google 在開(kāi)發(fā) Jelly Bean
一提到 Android 最新版本 Jelly Bean ,我們可能會(huì)馬上想到“黃油計(jì)劃”。“黃油計(jì)劃”改變了人們對(duì) Android 系統(tǒng)卡頓的看法,算是 Android 發(fā)展的一個(gè)里程碑。不過(guò),Google 在開(kāi)發(fā) Jelly Bean
安卓語(yǔ)音識(shí)別新后臺(tái)出世 神經(jīng)網(wǎng)絡(luò)或打破語(yǔ)言障礙
近日,匈牙利科學(xué)家研制出一種將徹底改變神經(jīng)學(xué)的高速三維激光顯微鏡。這是科學(xué)家們歷經(jīng)10年努力攻關(guān)的最新成果,能夠在三維空間中將神經(jīng)網(wǎng)絡(luò)的活動(dòng)視覺(jué)化,研究活體神經(jīng)細(xì)胞的工作情況。據(jù)悉,科學(xué)家將一種特殊的著
摘要:文中采用物聯(lián)網(wǎng)技術(shù),通過(guò)溫度、煙霧和一氧化碳等傳感器將采集信號(hào)輸入中央處理器進(jìn)行數(shù)據(jù)融合,智能分析;處理結(jié)果通過(guò)GSM/GPRS無(wú)線通訊實(shí)時(shí)傳遞給該室主人進(jìn)行遠(yuǎn)程交互,實(shí)現(xiàn)遠(yuǎn)程監(jiān)控。 關(guān)鍵詞:物聯(lián)網(wǎng);室
本文提出采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)CDMA多用戶通信系統(tǒng)中多用戶信號(hào)的檢測(cè).利用基于檢測(cè)序列最大后驗(yàn)概率最佳多用戶檢測(cè)器的似然函數(shù)與Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)的對(duì)應(yīng)關(guān)系,構(gòu)造一種離散Hopfield神經(jīng)網(wǎng)絡(luò)多用戶檢測(cè)
摘要:針對(duì)傳統(tǒng)火災(zāi)預(yù)警系統(tǒng)中單一傳感器數(shù)據(jù)檢測(cè)的缺陷,提出一種基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的無(wú)線多傳感信息融合火災(zāi)預(yù)警系統(tǒng)。該模型借助Matlab平臺(tái)進(jìn)行信息融合算法模擬,并經(jīng)過(guò)試驗(yàn)驗(yàn)證,大大提高了火災(zāi)預(yù)警系統(tǒng)
摘要:采用了具有自適應(yīng)學(xué)習(xí)速率和附加動(dòng)量因子的神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了郵政編碼模式識(shí)別的方法;并將辨識(shí)后的結(jié)果送入到PLC控制器中,通過(guò)PLC實(shí)現(xiàn)對(duì)郵件的自動(dòng)分揀。上機(jī)實(shí)驗(yàn)運(yùn)行表明效果良好。 關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);模式
展望十二五,中國(guó)的工業(yè)自動(dòng)化已經(jīng)進(jìn)入到21世紀(jì),我國(guó)制造業(yè)的高速發(fā)展,拉動(dòng)了對(duì)自動(dòng)化儀器儀表與控制系統(tǒng)向國(guó)際水平發(fā)展的需求,我國(guó)新上的大型項(xiàng)目所用自動(dòng)化儀器儀表和控制系統(tǒng)的先進(jìn)程度的需求已經(jīng)處于世界先進(jìn)
1 引言艦船航行在大海上,主要面臨來(lái)自空中,海面和水下的威脅,其中空中的威脅最大。這些目標(biāo)的主要特點(diǎn)是運(yùn)動(dòng)速度高,機(jī)動(dòng)頻繁,其背景也比較復(fù)雜,受云層、煙霧、波浪、飛鳥(niǎo)、山峰等影響較大。傳感器如熱像儀、電
摘要分別采用單層感知器、BP網(wǎng)絡(luò)和霍普菲爾德網(wǎng)絡(luò)三種神經(jīng)網(wǎng)絡(luò)對(duì)26個(gè)英文字母進(jìn)行識(shí)別,通過(guò)實(shí)驗(yàn)給出各網(wǎng)絡(luò)的識(shí)別出錯(cuò)率,從中可以看出三種人工神經(jīng)網(wǎng)絡(luò)各自的優(yōu)缺點(diǎn),為選擇神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別提供了一定的依據(jù)。
摘要:在對(duì)煙葉品質(zhì)進(jìn)行圖像處理過(guò)程中,借助MATLAB圖像處理工具箱和神經(jīng)網(wǎng)絡(luò)技術(shù),對(duì)各種類型的煙葉的數(shù)字圖像進(jìn)行計(jì)算機(jī)視覺(jué)分析,包括邊緣檢測(cè)、輪廓提取、用圖像工具箱抽取煙葉數(shù)字圖像特征,將待測(cè)煙葉樣本與標(biāo)
應(yīng)用 CMAC神經(jīng)網(wǎng)絡(luò)具有小腦的機(jī)能,因而,被廣泛應(yīng)用于機(jī)器人的運(yùn)動(dòng)控制?;蛘叻催^(guò)來(lái)說(shuō),正是為了機(jī)器人的運(yùn)動(dòng)控制,Albus構(gòu)造了CMAC神經(jīng)系統(tǒng),以模擬脊椎動(dòng)物的小腦機(jī)能。 正如Albus所說(shuō)的:“然而,對(duì)我
基于NIOS_II多核技術(shù)的Hopfield神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)
基于NIOS_II多核技術(shù)的Hopfield神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)
Hopfield網(wǎng)絡(luò)可以將模擬信號(hào)轉(zhuǎn)換成數(shù)字形式,實(shí)現(xiàn)聯(lián)想記憶、信號(hào)估計(jì)和組合最優(yōu)化,類似于人類視網(wǎng)膜實(shí)現(xiàn)第一極信號(hào)處理的方法。本設(shè)計(jì)實(shí)例探究了Hopfield神經(jīng)網(wǎng)絡(luò)ADC的范例。簡(jiǎn)單的轉(zhuǎn)換器由一些單層神經(jīng)元組成,其接
挑戰(zhàn): 創(chuàng)建一個(gè)用來(lái)監(jiān)測(cè)大型造紙廠紙漿的生產(chǎn)過(guò)程,以節(jié)約能源和降低成本。 解決方案:為了增加吞吐量,節(jié)約能源,以及優(yōu)化生產(chǎn)過(guò)程,我們利用NI LabVIEW數(shù)據(jù)記錄和監(jiān)控(DSC)模塊來(lái)處理復(fù)雜的,非線性的建模過(guò)程
本文在抽頭延時(shí)神經(jīng)網(wǎng)絡(luò)(TDNN)的基礎(chǔ)上,提出了一種可用于高功率放大器的數(shù)據(jù)捕獲、分析、建模和線性化的有效數(shù)字預(yù)畸變過(guò)程。利用基帶信號(hào)分析,對(duì)大功率RF放大器的記憶效應(yīng)進(jìn)行了識(shí)別與建模。 當(dāng)前研究工作越來(lái)
本文在抽頭延時(shí)神經(jīng)網(wǎng)絡(luò)(TDNN)的基礎(chǔ)上,提出了一種可用于高功率放大器的數(shù)據(jù)捕獲、分析、建模和線性化的有效數(shù)字預(yù)畸變過(guò)程。利用基帶信號(hào)分析,對(duì)大功率RF放大器的記憶效應(yīng)進(jìn)行了識(shí)別與建模。 當(dāng)前研究工作越來(lái)