1037352新型式多磁極磁電編碼器sickDFS60E-BDCA00500統(tǒng)混合預(yù)編碼是提升無(wú)線通信系統(tǒng)容量和降低射頻鏈?zhǔn)褂脭?shù)量的關(guān)鍵技術(shù)之一,但是仍然需要大量高精度的相移器實(shí)現(xiàn)陣列增益,。為了解決這個(gè)問(wèn)題,本文中,首先通過(guò)個(gè)用戶的接收信號(hào)功率,得到自適應(yīng)連接結(jié)構(gòu)中射頻鏈與基站天線匹配關(guān)系,然后創(chuàng)新地把基于機(jī)器學(xué)習(xí)的自適應(yīng)交叉熵優(yōu)化方法應(yīng)用于1比特量化相移的自適應(yīng)連接混合預(yù)編碼器中。通過(guò)減小交叉熵和加入常數(shù)平滑參數(shù)保證收斂,自適應(yīng)地更新概率分布以得到幾乎混合預(yù)編碼器,。后,仿真驗(yàn)證了所提方案的可行性以及具有滿意的可達(dá)和速率,與其他相同硬件復(fù)雜度的混合預(yù)編碼方案相比具有更優(yōu)的可達(dá)和速率性能,。 信號(hào)由于在采集過(guò)程中會(huì)受到外界環(huán)境的干擾導(dǎo)致其形態(tài)特征被嚴(yán)重淹沒(méi),從而對(duì)醫(yī)生的診斷和遠(yuǎn)程智能分析造成干擾?；诖?提出了一種基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的心電信號(hào)降噪算法,。該方法利用自編碼器的編碼、解碼特性,通過(guò)卷積的方法構(gòu)建深層神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)從含噪心電信號(hào)到干凈心電信號(hào)的端對(duì)端映射,。卷積層捕獲心電信號(hào)的細(xì)節(jié)特征,同時(shí)消除噪聲;解碼部分能夠?qū)μ卣鲌D進(jìn)行上采樣并恢復(fù)心電信號(hào)細(xì)節(jié),從而得到干凈的心電信號(hào),。實(shí)驗(yàn)中采用信噪比和均方根誤差為指標(biāo),將該方法與小波閾值法、S變換法,、BP神經(jīng)網(wǎng)絡(luò)法和指導(dǎo)濾波法進(jìn)行比較,。實(shí)驗(yàn)結(jié)果表明,該降噪方法整體降噪精度更優(yōu),同時(shí)信號(hào)的低頻成分也得到了很好的保持。該方法型的間歇過(guò)程,青霉素發(fā)酵過(guò)程具有較強(qiáng)的非線性,、時(shí)變性和不確定性,。同時(shí),菌體濃度,、基質(zhì)濃度和產(chǎn)物濃度等關(guān)鍵生物參數(shù)難以在線實(shí)時(shí)測(cè)量,而離線化驗(yàn)則需要耗費(fèi)高昂的人工成本。針對(duì)這一問(wèn)題,該文基于互信息加權(quán)的特征提取方法,提出一種軟測(cè)量建模方法來(lái)估計(jì)青霉素發(fā)酵過(guò)程中的產(chǎn)物濃度,。首先,基于互信息計(jì)算各個(gè)輸入變量和輸出變量之間的相關(guān)性,并用于加權(quán)處理稀疏自動(dòng)編碼器損失函數(shù)中的重構(gòu)誤差項(xiàng),從而提取與輸出更為相關(guān)的特征;然后,利用提取到的所有輸入樣本特征,結(jié)合小二乘支持向量機(jī)對(duì)產(chǎn)物濃度進(jìn)行估計(jì),。Pensim仿真平臺(tái)的驗(yàn)證結(jié)果表明,該文所提方法能夠有效提高青霉素發(fā)酵過(guò)程軟測(cè)量模的異常檢測(cè)方法在處理海量高維度數(shù)據(jù)時(shí)檢效果不佳的問(wèn)題,提出一種融合棧式去噪自編碼器（SDAE）和深度神經(jīng)網(wǎng)絡(luò)（DNN）的網(wǎng)絡(luò)異常檢測(cè)方法。首先,利用棧式去噪自編碼器對(duì)數(shù)據(jù)進(jìn)行特征降維,實(shí)現(xiàn)從高維數(shù)據(jù)到低維數(shù)據(jù)的非線性轉(zhuǎn)換;然后用深度神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行分類,。采用NSL-KDD數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,與與其他異常檢測(cè)方法相比,SDAE-DNN模型性能要機(jī)電編碼器的誤差軟件補(bǔ)償方法需要添加額外的數(shù)字電路,造成轉(zhuǎn)換電路復(fù)雜,、成本上升、可靠性下降的問(wèn)題,提出一種基于硬件補(bǔ)償?shù)臋C(jī)電編碼器系統(tǒng),通過(guò)對(duì)旋轉(zhuǎn)變壓器電機(jī)和軸角轉(zhuǎn)換電路整體誤差進(jìn)行分析,得出誤差關(guān)系矩陣,。再由實(shí)際測(cè)量誤差和誤差關(guān)系矩陣得出修調(diào)電阻值,后對(duì)電路中的修調(diào)電阻進(jìn)行激光修調(diào),將原本在16位下19～33 LSB的整體誤差,提高到了5～6 LSB,提高了整體轉(zhuǎn)換精度,。該硬件補(bǔ)償方法可以有效提機(jī)電編碼器系統(tǒng)的精度。相比于傳統(tǒng)的軟件補(bǔ)償方法,該方法不需要增加額外的數(shù)字補(bǔ)償電路,有效地提高了轉(zhuǎn)換器的整體可靠性和精度,具有較高的使用價(jià)值,。壓力機(jī)裝模高度自動(dòng)調(diào)整過(guò)程中,編碼器初始值標(biāo)定需要操作者觀測(cè)實(shí)際裝模高度進(jìn)行手動(dòng)調(diào)節(jié),且調(diào)節(jié)工作十分繁瑣的問(wèn)題,提出一種值編碼器初始值標(biāo)定算法,只要通過(guò)觸摸屏輸入當(dāng)前需要標(biāo)定的數(shù)值,按下確認(rèn)按鈕即可,PLC（Programmable Logic Controller）可以根據(jù)上述算法自動(dòng)計(jì)算,將編碼器數(shù)值與當(dāng)前的裝模高度值實(shí)時(shí)匹配,很大程度上簡(jiǎn)化了編碼器的標(biāo)定流程,并通過(guò)實(shí)際應(yīng)用驗(yàn)證了該算法的可行性和有效性,。 

1037352新型式多磁極磁電編碼器sickDFS60E-BDCA00500深度學(xué)習(xí)的三維重建算法主要從深度網(wǎng)絡(luò)的單一層進(jìn)行特征獲取,二維圖像特征提取不完整,造成三維重建效果不理想。為提高三維重建模型的精度及準(zhǔn)確度,充分利用二維圖像細(xì)節(jié)特征,使其有效轉(zhuǎn)換為三維網(wǎng)絡(luò),提出一種基于多尺度CNN-RNN的單圖三維重建網(wǎng)絡(luò),。模型網(wǎng)絡(luò)主要由二維編碼器,、轉(zhuǎn)換器及三維編碼器三部分組成。模型借鑒高斯金字塔模型,構(gòu)建多尺度網(wǎng)絡(luò),保留二維圖像不同尺度上的特征值,通過(guò)RNN將其轉(zhuǎn)換為三維特征,。模型使用公共的Shape Net數(shù)據(jù)集進(jìn)行訓(xùn)練和測(cè)試,通過(guò)前后對(duì)比,發(fā)現(xiàn)使用多尺度特征提取方法的模船的軌跡預(yù)測(cè)對(duì)預(yù)測(cè)精度和實(shí)時(shí)性具有較高要求,而艦船軌跡數(shù)據(jù)特征的高復(fù)雜度特性,導(dǎo)致傳統(tǒng)預(yù)測(cè)算法精度低,、耗時(shí)長(zhǎng),難以達(dá)到良好的預(yù)測(cè)效果。為此,提出一種基于變分自編碼器的海面艦船軌跡預(yù)測(cè)算法,。將軌跡坐標(biāo)數(shù)據(jù)集轉(zhuǎn)化為軌跡移動(dòng)矢量集,使用變分自編碼器完成軌跡運(yùn)動(dòng)特征的提取與生成預(yù)測(cè),。同時(shí)為提高軌跡預(yù)測(cè)精度,將變分自編碼網(wǎng)絡(luò)的隱空間分布設(shè)定為混合高斯分布,使其更符合真實(shí)的數(shù)據(jù)分布特征,并在隱空間完成軌跡特征的分類,實(shí)現(xiàn)端到端的軌跡預(yù)測(cè)。是近年來(lái)發(fā)展的人工智能技術(shù),。相比于傳統(tǒng)淺層學(xué)習(xí)模型,深度學(xué)習(xí)具有強(qiáng)大的特征表示和函數(shù)擬合能力,。深度學(xué)習(xí)能夠從海量數(shù)據(jù)中提取層次特征,其在流程工業(yè)過(guò)程數(shù)據(jù)驅(qū)動(dòng)建模中具有較大的潛力和應(yīng)用前景。首先簡(jiǎn)單介紹了深度學(xué)習(xí)的發(fā)展歷程;然后,介紹了4類廣泛使用的深度學(xué)習(xí)模型以及它們?cè)诹鞒坦I(yè)過(guò)程數(shù)據(jù)建模中的應(yīng)用;后,在流程工業(yè)過(guò)程數(shù)據(jù)建模領(lǐng)域?qū)ι疃葘W(xué)習(xí)進(jìn)行了簡(jiǎn)要總結(jié),。