軌道交通接觸線磨損編碼器1037528秉銘DFS60B-BDCC00004為時(shí)序信號(hào),卷積核取為具有梯度性質(zhì)的5階數(shù)組,基于滑動(dòng)窗口進(jìn)行卷積運(yùn)算,實(shí)現(xiàn)時(shí)序信號(hào)的時(shí)空聚合和過(guò)程特征提隱層之后,棧式疊器,實(shí)現(xiàn)對(duì)時(shí)變信號(hào)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(hào)對(duì)7種心血管疾病分類診斷為例,實(shí)驗(yàn)結(jié)果驗(yàn)證了所提模型和算法的有效性。 碼模型是一種無(wú)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(duì)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(shí)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(wèn)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(píng)價(jià)指標(biāo)和主觀評(píng)價(jià)的實(shí)驗(yàn)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(diǎn)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(wèn)題,提出了基于加權(quán)馬氏距離的改進(jìn)DEC算法,并同時(shí)給出基于加權(quán)馬氏距離的間隔統(tǒng)計(jì)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(jì)算,并利用信息熵加大了對(duì)聚類重要的特征的權(quán)重。實(shí)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(diǎn)光源進(jìn)行在軌輻射定標(biāo)過(guò)程中反射鏡法向標(biāo)校建模不夠完善的問(wèn)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(guò)解算模型求解相機(jī)與反射鏡間的幾何誤差,建立了太陽(yáng)圖像質(zhì)心坐標(biāo)與反射鏡法向之間的關(guān)系,可實(shí)現(xiàn)多點(diǎn)自動(dòng)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(shí)驗(yàn)結(jié)果表明,利用解算后的幾何模型反解不同時(shí)刻質(zhì)心坐標(biāo)進(jìn)行多點(diǎn)反射鏡法向標(biāo)校,相機(jī)觀測(cè)太陽(yáng)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(yáng)觀測(cè)器對(duì)反射鏡法向標(biāo)校精度.實(shí)現(xiàn)了相機(jī)觀測(cè)太陽(yáng)取代人工借助太陽(yáng)觀測(cè)器觀測(cè)太陽(yáng)的自動(dòng)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(shí)驗(yàn)場(chǎng)聯(lián)網(wǎng)自動(dòng)化集中控制不同能級(jí)梯度的點(diǎn)光源陣列在軌輻射定標(biāo)和調(diào)制傳遞函數(shù)檢測(cè)奠定基礎(chǔ)系統(tǒng)時(shí),由于具有對(duì)擾動(dòng)的估計(jì)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(wèn)題,。該文深入剖析其抗擾機(jī)理,特別著重研究各參數(shù)對(duì)整個(gè)系統(tǒng)動(dòng)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(shí)利用跟蹤微分器對(duì)編碼器位置信號(hào)平滑處理,在減小噪聲的同時(shí)提高系統(tǒng)的精度和運(yùn)行平穩(wěn)性。將提出的改進(jìn)控制算法應(yīng)用于3.5kW PMSM實(shí)驗(yàn)平臺(tái)中,。實(shí)驗(yàn)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(yùn)行,且具有良好的動(dòng)靜態(tài)性能,。 

測(cè)是識(shí)別一個(gè)新的數(shù)據(jù)點(diǎn)是一個(gè)內(nèi)部點(diǎn)還是一個(gè)離群點(diǎn)的問(wèn)題。檢測(cè)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?duì)抗自編碼器的生成概率新奇檢測(cè),在傳統(tǒng)圖像識(shí)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(cè)。實(shí)驗(yàn)結(jié)果表明:和其他新奇檢測(cè)模型相比,基于對(duì)抗自編碼器的融合數(shù)據(jù)標(biāo)簽的新奇檢測(cè)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(shí)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(dòng)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(guò)無(wú)監(jiān)督逐層貪婪的預(yù)訓(xùn)練和有監(jiān)督的微調(diào)過(guò)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(duì)特征進(jìn)行分類,。實(shí)驗(yàn)結(jié)果表明,稀疏降噪自編碼分類算法對(duì)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(xiàng)利用計(jì)算機(jī)技術(shù)還原破損圖像缺失信息實(shí)現(xiàn)自動(dòng)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(duì)小區(qū)域缺失的圖像進(jìn)行近似真實(shí)的還原,而對(duì)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(lái)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(duì)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(diǎn),。本文對(duì)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(diǎn)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(gè)方面詳細(xì)闡述了研究進(jìn)展和成果;未來(lái)的研究方向進(jìn)行展望,。