斯坦福大学-深度学习基础教程.pdfUFLDL教程 From Ufldl 说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能 学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果 你不熟悉这些想法，我们建议你去这里 机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php? course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。 稀疏自编码器 神经网络 反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 稀疏自编码器符号一览表 Exercise:Sparse Autoencoder 矢量化编程实现 矢量化编程 逻辑回归的向量化实现样例 神经网络向量化 Exercise:Vectorization
标签： 深度学习
上传时间： 2022-03-27
上传用户：kingwide
C语言非常经典的十三个算法 ，非常适合正在学习算法的同学
标签： C语言
上传时间： 2022-05-13
上传用户：得之我幸78
MATLAB深度学习简介深度学习是机器学习的一个类型，该类型的模型直接从图像、文本或声音中学 习执行分类任务。通常使用神经网络架构实现深度学习。“深度”一词是指网络 中的层数 — 层数越多，网络越深。传统的神经网络只包含 2 层或 3 层， 而深度网络可能有几百层。下面只是深度学习发挥作用的几个例子:• 无人驾驶汽车在接近人行横道线时减速。• ATM 拒收假钞。• 智能手机应用程序即时翻译国外路标。深度学习特别适合鉴别应用场景，比如人脸辨识、 文本翻译、语音识别以及高级驾驶辅助系统(包括 车道分类和交通标志识别)。简言之，精确。先进的工具和技术极大改进了深度学习算法，达到了 很高的水平，在图像分类上能够超越人类，能打败世界最优秀的围棋 选手，还能实现语音控制助理功能，如 Amazon Echo® 和 Google Home，可用来查找和下载您喜欢的新歌。如果您刚接触深度学习，快速而轻松的入门方法是使用现有网络， 比如 AlexNet，用一百多万张图像训练好的 CNN。AlexNet 最常用于 图像分类。它可将图像划分为 1000 个不同的类别，包括键盘、鼠标、 铅笔和其他办公设备，以及各个品种的狗、猫、马和其他动物。
标签： Matlab
上传时间： 2022-06-10
上传用户：
内容提要第1章 机器学习概1.1 机器学习简介 1.1.1 机器学习简史 1.1.2 机器学习主要流派 1.2 机器学习、人工智1.2.1 什么是人工智能 1.2.2 什么是数据挖掘 1.2.3 机器学习、人工智1.3 典型机器学习应用1.4 机器学习算法 1.5 机器学习的一般流程 第2章 机器学习基本2.1 统计分析2.1.1 统计基础2.1.2 常见概率分布2.1.3 参数估计2.1.4 假设检验2.1.5 线性回归2.1.6 逻辑回归2.1.7 判别分析2.1.8 非线性模型2.2 高维数据降维2.2.1 主成分分析2.2.2 奇异值分解2.2.3 线性判别分析2.2.4 局部线性嵌入2.2.5 拉普拉斯特征映射2.3 特征工程 2.3.1 特征构建2.3.2 特征选择2.3.3 特征提取2.4 模型训练2.4.1 模型训练常见术语2.4.2 训练数据收集 2.5 可视化分析 2.5.1 可视化分析的作用2.5.2 可视化分析方法 2.5.3 可视化分析常用工2.5.4 常见的可视化图表 2.5.5 可视化分析面临的挑战
标签： 机器学习
上传时间： 2022-06-16
上传用户：
神经网络是机器学习的重要分支，是智能计算的一个主流研究方向，长期受到众多科学家的关注和研究，它植根于很多学科，结合了数学、统计学、物理学、计算机科学和工程学.已经发现，它能够解决一些传统意义上很难解决的问题，也为一些问题的解决提供了全新的想法.在传统的研究成果中，有很多表达数据的统计模型，但大都是比较简单或浅层的模型，在复杂数据的学习上通常不能获得好的学习效果.深度神经网络采用的则是一种深度、复杂的结构，具有更加强大的学习能力，目前深度神经网络已经在图像识别、语音识别等应用上取得了显著的成功.这使得这项技术受到了学术界和工业界的广泛重视，正在为机器学习领域带来一个全新的研究浪潮.
标签： 深度神经网络
上传时间： 2022-06-19
上传用户：shjgzh
本文首先简述了交流调速系统的发展和研究重点，介绍了异步电机调速系统的不同控制策略，详细论述了异步电机矢量控制系统的基本原理：异步电机的数学模型和坐标变换、矢量控制的基本方程式、转子磁链的观测方法、矢量控制的系统结构等，并重点分析了空间矢量脉宽调制(SVPWM)技术的基本原理、控制算法以及在TMS320LF2407中的实现方法。 从工程实际应用出发，本文设计和开发了一套以DSP芯片TMS320LF2407为核心的有速度传感器异步电机矢量控制系统，并给出了硬件和软件的实现方法。该系统的功率电路采用电压型的交-直-交变压变频结构，由整流电路、滤波电路及智能功率模块IPM(PM15RSH120)逆变电路构成；控制电路以DSP芯片TMS320LF2407为核心，加上PWM信号发生电路、定子电流检测电路、直流母线电压检测电路、智能功率模块驱动电路、速度检测电路、系统保护电路等，构成了功能齐全的异步电机全数字化矢量控制系统。 在此基础上，本文对无速度传感器异步电机矢量控制系统进行了有益的探索。提出了改进的电压型转子磁链估算模型，消除了电压型转子磁链估算模型中纯积分环节所固有的漂移问题和积累误差对实际系统性能的影响。在传统型参考自适应系统基础上，将系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代，提出一种基于模糊神经网络的异步电机转速估计方法，并给出了速度估计器的模糊神经网络结构和学习算法。最后对基于模糊神经网络转速估计的异步电机矢量控制系统进行了仿真，结果表明该系统具有良好的性能。
上传时间： 2013-07-02
上传用户：amandacool
随着微电子和计算机技术的迅速发展，传统的金属探测系统也正向着新的方向进行快速更新和发展。金属探测器最初主要应用于工矿探测和军用探雷，现在已经广泛应用于旅行安检以及食品、纺织、木材、玩具、药品等生产加工行业的质量安全检测。在科学技术不断进步及金属探测器在社会生活中的作用不断凸现的时代背景下，怎样提升和完善金属探测仪器的性能，已经成为本领域一个亟待解决的课题。 本课题的目的是设计一种双频率工作的数字式金属探测系统，可以同时以较高的精度检测到铁磁性和非铁磁性金属，从工作模式上彻底改变普通金属探测器检测种类单一和精度不高的现状。该检测系统采用多通道同步数字频率合成(DDS)技术产生正弦信号源，通过电涡流传感器检测金属异物。系统以TMS320LF2407为数据处理中心，利用自学习算法来实现系统参数的自动调整，并设计了良好的人机对话界面，提高金属探测器的可读性和可操作性。 本文从金属检测的理论分析和双频金属探测器的设计两个方面做了具体阐述。理论分析部分从电磁场的角度论述了金属物质的幅度和相位特性，并得出了检测频率与不同金属的检测灵敏度存在相关性的结论。文中把系统设计分为三大部分：检测系统的工作原理和总体构造、系统硬件设计、系统软件设计。第一部分主要阐述了整个系统的工作原理以及实现方案；硬件设计部分从检测电路和控制电路两个方面入手，详细叙述了发射、接收、解调电路以及电涡流传感器的设计过程，并着重介绍了DSP、单片机等主要芯片的接口电路设计，包括基于RS-485的SCI串口通信的硬件电路设计；软件设计部分主要阐述了在CCS、u-Visin集成环境下DSP系统和人机对话系统的程序流程，并叙述了系统自学习方法的实现过程，最后着重分析了SCI串口通信的软件实现方法。 文中最后整理了系统测试的实验结果。通过实验分析可知，采用双频工作的金属探测器对铁磁性和非铁磁性金属都有较高的检测精度。整个系统的可读性与可操作性较好，易于扩展升级、性价比高，具有良好的应用前景。
上传时间： 2013-04-24
上传用户：bruce
异步电机无速度传感器矢量控制技术提高了交流传动系统的可靠性，降低了系统的实现成本。准确辨识电机转速是实现无速度传感器矢量控制的关键。 本文对无速度传感器矢量控制系统进行了研究，建立了异步电动机无速度传感器电压解耦矢量控制系统和基于模型参考自适应(MRAS)的无速度传感器矢量控制系统。基于MRAS的无速度传感器矢量控制系统利用电动机定子电压方程和电流方程得到电动机转速的模型参考自适应辨识算法，在此基础上建立了一个改进的变参数MRAS速度辨识数学模型，并利用Matlab软件对基于该速度辨识模型的无速度传感器异步电动机矢量控制系统在不同的情况下进行了详细的仿真研究。仿真结果验证了该改进的变参数MRAS速度辨识模型具有令人满意的辨识精度和动态性能。 基于MRAS的转速估算理论从本质上来说属于基于电机理想模型的转速估算方案，该方法依赖于电机参数，而电机参数在电机运动过程中变化很大，因而给出了对电机的一些定、转子参数进行实时辨识方法，以保持系统的动、静态性能。 在传统型模型参考自适应系统基础上，将系统中原有的自适应调节机构用一个具有在线学习能力的人工神经网络取代，提出一种基于神经网络的异步电机转速估计方法，并给出了速度估计器的神经网络结构和学习算法。最后对基于神经网络转速估计的异步电机矢量控制系统进行了仿真，结果表明该系统具有良好的性能。 简单介绍了基于DSP的异步电机无速度传感器矢量控制系统的硬件结构以及软件系统的设计。
上传时间： 2013-05-30
上传用户：hakim
单片机模糊模糊控制是目前在控制领域所采用的三种智能控制方法中最具实际意义的方法。模糊控制的采用解决了大量过去人们无法解决的问题，并且在工业控制、家用电器和各个领域已取得了令人触目的成效。本书是一本系统地介绍模糊控制的理论、技术、方法和应用的著作；内容包括模糊控制基础、模糊控制器、模糊控制系统、模糊控制系统的稳定性、模糊控制系统的开发软件，用单片微型机实现模糊控制的技术和方法，模糊控制在家用电器和工业上应用的实际例子；反映了模糊控制目前的水平。 单片机模糊模糊控制目录 ： 第一章 模糊逻辑、神经网络集成电路的发展 1.1 模糊逻辑及其集成电路的发展1.1.1 模糊逻辑的诞生和发展1.1.2 模糊集成电路的发展进程1.2 神经网络及其集成电路的发展1.2.1 神经网络的形成历史1.2.2 神经网络集成电路的发展1.3 模糊逻辑和神经网络的结合1.3.1 模糊逻辑和神经网络结合的意义1.3.2 模糊逻辑和神经网络结合的前景第二章 模糊逻辑及其理论基础 2.1 模糊集合与隶属函数2.1.1 模糊集合概念2.1.2 隶属函数2.1.3 分解定理与扩张定理2.1.4 模糊数2.2 模糊关系、模糊矩阵与模糊变换2.2.1 模糊关系2.2.2 模糊矩阵2.2.3 模糊变换2.3模糊逻辑和函数2.3.1模糊命题2.3.2模糊逻辑2.3.3模糊逻辑函数2.4模糊语言2.4.1 语言及语言的模糊性2.4.2 模糊语言2.4.3 语法规则和算子2.4.4 模糊条件语句2.5 模糊推理2.5.1 模糊推理的CRI法2.5.2 模糊推理的TVR法2.5.3 模糊推理的直接法2.5.4 模糊推理的精确值法2.5.5 模糊推理的强度转移法第三章 模糊控制基础 3.1 模糊控制的系统结构3.2 精确量的模糊化3.2.1 语言变量的分档3.2.2 语言变量值的表示方法3.2.3 精确量转换成模糊量3.3 模糊量的精确化3.3.1 最大隶属度法3.3.2 中位数法3.3.3 重心法3.4 模糊控制规则及控制算法3.4.1 模糊控制规则的格式3.4.2 模糊控制规则的生成3.4.3 模糊控制规则的优化3.4.4 模糊控制算法3.5 模糊控制的神经网络方法3.5.1 神经元和神经网络3.5.2 神经网络的分布存储和容错性3.5.3 神经网络的学习算法3.5.4 神经网络实现的模糊控制3.5.5 神经网络构造隶属函数3.5.6 神经网络存储控制规则3.5.7 神经网络实现模糊化、反模糊化第四章 模糊控制器 4.1 模糊控制器结构4.2 模糊控制器设计4.2.1 常规模糊控制器设计4.2.2 变结构模糊控制器设计4.2.3 自组织模糊控制器设计4.2.4 自适应模糊控制器设计4.3 模糊控制器的数学模型4.3.1 常规模糊控制器的数学模型4.3.2 模糊控制器数学模型的建立第五章 模糊控制系统 5.1 模糊系统的辨识和建模5.1.1 模糊系统辨识的数学基础5.1.2 基于模糊关系方程的模糊模型辨识5.1.3 基于语言控制规则的模糊模型辨识5.2 模糊控制系统的设计5.2.1 模糊控制系统的一般设计过程5.2.2 模糊控制系统的典型设计5.3 模糊控制系统的稳定性5.3.1 稳定性分析的Lyapunov直接法5.3.2 语言规则描述的模糊控制系统的稳定性5.3.3 关系方程描述的模糊控制系统的稳定性第六章 数字单片机与模糊控制6.1 数字单片机MC68HC705P96.1.1 MC68HC705P9单片机性能概论6.1.2 MC68HC705P9单片机基本结构6.1.3 MC68HC705P9指令系统6.2 数字单片机模糊控制方式6.2.1 数字单片机与模糊控制关系6.2.2 数字单片机模糊控制方式第七章 模糊单片机与模糊控制7.1 模糊单片机NLX2307.1.1 模糊单片机NLX230性能概况7.1.2 NLX230的结构及引脚7.1.3 NLX230的模糊推理方式7.1.4 NLX230的内部寄存器7.1.5 NLX230的操作及接口技术7.2 NLX230开发系统7.3 NLX230应用例子第八章 模糊控制的开发软件8.1 模糊推理机原理8.2 模糊推理机的算法8.3 模糊推理机结构和清单8.4 模糊逻辑知识基发生器8.5 模糊推理开发环境8.5.1 FIDE的工作条件8.5.2 FIDE的结构8.5.3 FIDE的工作过程第九章 模糊控制在家用电器中的应用9.1 模糊控制的电冰箱9.1.1 电冰箱模糊控制系统结构9.1.2 模糊控制规则和模糊量9.1.3 控制系统的电路结构9.1.4 控制规则的自调整9.2 模糊控制的电饭锅9.2.1 煮饭的工艺过程曲线9.2.2 模糊控制的逻辑结构9.2.3 模糊量和模糊推理9.2.4 控制软件框图9.3 模糊控制的微波炉9.3.1 控制电路的结构框图9.3.2 微波炉的模糊量与推理9.3.3 微波炉控制电路结构原理9.3.4 控制软件原理及框图9.4 模糊控制的洗衣机9.4.1 模糊洗衣机控制系统逻辑结构9.4.2 模糊洗衣机的模糊推理9.4.3 洗衣机物理量检测方法9.4.4 布质和布量的模糊推理第十章 模糊控制在工程上的应用10.1 模糊参数自适应PID控制器10.1.1 自校正PID控制器10.1.2 模糊参数自适应PID控制系统结构10.1.3 模糊控制规则的产生10.1.4 模糊推理机理及运行结果10.2 恒温炉模糊控制10.2.1 恒温炉模糊控制的系统结构10.2.2 模糊控制器及控制规则的形成10.2.3 模糊控制器的校正10.3 感应电机模糊矢量控制10.3.1 模糊矢量控制系统结构10.3.2 矢量控制的基本原理10.3.3 模糊电阻观测器10.3.4 模糊控制器及运行
上传时间： 2014-12-28
上传用户：semi1981
C语言神经网络源码 数种神经网络的C语言实现，要阅读该文章，您首先得熟悉ANN的学习算法，，否则您是读不懂这些代码的。本代码仅供学习研究之用，不得用于任何商业目的！谢谢！
上传时间： 2014-11-08
上传用户：edisonfather
