上面是一段实时目标识别的演示， 计算机在视频流上标注出物体的类别， 包括人、汽车、自行车、狗、背包、领带、椅子等。今天的计算机视觉技术已经可以在图片、视频中识别出大量类别的物体， 甚至可以初步理解图片或者视频中的内容， 在这方面，人工智能已经达到了3 岁儿童的智力水平。这是一个很了不起的成就， 毕竟人工智能用了几十年的时间， 就走完了人类几十万年的进化之路，并且还在加速发展。道路总是曲折的， 也是有迹可循的。在尝试了其它方法之后， 计算机视觉在仿生学里找到了正确的道路（至少目前看是正确的） 。通过研究人类的视觉原理，计算机利用深度神经网络（ Deep Neural Network，NN）实现了对图片的识别，包括文字识别、物体分类、图像理解等。在这个过程中，神经元和神经网络模型、大数据技术的发展，以及处理器（尤其是GPU）强大的算力，给人工智能技术的发展提供了很大的支持。本文是一篇学习笔记， 以深度优先的思路， 记录了对深度学习（Deep Learning）的简单梳理，主要针对计算机视觉应用领域。
上传时间： 2022-06-22
上传用户：
该资源为机器学习使用的教材，供学习神经网络的算法的人使用
上传时间： 2022-08-09
上传用户：ttalli
专辑类-网络及电脑相关专辑-114册-4.31G CCNP学习指南：Clsc_Cisco局域网交换配置技术-19.9M-PDF.zip
标签： Clsc_Cisco M-PDF CCNP 19.9
上传时间： 2013-04-24
上传用户：kytqcool
本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-05-23
上传用户：1101055045
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
永磁同步电机(Permanent Magnet Synchronous Motor)因功率密度大、效率高、过载能力强、控制性能优良等优点，在中小容量调速系统和高精度调速场合发展迅速。但由于永磁同步电机的磁场具有独特的交叉耦合和交叉饱和现象，且其控制系统是一个强非线性、时变和多变量系统，要实现高精度调速就需对其控制策略进行深入研究。 永磁同步电机调速系统中，位置传感器的存在使得系统成本增加、结构复杂、可靠性降低，所以永磁同步电机的无位置传感器控制成为一个新的研究热点。本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-07-03
上传用户：kakuki123
矢量网络分析仪是一个复杂的测试系统，由测试信号源、 功率分配器、定向耦合器、驻波比桥、测试接收机、检测 器、处理器及显示等部分构成。主要用来测试高频器件、 电路及系统的性能参数，如线性参数、非线性参数、变频 参数、混合S参数等
上传时间： 2013-06-07
上传用户：410805624
开关磁阻电机(SwitchedReluctanceMotor，SRM)具有结构简单、工作可靠、效率高和成本较低等优点，在很多领域都显示出强大的竞争力，但是位置传感器的存在不仅削弱了SRM结构简单的优势，而且降低了系统高速运行的可靠性，增加了成本，探索实用的无位置传感器检测转子位置的方案成为开关磁阻电机驱动系统(SwitchedReluctanceMotorDrive，SRD)研究的热点。SRM高度非线性的电磁特性决定了在精确的数学模型基础上实现无位置传感器控制十分困难，而人工神经网络的出现为解决这个问题提供了新的思路。径向基函数(RadialBasisFunction，RBF)神经网络是一种映射能力极强的前向型神经网络，具有收敛速度快、全局逼近能力强等优点。本文提出一种利用自适应RBF神经网络对SRM进行控制的新方法，所采用的RBF神经网络以电机绕组的相电流、磁链作为输入，转子位置作为输出，通过离线和在线相结合的方法对网络进行训练，建立SRM电流、磁链与转子位置之间的非线性映射，从而实现SRM的无位置传感器控制。 常规的PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛采用。在系统模型参数变化不大的情况下，PID控制效果良好，但当被控对象具有高度非线性和不确定性时，仅靠PID调节效果不好。对于SRM，它的电磁关系高度非线性，固定参数的PID调节器无法得到很理想的控制性能指标。论文提出了一种基于RBF神经网络在线辨识的SRM单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。同时构造了一个RBF网络对系统进行在线辨识，建立其在线参考模型，由单神经元控制器完成控制器参数的自学习，从而实现控制器参数的在线调整，能取得更好的控制效果。 仿真及实验结果表明，自适应RBF神经网络能够实现电机的准确换相，从而实现了电机的无位置传感器控制；基于RBF神经网络在线辨识的单神经元自适应控制能够达到在线辨识在线控制的目的，控制精度高，动态特性好，具有较好的自适应性和鲁棒性。
上传时间： 2013-04-24
上传用户：skfreeman
进入二十一世纪以来，随着我国经济、社会、文化各方面快速发展，人民生活节奏日益加快，远程互动交流要求不断提高。网络化生活方式真正进入到平常百姓家。为适应社会的持续高速发展，必须广泛开发应用网络化、信息化的工作生活产品，满足社会市场需求。本课题就是面向当前网络迅速普及形势下的家庭远程监控市场，采用高集成度、微功耗、低成本的设计思路，构建实时性、网络化、数字化嵌入式家用远程监控系统，以适应普通家庭远程安全维护需求，提高中低收入群体的生活质量和生活安全性。 嵌入式网络视频监控系统是建立在ARM9和WindowsCE平台上的一套完整视频处理传输系统。它主要由S3C2410嵌入式硬件平台、WindowsCE5．0嵌入式操作系统、摄像头驱动采集模块、网络收发模块和编解码模块五大部分组成。本文首先对嵌入式网络监控系统进行了总体设计，根据成本和市场需求，完成功能元件和软件平台选型。在硬件选择上使用了市场上得到广泛认可的S3C2410、CS8900A网络控制器、SDRAM、NANDFASH存储器、摄像头芯片，即满足功能需求又控制成本，同时保证相互兼容和工作稳定性；软件平台选择兼顾市场认同度和软件兼容性，同时考虑到开发的复杂程度，选择了同属微软旗下、类似WindowsXP的WindowsCE软件环境。这样主要软件开发工作便可以使用WindowsXP下的开发工具完成。这一选择符合市场主流用户对微软的认同，也节约了学习和建立Linux交叉编译环境的精力和时间。 硬件平台搭建后使用ADS1．2进行调试，操作系统使用PlatformBuilder进行定制，驱动、采集、编码及发送模块在EVC4．0下开发，接收、解码和显示模块用VC++6．0开发。为保证软硬件兼容性，软件调试很少使用Emulator虚拟机，而使用JTAG、串口、USB口、交叉线建立硬件连接后进行实机调试。针对本课题主要软件模块WindowsXP下开发、WindowsCE下调试的情况，由于两操作系统不能直接兼容，需建立平台间同步和交互。实验中使用了MSASYNC．exe等外围软件以及VGA控制器、USB扩展等外围硬件模块以实现快速实验，由此也造成实验设备和过程比最终产品复杂很多的情况。最终产品将把软硬件环境剪裁到满足功能的最小规模，仅预留排线接口用于升级，以实现低成本、微功耗、高集成度的设计要求。 系统的软硬件测试表明：该系统安装使用方便，运行稳定可靠，普通网络情况下可提供家用实时性，达到了预期设计目的和要求。为下一步的改进和完善建立起基础平台，并提供了主要功能。
上传时间： 2013-07-08
上传用户：夜月十二桥
嵌入式系统是将先进的计算机技术、半导体技术和电子技术与各个行业的具体应用相结合的产物。目前，嵌入式系统己经广泛应用到工业、交通、能源、通信、科研、医疗卫生、国防以及日常生活等领域，并不断朝着体积小，功能强的方向发展。嵌入式系统不同于原来的单片机系统，它不仅有自己的操作系统，上层应用程序，而且还具备网络通信和信息管理的功能。 ARM体系的处理器是目前嵌入式系统中使用最广泛的处理器。它采用了RISC技术，具有寻址方式简单，寄存器多，指令长度固定等的特点使得它的处理速度快，执行效率高。由于Linux对于ARM技术的支持，具有内核可裁减，网络功能强大，代码开放的特点，把Linux应用到嵌入式系统中，能充分发挥ARM和Linux的优势。 论文以“掌上中文语言学习系统”项目为依托，以ARM体系处理器和Ljnux操作系统的嵌入式系统为基础，构建一个掌上语言学习设备。 论文首先进行了开发环境的设计与搭建，对开发主机进行TFTP服务器、NFS服务器、minicom串口通信和GNU交叉工具链进行配置。实现了针对NAND闪存的U-Boot启动程序的建立，并对Linux操作系统内核进行了移植工作。最后利用图形界面系统MiniGUI和远程调试技术实现了掌上语言学习的软件功能。
上传时间： 2013-07-24
上传用户：jiangfire
