神經網絡是機器學習的重要分支，是智能計算的一個主流研究方向，長期受到眾多科學家的關注和研究，它植根于很多學科，結合了數學、統計學、物理學、計算機科學和工程學.已經發現，它能夠解決一些傳統意義上很難解決的問題，也為一些問題的解決提供了全新的想法.在傳統的研究成果中，有很多表達數據的統計模型，但大都是比較簡單或淺層的模型，在復雜數據的學習上通常不能獲得好的學習效果.深度神經網絡采用的則是一種深度、復雜的結構，具有更加強大的學習能力，目前深度神經網絡已經在圖像識別、語音識別等應用上取得了顯著的成功.這使得這項技術受到了學術界和工業界的廣泛重視，正在為機器學習領域帶來一個全新的研究浪潮.
標簽： 深度神經網絡
上傳時間： 2022-06-19
上傳用戶：shjgzh
研究了視線環境下毫米波降雨衰減和信號起伏效應，為分析多徑環境對雨衰和雨致信號起伏效應的影響提供了“比較標準”?；诹Ｗ由⑸湮绽碚摚喪隽擞晁C理，并通過仿真分析了現有雨哀工程模型的局限性，進而提出了一種修正特征衰減模型參數的方法，基于ITU-R給出的35GHz模型參數對該修正方法進行了驗證：根據隨機介質波傳播理論，研究了雨粒子散射引起的信號起伏效應?；谧灾鞔罱ǖ腒a波段信道哀落特性和降雨物理特征測量系統，分別在視線環境和多徑環境下，開展了關于雨哀和雨致信號起伏特性的測量實驗，根據儀器的測量原理，優化了實測雨滴譜的提取方法，并提出了基于實測雨滴譜修正weibul模型參數的方法，建立了適用于西安地區精確的南滴尺寸分布模型，進而結合等效介電常數理論修正了指數雨衰模型參數，比較了視線環境下修正模型的雨哀計算結果與實驗測量結果，以驗證所提出的模型參數修正方法的正確性和可行性。然而，將多徑環境下降雨特征代入修正模型中，其計算和實驗結果表明地形地物多徑環境會“放大”雨衰和信號起伏深度?；陔姴▊鞑ダ碚摵偷刃Ь鶆蚪橘|理論，建立了復合環境下的電波傳播模型；在該模型基礎上，推導出了地形地物多徑傳播環境影響下的降雨衰減模型和信號起伏統計特性模型：仿真和討論了在典型地形地物多徑環境下，典型降雨時間序列下的衰減和信號起伏效應，揭示了多徑環境“放大”大氣傳輸效應的機理，并與實驗結果進行了比較，驗證了該模型的有效性。本文研究方法對降雪、沙塵暴等惡劣天氣環境和地形地物多徑傳播環境綜合作用下毫米波傳播特性的研究具有重要的指導意義，同時其研究成果對5G應用場景下亳米被信道建模，以及提高5G毫米波移動通信系統性能具有重要的應用價值。
上傳時間： 2022-06-20
上傳用戶：
上面是一段實時目標識別的演示， 計算機在視頻流上標注出物體的類別， 包括人、汽車、自行車、狗、背包、領帶、椅子等。今天的計算機視覺技術已經可以在圖片、視頻中識別出大量類別的物體， 甚至可以初步理解圖片或者視頻中的內容， 在這方面，人工智能已經達到了3 歲兒童的智力水平。這是一個很了不起的成就， 畢竟人工智能用了幾十年的時間， 就走完了人類幾十萬年的進化之路，并且還在加速發展。道路總是曲折的， 也是有跡可循的。在嘗試了其它方法之后， 計算機視覺在仿生學里找到了正確的道路（至少目前看是正確的） 。通過研究人類的視覺原理，計算機利用深度神經網絡（ Deep Neural Network，NN）實現了對圖片的識別，包括文字識別、物體分類、圖像理解等。在這個過程中，神經元和神經網絡模型、大數據技術的發展，以及處理器（尤其是GPU）強大的算力，給人工智能技術的發展提供了很大的支持。本文是一篇學習筆記， 以深度優先的思路， 記錄了對深度學習（Deep Learning）的簡單梳理，主要針對計算機視覺應用領域。
上傳時間： 2022-06-22
上傳用戶：
從路由器底層深度透析路由技術原理當IP子網中的一臺主機發送IP分組給同一IP子網的另一臺主機時，它將直接把IP分組送到網絡上，對方就能收到。而要送給不同IP于網上的主機時，它要選擇一個能到達目的子網上的路由器，把IP分組送給該路由器，由路由器負責把IP分組送到目的地。如果沒有找到這樣的路由器，主機就把IP分組送給一個稱為“缺省網關（default gateway）”的路由器上?！叭笔【W關”是每臺主機上的一個配置參數，它是接在同一個網絡上的某個路由器端口的IP地址。路由器轉發IP分組時，只根據IP分組目的IP地址的網絡號部分，選擇合適的端口，把IP分組送出去。同主機一樣，路由器也要判定端口所接的是否是目的子網，如果是，就直接把分組通過端口送到網絡上，否則，也要選擇下一個路由器來傳送分組。路由器也有它的缺省網關，用來傳送不知道往哪兒送的IP分組。
標簽： 路由器
上傳時間： 2022-06-27
上傳用戶：
解析深度學習：語音識別實踐》是首部介紹語音識別中深度學習技術細節的專著。全書首先概要介紹了傳統語音識別理論和經典的深度神經網絡核心算法。接著全面而深入地介紹了深度學習在語音識別中的應用，包括“深度神經網絡-隱馬爾可夫混合模型”的訓練和優化，特征表示學習、模型融合、自適應，以及以循環神經網絡為代表的若干先進深度學習技術。
上傳時間： 2022-07-24
上傳用戶：qdxqdxqdxqdx
該書的作者是來自 Y Combinator Research 的研究員 Michael Nielsen，他也是一位量子物理學家、科學作家、計算機編程研究人員。他的個人主頁是：Neural networks and deep learningneuralnetworksanddeeplearning.com書籍介紹 這是我個人以為目前最好的神經網絡與機器學習入門資料之一。內容非常淺顯易懂，很多數學密集的區域作者都有提示。全書貫穿的是 MNIST 手寫數字的識別問題，每個模型和改進都有詳細注釋的代碼。非常適合用來入門神經網絡和深度學習！ 全書共分為六章，目錄如下： 第一章：使用神經網絡識別手寫數字 第二章：反向傳播算法如何工作 第三章：改進神經網絡的學習方法 第四章：神經網絡可以計算任何函數的可視化證明 第五章：深度神經網絡為何很難訓練 第六章：深度學習 《Neural Network and Deep Learning》這本書的目的是幫助讀者掌握神經網絡的核心概念，包括現代技術的深度學習。在完成這本書的學習之后，你將使用神經網絡和深度學習來解決復雜模式識別問題。你將為使用神經網絡和深度學習打下基礎，來攻堅你自己設計中碰到的問題。 本書一個堅定的信念，是讓讀者更好地去深刻理解神經網絡和深度學習，如果你很好理解了核心理念，你就可以很快地理解其他新的推論。這就意味著這本書的重點不是作為一個如何使用一些特定神經網絡庫的教程。僅僅學會如何使用庫，雖然這也許能很快解決你的問題，但是，如果你想理解神經網絡中究竟發生了什么，如果你想要了解今后幾年都不會過時的原理，那么只是學習些熱?的程序庫是不夠的。你需要領悟讓神經網絡工作的原理。
標簽： 深度學習
上傳時間： 2022-07-24
上傳用戶：
人工智能，AI相關技能學習必備課程全收錄！文件較大，存在百度網盤，附件中提供了分享鏈接和提取碼，打開即可轉存或下載。
上傳時間： 2022-07-24
上傳用戶：kingwide
VIP專區-嵌入式/單片機編程源碼精選合集系列（10）資源包含以下內容：1. 通用93c06-93c86系列.2. P89CXX編程器控制CPU接收和控制程序.3. 我收集的fft算法.4. rs糾錯編碼－編碼部分.5. rs糾錯編碼－譯碼部分.6. MSP430上運行RTOS實例.7. 430DAY精美手表DEMO程序和原理圖.8. MSP430F413 C語言子程序庫.9. AT29C040讀寫源程序.10. 嵌入式技術漫談中科大bbs版聚講座.11. S3C44BOX的BIOS?？墒褂玫拿睿篽elp --- show help ? --- = help date --- show or set current date time --.12. 一個與GP-proface人機界面通訊的上位機程序.13. 開放源碼串口通訊的程序（C）.14. 一個嵌入式TCP IP 實現.15. Dos下中斷驅動的串口類(CPP).16. 一個中斷驅動的具有緩沖區的串口源碼(C).17. GOAHEAD WEBSERVER嵌入式的源碼.18. 串口打印字符程序.19. pdiusbd12的固件程序.20. LCD source code.21. MSP-FET430P140 C語言例子程序.22. 一個IIc通信實例,主要用于串口通信方式只做為參考.本例是一個音量控制的源碼..23. 10進制to BCD轉換算法.24. 16C554擴展多串口.25. 12232點陣信利液晶基本驅動程序.26. AT24CXX 芯片驅動程序.27. 嵌入式c語言編程,狂好的書.28. sony servo.29. 索尼CX3068VCD伺服的隨身聽.30. 臺灣SUNPLUS的MP3播放器原理圖.31. 基于fpga的嵌入系統的設計.32. at90s8535 timer1 的編程.33. usbn9603的驅動程序.34. PPPoE協議在Psos中的實現源代碼.35. 嵌入式GSM短信息接口的軟硬件設計.36. haojige.37. 拼音輸入的c語言片成.38. 湊個崖邊÷÷÷的.39. CodeWarrior 使用教程.40. 嵌入式系統的網絡仿真.
上傳時間： 2013-05-15
上傳用戶：eeworm
電磁場在目標識別中的應用
上傳時間： 2013-04-15
上傳用戶：eeworm
激光在工藝中的應用
上傳時間： 2013-05-20
上傳用戶：eeworm
<strike id="y22wi"></strike>