神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的重要分支，是智能計(jì)算的一個(gè)主流研究方向，長(zhǎng)期受到眾多科學(xué)家的關(guān)注和研究，它植根于很多學(xué)科，結(jié)合了數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)、計(jì)算機(jī)科學(xué)和工程學(xué).已經(jīng)發(fā)現(xiàn)，它能夠解決一些傳統(tǒng)意義上很難解決的問(wèn)題，也為一些問(wèn)題的解決提供了全新的想法.在傳統(tǒng)的研究成果中，有很多表達(dá)數(shù)據(jù)的統(tǒng)計(jì)模型，但大都是比較簡(jiǎn)單或淺層的模型，在復(fù)雜數(shù)據(jù)的學(xué)習(xí)上通常不能獲得好的學(xué)習(xí)效果.深度神經(jīng)網(wǎng)絡(luò)采用的則是一種深度、復(fù)雜的結(jié)構(gòu)，具有更加強(qiáng)大的學(xué)習(xí)能力，目前深度神經(jīng)網(wǎng)絡(luò)已經(jīng)在圖像識(shí)別、語(yǔ)音識(shí)別等應(yīng)用上取得了顯著的成功.這使得這項(xiàng)技術(shù)受到了學(xué)術(shù)界和工業(yè)界的廣泛重視，正在為機(jī)器學(xué)習(xí)領(lǐng)域帶來(lái)一個(gè)全新的研究浪潮.
標(biāo)簽： 深度神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-06-19
上傳用戶：shjgzh
研究了視線環(huán)境下毫米波降雨衰減和信號(hào)起伏效應(yīng)，為分析多徑環(huán)境對(duì)雨衰和雨致信號(hào)起伏效應(yīng)的影響提供了“比較標(biāo)準(zhǔn)”。基于粒子散射吸收理論，簡(jiǎn)述了雨衰機(jī)理，并通過(guò)仿真分析了現(xiàn)有雨哀工程模型的局限性，進(jìn)而提出了一種修正特征衰減模型參數(shù)的方法，基于ITU-R給出的35GHz模型參數(shù)對(duì)該修正方法進(jìn)行了驗(yàn)證：根據(jù)隨機(jī)介質(zhì)波傳播理論，研究了雨粒子散射引起的信號(hào)起伏效應(yīng)?；谧灾鞔罱ǖ腒a波段信道哀落特性和降雨物理特征測(cè)量系統(tǒng)，分別在視線環(huán)境和多徑環(huán)境下，開(kāi)展了關(guān)于雨哀和雨致信號(hào)起伏特性的測(cè)量實(shí)驗(yàn)，根據(jù)儀器的測(cè)量原理，優(yōu)化了實(shí)測(cè)雨滴譜的提取方法，并提出了基于實(shí)測(cè)雨滴譜修正weibul模型參數(shù)的方法，建立了適用于西安地區(qū)精確的南滴尺寸分布模型，進(jìn)而結(jié)合等效介電常數(shù)理論修正了指數(shù)雨衰模型參數(shù)，比較了視線環(huán)境下修正模型的雨哀計(jì)算結(jié)果與實(shí)驗(yàn)測(cè)量結(jié)果，以驗(yàn)證所提出的模型參數(shù)修正方法的正確性和可行性。然而，將多徑環(huán)境下降雨特征代入修正模型中，其計(jì)算和實(shí)驗(yàn)結(jié)果表明地形地物多徑環(huán)境會(huì)“放大”雨衰和信號(hào)起伏深度?；陔姴▊鞑ダ碚摵偷刃Ь鶆蚪橘|(zhì)理論，建立了復(fù)合環(huán)境下的電波傳播模型；在該模型基礎(chǔ)上，推導(dǎo)出了地形地物多徑傳播環(huán)境影響下的降雨衰減模型和信號(hào)起伏統(tǒng)計(jì)特性模型：仿真和討論了在典型地形地物多徑環(huán)境下，典型降雨時(shí)間序列下的衰減和信號(hào)起伏效應(yīng)，揭示了多徑環(huán)境“放大”大氣傳輸效應(yīng)的機(jī)理，并與實(shí)驗(yàn)結(jié)果進(jìn)行了比較，驗(yàn)證了該模型的有效性。本文研究方法對(duì)降雪、沙塵暴等惡劣天氣環(huán)境和地形地物多徑傳播環(huán)境綜合作用下毫米波傳播特性的研究具有重要的指導(dǎo)意義，同時(shí)其研究成果對(duì)5G應(yīng)用場(chǎng)景下亳米被信道建模，以及提高5G毫米波移動(dòng)通信系統(tǒng)性能具有重要的應(yīng)用價(jià)值。
標(biāo)簽： 5g 移動(dòng)通信 毫米波
上傳時(shí)間： 2022-06-20
上傳用戶：
上面是一段實(shí)時(shí)目標(biāo)識(shí)別的演示， 計(jì)算機(jī)在視頻流上標(biāo)注出物體的類別， 包括人、汽車、自行車、狗、背包、領(lǐng)帶、椅子等。今天的計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)可以在圖片、視頻中識(shí)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(nèi)容， 在這方面，人工智能已經(jīng)達(dá)到了3 歲兒童的智力水平。這是一個(gè)很了不起的成就， 畢竟人工智能用了幾十年的時(shí)間， 就走完了人類幾十萬(wàn)年的進(jìn)化之路，并且還在加速發(fā)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(jì)算機(jī)視覺(jué)在仿生學(xué)里找到了正確的道路（至少目前看是正確的） 。通過(guò)研究人類的視覺(jué)原理，計(jì)算機(jī)利用深度神經(jīng)網(wǎng)絡(luò)（ Deep Neural Network，NN）實(shí)現(xiàn)了對(duì)圖片的識(shí)別，包括文字識(shí)別、物體分類、圖像理解等。在這個(gè)過(guò)程中，神經(jīng)元和神經(jīng)網(wǎng)絡(luò)模型、大數(shù)據(jù)技術(shù)的發(fā)展，以及處理器（尤其是GPU）強(qiáng)大的算力，給人工智能技術(shù)的發(fā)展提供了很大的支持。本文是一篇學(xué)習(xí)筆記， 以深度優(yōu)先的思路， 記錄了對(duì)深度學(xué)習(xí)（Deep Learning）的簡(jiǎn)單梳理，主要針對(duì)計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域。
標(biāo)簽： 深度神經(jīng)網(wǎng)絡(luò) 目標(biāo)檢測(cè)
上傳時(shí)間： 2022-06-22
上傳用戶：
從路由器底層深度透析路由技術(shù)原理當(dāng)IP子網(wǎng)中的一臺(tái)主機(jī)發(fā)送IP分組給同一IP子網(wǎng)的另一臺(tái)主機(jī)時(shí)，它將直接把IP分組送到網(wǎng)絡(luò)上，對(duì)方就能收到。而要送給不同IP于網(wǎng)上的主機(jī)時(shí)，它要選擇一個(gè)能到達(dá)目的子網(wǎng)上的路由器，把IP分組送給該路由器，由路由器負(fù)責(zé)把IP分組送到目的地。如果沒(méi)有找到這樣的路由器，主機(jī)就把IP分組送給一個(gè)稱為“缺省網(wǎng)關(guān)（default gateway）”的路由器上?！叭笔【W(wǎng)關(guān)”是每臺(tái)主機(jī)上的一個(gè)配置參數(shù)，它是接在同一個(gè)網(wǎng)絡(luò)上的某個(gè)路由器端口的IP地址。路由器轉(zhuǎn)發(fā)IP分組時(shí)，只根據(jù)IP分組目的IP地址的網(wǎng)絡(luò)號(hào)部分，選擇合適的端口，把IP分組送出去。同主機(jī)一樣，路由器也要判定端口所接的是否是目的子網(wǎng)，如果是，就直接把分組通過(guò)端口送到網(wǎng)絡(luò)上，否則，也要選擇下一個(gè)路由器來(lái)傳送分組。路由器也有它的缺省網(wǎng)關(guān)，用來(lái)傳送不知道往哪兒送的IP分組。
標(biāo)簽： 路由器
上傳時(shí)間： 2022-06-27
上傳用戶：
解析深度學(xué)習(xí)：語(yǔ)音識(shí)別實(shí)踐》是首部介紹語(yǔ)音識(shí)別中深度學(xué)習(xí)技術(shù)細(xì)節(jié)的專著。全書(shū)首先概要介紹了傳統(tǒng)語(yǔ)音識(shí)別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語(yǔ)音識(shí)別中的應(yīng)用，包括“深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進(jìn)深度學(xué)習(xí)技術(shù)。
標(biāo)簽： 深度學(xué)習(xí) 語(yǔ)音識(shí)別
上傳時(shí)間： 2022-07-24
上傳用戶：qdxqdxqdxqdx
該書(shū)的作者是來(lái)自 Y Combinator Research 的研究員 Michael Nielsen，他也是一位量子物理學(xué)家、科學(xué)作家、計(jì)算機(jī)編程研究人員。他的個(gè)人主頁(yè)是：Neural networks and deep learningneuralnetworksanddeeplearning.com書(shū)籍介紹 這是我個(gè)人以為目前最好的神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)入門(mén)資料之一。內(nèi)容非常淺顯易懂，很多數(shù)學(xué)密集的區(qū)域作者都有提示。全書(shū)貫穿的是 MNIST 手寫(xiě)數(shù)字的識(shí)別問(wèn)題，每個(gè)模型和改進(jìn)都有詳細(xì)注釋的代碼。非常適合用來(lái)入門(mén)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)！ 全書(shū)共分為六章，目錄如下： 第一章：使用神經(jīng)網(wǎng)絡(luò)識(shí)別手寫(xiě)數(shù)字 第二章：反向傳播算法如何工作 第三章：改進(jìn)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 第四章：神經(jīng)網(wǎng)絡(luò)可以計(jì)算任何函數(shù)的可視化證明 第五章：深度神經(jīng)網(wǎng)絡(luò)為何很難訓(xùn)練 第六章：深度學(xué)習(xí) 《Neural Network and Deep Learning》這本書(shū)的目的是幫助讀者掌握神經(jīng)網(wǎng)絡(luò)的核心概念，包括現(xiàn)代技術(shù)的深度學(xué)習(xí)。在完成這本書(shū)的學(xué)習(xí)之后，你將使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)來(lái)解決復(fù)雜模式識(shí)別問(wèn)題。你將為使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)打下基礎(chǔ)，來(lái)攻堅(jiān)你自己設(shè)計(jì)中碰到的問(wèn)題。 本書(shū)一個(gè)堅(jiān)定的信念，是讓讀者更好地去深刻理解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，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(shū)的重點(diǎn)不是作為一個(gè)如何使用一些特定神經(jīng)網(wǎng)絡(luò)庫(kù)的教程。僅僅學(xué)會(huì)如何使用庫(kù)，雖然這也許能很快解決你的問(wèn)題，但是，如果你想理解神經(jīng)網(wǎng)絡(luò)中究竟發(fā)生了什么，如果你想要了解今后幾年都不會(huì)過(guò)時(shí)的原理，那么只是學(xué)習(xí)些熱?的程序庫(kù)是不夠的。你需要領(lǐng)悟讓神經(jīng)網(wǎng)絡(luò)工作的原理。
標(biāo)簽： 深度學(xué)習(xí)
上傳時(shí)間： 2022-07-24
上傳用戶：
人工智能，AI相關(guān)技能學(xué)習(xí)必備課程全收錄！文件較大，存在百度網(wǎng)盤(pán)，附件中提供了分享鏈接和提取碼，打開(kāi)即可轉(zhuǎn)存或下載。
標(biāo)簽： 人工智能 Python 機(jī)器學(xué)習(xí) 數(shù)據(jù)挖掘 AI
上傳時(shí)間： 2022-07-24
上傳用戶：kingwide
VIP專區(qū)-嵌入式/單片機(jī)編程源碼精選合集系列（10）資源包含以下內(nèi)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(cuò)編碼－編碼部分.5. rs糾錯(cuò)編碼－譯碼部分.6. MSP430上運(yùn)行RTOS實(shí)例.7. 430DAY精美手表DEMO程序和原理圖.8. MSP430F413 C語(yǔ)言子程序庫(kù).9. AT29C040讀寫(xiě)源程序.10. 嵌入式技術(shù)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(gè)與GP-proface人機(jī)界面通訊的上位機(jī)程序.13. 開(kāi)放源碼串口通訊的程序（C）.14. 一個(gè)嵌入式TCP IP 實(shí)現(xiàn).15. Dos下中斷驅(qū)動(dòng)的串口類(CPP).16. 一個(gè)中斷驅(qū)動(dòng)的具有緩沖區(qū)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(yǔ)言例子程序.22. 一個(gè)IIc通信實(shí)例,主要用于串口通信方式只做為參考.本例是一個(gè)音量控制的源碼..23. 10進(jìn)制to BCD轉(zhuǎn)換算法.24. 16C554擴(kuò)展多串口.25. 12232點(diǎn)陣信利液晶基本驅(qū)動(dòng)程序.26. AT24CXX 芯片驅(qū)動(dòng)程序.27. 嵌入式c語(yǔ)言編程,狂好的書(shū).28. sony servo.29. 索尼CX3068VCD伺服的隨身聽(tīng).30. 臺(tái)灣SUNPLUS的MP3播放器原理圖.31. 基于fpga的嵌入系統(tǒng)的設(shè)計(jì).32. at90s8535 timer1 的編程.33. usbn9603的驅(qū)動(dòng)程序.34. PPPoE協(xié)議在Psos中的實(shí)現(xiàn)源代碼.35. 嵌入式GSM短信息接口的軟硬件設(shè)計(jì).36. haojige.37. 拼音輸入的c語(yǔ)言片成.38. 湊個(gè)崖邊÷÷÷的.39. CodeWarrior 使用教程.40. 嵌入式系統(tǒng)的網(wǎng)絡(luò)仿真.
標(biāo)簽： 模擬電子 技術(shù)基礎(chǔ)
上傳時(shí)間： 2013-05-15
上傳用戶：eeworm
電磁場(chǎng)在目標(biāo)識(shí)別中的應(yīng)用
標(biāo)簽： 電磁場(chǎng) 中的應(yīng)用 目標(biāo)識(shí)別
上傳時(shí)間： 2013-04-15
上傳用戶：eeworm
激光在工藝中的應(yīng)用
標(biāo)簽： 激光 工藝 中的應(yīng)用
上傳時(shí)間： 2013-05-20
上傳用戶：eeworm
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
