DTMF 解碼器原理
2023-10-27 08:29:53
及其它方面有著廣泛的應(yīng)用。通常DTMF信號的檢測采用專用芯片或DSP來實(shí)現(xiàn)，但其成本較高。本文介紹了一種低成本的基于MSP430F133的DTMF撥號解碼器實(shí)現(xiàn)方案。 MSP430F133是TI的一
2019-08-22 07:01:24
在一定程度上改善了傳統(tǒng)方法的局限性，但這些方法自身也存在著一些不足。之后，曾喆昭等人提出了一種基于余弦基神經(jīng)網(wǎng)絡(luò)的算法，給出了該算法的收斂條件，并將其應(yīng)用到高階多通帶FIR濾波器中，用實(shí)例說明了該算法在精度
2019-07-08 07:16:17
圖數(shù)據(jù)是一種非結(jié)構(gòu)化的數(shù)據(jù)，但能夠蘊(yùn)含很多結(jié)構(gòu)化數(shù)據(jù)中無法蘊(yùn)含的信息。圖數(shù)據(jù)無處不在，世界上大部分?jǐn)?shù)據(jù)都能夠用圖數(shù)據(jù)來表達(dá)。為了高效的提取圖特征，圖神經(jīng)網(wǎng)絡(luò)是一種非常重要的圖特征提取方式。圖神經(jīng)網(wǎng)絡(luò)
2022-09-28 10:34:13
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
、成本及功耗的要求。輕型嵌入式神經(jīng)網(wǎng)絡(luò)卷積式神經(jīng)網(wǎng)絡(luò) (CNN) 的應(yīng)用可分為三個階段：訓(xùn)練、轉(zhuǎn)化及 CNN 在生產(chǎn)就緒解決方案中的執(zhí)行。要想獲得一個高性價比、針對大規(guī)模車輛應(yīng)用的高效結(jié)果，必須在每階段
2017-12-21 17:11:34
工智能。幾乎是一夜間，神經(jīng)網(wǎng)絡(luò)技術(shù)從無人相信變成了萬人追捧。神經(jīng)網(wǎng)絡(luò)之父Hiton1、人工神經(jīng)網(wǎng)絡(luò)是什么？人工神經(jīng)網(wǎng)絡(luò)：是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)
2018-06-05 10:11:50
你好，我在PSoC1中看到了一個DTMF解碼器。PSOC 3-5也可用嗎？我看了一下PSoC4，我發(fā)現(xiàn)了它。Br丹尼爾 以上來自于百度翻譯 以下為原文Hi, I saw that in Psoc1
2019-07-22 14:58:32
請問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對于”BP神經(jīng)網(wǎng)絡(luò)分類“這個范例有很多不懂的地方，比如
2017-02-22 16:08:08
連接塊是一種模塊，通常用于深度卷積神經(jīng)網(wǎng)絡(luò)中，特別是在殘差網(wǎng)絡(luò)（Residual Network，ResNet）中廣泛使用，也是我比較熟悉的。組卷積塊是一種卷積神經(jīng)網(wǎng)絡(luò)中的模塊，其主要目的是將卷積操作
2023-09-11 20:34:01
探索整個過程中資源利用的優(yōu)化使整個過程更加節(jié)能高效預(yù)計成果：1、在PYNQ上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)2、對以往實(shí)現(xiàn)結(jié)構(gòu)進(jìn)行優(yōu)化3、為卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)路在硬件上，特別是在FPGA實(shí)現(xiàn)提供一種優(yōu)化思路和方案
2018-12-19 11:37:22
學(xué)習(xí)和認(rèn)知科學(xué)領(lǐng)域，是一種模仿生物神經(jīng)網(wǎng)絡(luò)（動物的中樞神經(jīng)系統(tǒng)，特別是大腦）的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計算模型，用于對函數(shù)進(jìn)行估計或近似。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)
2019-03-03 22:10:19
是一種常用的無監(jiān)督學(xué)習(xí)策略，在使用改策略時，網(wǎng)絡(luò)的輸出神經(jīng)元相互競爭，每一時刻只有一個競爭獲勝的神經(jīng)元激活。ART神經(jīng)網(wǎng)絡(luò)由比較層、識別層、識別閾值、重置模塊構(gòu)成。其中比較層負(fù)責(zé)接收輸入樣本，并將其傳遞
2019-07-21 04:30:00
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
簡單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
本文首先簡單的選取了少量的樣本并進(jìn)行樣本歸一化，這樣就得到了可供訓(xùn)練的訓(xùn)練集和測試集。然后訓(xùn)練了400×25×2的三層BP神經(jīng)網(wǎng)絡(luò)，最后對最初步的模型進(jìn)行了誤差分析并找到了一種效果顯著的提升方法！
2021-07-12 06:49:37
基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF檢測算法基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼仿真結(jié)果分享一種DTMF信號檢測器工程的應(yīng)用方案
2021-06-03 07:03:11
以前的神經(jīng)網(wǎng)絡(luò)幾乎都是部署在云端（服務(wù)器上），設(shè)備端采集到數(shù)據(jù)通過網(wǎng)絡(luò)發(fā)送給服務(wù)器做inference（推理），結(jié)果再通過網(wǎng)絡(luò)返回給設(shè)備端。如今越來越多的神經(jīng)網(wǎng)絡(luò)部署在嵌入式設(shè)備端上，即
2021-12-23 06:16:40
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。
2019-07-17 07:21:50
神經(jīng)網(wǎng)絡(luò)研究的第一次浪潮。1969 年美國數(shù)學(xué)家及人工智能先驅(qū) Minsky在其著作中證 明感知器本質(zhì)上是一種線性模型[21]，只能處理線性分 類問題，最簡單的異或問題都無法正確分類，因此神 經(jīng)網(wǎng)絡(luò)的研究也
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
為提升識別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個過程分為兩個步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
2021-12-23 08:07:33
本文設(shè)計了一種基于神經(jīng)網(wǎng)絡(luò)控制算法的伺服運(yùn)動控制卡。
2021-06-03 06:05:09
【作者】：劉晉明;劉年生;【來源】：《廈門大學(xué)學(xué)報(自然科學(xué)版)》2010年02期【摘要】：利用具有順序和并行執(zhí)行的特點(diǎn)的VHDL語言,設(shè)計并實(shí)現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)混沌吸引子的公鑰加密算法,在編解碼器
2010-04-24 09:15:41
神經(jīng)網(wǎng)絡(luò)可以建立參數(shù)Kp,Ki,Kd自整定的PID控制器。基于BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)框圖如下圖所示：控制器由兩部分組成：經(jīng)典增量式PID控制器；BP神經(jīng)網(wǎng)絡(luò)...
2021-09-07 07:43:47
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性
2021-04-30 06:58:13
如何使用STM32F4+MPU9150去實(shí)現(xiàn)一種神經(jīng)網(wǎng)絡(luò)識別手勢呢？其過程是怎樣的？
2021-11-19 06:38:58
如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
如何去設(shè)計一種IPP嵌入式音頻解碼器？怎樣對IPP嵌入式音頻解碼器進(jìn)行優(yōu)化？
2021-06-07 06:01:00
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測
2021-07-12 08:02:11
某人工神經(jīng)網(wǎng)絡(luò)的FPGA處理器能夠?qū)?shù)據(jù)進(jìn)行運(yùn)算處理，為了實(shí)現(xiàn)集數(shù)據(jù)通信、操作控制和數(shù)據(jù)處理于一體的便攜式神經(jīng)網(wǎng)絡(luò)處理器，需要設(shè)計一種基于嵌入式ARM內(nèi)核及現(xiàn)場可編程門陣列FPGA的主從結(jié)構(gòu)處理系統(tǒng)滿足要求。
2021-05-21 06:35:27
稱為BP神經(jīng)網(wǎng)絡(luò)。采用BP神經(jīng)網(wǎng)絡(luò)模型能完成圖像數(shù)據(jù)的壓縮處理。在圖像壓縮中，神經(jīng)網(wǎng)絡(luò)的處理優(yōu)勢在于：巨量并行性；信息處理和存儲單元結(jié)合在一起；自組織自學(xué)習(xí)功能。與傳統(tǒng)的數(shù)字信號處理器DSP
2019-08-08 06:11:30
FPGA的嵌入式應(yīng)用。某人工神經(jīng)網(wǎng)絡(luò)的FPGA處理器能夠?qū)?shù)據(jù)進(jìn)行運(yùn)算處理，為了實(shí)現(xiàn)集數(shù)據(jù)通信、操作控制和數(shù)據(jù)處理于一體的便攜式神經(jīng)網(wǎng)絡(luò)處理器，需要設(shè)計一種基于嵌入式ARM內(nèi)核及現(xiàn)場可編程門陣列FPGA的主從結(jié)構(gòu)處理系統(tǒng)滿足要求。
2019-09-20 06:15:20
隱藏技術(shù): 一種基于前沿神經(jīng)網(wǎng)絡(luò)理論的新型人工智能處理器 Copy東京理工大學(xué)的研究人員開發(fā)了一種名為“ Hiddenite”的新型加速器芯片，該芯片可以在計算稀疏“隱藏神經(jīng)網(wǎng)絡(luò)”時達(dá)到最高的精度
2022-03-17 19:15:13
為了消除造紙工業(yè)抄紙過程中存在的解耦問題，提出了一種基于PID 神經(jīng)網(wǎng)絡(luò)的解耦方法。文章在介紹PID 神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上，給出了二變量PID 神經(jīng)元網(wǎng)絡(luò)解耦控制系統(tǒng)結(jié)構(gòu)圖，
2009-06-15 10:10:47
19 本文提出了一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)板形模式識別方法，該方法基于支持向量機(jī)（SVM）與徑向基（RBF）網(wǎng)絡(luò)的結(jié)構(gòu)等價性，利用SVM的回歸確定RBF網(wǎng)絡(luò)較優(yōu)的初始參數(shù)，解決了傳統(tǒng)神經(jīng)
2009-06-29 09:54:4618 針對傳感器故障, 提出了一種基于RBF 神經(jīng)網(wǎng)絡(luò)的集成故障診斷方法。用RBF 神經(jīng)網(wǎng)絡(luò)建立傳感器故障模型, 對系統(tǒng)的狀態(tài)和故障參數(shù)進(jìn)行在線估計, 然后將故障參數(shù)與修正的Bayes分類算
2009-07-14 11:58:1913 本文首先分析了人工神經(jīng)網(wǎng)絡(luò)和秘密共享的相通之處，闡明了用人工神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)秘密共享是可能的；其次給出了一種基于人工神經(jīng)網(wǎng)絡(luò)的秘密共享的門限方案，詳細(xì)介紹了
2009-08-15 09:54:1715 本文介紹了DTMF 解碼芯片MT8870 的功能和特點(diǎn)，給出了在解碼器中與89C51 單片機(jī)的接口電路，說明了解碼器的工作原理抗干擾措施。關(guān)鍵詞：單片機(jī)抗干擾 DTMF 解碼監(jiān)控在一
2009-08-19 08:20:5371 本文介紹了DTMF 解碼芯片MT8870 的功能和特點(diǎn)，給出了在解碼器中與89C51 單片機(jī)的接口電路，說明了解碼器的工作原理抗干擾措施。關(guān)鍵詞：單片機(jī)抗干擾 DTMF 解碼監(jiān)控在一
2009-08-21 09:42:5934 本文致力于基于神經(jīng)網(wǎng)絡(luò)的通信信號調(diào)制類型識別器設(shè)計研究。論文提出了一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)分類器，它采用7個特征參數(shù)，可以對CW、2FSK、4FSK、8FSK、2PSK、4PSK、8PSK、8QAM、16QA
2009-08-29 10:22:1010 本文首先介紹了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)BP 算法的優(yōu)缺點(diǎn)，并結(jié)合模擬退火算法局部搜索全局的特點(diǎn)，提出將模擬退火算法和傳統(tǒng)的BP 算法相結(jié)合，形成一種新的BP 神經(jīng)網(wǎng)絡(luò)算法，有效的解
2010-01-09 11:57:0512 摘 要：本文介紹了一種基于MSP430的嵌入式DTMF撥號解碼器實(shí)現(xiàn)方案。DTMF撥號部分使用4根I/O線的電阻網(wǎng)絡(luò)，配合軟件產(chǎn)生DTMF信號。利用MSP430F133內(nèi)置的ADC，并采用改進(jìn)
2006-03-11 11:43:50
1306 
常用DTMF/FSK解碼器集成電路
2006-06-30 19:19:053735 用BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法改善
傳感器特性BP算法即多層網(wǎng)絡(luò)誤差反傳算法，是近幾年在傳感器輸出信號補(bǔ)償技術(shù)領(lǐng)域中一種較新的方法，
2009-06-08 13:50:042190 一種神經(jīng)網(wǎng)絡(luò)多用戶檢測器
本文提出采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)CDMA多用戶通信系統(tǒng)中多用戶信號的檢測.利用基于檢測序列最大后驗(yàn)概率最佳多用戶檢測器的似然函數(shù)與Hop
2009-10-21 08:46:52895 
Adaline神經(jīng)網(wǎng)絡(luò)隨機(jī)逼近LMS算法的仿真研究
1 引言 人工神經(jīng)網(wǎng)絡(luò)最重要的功能之一是分類。對于線性可分問題，采用硬限幅函數(shù)的單個神經(jīng)元，通過簡單的學(xué)
2009-11-04 10:31:142081 
摘要:研究一種前向型神經(jīng)網(wǎng)絡(luò)的改進(jìn)學(xué)習(xí)算法并基于TI的TMS320C5402定點(diǎn)數(shù)字信號處理器開發(fā)系統(tǒng)實(shí)現(xiàn)該算法的訓(xùn)練學(xué)習(xí)。測試結(jié)果表明:網(wǎng)絡(luò)學(xué)習(xí)速率提高,網(wǎng)絡(luò)的輸出動態(tài)響應(yīng)具有超調(diào)
2011-02-25 00:27:2749 引入差異演化( DE) 算法來彌補(bǔ)基本概率神經(jīng)網(wǎng)絡(luò)的不足, 從而提出一種基于改進(jìn)概率神經(jīng)網(wǎng)絡(luò)( MPNN) 的紋理圖像識別方法。首先用樹形結(jié)構(gòu)小波包變換提取紋理圖像的能量特征, 用基于統(tǒng)
2011-09-28 17:39:5928 本文介紹了一種基于MSP430的嵌入式DTMF撥號解碼器實(shí)現(xiàn)方案。DTMF撥號部分使用4根I/O線的電阻網(wǎng)絡(luò)，配合軟件產(chǎn)生DTMF信號。
2012-04-23 11:28:391852 
一種基于深度神經(jīng)網(wǎng)絡(luò)的基音檢測算法_曹猛
2017-01-07 19:08:430 一種具有查錯功能的10B_8B解碼器設(shè)計_鄒陳
2017-01-07 21:39:442 一種高速卷積編解碼器的FPGA實(shí)現(xiàn)
2017-02-07 15:05:0022 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測_丁玲
2017-03-19 11:30:431 神經(jīng)網(wǎng)絡(luò)計算模型的優(yōu)化，運(yùn)用到汽車加油量計算中，通過比較標(biāo)準(zhǔn)BP網(wǎng)絡(luò)、Srinivas提出的自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)的自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)3種模型的計算誤差，驗(yàn)證得出改進(jìn)的自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的算法優(yōu)于另外兩種
2017-11-16 10:39:5513 為了在行人檢測任務(wù)中使卷積神經(jīng)網(wǎng)絡(luò)（CNN）選擇出更優(yōu)模型并獲得定位更準(zhǔn)確的檢測框，提出一種改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測方法。改進(jìn)主要涉及兩個方面：如何決定CNN樣本迭代學(xué)習(xí)次數(shù)和如何進(jìn)行重合
2017-12-01 15:23:500 增益修改的卡爾曼濾波（ MGEKF）算法在實(shí)際應(yīng)用時，一般使用帶有誤差的測量值代替真實(shí)值進(jìn)行增益修正計算，導(dǎo)致修正結(jié)果也被誤差污染。針對這一問題，提出一種基于反向傳播神經(jīng)網(wǎng)絡(luò)（ BPNN）改進(jìn)
2017-12-18 14:27:130 針對室內(nèi)復(fù)雜環(huán)境下無線信號反射、折射、多徑效應(yīng)、噪聲等干擾，傳統(tǒng)的對數(shù)距離路徑損耗模型無法精確求出信號接收距離（f的問題進(jìn)行研究，提出一種改進(jìn)的多策略粒子群神經(jīng)網(wǎng)絡(luò)模型。該網(wǎng)絡(luò)采用反向?qū)W習(xí)策略、混沌
2018-01-15 16:06:270 和應(yīng)用，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)學(xué)函數(shù)回歸的方案，為信息的編解碼提供了簡單有效的途徑[2]。自編碼神經(jīng)網(wǎng)絡(luò)是一種無監(jiān)督的人工神經(jīng)網(wǎng)絡(luò)，其利用反向傳播算法訓(xùn)練使得網(wǎng)絡(luò)的輸出值等于輸入值，從而為輸入數(shù)據(jù)學(xué)習(xí)到一種
2018-06-20 14:10:003705 
膠囊網(wǎng)絡(luò)是 Geoffrey Hinton 提出的一種新型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，為了解決卷積神經(jīng)網(wǎng)絡(luò)（ConvNets）的一些缺點(diǎn)，提出了膠囊網(wǎng)絡(luò)。
2019-02-02 09:25:006526 近日，來自加州大學(xué)圣迭戈分校（UCSD）的研究者提出一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)方法「ReZero」，它能夠動態(tài)地加快優(yōu)質(zhì)梯度和任意深層信號的傳播。
2020-04-17 09:30:565940 
為提升網(wǎng)絡(luò)結(jié)構(gòu)的尋優(yōu)能力，提岀一種改進(jìn)的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索方法。針對網(wǎng)絡(luò)結(jié)構(gòu)間距難以度量的問題，結(jié)合神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)搜索方案，設(shè)計基于圖的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)間距度量方式。對少量步數(shù)訓(xùn)練和充分訓(xùn)練2種
2021-03-16 14:05:463 動態(tài)推薦系統(tǒng)通過學(xué)習(xí)動態(tài)變化的興趣特征來考慮推薦系統(tǒng)中的動態(tài)因素，實(shí)現(xiàn)推薦任務(wù)隨著時間變化而實(shí)時更新。該文提出一種攜帶歷史元素的循環(huán)神經(jīng)網(wǎng)絡(luò)（ ecurrent Neural Net works
2021-03-31 09:31:515 HT9170雙音頻(DTMF)接收解碼器中文資料分享。
2021-04-13 15:32:3028 基于改進(jìn)郊狼優(yōu)化算法的淺層神經(jīng)網(wǎng)絡(luò)進(jìn)化
2021-06-24 15:40:2315 人工神經(jīng)網(wǎng)絡(luò)簡稱神經(jīng)網(wǎng)絡(luò)，是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計算模型，神經(jīng)網(wǎng)絡(luò)一般可以分為以下常用的三大類。
2022-01-03 16:33:0017428 針對上述問題，華中科技大學(xué)唐明教授、王亮教授團(tuán)隊(duì)提出了一種降噪及雙參量提取卷積神經(jīng)網(wǎng)絡(luò)（DECNN）方案，在單個卷積神經(jīng)網(wǎng)絡(luò)（CNN）框架下實(shí)現(xiàn)了降噪和雙參量提取的集成化。
2022-10-28 14:49:402206 電子發(fā)燒友網(wǎng)站提供《僅使用Arduino的DTMF解碼器.zip》資料免費(fèi)下載
2022-12-06 15:55:550 卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵技術(shù) 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種用于圖像分類、物體識別、語音識別等領(lǐng)域
2023-08-21 16:49:462798 深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動調(diào)整神經(jīng)元之間的權(quán)重，從而實(shí)現(xiàn)對大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。
2023-08-21 17:07:365026 卷積神經(jīng)網(wǎng)絡(luò)模型搭建 卷積神經(jīng)網(wǎng)絡(luò)模型是一種深度學(xué)習(xí)算法。它已經(jīng)成為了計算機(jī)視覺和自然語言處理等各種領(lǐng)域的主流算法，具有很大的應(yīng)用前景。本篇文章將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)模型的搭建過程，為讀者提供一
2023-08-21 17:11:491592 人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural
2023-08-22 16:45:186053 一種基于MCU的神經(jīng)網(wǎng)絡(luò)模型在線更新方案之?dāng)?shù)據(jù)處理篇
2023-10-17 18:06:471019 
一種基于MCU的神經(jīng)網(wǎng)絡(luò)模型靈活更新方案之先行篇
2023-10-17 17:48:581103 數(shù)學(xué)建模是一種利用數(shù)學(xué)方法和工具來描述和分析現(xiàn)實(shí)世界問題的過程。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)和功能的計算模型，可以用于解決各種復(fù)雜問題。在數(shù)學(xué)建模中，神經(jīng)網(wǎng)絡(luò)可以作為一種有效的工具，幫助我們更好
2024-07-02 11:29:222323 不同的神經(jīng)網(wǎng)絡(luò)模型，它們在結(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個方面對這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。 引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元連接和信息傳遞的計算模型，它具有強(qiáng)大的非線性擬合能力和泛
2024-07-02 14:24:037112 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原理，包括其
2024-07-02 14:44:081836 結(jié)構(gòu)、原理、應(yīng)用場景等方面都存在一定的差異。以下是對這兩種神經(jīng)網(wǎng)絡(luò)的比較： 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱藏層和輸出層組成。每個神經(jīng)元之間通過權(quán)重連接，并通過激活函數(shù)進(jìn)行非線性轉(zhuǎn)換。BP神經(jīng)網(wǎng)絡(luò)通過反向傳播算法進(jìn)行訓(xùn)練，通過調(diào)整權(quán)重和偏置來最小化損失函數(shù)。 卷積神經(jīng)網(wǎng)絡(luò)
2024-07-03 10:12:473378 BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）是一種常見的前饋神經(jīng)網(wǎng)絡(luò)，它使用反向傳播算法來訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些方面與深度神經(jīng)網(wǎng)絡(luò)（Deep Neural
2024-07-03 10:14:301799 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù)，可以用于建模和預(yù)測變量之間的關(guān)系。 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)是一種受人腦啟發(fā)的計算模型，由大量的節(jié)點(diǎn)（神經(jīng)元）組成，這些節(jié)點(diǎn)通過權(quán)重連接在一起。每個神經(jīng)元接收
2024-07-03 10:23:071693 反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡稱BP神經(jīng)網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，以達(dá)到最小化誤差的目的。BP
2024-07-03 11:00:201737 反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡稱BP神經(jīng)網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，以達(dá)到最小化誤差的目的。BP
2024-07-04 09:51:321388 結(jié)構(gòu)。它們在處理不同類型的數(shù)據(jù)和解決不同問題時具有各自的優(yōu)勢和特點(diǎn)。本文將從多個方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它可以處理序列數(shù)據(jù)，如時間序列、文本、音頻等。RNN的核心思想是將前一個時間步的輸出作為下一個時間步的輸入，從而實(shí)
2024-07-04 14:24:512764 。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，如時間序列、文本、語音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同，遞歸神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間存在循環(huán)連接，使得網(wǎng)絡(luò)能夠在處理序列數(shù)據(jù)時保持狀態(tài)。 遞歸神經(jīng)網(wǎng)絡(luò)的原理 遞歸神經(jīng)網(wǎng)絡(luò)的核心原理是將前一個時間步的輸出作為
2024-07-04 14:54:592070 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而產(chǎn)生的數(shù)學(xué)模型，用于模擬人腦處理信息的方式。它由大量的節(jié)點(diǎn)（或稱為神經(jīng)元）相互連接而成
2024-07-04 16:57:432432 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks, ANNs）是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計算模型，它在許多領(lǐng)域，如圖像識別、語音識別、自然語言處理、預(yù)測分析等有著廣泛的應(yīng)用。本文將
2024-07-05 09:13:553433 神經(jīng)網(wǎng)絡(luò)是一種基于樹結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，它通過遞歸地將輸入數(shù)據(jù)分解為更小的子問題來處理序列數(shù)據(jù)。RvNN的核心思想是將復(fù)雜的序列問題
2024-07-05 09:28:472106 RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理序列數(shù)據(jù)，具有記憶功能。以下是關(guān)于循環(huán)神經(jīng)網(wǎng)絡(luò)的介紹
2024-07-05 09:52:361512 U-Net模型屬于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）的一種特殊形式 。它最初由德國弗萊堡大學(xué)計算機(jī)科學(xué)系的研究人員在2015年提出，專為生物醫(yī)學(xué)圖像
2024-07-24 10:59:156894
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論