期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
一个简单高效的动态手势识别方法 被引量:6
1
作者 王兆丽 王力 《计算机工程与应用》 CSCD 北大核心 2002年第19期73-75,共3页
文章首先给出了基于角度的动力学模型及其特征值,并提出了基于SCG神经网络的静态特征值识别算法和基于模板匹配的动态特征值识别算法。使用该文提出的动态时间规整算法和手势分割算法建立的动态手势识别系统,实践证明具有较好的实时性... 文章首先给出了基于角度的动力学模型及其特征值,并提出了基于SCG神经网络的静态特征值识别算法和基于模板匹配的动态特征值识别算法。使用该文提出的动态时间规整算法和手势分割算法建立的动态手势识别系统,实践证明具有较好的实时性和识别率。 展开更多
关键词 动态手势识别方法 虚拟现实 scg算法 动态时间规整 模板匹配 计算机
在线阅读 下载PDF
基于负曲率方向的复数域共轭梯度法 被引量:2
2
作者 杨倩 梅华 钱锋 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2009年第4期644-647,共4页
共轭梯度法是优化大规模目标函数的一种经典方法。根据复梯度、复Hessian阵与实梯度、实Hessian阵之间的关系,将共轭梯度法推广到复数域,用于解决复数域的优化问题。针对共轭法的一些缺点,如每步迭代利用线性搜索来确定优化的步长及可... 共轭梯度法是优化大规模目标函数的一种经典方法。根据复梯度、复Hessian阵与实梯度、实Hessian阵之间的关系,将共轭梯度法推广到复数域,用于解决复数域的优化问题。针对共轭法的一些缺点,如每步迭代利用线性搜索来确定优化的步长及可能寻找到的极值点不一定为极小值等缺点,提出在Hessian阵不正定时利用负曲率方向作为搜索方向,利用实数域二阶导数简化思想,使寻找下降负曲率方向简单化,同时根据目标函数信息调节搜索步长,保持函数值单调下降。对该算法进行复数域优化数值仿真,结果表明:该算法与复数域的SCG算法及Quasi-Newton算法相比,计算较为简单且优化效果更优。 展开更多
关键词 共轭梯度法 复梯度 复Hessian阵 负曲率方向 scg算法
在线阅读 下载PDF
基于神经网络的货币识别研究 被引量:1
3
作者 石文渊 彭军民 《西安理工大学学报》 CAS 2008年第2期201-205,共5页
货币识别研究的重点在于识别的准确和速度。采用结构相对简单的前馈神经网络,选取合适的货币采样特征为网络的输入特征,使用尺度共轭梯度(SCG)算法对网络进行快速高效训练,实现对货币的快速、准确识别。实验结果表明,该方案是可行、有... 货币识别研究的重点在于识别的准确和速度。采用结构相对简单的前馈神经网络,选取合适的货币采样特征为网络的输入特征,使用尺度共轭梯度(SCG)算法对网络进行快速高效训练,实现对货币的快速、准确识别。实验结果表明,该方案是可行、有效的。 展开更多
关键词 前馈神经网络 尺度共轭梯度算法 货币识别
在线阅读 下载PDF
深度神经网络轧制力建模及其并行优化研究 被引量:2
4
作者 刘翰培 汪宇轩 +1 位作者 王亚琴 罗小川 《控制工程》 CSCD 北大核心 2022年第8期1379-1386,共8页
冷连轧过程控制的轧制力模型是整个轧制过程计算机控制的基础。为提高5机架2030冷连轧系统轧制力模型的精度和适用性,提出了多输入多输出深度神经网络轧制力模型的数据预处理、建模和并行优化方法。对含有不同隐含层数和节点数的神经网... 冷连轧过程控制的轧制力模型是整个轧制过程计算机控制的基础。为提高5机架2030冷连轧系统轧制力模型的精度和适用性,提出了多输入多输出深度神经网络轧制力模型的数据预处理、建模和并行优化方法。对含有不同隐含层数和节点数的神经网络,采用不同训练算法(SCG算法和L-M算法)与不同优化方法(多线程CPU、单GPU和多线程CPU+GPU),研究了神经网络结构、训练算法和优化方法对神经网络轧制力模型的性能、训练时长、线性相关系数的影响。研究结果表明:含有2个隐含层、采用L-M算法和多线程CPU优化方法可获得综合性能最优的神经网络轧制力模型;神经网络轧制力模型的计算误差远小于在线使用的Siemens轧制力模型的计算误差。 展开更多
关键词 深度神经网络轧制力模型 L-M算法 scg算法 并行优化 轧制力模型
在线阅读 下载PDF
冷连轧轧制力深度神经网络模型泛化能力并行优化 被引量:1
5
作者 吴爽 闫奕 +1 位作者 李爽 李峰 《机械设计与制造》 北大核心 2023年第8期171-174,共4页
为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(MIMO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型... 为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(MIMO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型和冷连轧系统Siemens模型误差。研究结果表明:L-M算法表现出了更优的收敛稳定性、测试和验证性能、梯度下降趋势,并且收敛速度也更快。以随机方式选择200个数据并测定泛化性能测试得到,L-M算法获得了比SCG算法更大的相关系数。都是随着隐含层数的增加,获得了性能更优的神经网络模型,并且都会增加训练时间。从各项模型指标分析,L-M算法都比SCG算法的性能更优。构建神经网络轧制力模型总共包含二个隐含层、节点数介于17~30、通过L-M算法进行训练。采用神经网络轧制力模型得到的结果与实测值之间的误差比Siemens机理模型和测试值的误差更低。 展开更多
关键词 深度神经网络模型 L-M算法 scg算法 并行优化 轧制力模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部