期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
有包丢失的动态输出反馈奇异网络化系统稳定性分析 被引量:1
1
作者 邱占芝 马海瀚 《系统工程与电子技术》 EI CSCD 北大核心 2010年第3期638-644,共7页
基于正则、无脉冲的奇异被控对象,研究了同时具有时延和数据包丢失的动态输出反馈网络控制系统的建模和稳定性问题。当时延不大于一个采样周期、数据包丢失率一定时,将动态输出反馈网络控制系统建模为数据包丢失率约束的异步动态切换系... 基于正则、无脉冲的奇异被控对象,研究了同时具有时延和数据包丢失的动态输出反馈网络控制系统的建模和稳定性问题。当时延不大于一个采样周期、数据包丢失率一定时,将动态输出反馈网络控制系统建模为数据包丢失率约束的异步动态切换系统,利用切换系统和线性矩阵不等式方法,推导出数据包丢失率约束的系统指数稳定的充分条件,并且给出了系统指数稳定的指数衰减率以及最大容许数据包丢失率。仿真实验说明分析方法和研究结果是有效可行的。 展开更多
关键词 网络控制系统 指数稳定性 线性矩阵不等式方法 奇异系统 指数衰减率 最大容许数据包丢失
在线阅读 下载PDF
基于SE-DenseNet的变压器故障诊断 被引量:15
2
作者 郭如雁 彭敏放 曹振其 《电工电能新技术》 CSCD 北大核心 2021年第1期61-69,共9页
由于变压器故障数据有限,采用神经网络诊断容易出现过拟合。通过Wasserstein生成对抗网络(Wasserstein Generative Adversarial Networks,WGAN)数据增强,采用变压器油中溶解气体作为故障诊断参量,本文提出了SE-DenseNet神经网络模型,该... 由于变压器故障数据有限,采用神经网络诊断容易出现过拟合。通过Wasserstein生成对抗网络(Wasserstein Generative Adversarial Networks,WGAN)数据增强,采用变压器油中溶解气体作为故障诊断参量,本文提出了SE-DenseNet神经网络模型,该模型使用无编码比值法,结合深度稠密神经网络(Densely Connected Convolutional Networks,DenseNet)进行数据融合,特征重复利用以及挤压和激励模块(Squeeze-and-Excitation,SE)的特征图权重值校准的优点,运用指数衰减学习率、dropout、L2正则化、损失函数Adam收敛算法等优化方法,并且在同样数据集下将深度卷积神经网络、DenseNet与SE-DenseNet的三者性能进行定量对比分析。实验结果表明,三者之中本文提出的SE-DenseNet模型收敛速度快,准确率最高,泛化能力最强。 展开更多
关键词 数据增强 无编码比值法 稠密神经网络 特征重复利用 挤压和激励 权重值校准 指数衰减学习
在线阅读 下载PDF
基于并行卷积神经网络的图像美学分类 被引量:2
3
作者 刘飞飞 任舒琪 +1 位作者 郭波超 朱杨林 《计算机工程与设计》 北大核心 2019年第4期1120-1125,共6页
针对传统的图像美学分类大多基于手动提取图片的美学特征,利用神经网络等方法对图像进行分类,存在分类效果不佳的问题,提出一种基于深度学习的并行卷积神经网络算法,改进图像美学分类的方法。从图像的不同角度出发,自动提取有用的图像... 针对传统的图像美学分类大多基于手动提取图片的美学特征,利用神经网络等方法对图像进行分类,存在分类效果不佳的问题,提出一种基于深度学习的并行卷积神经网络算法,改进图像美学分类的方法。从图像的不同角度出发,自动提取有用的图像美学特征,提高对图像美学的分类效果。实验结果表明,与其它算法实验结果相对比,所提算法增加了图像美学分类的准确率,有一定的实用性。 展开更多
关键词 并行卷积神经网络 特征提取 深度学习 图像美学分类 指数衰减学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部