期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GA-F-RBF神经网络的磷酸铁锂电池SOC预测研究
被引量：
4
1
作者
梁梦迪
吴铁洲
陈华进
《电源技术》
CAS
CSCD
北大核心
2015年第12期2584-2586,2713,共4页
针对动力电池荷电状态的预测精度问题,提出基于遗传算法的弹性径向基函数神经网络动力电池荷电状态预测方法。该预测方法基于神经元的活跃度与神经元间的信息交互强度在线调整神经网络结构的大小,解决了径向基函数神经网络的结构调整影...
针对动力电池荷电状态的预测精度问题,提出基于遗传算法的弹性径向基函数神经网络动力电池荷电状态预测方法。该预测方法基于神经元的活跃度与神经元间的信息交互强度在线调整神经网络结构的大小,解决了径向基函数神经网络的结构调整影响荷电状态的预测精度问题。仿真结果证明,该方法比基于遗传算法的径向基函数神经网络的荷电状态预测结果精度更高,预测更加准确,能满足蓄电池管理系统对磷酸铁锂动力电池荷电状态预测的精度和实际使用的要求。
展开更多
关键词
荷电状态(SOC)预测
神经
网络
弹性径向基函数
神经网络结构优化
在线阅读
下载PDF
职称材料
基于单目深度估计的低功耗视觉里程计
被引量：
1
2
作者
马榕
陈秋瑞
+3 位作者
张晗
梅铮
王锐
魏伟
《系统仿真学报》
CAS
CSCD
北大核心
2021年第12期3001-3011,共11页
随着人工智能、精密机械和计算技术的发展,微小型无人系统在未来战场上将会扮演重要的角色。为解决单目视觉里程计尺度缺失以及微型机器人自身体积和载荷限制带来的功耗问题,引入单目深度估计技术,构建了一个低视角数据集,通过搭建卷积...
随着人工智能、精密机械和计算技术的发展,微小型无人系统在未来战场上将会扮演重要的角色。为解决单目视觉里程计尺度缺失以及微型机器人自身体积和载荷限制带来的功耗问题,引入单目深度估计技术,构建了一个低视角数据集,通过搭建卷积神经网络从单张图像中预测深度信息,对神经网络模型进行结构优化,将深度估计与单目视觉里程计融合并部署到JetsonNano平台。实验表明,融合后的单目视觉里程计能够在特定环境下恢复尺度信息,在JetsonNano上的功耗能够保持在较低水平,可为微型无人系统在未来战场上的隐蔽化、轻量化部署提供一定的研究基础。
展开更多
关键词
单目视觉里程计
单目深度估计
卷积
神经
网络
神经网络结构优化
在线阅读
下载PDF
职称材料
题名
基于GA-F-RBF神经网络的磷酸铁锂电池SOC预测研究
被引量：
4
1
作者
梁梦迪
吴铁洲
陈华进
机构
湖北工业大学电气与电子工程学
出处
《电源技术》
CAS
CSCD
北大核心
2015年第12期2584-2586,2713,共4页
基金
国家级大学生创新创业训练计划项目(2012105000-43)
车用动力蓄电池优化充电策略研究(2013CFB022)
文摘
针对动力电池荷电状态的预测精度问题,提出基于遗传算法的弹性径向基函数神经网络动力电池荷电状态预测方法。该预测方法基于神经元的活跃度与神经元间的信息交互强度在线调整神经网络结构的大小,解决了径向基函数神经网络的结构调整影响荷电状态的预测精度问题。仿真结果证明,该方法比基于遗传算法的径向基函数神经网络的荷电状态预测结果精度更高,预测更加准确,能满足蓄电池管理系统对磷酸铁锂动力电池荷电状态预测的精度和实际使用的要求。
关键词
荷电状态(SOC)预测
神经
网络
弹性径向基函数
神经网络结构优化
Keywords
state-of-charge（SOC）prediction
neural network
genetic algorithm-flexible-radial basis function
neuralnetwork structure optimization
分类号
TM912.9 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
基于单目深度估计的低功耗视觉里程计
被引量：
1
2
作者
马榕
陈秋瑞
张晗
梅铮
王锐
魏伟
机构
北京仿真中心航天系统仿真重点实验室
北京航空航天大学
空军装备部驻北京地区第四军事代表室
出处
《系统仿真学报》
CAS
CSCD
北大核心
2021年第12期3001-3011,共11页
文摘
随着人工智能、精密机械和计算技术的发展,微小型无人系统在未来战场上将会扮演重要的角色。为解决单目视觉里程计尺度缺失以及微型机器人自身体积和载荷限制带来的功耗问题,引入单目深度估计技术,构建了一个低视角数据集,通过搭建卷积神经网络从单张图像中预测深度信息,对神经网络模型进行结构优化,将深度估计与单目视觉里程计融合并部署到JetsonNano平台。实验表明,融合后的单目视觉里程计能够在特定环境下恢复尺度信息,在JetsonNano上的功耗能够保持在较低水平,可为微型无人系统在未来战场上的隐蔽化、轻量化部署提供一定的研究基础。
关键词
单目视觉里程计
单目深度估计
卷积
神经
网络
神经网络结构优化
Keywords
monocular visual odometry
monocular depth estimation
convolution neural network
structure optimization
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GA-F-RBF神经网络的磷酸铁锂电池SOC预测研究
梁梦迪
吴铁洲
陈华进
《电源技术》
CAS
CSCD
北大核心
2015
4
在线阅读
下载PDF
职称材料
2
基于单目深度估计的低功耗视觉里程计
马榕
陈秋瑞
张晗
梅铮
王锐
魏伟
《系统仿真学报》
CAS
CSCD
北大核心
2021
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
