自Geoffrey Hinton于2006年在《Reducing the dimensionality of data with neural networks》一文中首次提出深度学习(Deep Learning)的概念,深度学习就受到了研究人员的持续关注。深度学习利用多层的神经网络模拟人类大脑的多层抽象...自Geoffrey Hinton于2006年在《Reducing the dimensionality of data with neural networks》一文中首次提出深度学习(Deep Learning)的概念,深度学习就受到了研究人员的持续关注。深度学习利用多层的神经网络模拟人类大脑的多层抽象学习过程。其中网络结构设计和特征提取是数据挖掘和模式识别应用中的关键问题。而深度学习对手写体数字识别的准确率一直是衡量一个深度学习算法或网络结构优劣的重要标准。提出一种改进的深度学习网络结构,通过对手写体英文数据库Letter Recognition的识别实验结果表明,该深度学习网络结构的识别正确率相比传统的深度学习网络有了明显的提高。展开更多
基于图优化的同时定位与地图构建(simultaneous localization and mapping,SLAM),可以让移动机器人在未知环境下构建周围的地图同时确定机器人在地图中的位置。复杂环境下其精确度和计算效率均优于基于滤波的SLAM,现已成为主流的方法。...基于图优化的同时定位与地图构建(simultaneous localization and mapping,SLAM),可以让移动机器人在未知环境下构建周围的地图同时确定机器人在地图中的位置。复杂环境下其精确度和计算效率均优于基于滤波的SLAM,现已成为主流的方法。图优化SLAM用图来表示和解决SLAM问题,对计算资源要求很高,这极大限制了其在嵌入式系统上实时应用。对此提出了一种基于NVIDIA TX2的图优化SLAM处理技术,根据其架构特点优化SLAM算法,加速处理,实现图优化的实时处理。实验证明,通过高性能嵌入式处理硬件与算法优化的有机结合,可有效提升图优化SLAM在嵌入式系统中的处理性能。展开更多
文摘自Geoffrey Hinton于2006年在《Reducing the dimensionality of data with neural networks》一文中首次提出深度学习(Deep Learning)的概念,深度学习就受到了研究人员的持续关注。深度学习利用多层的神经网络模拟人类大脑的多层抽象学习过程。其中网络结构设计和特征提取是数据挖掘和模式识别应用中的关键问题。而深度学习对手写体数字识别的准确率一直是衡量一个深度学习算法或网络结构优劣的重要标准。提出一种改进的深度学习网络结构,通过对手写体英文数据库Letter Recognition的识别实验结果表明,该深度学习网络结构的识别正确率相比传统的深度学习网络有了明显的提高。
文摘基于图优化的同时定位与地图构建(simultaneous localization and mapping,SLAM),可以让移动机器人在未知环境下构建周围的地图同时确定机器人在地图中的位置。复杂环境下其精确度和计算效率均优于基于滤波的SLAM,现已成为主流的方法。图优化SLAM用图来表示和解决SLAM问题,对计算资源要求很高,这极大限制了其在嵌入式系统上实时应用。对此提出了一种基于NVIDIA TX2的图优化SLAM处理技术,根据其架构特点优化SLAM算法,加速处理,实现图优化的实时处理。实验证明,通过高性能嵌入式处理硬件与算法优化的有机结合,可有效提升图优化SLAM在嵌入式系统中的处理性能。