CNN加速算法研究

AI技术的不断发展,DP(Deep Learning)的研究成为当前的一个热门。本文针对DP中的CNN算法的加速问题提出剪枝加速算法。首先,介绍CNN的经典结构LE-NET 5模型;CNN的模型越来越复杂,网络层数越来越多,详细讲解什么是剪枝加速算法以及如何实现加速算法;最后,在原有剪枝算法的基础上提出改进方法。

基于增广的广义卡尔曼滤波模型的高精度参数估计

针对捕食模型、利用已知观测数据、在非线性最小二乘准则下,建立了基于增广的广义卡尔曼滤波模型来解决噪声背景下的高精度参数估计问题,并予以了验证.提出以相平面方程为约束的初值搜索算法,利用Matlab优化工具箱、深度搜索和剪枝加速等技术来提高搜索速度.还建立了二重规划模型以解决观测时间有误差时的高精度估计问题,并对时间误差作了正态分布检验.