窗口大小和权值模板对固定权值背景预测算法的影响

固定权值背景预测是一种结构简单、处理速度较高的红外弱小目标检测算法。但因滤波效果不及自适应权值滤波器而限制了其应用。文章从算法的运算耗时和信噪比增益两方面,深入研究了固定权值背景预测算法。比较分析了不同大小预测窗口和各种权系数模板对小目标检测效果的影响,通过理论分析和实验确定了最佳预测窗口和最优固定权系数模板组成的滤波器,对常规的算法进行了改进.并通过计算机仿真验证了上述分析的合理性。

基于固定权值背景预测的红外弱小目标检测

从计算耗时和图像信噪比增益两方面对固定权值背景预测算法进行了研究,分析了预测窗口大小和权值模板对算法性能的影响,提出了使用小窗口预测和等距离渐变式权系数模板的方法,可有效缩短处理时间、降低虚警率、增强算法适应能力,并通过仿真验证了上述分析的合理性。

固定权值的可分布尔函数的计数

证明了任意可分布尔函数的阈值都可取为 1或 -1 ,任意可分布尔函数的权值和阈值都可取为整数 ,解决了固定权值的可分布尔函数的计数问题。

一种2D权值固定数据流架构的研究

随着人工智能算法的发展,卷积神经网络(CNN)在图像、音频等方面的应用越来越广泛,CNN算法的计算量也越来越大.权值固定数据流(WS)将权值固定在寄存器中,是一种最大化利用卷积重用和filter重用的数据流.不过当前的权值固定数据流结构存在建立流水线时间过长的问题.本文研究了一种去除PE(Process Element)行之间的FIFO,用加法器连接PE行的2D权值固定数据流结构.这种2D权值固定的数据流结构计算AlexNet时减少了近2.7倍建立流水线时间,并且能够灵活地调整卷积步长.

基于多传感器信息融合工业机器人的应用研究

本文主要在探讨基于多传感器信息融合的工业机器人应用,以增强其在复杂工业环境中的功能和性能。首先,我们选择了多种传感器,包括视觉传感器、红外测距传感器和激光传感器、定位传感器等,以获取不同类型的环境信息。然后,采用自适应加权信息融合算法,将不同传感器获取的信息进行融合,基于实测最优值权比重与固定权值融合。建立工业机器人关节空间和笛卡尔空间在人工势场的函数模型,并通过快速随机树(RRT)算法进行路径规划,最后通过MATLAB进行仿真实验,经仿真证明该方法相对于传统的路径算法,效率更高,避障效效率更高。

基于多权值评价的科研项目评审方法研究

科研项目阶段评审是项目全过程管理、风险控制的关键环节,合理的评价要素和权值设计可以进一步强化过程状态控制,实现风险管控。该文以项目目标为导向,对科研项目评价要素、权重设计进行研究,通过阶段评审中评价要素固定和动态权重相结合的方法,重点关注上阶段评审活动中薄弱环节的解决情况评价,兼顾关键核心要素评价强度,提升评审客观性和评审活动间继承性,最终达到项目全过程动态评审管理。

基于数据特征的大型科学仪器共享服务绩效评价模型构建和应用

大型科学仪器拥有单位对仪器的管理水平存在差异,因此采用固定权值评价指标考量仪器共享服务绩效存在不合理性。通过对云南省大型科研仪器开放共享管理平台的绩效考核指标进行分析,根据仪器管理单位的内置属性对指标进行关联耦合,构建以仪器平均原值为考量基线、以对外服务营运共享收益率与对外服务单位数为考量维度的大型科学仪器共享服务绩效(SSP)评价指标体系,并基于平台内共享服务记录数据特征建立不同内置属性仪器管理单位的SSP评价模型。真实数据验证结果表明:基于数据特征的大型科学仪器SSP评价模型考量的结果与真实结果的相对误差为26.67%,该模型的计算结果具有一定的准确度,能客观反映仪器管理单位的共享服务能力和水平,可为政府管理部门公平、公正地实施大型科学仪器的奖励性后补助提供评价依据和参考。

LM-BP神经网络在水质预测的应用

神经网络系统是由众多的神经元可调的连接权值连接而成,具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点,可实现非线性关系的隐式表达,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。结合水质预测的一些实际情况,探讨了利用LM-BP神经网络进行水质预测的方法,初步建立了基于LM-BP神经网络的预测系统。

BP神经网络算法探讨

BP神经网络算法是在BP神经网络现有算法的基础上提出的,是通过任意选定一组权值,将给定的目标输出直接作为线性方程的代数和来建立线性方程组,解得待求权,不存在传统方法的局部极小及收敛速度慢的问题,且更易理解。