服务热线:15895595058
产品展示 Categories
联系我们 contact us
联系人:
陆先生
手机:
15895595058
电话:
0512-58628685
地址:
张家港市南丰镇
行业新闻
当前位置:主页 > 新闻动态 > 行业新闻 >
无迹卡尔曼算法-电动数控滚圆机倒角机张家港电
添加时间:2019-07-04
示是自然语言处理的基础工作,好的文本表示方法对文本分类等自然语言处理任务的性能起着决定性作用。本文描述了一个结合了循环网络和卷积网络的文本表示和分类网络模型。在该模型中,我们使用词向量作为输入,用循环网络对文档进行表示,然后采用卷积网络对文档进行有效的特征提取,再采用Softmax回归分类。循环网络能够捕捉到文档的中词序信息,而卷积网络能够很好的提取出有用的特征。我们在六个文本分类任务中测试本文所描述的网络模型,都取得了比先前的方法更出色的性能。 也有一些变体,如Cho等人提出的GRU[15],Yao等人提出的DepthGatedRNN[16]等。1.本文由公司网站张家港双头倒角机转摘采集转载中国知网整理!    http://www.daojiaoji.org.cn/3卷积网络卷积神经网络的概念最早来自科学家提出的感受野。20世纪80年代科学家提出的神经认知机感念,算是卷积神经网络的最初的实现。卷积神经网络在计算机视觉领域的应用取得了巨大的成功。2012年AlexNet获得了ILSVRC(ImageNetLargeScaleVisualRecognitionChallenge)比赛分类项目的冠军,无迹卡尔曼算法-电动数控滚圆机倒角机张家港电动液压倒角机滚弧机使得深度学习成为了热门的研究方向。而后的几年里,VGGNet,GoogleNet,ResNet等卷积网络在图像处理任务中都取得了巨大的成功。图1模型结构图Fig.针对非高斯噪声环境下过程噪声统计特性未知时机动目标跟踪精度不高甚至发散的问题,提出了一种应用EM算法和无迹卡尔曼滤波(Unscented Kalman filter,UKF)相结合的方法。该方法借助EM算法估计出较准确的过程噪声参数,再使用无迹卡尔曼滤波算法获得高精度的目标运动状态。仿真实验结果表明,该方法可以有效抑制滤波发散并显著提高跟踪精度。 噪声统计特性未知的非线性目标跟踪问题,采用无迹卡尔曼滤波的同时运用EM算法对过程噪声进行参数估计,获得较准确的参数后明显的提高了滤波的精度和稳定性。特别是在闪烁噪声的情况下,本文提出的自适应无迹卡尔曼滤波算法要明显优于标准的无迹卡尔曼滤波,表现出很强的抗噪声性能。参考文献[1]石章松,刘忠等编著,目标跟踪与数据融合理论及方法[M].北京:国防工业出版社,2010.7.[2]侯禹腾.数据增广求解贝叶斯Logistic回归模型的方法研究[J].软件,2014,35(7):109-115.[3]王写,刘妹琴,张森林.卡尔曼滤波器、H∞滤波器和鲁棒混合Kalman/H∞滤波器的比较[J].无迹卡尔曼算法-电动数控滚圆机倒角机张家港电动液压倒角机滚弧机本文由公司网站张家港双头倒角机转摘采集转载中国知网整理!    http://www.daojiaoji.org.cn/