- MM基于 ANN 的无监督均衡器及其可训练 FPGA 实现
本文提出了一种基于人工神经网络的无监督均衡器及其可训练的 FPGA 实现,通过自适应的方法,该算法能够适应不同的信道条件,并取得了 Gbit/s 级别的吞吐量,超越了高性能 GPU 的表现,是一个实用通讯系统的第一步。
- 基于机器学习的柔性盘元件多目标设计探索
本文展示了应用人工神经网络和遗传算法在工程设计过程中探索和识别改进设计解决方案的能力,并将其与传统响应面法进行比较。
- 数字子载波复用系统中用于光通道非线性补偿的神经网络结构
本文提出使用各种人工神经网络对数字子载波多路复用光传输系统中的帧内和帧间光纤非线性干扰进行建模和补偿,并通过卷积神经网络和长短期记忆等核心进行非线性信道均衡。本研究表明,在 DSCM 系统中,将合适的宏结构放入神经网络非线性均衡器的设计中可 - 基于神经网络伴随方法的实时弹性部分形状匹配
本文提出将表面匹配问题转化为最优控制问题,使用人工神经网络进行求解,以解决非线性可变形物体的局部表面匹配问题,并提高了计算速度和匹配精度。
- 一款低成本人形机器人原型,旨在通过 Raspberry Pi 帮助残障人士
该研究设计了一款 Humanoid 原型机器人,旨在辅助残障人士,采用人工神经网络实现对话功能,并在保持人形外形的同时优化性能、降低成本。
- 半球专业化下的双侧大脑深度学习
该研究提出了一种双侧神经网络结构,模仿大脑左右脑半球的功能区别,并通过对图像分类任务的测试表明,这种结构比其他容量类似的基线模型更具有效性,可以实现对图像特征的加权注意力。
- 利用人工神经网络识别地下水中的污染源
通过开发数据驱动模型解决反向和正向输运问题,该论文主要研究地下水污染的问题,尤其是由于工业污染和农业活动引起的地下水污染,提出了一种基于人工神经网络的非线性模型,使得结果更为可靠且具有很低的计算成本和不确定性。
- 一种基于深度学习子任务分类的自适应导纳控制器,用于机器人协作钻探
本文提出了一种基于人工神经网络模型的监督式学习方法,用于实时分类实物人机交互任务中的子任务并相应地调整接触参数来使机器人对操作者更加透明和稳定。
- 需要就是一切:稳态神经网络适应概念漂移
介绍一种具有自我调节能力的人工神经网络,利用其对内部状态的自我监控和调节来提高其在概念转移和高变化环境下的适应性。
- 自然智能理论
自然神经网络的结构规律采用了自组织网络模式,这种归纳偏见使其能够快速学习、从少量数据推广并填补抽象目标与具体情况之间的差距,为人工神经网络研究中的一些开放问题提供了重要的参考意见。
- IJCAI用于认知大量脑电信号的多层平台
该研究提出了一种多层次的神经网络框架,能够高准确率地进行神经认知,在睡眠阶段评分上超过了现有技术,同时也提供了可视化的脑电波信号特点解释方法。
- 一种用于风暴潮预测的高级时空卷积循环神经网络
本研究使用人工神经网络模型结合一组合成暴风模拟数据库,研究了该模型模拟风暴潮水平的能力;使用时间序列模型 Long short-term memory,和结合卷积神经网络的 ConvLSTM 模型捕捉数据的时空相关性;该模型的性能优于高斯过 - MM1550 nm DFB 激光器的寿命预测采用机器学习技术
本研究使用基于人工神经网络的新方法,对 1.55 微米 InGaAsP MQW-DFB 激光二极管的寿命进行预测,性能优于传统的加速老化测试寿命预测方法。
- 连接神经反应测量与语言计算模型:非全面指南
研究神经语言理解基础一直是各种科学研究项目的长期目标,最近的语言建模和神经影像技术的进展为语言的神经生物学调查和构建更好、更类人的语言模型提供了潜在的改进。本文综述了从早期研究将事件相关电位和源于简单语言模型的复杂性度量联系起来的一条线路, - 先进算法的电池云
Battery Cloud 是云电池管理系统,它利用云计算能力和数据存储来提高电池的安全性、性能和经济性,通过测量电动车和能量存储系统的电池数据来改进电池性能,训练和验证人工神经网络以估计车辆充电时的电池 SOC,以及开发基于差分电压和增量 - 基于增强卷积神经网络的物联网心电图信号有效分类
本文提出了一种基于物联网技术的新型心电监测方法,使用基于 DSR 和 REL 的路由系统,并测试了基于 ANN、SVM 和 CNN 的 ECG 信号分类方法。Deep-ECG 将采用深度 CNN 来提取重要特征,并使用简单且快速的距离函数进 - 使用 One Against All 神经网络进行哑巴手势识别
该研究提出了一种利用图像预处理、分割和统计特征,通过人工神经网络进行分类与识别哑巴手势的新技术,并实验证明该方法比现有技术效果更好。
- MM基于机器学习的网络钓鱼攻击检测方法
本文提出了一种基于机器学习的网络钓鱼攻击检测技术,通过收集和分析 4000 多封针对北达科他大学电子邮件服务的网络钓鱼电子邮件,模拟这些攻击,通过选择 10 个相关特征和构建大型数据集进行训练,采用人工神经网络算法,实验结果表明使用人工神经 - AAAI自利强化学习智能体竞争学习
通过使用 $L^2$ 范数 代替隐藏单元的奖励信号,Weight Maximization 能够解决 REINFORCE 学习规则中出现的高方差问题,使得深度神经网络的训练更加高效。此方法同时解决了反向传播算法中存在的可行性问题,并能够用于 - 神经语言模型和人类处理嵌套依赖的机制
使用深度学习方法训练的人工神经网络可以在一定程度上模拟人类语句处理的神经机制,但由于某些长距离内嵌依赖的影响,尚不支持完全递归,并且在与人类检测单复数一致性方面具有类似的误差模式。