軌道交通接觸線磨損編碼器1037528秉銘DFS60B-BDCC00004為時序信號,卷積核取為具有梯度性質的5階數組,基于滑動窗口進行卷積運算,實現時序信號的時空聚合和過程特征提隱層之后,棧式疊器,實現對時變信號特征高層次的提取和分性質,給出了按各信息單元分別進行賦初值訓練、模型參數整體調優的綜合訓練算法。以基于12導聯心電圖信號對7種心血管疾病分類診斷為例,實驗結果驗證了所提模型和算法的有效性。 碼模型是一種無監督的學習算法,主要用于數據的降維和特征提取。在對抗神經網絡模型基礎上引入自編碼模型,旨在提高輸入數據的特征表示。主要使用前饋神經網絡和Seq2seq模型學習原文本特征,將隨機數據變為具有特征的數據作為輸入,加快訓練的速度,提高模型的準確率。同時使用強化學習模型解決反向傳播中離散化數據梯度難以下降的問題。模型的鑒別器使用CNN網絡和交叉熵模型,使生成的文本具有新穎性。使用BELU評價指標和主觀評價的實驗結果均表明了該模.法在數據降維后的特征空間中采用歐氏距離度量嵌入點之間的距離,容易忽視各特征不同量綱以及不同重要性的問題,提出了基于加權馬氏距離的改進DEC算法,并同時給出基于加權馬氏距離的間隔統計量（GS）方法判聚類數。該算法使用信息熵加權的馬氏距離作為距離度量,規范化了歐氏距離的計算,并利用信息熵加大了對聚類重要的特征的權重。實證表明,基于加權馬氏距離的改進DEC算法準確率優于原DEC算法,在UCI的路透社新聞等文本數據集上的聚類效果有明顯的提升。利用改進的GS方法判斷聚類數也有可行基于反射式點光源進行在軌輻射定標過程中反射鏡法向標校建模不夠完善的問題,提出基于反射鏡與相機幾何模型的反射鏡法向標校及矢量控制算法.通過解算模型求解相機與反射鏡間的幾何誤差,建立了太陽圖像質心坐標與反射鏡法向之間的關系,可實現多點自動化標校反射鏡法向,提高鏡法向標校及系統指向精度.實驗結果表明,利用解算后的幾何模型反解不同時刻質心坐標進行多點反射鏡法向標校,相機觀測太陽像素角分辨率標準誤差分別為:X軸方向0.021 65°、Y軸方向0.019 82°,綜合角分辨率誤差為0.029 36°,優于太陽觀測器對反射鏡法向標校精度.實現了相機觀測太陽取代人工借助太陽觀測器觀測太陽的自動化鏡法向標校,擴展了標校靈活度,系統綜合指向精度優于0.1°,為固定實驗場聯網自動化集中控制不同能級梯度的點光源陣列在軌輻射定標和調制傳遞函數檢測奠定基礎系統時,由于具有對擾動的估計和補償的能力,可以有效提高系統的抗擾能力及跟蹤精度。但NLADRC仍然存在待整定參數多、物理意義不明確等問題。該文深入剖析其抗擾機理,特別著重研究各參數對整個系統動靜態性能的影響,總結出參數整定的規律;另外低速時利用跟蹤微分器對編碼器位置信號平滑處理,在減小噪聲的同時提高系統的精度和運行平穩性。將提出的改進控制算法應用于3.5kW PMSM實驗平臺中。實驗結果證明,改進型算法能保證電機在低速甚至零速下仍能帶額定負載穩定運行,且具有良好的動靜態性能。 

測是識別一個新的數據點是一個內部點還是一個離群點的問題。檢測準確率不僅取決于神經網絡模型的理論和算法,還受限于數據特征的提取。基于對抗自編碼器的生成概率新奇檢測,在傳統圖像識別數據特征提取的基礎上,在模型訓練階段融入圖像數據的標簽信息,采用生成概率進行新奇檢測。實驗結果表明:和其他新奇檢測模型相比,基于對抗自編碼器的融合數據標簽的新奇檢測效果更好。 

軌道交通接觸線磨損編碼器1037528秉銘DFS60B-BDCC00004  進行數值化處理,然后在自編碼網絡的基礎上加入稀疏性限制,同時加入一定概率分布的噪聲進行染噪的學習訓練,使得自動編碼器模型能夠獲取數據不同層次的特征表達;再經過無監督逐層貪婪的預訓練和有監督的微調過程可以得到有效去噪后的更深層次特征;后利用Soft max函數對特征進行分類。實驗結果表明,稀疏降噪自編碼分類算法對JavaScript具有較好的分類能力,其準確率高于傳統機器學習模型,相比隨機森林的方法提高圖像修復是一項利用計算機技術還原破損圖像缺失信息實現自動圖像修復的技術,其廣泛應用于文物修復、電影*制作、圖像編輯等方面。早期數字圖像修復算法可以對小區域缺失的圖像進行近似真實的還原,而對大區域缺失圖像的修復往往相似度低,內容模糊。近年來深度學習生成模型的進展為數字圖像修復提供了新的技術手段,基于生成對抗網絡和自編碼器的圖像修復技術成為研究熱點。本文對數字圖像修復算法進展整理歸納,按照算法類型將新算法分為三類,詳細介紹每類算法的特點和不足;并在此基礎上分別從卷積模式和網絡結構優化兩個方面詳細闡述了研究進展和成果;未來的研究方向進行展望。