搜索结果: 1-15 共查到“计算神经网络 系统”相关记录113条 . 查询时间(1.593 秒)
中国科学院云南天文台在求解相接双星系统参数的算法方面取得新进展（图）
系统 算法 神经网络
2024/11/5
2024年10月23日，中国科学院云南天文台王锦良、丁旭（通讯作者）和季凯帆等利用机器学习方法结合贝叶斯推断，发展了一种快速求解卡特琳娜巡天中的相接双星系统光变曲线参数的方法。该研究成果已在国际天文学期刊《天体物理学报增刊》（The Astrophysical Journal Supplement Series）上在线发表。
ransformer架构以及自注意力机制显著提升了大模型性能，但却引入了随序列长度的二次方计算复杂度。各种线性复杂度模型，如线性Transformer（LinFormer），状态空间模型（SSM）和线性RNN（LinRNN）等，被提出作为自注意力的高效替代。在本工作中，我们首先在形式上统一了目前所有的线性模型，并总结了其自特点。接着，提出了最优线性注意力设计的三个必要条件：动态记忆能力；静态逼近能...
中国科学院自动化所联合上海交大在图神经网络高效计算方面取得系统性突破（图）
神经网络 计算 系统 数据
2024/8/11
2024年来，图神经网络（GNN）在许多场景中得到广泛应用，如社交网络分析、推荐系统、自动驾驶等。然而，真实世界中庞大的数据量及图结构显著的不规则稀疏性，为图神经网络的低时延、高能效应用带来了巨大的挑战。随着社会图数据规模的爆炸式增长，解决图神经网络中超大规模数据量带来的访存及计算问题变得越发迫切。
中国科学院深圳先进技术研究院专利：神经网络修复系统及其制备方法和应用
中国科学院西安光学精密机械研究所专利：一种基于微腔光频梳的并行光学神经网络系统及识别方法
面向性能增强的双惯量伺服系统状态反馈控制
双惯量伺服系统 状态反馈 预设性能函数 函数逼近器
2024/1/17
为避免使用函数逼近器(神经网络或模糊系统),并提高双惯量伺服系统的瞬态响应和稳态性能,针对含外部扰动的双惯量伺服系统,提出一种基于预设性能函数(Prescribed performance function,PPF)的类比例状态反馈控制策略.首先,提出一种改进的带有最大超调、收敛速率以及稳态误差的预设性能函数,并将该函数融入控制器设计使二惯量伺服的跟踪误差保持在预定的边界之内.其次,基于预设性能函...
中国科学院声学研究所专利：一种神经网络声学模型的分布式并行训练方法及系统
国家自然科学基金委员会国防科大刘忠课题组在复杂系统优化计算领域取得突破（图）
刘忠 系统 计算 神经网络
2024/11/21
2023年3月10日，国防科技大学系统工程学院刘忠教授课题组与哈佛大学、加州大学洛杉矶分校以及圣路易斯华盛顿大学相关课题组合作，首次提出了一种深度强化学习的方法高效求解伊辛模型的基态。研究成果以“基于深度强化学习寻找伊辛模型的基态”（Searching for spin glass ground states through deep reinforcement learning）为题于2月9日在...
中国科学院声学研究所专利：一种基于Java Map的人机语音交互系统及方法
针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题，提出一种基于二维卷积神经网络2D-CNN（two-dimensional convolution neural network）自适应特征提取的故障检测方法，避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行FFT预处理，并将一维数据转换为矩阵形式作为2D-CNN的输入数据，然后利用Adam优化...
针对一类带有外部扰动的非严格反馈p规范型非线性系统,在一种新的预设性能控制思想的基础上,结合加幂积分技术、H∞控制理论及神经自适应技术,提出了一种自适应神经预设性能有限时间H∞跟踪控制器的设计方法.所设计的控制器能够保证系统的跟踪误差被有限时间性能函数约束,并在任意给定的停息时间内收敛到平衡点的一个预先给定的邻域内,且能够抑制外部扰动对系统的影响.特别地,该停息时间与系统初始状态无关.两个仿真例子...
针对带有不确定性与扰动的非线性系统的性能优化问题,提出一种基于神经网络嵌入的学习控制方法.对一类常见的Lyapunov函数导数形式,将神经网络控制器集成到某种对系统稳定的基准控制器中,其意义在于将原控制器改进为满足Lyapunov稳定的神经网络参数可调控制器,从而能够利用先进的神经网络学习技术实现控制器的在线优化.建立了跟踪误差的等效目标函数,避免了对系统输入–输出的辨识问题.建立了一种未知非线性...
无纺布疵点实时检测技术与系统设计
疵点检测 卷积神经网络 实时处理 分布式架构
2024/1/23
无纺布生产过程中产生的疵点会严重影响产品质量并限制生产效率.提高疵点检测的自动化程度对于无纺布的生产效率和质量管控至关重要.传统疵点检测方法难以应对纹理、疵点类型以及环境变化等问题,限制了其应用范围.近年来基于卷积神经网络的方法在疵点检测领域得到了广泛应用,具有泛化性强、准确度高的特点.但是在无纺布生产过程中,布匹宽度大、速度快的特点会产生大量图像数据,基于卷积神经网络的方法难以实现实时检测。
智能化、类人化、柔性化是未来机器人发展的重要趋势。人形机器人，尤其是具备人工智能算法功能的人形机器人，不仅可以在日常生活中用于个人协助和护理，而且可以在危险任务中用于搜索和救援等。机器人的感知系统能够从外界收集数据，并根据外界环境的变化做出不同的响应，这对于提高机器人的服务质量和寿命是至关重要的。其中，痛觉感受器是一类重要的传感器，它可以识别来自于外界温度、压力等极端条件的潜在危险，并产生预警信号...