会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

PID控制算法一勺烩 从模型到实现再到口诀

在工业应用中PID及其衍生算法是应用最广泛的算法之一，是当之无愧的万能算法，如果能够熟练掌握PID算法的设计与实现过程，对于一般的研发人员来讲，应该是足够应对一般研发问题了，而难能可贵的是，在很多控制算法当中，PID控制算法又是最简单，最能体现反馈思想的控制算法，可谓经典中的经典。经典的未必是复杂的，经典的东西常常是简单的，而且是最简单的。PID算法的一般形式：

  • 2021-04-17
  • 阅读669
  • 下载0
  • 20页
  • pdf

改进TV图像去噪模型的全景图像拼接算法_呼亚萍

全景图像生成过程中易受到噪声的影响。针对该问题，提出一种改进的全变分（Total Variation，TV）图像去噪模型应用于全景图像的拼接。首先，对图像去噪过程中建立的泛函函数进行卷积运算，利用卷积操作降低噪声点的灰度值，随后求解泛函函数所对应的拉格朗日方程极小值，达到图像去噪的效果；其次，采用SIFT （Scale Invariable Feature Transfomation）特征匹配算法对去噪后的图像进行特征提取和匹配；最后，对待拼接图像进行加权融合处理，优化视觉效果。仿真实验结果表明，与经典算法相比，该研究能够较理想地去除图像中的噪声，降低全景图像拼接过程中的干扰，提高的视觉效果。

  • 2021-04-23
  • 阅读666
  • 下载0
  • 12页
  • pdf

美团技术解析：模型加速与模型裁剪算法概述

本篇介绍了深度学习模型在自动驾驶感知上的应用。出于自动驾驶感知的要求，模型需要具有较高的实时性与准确度，这两个要求在很多时候是矛盾的。因此本文作者提出了一些模型加速与裁剪的方法，以保证模型的快速性与准确性。

  • 2021-04-17
  • 阅读656
  • 下载0
  • 20页
  • pdf

Reinhard算法模型的色调映射算法的研究

长期以来，图像传感器的动态范围都很小，但是真实场景中亮度的动态变化范围却非常广，平常大部分场最的亮度范围都远远超过了图像传感器所能感受的动态范围，因此，需要-种特殊的图像，即高动态范围图像High Dynamic Range Image . HDRI）来满足要求。动态范围图像是用来实现比普通数字图像技术更大曝光动态范围钾更大的明暗差别）的一组技术， 图像所表现的层次更加丰富图像中高亮度区和低亮度区的细节信息都能很好地保留下来，更接近于人眼观测到的真实场景”。为了解决真实场量与传统显示设备动态范围不匹配的矛盾，国内外学者提出了很多色调映射Gone Mayong）算法来实现在传统显示器上显示高动态范围图像。本文主要研究Reinhanl基于摄影校型的色调映则算法

  • 2021-04-17
  • 阅读656
  • 下载0
  • 4页
  • pdf

软件可靠性模型算法分析与评价

关于软件可靠性的确切含义，学术界有过长期的争论，经过长期的争论和研究，1983 年美国IEEE计算机学会对。“软件可靠性”一次正式做出如下定义:（1）在规定条件下，在规定的时间内，软件不引起系统失效的概率，该概率是系统输入和系统使用的函数，也是软件中存在的错误的函数:系统输入将确定是否会遇到已存在的错误（如果错误存在的话）:（2）在规定的时间周期内，在所述条件下程序执行所要求的功能的能力。

  • 2021-04-17
  • 阅读655
  • 下载0
  • 8页
  • pdf

基于MEA_BP算法的IGBT结温预测模型_孟昭亮

针对IGBT芯片被封装在模块内部,芯片结温无法直接测量的问题,提出了基于思维进化算法（MEA）优化的反向传播（BP）（MEA-BP）神经网络算法的IGBT结温预测算法模型。首先,利用温敏电参数（TSEP）法搭建IGBT模块饱和压降实验平台；然后,从实验数据中提取338组饱和压降与集电极电流数据作为TSEP,表征其与IGBT模块结温的关系；最后,利用MEA-BP神经网络算法将提取出的电气参数建立结温预测模型,对结温进行预测。实验结果表明,MEA-BP神经网络算法的结温预测值平均绝对百分比误差在集电极电流小于临界电流时为0.114,在大于临界电流时为0.062,比遗传算法（GA）优化的BP（GA-BP）神经网络算法以及经典BP神经网络算法能更准确预测IGBT结温。

  • 2021-04-22
  • 阅读654
  • 下载0
  • 7页
  • pdf

机器学习中的模型评价、模型选择及算法选择

正确使用模型评估、模型选择和算法选择技术无论是对机器学习学术研究还是工业场景应用都至关重要。本文将对这三个任务的相关技术进行回顾，并就每种技术的理论和实证研究的主要优缺点进行讨论。文章还将就机器学习算法中的超参数调优给出尽可能的建议，用以实现最佳的算法效果。文中内容涉及很多常用方法，比如模型评估和选择中的Holdout方法等；介绍了bootstrap技术的不同变体，通过正态逼近得到置信区间来衡量性能估计（performance estimates）的不确定性；在讨论偏差-方差（bias-variance）折中方案时，对比了留一交叉验证法（leave-one-out cross validation）和k-fold交叉验证法，并提供了在k-fold交叉验证中最优k值的选择技巧。

  • 2021-04-18
  • 阅读653
  • 下载0
  • 41页
  • pdf

新型油气两相有限体积IMPES数值试井模型算法_赵立安

在油气两相流数值试井中对数值模型求解常用的线性化方法为IMPES方法（隐压显饱法）,该方法由于显式求解饱和度,导致计算稳定性差,对时间步长要求较高,实际应用效果不好。采用一种新型的有限体积IMPES方法,考虑基于物质平衡原理,建立压力与油相饱和度关系,在隐式求解压力的基础上,利用压力和饱和度的关系求解油相饱和度,最后迭代计算出所有时刻的油气两相的压力及油气饱和度变化。通过与常规IMPES的计算结果对比可知,该方法的稳定性较好,并且计算简单,可以采用大步长,计算速度快,结果可靠,为两相流数值试井提供了一种可靠、便捷的求解方法。

  • 2021-04-22
  • 阅读649
  • 下载0
  • 5页
  • pdf