一种基于CNN-AE特征提取的目标跟踪方法

针对视觉跟踪中运动目标的鲁棒性问题,提出一种基于卷积神经网络结合稀疏自动编码器的特征提取方法进行图像目标跟踪。该方法首先将大量有标注数据集输入到卷积神经网络进行预训练,然后使用这些卷积特征无监督的训练稀疏自编码器得到稀疏特征,并利用该特征对目标进行描述。最后结合两种经典的跟踪方法,采用Meanshift与卡尔曼滤波对目标进行实时跟踪。结果表明,利用深度学习模型代替以往人工提取特征的方式能够更好地描述目标模型,对光照变化、尺度变化、遮挡等都具有良好的适应性,以及较好的实时性。     

一种基于神经网络的仿生无人机系统设计

无人机自主安全着陆是国际无人机导航领域的研究热点与难点。基于卷积神经网络的视觉环境感知建模技术以及仿生着陆装置,能突破传统的无人机依赖平整地面标识的着陆技术,因此设计了一种新型仿生着陆机械系统相结合的爪式着陆系统,使得无人机能通过借助机载视觉传感器构建着陆环境并依靠仿生缓冲与夹持系统实现稳定着陆。通过实际测试验证了该系统设计能够辅助无人机在非结构化地面环境中着陆。     

新一代的纠错码——Turbo码

综述了香农编码定理指导下信道编、译码的发展概况，系统地分析了最近引起普通强烈关注的Turbo码的基本构造原理，指出目前该领域的研究方向。     

关于一类解析函数的Hadamard卷积和Ruscheweyh邻域

本文以Hadamard卷积为工具,探讨解析函数族R(α)={f(z)=z+sum from n=2 to ∞(a_nz~n)∈A,且满足,Re(f′+zf″)>α,α<1}的两个重要估计,卷积性质,和R(o)的Ruscheweyh领域的性质。     

基于注意力机制的DenseNet模型的树种识别应用

随着图像识别分类技术的发展,该技术被人们应用到工农业生产各个领域,以提高其工作质量和效率。在特殊领域背景复杂数据集分类任务中,为增强神经网络的分类能力,降低参数冗余,提高训练效率,提出一种基于注意力机制的DenseNet模型。该神经网络能够通过添加注意力机制获取图像重要信息,以解决数据敏感问题,提高网络整体性能。在复杂树种叶片公开数据集Leafsnap和公共数据集SVHN上分别取得了91.25%和98.27%的分类精确率。实验结果表明,基于注意力机制的DenseNet模型分类效果明显优于其他网络模型。     

卷积积分的微分性质几个应用例题新解

卷积积分微分性质不但在计算卷积积分时会带来方便,而且也是讨论卷积积分的逆运算的重要方法。     

S^（n）={Ki：1≤i≤n}—因子数的计数

本利用组合卷积分拆和公式推得A（Kn),最后得到两个图的S^(n)={Ki:≤i≤i}－因子数的计数公式。     

爱与哀愁的双重奏鸣－－论石评梅的诗歌世界

本文以洗练的文笔和饱满的热情,多角度评析了本世纪初女作家石评梅的诗歌创作。     

同分布条件下局部次指数随机变量和的有界性

记s△为局部次指数分布族,F、G是s△中两个不同的局部次指数分布,Gn*表示的是G自身的n重卷积,在上述条件下,Asmussen(2003)介绍了Gn*(x+△)/F(x+△)的相关界.本文所研究的是把上式中Gn*换成Fn*,考虑在同分布条件下Fn*(x+△)/F(x+△)的相关界,其中Fn*是分布F自身的n重卷积.     

基于卷积理论的船舶舵效辨识及艏向短时预测方法

针对船舶较长的操舵响应时间使得航向难以快速把定,甚至引起艏向角振荡及更多的安全问题,应用卷积理论并结合二阶惯性系统的单位脉冲响应特性,设计一种对船舶舵效进行辨识并对未来短时间内艏向变化进行预测的方法。利用采集的实船数据对该方法进行验证。用该方法得到的舵效和艏向短时预测结果可为船舶在紧迫局面下的避让提供可靠的决策支持信息,可为船舶自主航行智能决策提供支持。