XiaoMi-AI文件搜索系统
World File Search System人工神经网络
飞机维护、修理和大修中的人工神经网络数学方法
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势，包括可以延长航空电子设备的维修间隔和预测故障，同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
飞机维护、修理和大修中的人工神经网络数学方法
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势，包括可以延长航空电子设备的维修间隔和预测故障，同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
使用人工神经网络开发实时模式匹配算法
• 发表日期 / 收到日期：2020 年 11 月 17 日 • 修改发表日期 / 收到修订版：2021 年 2 月 9 日 • 喀布尔日期 / 接受日期：2021 年 3 月 15 日 摘要 如今，建立具有可靠精度的质量控制系统对于生产零缺陷的工业产品非常重要。在这方面，相机控制系统采用可靠的控制算法是一个至关重要的问题。在本研究中，开发了一种使用模式匹配算法的实时控制算法，以使用人工神经网络 (ANN) 优化最小对比度参数。在本研究中，使用 LabVIEW 图像控制工具对模式匹配中包含的三种算法在时间方面的比较进行了比较。此外，还讨论了低差异采样算法中最关键的参数之一，它能及时给出良好的结果，即最小对比度参数。该参数的优化是通过使用ANN中的Levenberg-Marquardt训练算法来完成的。获得的结果表明，所提出的使用 ANN 优化最小对比度参数的模式匹配算法对于质量控制应用来说是快速且有效的。关键词：人工神经网络、模式匹配、金字塔匹配然后，控制系统中的控制算法即可完成。但是，该算法是控制算法的最佳选择，可以通过最小对比度参数 (YSA) 来优化该算法。使用 LabVIEW 的算法来控制 LabVIEW 的控制。Ayrıca, zaman açısından iyi sonuçlar veren düşük-tutarsızlık örnekleme algoritmasında enönemli parametrelerden biri olan minicontrast parametresi tarışılmıştır.参数优化 YSA'da Levenberg-Marquardt eğitim algoritması kullanılarak yapılmıştır。Kullanılan yöntem sayesinde, desen eşleştirmesinin hızlı ve etkili olduğu görülmüştür。Anahtar kelimeler : Yapay sinir ağı, Desen eşleştirme, Piramit eşleştirme
实现更快更好地转换人工神经网络...
摘要 — 脉冲神经网络 (SNN) 通过离散二进制事件计算和传递信息。在新兴的神经形态硬件中，它被认为比人工神经网络 (ANN) 更具生物学合理性且更节能。然而，由于不连续和不可微分的特性，训练 SNN 是一项相对具有挑战性的任务。最近的工作通过将 ANN 转换为 SNN 在出色性能上取得了实质性进展。由于信息处理方面的差异，转换后的深度 SNN 通常遭受严重的性能损失和较大的时间延迟。在本文中，我们分析了性能损失的原因，并提出了一种新型双稳态脉冲神经网络 (BSNN)，解决了由相位超前和相位滞后引起的失活神经元 (SIN) 脉冲问题。此外，当基于 ResNet 结构的 ANN 转换时，由于快捷路径的快速传输，输出神经元的信息不完整。我们设计了同步神经元 (SN) 来帮助有效提高性能。实验结果表明，与以前的工作相比，所提出的方法仅需要 1/4-1/10 的时间步骤即可实现几乎无损的转换。我们在包括 CIFAR-10（95.16% top-1）、CIFAR-100（78.12% top-1）和 ImageNet（72.64% top-1）在内的具有挑战性的数据集上展示了 VGG16、ResNet20 和 ResNet34 的最先进的 ANN-SNN 转换。
人工神经网络中认知能力的多层次发展
已经提出了几种神经机制来解释认知能力的形成，这些认知能力是通过出生后与身体和社会文化环境的互动形成的。在这里，我们介绍了一个三级信息处理和认知能力获取的计算模型。我们提出了构建这些级别的最低架构要求，以及参数如何影响它们的性能和关系。第一个感觉运动水平处理局部无意识处理，这里是在视觉分类任务期间。第二级或认知水平通过长距离连接全局整合来自多个本地处理器的信息，并以全局但仍然无意识的方式合成它。第三级也是认知最高的级别，全局和有意识地处理信息。它基于全局神经工作空间 (GNW) 理论，被称为意识水平。我们分别使用跟踪和延迟条件任务来挑战第二级和第三级。结果首先强调了通过在局部和全局尺度上选择和稳定突触来进行表观遗传的必要性，以使网络能够解决前两个任务。在全局尺度上，尽管感知和奖励之间存在时间延迟，但多巴胺似乎对于正确提供信用分配必不可少。在第三层，在没有感官输入的情况下，中间神经元的存在对于在 GNW 内维持自我维持的表征必不可少。最后，虽然平衡的自发内在活动促进了局部和全局尺度上的表观遗传，但平衡的兴奋/抑制比率可以提高性能。我们从神经发育和人工智能两个方面讨论了该模型的合理性。
人工神经网络准确预测大脑中的语言处理
图 1：将语言处理的人工神经网络模型与大脑语言网络的活动进行比较。我们测试了不同模型预测人类在语言理解过程中神经活动测量值的能力。候选模型包括简单的嵌入模型、更复杂的循环和变压器网络。刺激包括句子、段落和故事，并且 1) 输入模型，2) 呈现给人类参与者（视觉或听觉）。然后，1) 从模型中捕获由此产生的内部表征，2) 使用 fMRI 或 ECoG 从人类那里记录下来。为了比较模型和人类表征，我们对 80% 的刺激的相应人类测量值对模型表征进行了回归，然后将模型对保留的 20% 刺激的预测与保留的人类数据进行比较，并使用 Pearson 相关性（交叉验证 5 倍），得出每个模型数据对的相似度分数。
使用人工神经网络在心脏肿瘤领域的突破
使用人工神经网络CO在心脏肿瘤学领域进行突破的概述是该界面，其界面是新兴的心血管医学临床领域的界面。传统，有针对性和免疫治疗的癌症治疗方法通过将杀伤癌转化为慢性病来彻底改变肿瘤学[1]。CO是研究心血管疾病与癌症相互作用的领域，由于癌症治疗提高了生存率并可能引起心脏病[2]。已经证明了一种潜在的针对口腔癌的新疗法可以选择性地杀死癌细胞而不会损害健康。但是，动物和实验室测试表明该药物的有害作用最少[3]。促进成功的癌症治疗，同时减少心血管后遗症是心脏肿瘤学家的重点。为此，必须仔细评估各种治疗方案的风险和收益[4]。解释心电图，超声心动图，大脑皮层扫描和心脏磁共振成像的ANN已对心血管系统的了解做出了很大贡献[5]。ANN用于评估心电图，测试扫描和磁共振成像的心脏图像，以检测预警信号和心血管疾病的可预防风险因素[6]。CO专注于由于癌症治疗而引起的定位，跟踪和治疗循环条件。癌症治疗减少的心血管系统不良反应是主要目标。CO协助接受最佳的心脏损伤的最佳癌症治疗[7]。co不等式的特征是增加
人工智能研究新趋势 2
2.1.1 感知和运动系统的人工智能技术 ...................................................................... 56 2.1.2 语言和知识系统的人工智能技术 ...................................................................... 73 2.1.3 代理技术 .............................................................................................. 91 2.1.4 人工智能软件工程 ...................................................................................... 105 2.1.5 人机协作和决策支持 ...................................................................................... 122 2.1.6 人工智能和数据驱动的问题解决 ............................................................................. 137 2.1.7 计算神经科学 ...................................................................................................... 152 2.1.8 认知发展机器人技术 ............................................................................................. 167 2.1.9 社会中的人工智能 ............................................................................................. 178 2.2 密切相关的研究和开发领域 .. .. .. .. .. .. .. .. .. .. .. ...
文章使用人工神经网络估计机器人的运动学和工作空间
摘要：目前，在特定而复杂的工业操作中，机器人必须满足某些要求和标准，如高运动学或动态性能、工作空间的特定尺寸或机器人移动元件尺寸的限制。为了满足这些标准，必须对机器人进行适当的设计，这需要多年的实践以及人类设计师的适当知识和经验。为了协助人类设计师进行机器人设计，已经开发了几种方法（包括优化方法）。本文解决的科学问题是开发一种人工智能方法，使用前馈神经网络来估计机器人的工作空间大小和运动学。该方法应用于由基座平台、移动平台和六个运动旋转万向球面开环组成的并联机器人。数值结果表明，通过适当的训练和拓扑结构，前馈神经网络能够根据末端执行器的姿态正确估计工作空间体积值和广义坐标值。