极限学习机(ELM)是模式识别和机器学习中的快速且有效的神经网络模型,当标记的训练样本不足以使其下降。转移学习通过使用不同但相关域中的大量标记样本来帮助目标任务学习可靠的模型。在本文中,我们提出了一台具有知识传递性的监督极限学习机器,称为“转移极限学习机器”,具有输出权重对齐(telm-Owa)。首先,它通过对齐由来自源和目标域标记的样品训练的ELM的输出权重矩阵来减少域之间的分布差异。其次,将域间ELM输出权重矩阵之间的近似值添加到目标函数中,以进一步实现知识的跨域转移。tirdly,我们将目标函数视为最小平方问题,并将其转换为标准的ELM模型,以便有效地解决。最后,通过对16组图像数据集和6组文本数据集进行了分类实验对所提出算法的效果进行了验证,结果证明了我们方法相对于其他ELM模型和转移学习方法的竞争性能。
摘要 在激光辅助键合工艺中检查激光束和芯片是否对准的动作称为芯片束对准。当前的芯片束对准方法是简单的肉眼目视检查,这使得该方法极易受到人为错误的影响,因为它取决于负责它的工程师/操作员的感觉和能力。此外,它缺乏明确的定量评估标准。本研究的目的是开发一种基于计算机视觉算法的无人为错误的芯片束对准方法。专用的图像采集相机与基于计算机视觉的定制软件相结合,成功地将芯片和激光束对准,精度为 0.060 毫米。简单的硬件设置与用户友好的软件相结合,使其成为一种方便的现场使用方法。 关键词 计算机视觉、芯片束对准、激光辅助键合、LAB。
用电迁移应力法研究了具有自对准氧化铜钝化层的等离子刻蚀铜线的可靠性。通过等离子氧化制备氧化钝化层,覆盖整个裸露的铜线,防止环境条件下表面氧化。空洞的形成和生长过程反映了线路断线机理。用光学显微镜监测了由晶界耗尽和晶粒变薄形成的空洞,测量了线路故障时间与线宽和电流密度的关系。增加氧化钝化层会缩短寿命,因为传热和铜扩散不良会加速空洞的形成和生长。窄线比宽线具有更长的寿命,因为晶界较少,可供磁通发散形成空洞
本文介绍了闭环太阳能跟踪系统的设计和实现。随着对电能的需求不断增长以及燃料消耗引起的环境污染不断增加,对清洁能源的需求也随之增加。在这些能源中,太阳能被认为是最可行的,因为它在不同环境中广泛可用且易于操作。本研究的主要目的是通过设计高效且低成本的太阳能跟踪系统来最大限度地提高光伏发电量并减少二氧化碳排放。设计和构建了对齐的闭环太阳能跟踪器以实现最佳精度。所提出的系统在运动方面表现出更大的自由度,以克服与框架支架倾斜相关的问题。使用基于 Flowcode 编程语言的 PIC 微控制器,使用光传感器检测位置反馈,并使用 H 桥驱动器控制两个直流电机。根据实验结果,与固定式太阳跟踪系统相比,所提出的系统效率有显著提高。
摘要 为满足多点运动参数测量的需求,机载分布式定位定向系统(POS)依赖于高精度主系统到从系统的传递对准来获取所有点的高精度运动参数。分布式POS的关键问题是确定一种适当处理飞行器挠曲的方法,实现高精度传递对准。本文首先分析了飞行器挠曲对机载对地观测传递对准精度的影响,在此基础上建立了考虑三维挠曲角的传递对准误差模型,提出了一种基于参数辨识无迹Rauch-Tung-Striebel平滑器(PIURTSS)的传递对准。仿真结果表明,基于PIURTSS的传递对准方法可有效提高估计精度。
摘要 机载分布式定位定向系统(POS)可以满足多点运动参数测量的需求。它依赖于从高精度主系统到从系统的传递对准来获得所有点的高精度运动参数。分布式POS的一个关键问题是确定适当处理飞行器挠曲的方法,实现高精度传递对准。本文首先分析了飞行器挠曲对机载对地观测传递对准精度的影响。在此基础上,建立了考虑三维挠曲角的传递对准误差模型,并提出了一种基于参数识别无味Rauch-Tung-Striebel平滑器(PIURTSS)的传递对准。仿真结果表明,基于PIURTSS的传递对准方法有效提高了估计精度。