排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
为提高建筑结构智能控制的控制精度及稳定性,在长短时记忆(LSTM)网络理论基础上,提出一种基于深度学习的智能控制算法.通过构建深度学习框架,设计LSTM智能控制器,并将其性能测试结果与反向传播(BP)和径向基函数(RBF)神经网络控制器进行对比.以Benchmark模型为对象,分析了不同外部激励工况下LSTM智能控制器的泛化能力,并提出了基于结构响应的H_2范数评价指标.结果表明:BP和RBF神经网络框架的预测结果相比LSTM框架可能发生局部最优现象,且收敛精度较低;原输入工况下,LSTM控制器的误差为3.30×10~(-4),控制效果最高达65.0%;变激励工况下,LSTM控制器的响应峰值及H_2范数评价指标均优于BP和RBF神经网络控制器,说明LSTM智能控制器具有良好的控制和泛化性能. 相似文献
2.
3.
基于数学形态学的铁谱磨粒图像分割研究 总被引:4,自引:2,他引:4
铁谱磨粒图像识别中,由于磨粒与磨粒的相互粘连,造成磨粒图像二值化后,边缘提取不能体现其原有形状。该文将数学形态学的腐蚀和膨胀算法引入铁谱磨粒图像的分割中,通过对二值化后的磨粒图像实施先腐蚀后膨胀的运算,成功地完成了磨粒图像的分割,并且结合拉普拉斯算子,有效地提取出单个铁谱磨粒的形状,有助于实现铁谱磨粒的自动识别。 相似文献
1