简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：

简介：摘要：卷积神经网络是一种新型的无导师学习算法,在近几年有了较大发展,其主要思想为利用层间节点竞争产生隐含函数来处理非线性系统，在处理非平稳信号方面,它的优势主要体现在:可以利用网络中所有隐含层,使得原始数据与新产生的参数都保持一定关系,从而实现了非线性函数逼近;通过使用简单、有效等方法来减少输出矢量对算法时间和计算量要求较高之处。本文将介绍一下卷积神经网模型结构及相关技术特性以及一些典型应用场景下常用学习算法进行分析研究。

简介：众所周知，在串、并联电路中，电阻串联时，DDR总-R1+R2；电阻并联时，R总=R1+R2/R1+R2．当两根劲度系数分别为K1，K2的弹簧串并联相接时，连接后的劲度系数志会如何变化呢?会和电阻的串联、并联有相似的关系吗?

简介：如图1所示，已知弹簧A的劲度系数为k1，弹簧B的劲度系数为k2，如果把两弹簧串联使用，在弹簧末端挂一个重为G的物体，弹簧A，B所受的拉力均为G，设弹簧A的伸长量为△x1，弹簧B的伸长量△x2，则有

简介：电学知识是初中物理的重点章节，而刚接触电学知识的同学，电路的识别成了他们的拦路虎，学好电路的识别，是学好电路连接与电路计算的基础。为此，笔者经过长期一线教学经验，归纳出如下巧识串、并联电路的一些方法，希望对你有所帮助。

简介：教学目标一、知识与技能：会读、会画简单的电路图，能连接简单的串联电路和并联电路．二、过程与方法：通过探究，用实验的方法了解串、并联电路的区别．

简介：对三个独立销售渠道进行整合，实现了整体运营和统一后台支持，信息系统的集中和再造构成这次“大融合”行动的骨架。

简介：以信息化为基础,智能化为手段,专业化为要求,便利化为目标,法治化为保障的监管服务改革,正逐步让通关更方便,贸易更流畅。上海自贸区成立3年以来,一个很显著的特点是——国际贸易单一窗口为企业带来实实在在的便利。至于监管所达到的目的,按照上海自由贸易试验区管理委员会副主任、浦东新区区政府党组副书记严旭所言：

简介：通过对并联电容合闸过程电流变化的分析，得到电容充电过程中的涌流大小和涌流时间的计算方法，为电容保护整定提供必要的依据．

简介：摘 要:本文针对导向装置的研制背景和意义，通过对一种高速并联悬浮导向装置的介绍和描述，表明此装置不仅可以替代传统导向装制，还更加适应高速、高负载、安装精度要求较低的使用环境。

简介：摘要:最近几年来，我国的建筑行业发展日益壮大，用电负荷不断提高，电能质量的改善措施之一，采用电容补偿装置是行之有效的方法。

简介：摘要本文结合具体工程实际，就整流装置同相逆并联技术与非同相逆并联技术的结构、技术特点、技术优缺点及适应对象进行了对比阐述，为以后的整流装置技术选型提供参考。

简介：文章研究一类微分算子ｆ’（ｚ）＋ｚｆ＾″（ｚ）定义的解析函数关于卷积运算的封闭性，这是对Ｒ．Ｓｉｎｇｈ和Ｓ．Ｓｉｎｇｈ在这方面工作的发展；并就与此类函数相关的特殊情形，证明Ｓｔ．Ｒｕｓｃｈｅｗｅｙｈ等卷积猜想成立。

简介：

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

简介：通过对任意两个不同门宽矩形脉冲信号卷积的分析，得出的结论是其卷积结果为梯形脉冲，其下底宽度为两个矩形脉冲宽度之和，其上底宽度为两个矩形脉冲宽度之差，其高为两个矩形脉冲高度和最小矩形脉冲宽度三者的乘积。

简介：摘要为了研究编码增益，设计了一种卷积码与RS码级联编码，并搭建了该级联编码的仿真模型，仿真分析了级联编码模块对于所设计的系统性能的影响。仿真结果表明，与未采用任何编码的系统相比较，所设计的级联编码的系统能提高3db增益。而在RS码与卷积码之间加入交织器后，选取合适的交织器参数可以使系统的性能得到进一步的提升。

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：通过基本方法将概率论中用于求两个连续型随机变量商的概率密度函数的卷积公式进行了推广,推广后的公式可以用于求形如Z=kX/Y(k≠1)的二维连续型随机变量函数的概率密度函数。文章对推广后的公式首先给出了证明,然后将推广后的公式应用于求解具体的例子,从而验证公式的有效性。