简介:随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念,详细描述了BP神经网络的原理,并通过实例进行BP网络设计。同时提出了6种优化方式,分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值,并能通过各种优化方式提高识别精度。
简介:通过配置实时数据和函数到片内SRAM中执行,可以有效提高程序执行效率,降低功耗。然而在嵌入式Linux系统下,由于禁止用户空间程序控制或访问处理器内存的映射和分配方式,这一资源通常得不到有效利用。本文以MP3解码器为例,在μClinux-2.6操作系统下通过使用片内SRAM提高代码执行效率,并最终在Freescale公司的ColdFire5329嵌入式平台上成功验证了该方案。
简介:在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。
简介:引言MCS-51单片机是目前国内应用最广泛的一种单片机型。全球各单片机生产厂商在MCS-51内核基础上,派生了大量的51内核系列单片机,极大地丰富了MCS-51的种群。其中STC公司推出了STC89系列单片机,增加了大量新功能,提高了51的性能,是MCS-51家族中的佼佼者。早期的单片机控制系统,采用单片机加片外EEPROM配合,来存储一些需要预置的重要参数,并在数码管上显示出来。由于单片机控制的整流器要求实时性很强,而早期EEPROM的写周期在10ms左右,因此运行参数的预置是在整流器待机的情况下进行的。