鲁棒性
最简单的方法就是用一个固定阈值，比如 127 大于 127 的为白色(255)，小于127 的为黑色(0)。 但是这样简单的划分太粗，效果自然不好。最常用的全局算法 OTSU 就想了个策略来确定阈值是多少的时候是最优的
钣金加工厂防滑防锈保养。在改造方案流程的改造过程中，提高了装配规格和模型的改造协调能力，设施在使用中不易损坏和损坏，提高了自进水管工艺的鲁棒性，从而达到防滑防锈技术的安全系数，增加了水管在固态冲击下的动态应用。 首先，金属材料板材加工厂在制造冷雾过程中都经历了温度降控制技术
在冷却器生产过程自动化控制的发展过程中 PID控制 是历史久、生命力强的基本控制方法.它具有原 理和结构简单、使用方便、适应性强、鲁棒性也较强等优点.根据控制对象的不同适当地调整PID参数可以获得比较满意的控制效果.然而 PID控制算法有它的局限性和不足:在对PID参数进行整定的过程中参数的整定是具有一定局限性的优化值而不是全局性的优值无法从根本上解决动态品质和稳态 精度的矛盾。 控制效果都不是理想.主要是因为常规的PID 控制器对这种大惯性、时间滞后、非线性的系统的适应性差、控制精度低不仅影响冷却器质量而且往往造成能源浪费难以理想的控制效果.因此寻找一 种更优的控制方法对于控制品质、节约能源具有重要意义。
针对飞航导弹扇面发射和大空域机动飞行而引起的非线性时变等实际问题根据飞航导弹弹道特性运用智能控制理论及传统的反馈理论设计了一种基于专家系统的智能 PID 控制自动驾驶仪。 针对自行研制的自动驾驶仪自动测试系统采用面向对象的编程方法用VisualC++设计了基于Windows操作系统下的数据采集处理软件。 简要介绍了复合摄动系统的H_∞鲁棒性能设计方法并利用这种方法对导弹自动驾驶仪设计问题进行了研究
猎云网获悉，低功耗蓝牙芯片研发商联睿微近日宣布在由新加坡淡马锡旗下祥峰投资领投的A+轮融资中获得了数千万元的投资，老股东北极光创投跟投。据悉，本轮融资资金将主要用于开发下一代产品、市场推广以及团队建设。 “蓝牙芯片的设计，需要将高频/射频的蓝牙模块和ARM核以及众多的IO集成在一起，还要具有易于开发的软件架构，设计难度并不是外界以为的‘简单’
PRCV2019-day1 2019年11月08日下午，PRCV2019在两个会议厅举办了四场关于机器学习和计算机视觉相关的前沿理论和技术的讲习班。笔者主要对《鲁棒和可解释人工智能》和《大规模深度人脸生成与分析》两场报告作简要介绍。 1. 鲁棒和可解释人工智能 近年来，尤其是以深度学习为代表的新一代人工智能算法的兴起，在图像处理、语音识别、机器翻译等诸多领域取得一系列重要突破，极大地提高了当前人工智能算法的性能，但是这类模型通常： 1）被当作一个黑盒子使用，难以被用户理解； 2）鲁棒性不足，容易被人眼不易识别的对抗样本所欺骗
您好！欢迎来到苏州清研微视电子科技有限公司官网！ 2019年10月22日至24日，一年一度的汽车技术盛会——2019中国汽车工程学会年会暨展览会（SAECCE 2019）如约在上海汽车会展中心盛大召开。本届大会由中国汽车工程学会主办（China SAE），吸引了3000＋来自国内外整车及零部件企业的研发工程师及10000＋汽车领域专业观众。苏州清研微视电子科技有限公司（简称“清研微视”）作为国内视觉ADAS产品供应商代表企业之一，携旗下明星产品亮相这一盛会
“本文旨在解决领域情感词典构建任务中标注数据资源相对匮乏以及情感语义表示不充分问题通过多源数据领域差异计算联合权重融合先验情感知识和Fasttext词向量表示学习将情感语义知识映射到新的词向量空间从无标注数据中自动构建适应大数据多领域和多语言环境的领域情感词典。在中英文多领域公开数据集上的对比实验表明与情感词典方法和预训练词向量方法相比本文提出的多源知识融合的领域情感词典表示学习方法在实验数据集上的分类正确率均有明显提升并在多种算法、多语言、多领域和多数据集上具有较好的鲁棒性。本文还通过消融实验验证了所提出模型的各个模块在提升情感分类效果中的作用
国家自然科学基金资助项目(50774033)；湖南省安全生产基金资助重点项目(HN09-04)；湖南省教育厅基金资助项目(10C0697) 提出基于灰色系统理论中灰色关联分析与线性回归的建模方法，建立降雨量测点优选模型，从众多分散的雨量测点中筛选出关键的观测点，既能观测有代表区域的雨量及整个地区雨量的现状，又能节省成本。在实例分析中，将前9年的监测数据作为训练数据，建立优选模型，选择出12个测点中的6个作为关键测点，将最后一年的数据作为测试数据，结果表明，该模型能够优选出降雨量关键测点，并能准确反映总的降雨量，避免降雨量测点之间相互耦合的影响，准确性和鲁棒性均得到较大提高。
对抗样本的存在表明现代神经网络是相当脆弱的。为解决这一问题，研究者相继提出了许多方法，其中使用对抗样本进行训练被认为是至今最有效的方法之一。 然而，经过对抗训练后神经网络对于正常样本的性能往往会下降，这一问题引起了学术界的广泛关注，这种准确度与鲁棒性之间互相妥协的本质原因仍未被找出