数模——人口预测模型

里面有完备的双闭环直流调速系统的设计文档和仿真程序，欢迎下载。

各银行信息技术笔试题汇总，包括中国邮政储蓄，中国人民银行，平安银行，农业银行开发类岗位笔试题

本数学矩阵运算库采用C语言编写，可以实现基本的数学矩阵运算，如加减，相乘，求行列式的值，求矩阵的逆等，使用方便。

照坐标变换必须遵循的原则，依矩阵变换法则。对电机矢量控制中Clarke变换公式的系数、压万进行详细数学推导，对伺服系统的设计具有一定的借鉴意义。白钩生等;Cake变换中系数2/3的推导8Clarke逆变换:v2c-C ig =c2√33结论C22按照矢量坐标变换必须要遵循原则,依矩阵变换法则,经过以上数学矩阵详细推导,矢量坐标因此: Clarke变换(或3/2变换)式为Cuke变换系数应为/3参考文献[I]王晓明,王玲,电动机的DSP控制——m公司DSP应用M]北京:北京航空航天大学出版社,2004√(上接第73页)在采用传统P控制器的速度调节系统中,速度和电化对该速度调节系统的影响。机转矩的超调量较大,速度的超调量甚至能达到40%。而使用模糊自适应PI控制器的速度调节系统参考文献中,速度和电机转矩曲线较平滑,振动较小,说明[1]陈荣永磁同步电机控制系统M]北京:中国水利水电出版该控制系统具有较好的鲁棒性和稳定性。其上升时社,2009间、超调量和调节时间均较小,这说明采用模糊自[2]王秀和.永磁电机[M].北京:中国电力出版社,200[3]刘贤兴,卜言柱,胡育文,等.基于精确线性化解耦的永磁同适应P控制器具有更好的跟随性和抗扰性。步电机空间矢量调制系统[J].中国电机工程学报,2007,27模糊自适应控制器能够根据负载转矩和速度的(30):S559突变,通过模糊控制实时地修正K,和K,使其适应[4]梁文毅,章玮,娄飞容.永磁同步电动机伺服系统模糊控制器系统的变化,使电机平稳地运行。设计[J].微电机,2007,40(1):4850[5] Marco Tursini, Francesco Parasiliti, Zhang Daqing. Real-time Gain结语Tuning of PI Controllers for High-performance PMSM Drives [J]IEEE Transactions on Industry Applications, 2002, 38(4)仿真结果验证了采用模糊自适应P控制器的控1018-1026制系统比采用传统PI控制器的控制系统具有更好稳[6 Liu Xuepeng, Immune Pl Control on PMSM Speed Regulating System定性和鲁棒性。模糊控制具有更好的适应性和灵活[C]. Proceedings of the 7 th World Congress on Intelligent Control性,能根据外部信息进行智能判断。and Automation, 2008: 6891-6896本文的不足之处在于只考虑了外部环境的变化,[7] Francesco Parasiliti, Marco Tursini, Zhang Daqing. On-line Selftuning of PI Controllers for High Performance PMSM Drives[C]并未考虑系统本身参数的变化。由于永磁同步电机Conf. Rec. IAS Annu. Meeting, 1996: 1619-1625.的电阻和电感分别受运行温度和磁饱和程度的影响,[8]李渊,何风有,余跃,等.永磁同步电机摸糊滑模控制系统的因此,下一步的研究将集中在电机电阻和电感的变研究[打].微电机,2010,43(4):5860Clarke变换中系数(√)2/3的推导旧WANFANG DATA文献链接作者:白钧生,冯浩,白新力,李攀, BAI Yunsheng, FENG Hao, BAI Xinli, LI Pan作者单位:白钧生, BAI Yunsheng(中国飞机强度研究所,西安,710065),冯浩, FENG Hao(西北工业大学电子信息学院,西安,710129),白新力,李攀, BAI Xinli, LI Pan(西安微电机研究所,西安710077)刊名微电机 ISTIC PKU英文刊名:Micromotors年,卷(期):2012,45(7)参考文献(1条)1.王晓明;王玲电动机的DSP控制-TI公司DSP应用2004本文链接http://d.g.wanfangdata.comcn/periodiCalwdj201207019.aspx

晶圆缺陷检测与分类的卷积神经网络；针对晶圆检验时扫描电镜图像的缺陷检测和缺陷分类两问题，采用了“ ZFNet”的卷积神经网络来分类晶圆缺陷，并基于该分类器实现了一种“基于块的卷积神经网络”缺陷检测算法。为了提高准确率和加快速度，又改动“更快的区域卷积神经网络”实现了另一种检测算法。第卷第期邡鑫,史峥:晶圆缺陌检测与分类的卷积神经网络ZENet classifierDarker ImIn.ril” HumpBitel检测算法示意图在训练检测器时,数据集是检测器原始尺寸的图像,且包含标记好的缺陷区域和类型。我们结构通过·系列数据扩张操作,得到组数据,随机选取相比于检测算法主作为训练集,作为测试集。要从以下三方面进行了针对性的改进算法中需要优化的参数有滑动窗口尺寸滑()针对重复计算卷积的缺点,采用先动步幅、概率阙值、面积阙值,由于无法求出统一计算特征图,再按)进行映射各参数与检测结果的明确关系式,所以采用遍历法优化参截取的办法。如图,先通过卷积网络(数。因为检测到的缺陷尽量正确和尽量检测到所有缺陷是)对输入图像计算得到其特征图,因为在输入图像矛盾的,故以精确率和召回率的调和平均值作为优上的都能映射到特征图上,所以从输入图像上按化目标,也可根据实际需要调整两者权重满足不同侧重。割取图像进行卷积运算可以替代为直接从特征图上按测试结果映射后的范围割取,从而避免多次重复计算卷积。由于用训练好的检测模型对测试集检的大小形状不·,而全连接层的神经元连接数是固定的,测,计算模式下每张图大概耗时如果检测到的缺所以对割取得到的子特征图,通过层次采样到统陷与标准答案的且类型相同,则判为正确,否尺寸以连接到全连接层。则判为错误。得到结果如表,计算得:laut Image精确率Feature Map召回率ROI其屮正确缺陷的平均表检测器测试结果数量正确错误network有缺陷(正类)图映射示意图从检测结果来看该算法基本实现∫对图像上晶圆()针对滑动窗口尺寸单·的缺点,增缺陷的检测和分类,但是值较低,缺陷检测位置不加了滑动窗口的尺寸类型,并且增加由一个全卷积网络准确,检测耗时较长,分析其原囚如下)组成的()检测出错的数据中,缺陷较大的类型易判断错,)来预判断是否有缺陷。本文采用面积缺陷较小的容易被漏掉,说明只使用一种尺寸的滑动框很分别为,长宽比分别为、共难适应尺寸变化范围较大的缺陷种尺寸的滑动窗口,依次计算其中有缺陷的概率,再从中)滑动框步幅减小则算法耗时平方倍增加,而步幅筛选出一定数量最有可能有缺陷的区域,进行非极大值抑过长造成缺陷概率分布图分辨率较差,从而检测到缺陷位制(),最后得到一定数置准确度较差量的候选区域。()相邻滑动框都有大量重叠,所以每个区域都被多()针对缺陷检测位置准确度差的缺点,次重复送入计算卷积,导致算法耗吋较长。在全连接层后连接一个边界回归层在与上述检测算法相似的图像目标检测领域,近来出用来修正缺陷位置,该回归层与分类层并列。现的很好的克服了以上缺点并取得了很好的针对本文的缺陷检测问题,直接套用标准效果,所以下面介绍如何通过改动实现品圆并不能解决问题。因为判断晶圆的缺陷类型通常需缺陷的检测与分类。要结合缺陷区域周围的图形信息,而在预判断是否有C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct计算机工程年月日缺陷吋还进行了边界回归。虽然更加准确的给出缺陷的位()将原尺寸为的图像调整为置,但送入检测网络的特征儿乎不包含缺陷周围图肜信息,使得滑动窗口尺寸能够适应缺陷大小的变化范围,也可以导致缺陷分类不准。故木文对标准徹了一些根据实际情况来具体调整。改动:得到缺陷检测算法如图,卷积网络(()将改为只判断滑动窗口内是否有缺陷,而,)将输入图僚转换成多种特征图;根据不进行边界回归,也就是只计算所有滑动窗口有缺陷的概特征图从滑动窗口中选出最有可能存在缺陷的率,选取可能性最大的个,做非极大值抑制,再选出层根据特征图中抽取出对应特征组成特可能性最大的个进行检测。征向量;检测网络()根据特征向()将卷积层的尺寸加大为,加大感受野量判断缺陷类型,并进行边界回归;最后通过和概率),从而在判断滑动框內是否有缺陷吋能参阈值对候选缺陷进行过滤即可得到最终缺陷。考更多的周围信息。Detection NetworkonFolutionnl actorSoftmaxRuI Puling liver,e Prop卟 edMS+PrubilitessionInput Image 1024*1024Fully 10 dyercrectCcrvchrionalLaver size 747图检测算法示意图模型训练和平均值作为优化目标,并且使用相同的训练集和图中的检测算法也是基于架构实现,因为卷测试集积网络提取的特征类型对相似普遍有效,故其卷积网络的测试结果参数是直接迁移第章分类器的卷积层参数。但是用训练好的检测模型对测试集检测,和的参数则需要通过方法进行训练,标准计算模式下每张图大概耗时,采用相同判定标准,提供了分开和联合两种训练方式。为了节约得到检测结果如表(其中负类总数与表中总数不同是因时间,本文采用联合训练方式,并结合缺陷检测问题的实为同一张图屮可能检测到多个缺陷),计算得际情况调整超参数精确率在训练时,对每张输入图像,要计算的滑动窗口召回率数量庞大(种尺寸的滑动窗口,滑动步幅)。所以从中随机抽取个作为训练集,其中正例其中正确缺陷的平均负例,且正例占比不超过。分类器采用表检测器测试结果损失函数数量正确错误在训练时,设置提供个,从中随有缺陷(正类)机选取个作为训练集,其屮正例无缺陷(负类)负例,且正例占比不超过。另外设置学从结果来看该算法各方面都优于检测算习率分类器采用损失函数,而边界回法和值更高说明检测检测缺陷类型正确归采用函数。且位置准确,而且速度也大大提高(检测一张图像耗时从为了与检测算法对比,在最后通过遍历法缩小到)。如图为检测缺陷示例,共中标注了缺陷优化和概率阈值时,同样以精确率和召回率的调位置、类型和对应概率C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct邡鑫,史峥:晶圆缺陷检测与分类的卷积神经网络I I图检测结果示例图结束语而对图像上的缺陷检测和缺陷分类这两个问题,本文提出的改动后的检测算法能够精准、快速地从图像中检测出缺陷并同吋进行分类。得益于卷积神经网络良好的特征学习能力,该检测算法能够根据标记好缺陷位置和类型的数据自动学习特征,从而尽量避免人工千预,使算法具有较强的适应能力。参考文献徐姗姗刘应安徐昇基于卷积神经网络的木材缺陷识别山东大学学报工学版刘云杨建滨王传旭基于卷积神经网络的苹果缺陷检测算法电子测量技术江帆刘辉王彬等基于模型的图像识别计算机工程C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct

该代码用于图像分类，分割识别。其中包括特征提取。图像处理，把一幅图片中不同类型的水果进行自动分类，识别

libsvm 最新 其他的为了凑字数 没有了没有了没有了

【实例简介】matlab毕业设计程序 %% TD_SCDMA的信道估计与联合检测: TD_SCDMA.m clear; clc; %************************************************************ %%仿真过程用到的变量 bit_len=88; %每个突发帧结构所包含的用户数据比特数 %TD-SCDMA每个突发帧的数据比特为704，扩频因子为16，采用QPSK调制，故用户数据比特数为704/16*2=88 N=44; %经过QPSK调制知道每个突发帧所包含的符号数 K=8; %用户个数 P=128; %基本midamble码的长度 Q=16; %扩频因子

C++ MFC学习资料整合，包含 MFC学习课件，MFC中文类库参考，MFC编程实例和《深入浅出MFC》简体版第二版，资料全面清晰，非常适合学习MFC使用，欢迎下载交流

以高斯塞德尔法和牛顿拉夫逊法为思想的基于Matlab的电力系统潮流计算，里面每行代码都有有详细的解释说明。