简介:深度学习包括监督学习、非监督学习和半监督学习。生成对抗网络GANs已经成为非监督学习中重要的方法之一,其相对于自动编码器和自回归模型等非监督学习方法具有能充分拟合数据、速度较快、生成样本更锐利等优点。GANs模型的理论研究进展很迅速,原始GANs模型通过MinMax最优化进行模型训练;条件生成对抗网络CGAN为了防止训练崩塌将前置条件加入输入数据;深层卷积生成对抗网络DCGAN提出了能稳定训练的网络结构,更易于工程实现;InfoGAN通过隐变量控制语义变化;EBGANAk-量模型角度给出了解释;ImprovedGAN提出了使模型训练稳定的五条经验;WGAN定义了明确的损失函数,对G&D的距离给出了数学定义,较好地解决了训练坍塌问题。GANs模型在图片生成、图像修补、图片去噪、图片超分辨、草稿图复原、图片上色、视频预测、文字生成图片、自然语言处理和水下图像实时色彩校正等各个方面获得了广泛的应用。
简介:本文提出了基于弹簧模型的定位算法MSRDH(MassSpringandRSSIDV—Hop)算法和NMSRDH(NewMassSpringandRSSIDV—Hop)。MSRDH算法和NMSRDH算法将节点与锚节点间最短路径抽象成弹簧模型,然后利用弹簧模型改进了DV—Hop全网平均跳距和节点到节点的最小跳数的取值方法,并通过增加全网弹簧系数来提高定位精度。MSRDH算法只是简单通过大量的公式推导来论述该算法,没有联系实际。而NMSRDH算法则是结合实际,比如结合节点的存储转发消息的过程,进行了详细阐述。另外,NMSRDH算法中对无线传感器节点做了进一步的改进,并且在全网泛洪时候比MSRDH算法少了一次。仿真结果表明,MSRDH算法和NMSRDH算法都比DV—Hop算法有更好的性能表现。
简介:基于后推设计方法,Nussbaum函数的性质及积分型李亚普诺夫函数,提出了一种自适应神经网络控制器的设计方案。通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件。此外,该方法取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件。理论分析证明了闭环系统是半全局一致终结有界。