dnn标签_AtomGit开源社区

dnn

python DNN反向链推理

这篇文章介绍了一个基于自定义DNN库的代码自动拼接系统。系统通过学习代码片段的输入输出关系（格式为[代码];fd:[输入];~[输出]），将字符转换为0-1之间的数字用于DNN训练。核心功能包括：1）字符与数值的相互转换函数trans()和ots()；2）训练数据生成函数trainIO()；3）通过递归调用link()函数实现代码块自动拼接。系统首先训练神经网络建立输入输出映射关系，然后根据给定需

 I_say_lie
2026-06-09 17:17:48

 49

#python #dnn #开发语言
Jetson Orin Nano 部署 PaddleOCR 终极方案：ONNX + OpenCV DNN，6倍提速！

Jetson Orin Nano 部署 PaddleOCR 优化方案核心方法：将 PP-OCRv5 Mobile 模型转换为 ONNX 格式使用 OpenCV DNN 配合 CUDA 加速推理在 Jetson Orin Nano (8GB) 上实现 6 倍性能提升关键优势：推理速度从 5.5 秒/图降至 1 秒以内避免 PaddlePaddle 在 JetPack 6 上的兼容性问题

 qq_43476445
2026-06-09 14:02:22

 361

 9

#opencv #dnn #r语言
【神经网络】深度神经网络DNN解析，如何快速搭建一个极简的DNN网络

深度学习技术经过多年迭代已取得显著进展，在多个领域展现出卓越性能。本文探讨了深度神经网络（DNN）的基本结构（输入层、隐藏层和输出层）及其核心神经元机制，重点介绍了三个典型应用：雾天图像增强、恶意软件检测（准确率达95%）和图像压缩。通过Python构建简单DNN模型（使用neuralpy库）成功实现了对y=x²函数的逼近，验证了通用逼近定理。实验表明，虽然存在随机性差异，但双隐藏层结构（3+7神

 persona5joker
2026-06-08 11:02:07

 252

 6

#dnn #人工智能 #神经网络
opencv 5.0.0发布：从构建要求到DNN引擎、模块拆分、Python绑定，OpenCV 4升级5最全迁移指南

Python 2不再支持，必须使用Python 3.6及以上版本模块重构对Python基本透明，所有函数仍然通过cv2.<函数名>()访问，不需要改importDNN中，ONNX模型的readNetFromONNX()用法不变；Caffe和Darknet加载接口被删除，需先转ONNX1D数组语义变化：传入InputArray的np.array现在映射为1D Mat，如果代码假设它是列向量，需要调整

 福大大架构师每日一题
2026-06-08 01:30:00

 1149

 15

#opencv #dnn #python
OpenCV 5正式发布：DNN引擎重写、原生支持大模型，YOLOv8推理速度比PyTorch快2.3倍，边缘部署飞跃！

如果你正在为模型部署发愁，不妨立刻试试OpenCV 5.0。在AI部署这条路上，这是开发者能遇到的最好的礼物之一。

AI小怪兽
2026-06-07 22:31:04

 445

 11

#opencv #dnn
项目介绍 MATLAB实现基于BFOA-DNN-RNN 细菌觅食优化算法（BFOA）结合深度神经网络（DNN）与循环神经网络（RNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优

本文提出了一种基于细菌觅食优化算法（BFOA）、深度神经网络（DNN）和循环神经网络（RNN）融合的无人机三维路径规划方法。该算法通过BFOA实现全局路径搜索，利用DNN提取环境空间特征进行路径评估，结合RNN处理动态时序信息，形成"搜索-评估-预测"一体化机制。MATLAB实现包含三维环境建模、路径编码、DNN/RNN训练和BFOA优化等模块，能有效解决复杂三维空间中的路径规

 xiaoxingkongyuxi
2026-06-04 10:34:29

 155

 8

#matlab #dnn #rnn +4
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 老杰爱编程
2026-05-21 06:14:33

 360

 4

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 2501_93142541
2026-05-21 06:02:59

 354

 7

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 woshilaiwade
2026-05-21 05:51:29

 346

 6

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 老潘编程
2026-05-21 05:39:47

 373

 6

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 茜姐_博客
2026-05-21 05:28:17

 334

 10

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 荧光Matlab
2026-05-21 05:16:48

 369

 9

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 2501_92824524
2026-05-21 05:05:08

 417

 12

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 2501_92823441
2026-05-21 04:53:29

 361

 9

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 抬头望远方
2026-05-21 04:41:56

 355

 10

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 qq408157250
2026-05-21 04:30:24

 363

 7

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 欢多天天写代码
2026-05-21 04:18:53

 332

 5

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 吃兔子的大脑腐
2026-05-21 04:07:23

 335

 11

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 程序猿鑫
2026-05-21 00:50:56

 419

 10

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 荔枝科研社
2026-05-21 00:39:19

 377

 6

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 F_Matlab
2026-05-21 00:26:11

 396

 5

#dnn #python #人工智能 +1
【可再生能源场景生成】使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）（Python代码实现）

情景发电是可再生能源渗透率高的电力系统运行和规划的重要步骤。在本文中，提出了一种使用生成对抗性网络的数据驱动场景生成方法，该方法基于两个互连的深度神经网络，与基于概率模型的现有方法相比，我们的方法是数据驱动的，在时间和空间维度上捕获了大量相关资源的可再生能源生产模式。为了验证，我们使用了来自NREL积分数据集的风能和太阳能时间序列数据。证明所得，所提出的方法能够以完全多样的行为生成真实的风力和光伏

 我爱Matlab编程
2026-05-21 00:16:51

 360

 8

#dnn #python #人工智能
使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）附Python代码

在可再生能源领域，准确的场景生成对于能源规划、系统运行和风险管理至关重要。传统基于概率模型的场景生成方法虽有一定成效，但在捕捉复杂的、非高斯分布的可再生能源数据特征时存在局限。随着深度学习的发展，基于生成对抗性网络（GANs）的数据驱动场景生成方法展现出独特优势。GANs 由两个互连的深度神经网络组成，通过对抗训练机制，能够生成高度逼真且多样化的可再生能源场景数据，为该领域的研究和实践带来新的思路

 Matlab科研工作室
2026-05-19 22:52:38

 148

 2

#网络 #dnn #python
使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）附Python代码

在可再生能源领域，准确的场景生成对于能源规划、系统运行和风险管理至关重要。传统基于概率模型的场景生成方法虽有一定成效，但在捕捉复杂的、非高斯分布的可再生能源数据特征时存在局限。随着深度学习的发展，基于生成对抗性网络（GANs）的数据驱动场景生成方法展现出独特优势。GANs 由两个互连的深度神经网络组成，通过对抗训练机制，能够生成高度逼真且多样化的可再生能源场景数据，为该领域的研究和实践带来新的思路

 Matlab论文助手
2026-05-19 22:52:37

 134

 4

#网络 #dnn #python
使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）附Python代码

在可再生能源领域，准确的场景生成对于能源规划、系统运行和风险管理至关重要。传统基于概率模型的场景生成方法虽有一定成效，但在捕捉复杂的、非高斯分布的可再生能源数据特征时存在局限。随着深度学习的发展，基于生成对抗性网络（GANs）的数据驱动场景生成方法展现出独特优势。GANs 由两个互连的深度神经网络组成，通过对抗训练机制，能够生成高度逼真且多样化的可再生能源场景数据，为该领域的研究和实践带来新的思路

 matlab科研助手
2026-05-19 22:52:37

 133

 3

#网络 #dnn #python
使用生成对抗性网络的数据驱动场景生成方法研究（该方法基于两个互连的深度神经网络与基于概率模型的现有方法相比）附Python代码

在可再生能源领域，准确的场景生成对于能源规划、系统运行和风险管理至关重要。传统基于概率模型的场景生成方法虽有一定成效，但在捕捉复杂的、非高斯分布的可再生能源数据特征时存在局限。随着深度学习的发展，基于生成对抗性网络（GANs）的数据驱动场景生成方法展现出独特优势。GANs 由两个互连的深度神经网络组成，通过对抗训练机制，能够生成高度逼真且多样化的可再生能源场景数据，为该领域的研究和实践带来新的思路

 荔枝科研工作室
2026-05-19 22:52:31

 144

 3

#网络 #dnn #python
项目介绍 MATLAB实现基于LSTM-RRT-DNN 长短期记忆网络（LSTM）结合快速扩展随机树（RRT）与深度神经网络（DNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优

摘要：本项目提出了一种基于LSTM-RRT-DNN混合算法的无人机三维路径规划方法。通过结合LSTM的时间序列预测能力、RRT的高效空间搜索能力和DNN的路径优化能力，实现了在复杂三维环境中的高效路径规划。MATLAB实现包括环境建模、LSTM训练、RRT搜索和DNN优化等模块，能够处理静态障碍、动态环境和飞行约束等多重挑战。实验结果表明，该方法相比传统算法具有更好的路径质量、实时性和适应性，适用

 xiaoxingkongyuxi
2026-05-14 13:29:07

 380

 12

#matlab #lstm #dnn +4
【23年算法】DBO-DNN多变量回归预测基于蜣螂算法-深度神经网络多回归时序预测附Matlab代码

在众多领域，如金融市场趋势研判、能源消耗管理、交通流量调控等，多变量时序数据的精准预测对决策制定起着举足轻重的作用。传统预测模型在面对复杂多变的多变量数据时，常受困于 “模型易陷入局部最优”“难以捕捉变量间复杂非线性关系” 等难题。而DBO-DNN 融合模型，借助 “蜣螂算法（DBO）全局寻优能力 + 深度神经网络（DNN）强大非线性建模能力”，为多变量回归时序预测开辟了高效新路径。一、核心技术融

 荔枝科研工作室
2026-05-12 22:30:16

 315

 8

#算法 #dnn #回归
【23年算法】DBO-DNN多变量回归预测基于蜣螂算法-深度神经网络多回归时序预测附Matlab代码

在众多领域，如金融市场趋势研判、能源消耗管理、交通流量调控等，多变量时序数据的精准预测对决策制定起着举足轻重的作用。传统预测模型在面对复杂多变的多变量数据时，常受困于 “模型易陷入局部最优”“难以捕捉变量间复杂非线性关系” 等难题。而DBO-DNN 融合模型，借助 “蜣螂算法（DBO）全局寻优能力 + 深度神经网络（DNN）强大非线性建模能力”，为多变量回归时序预测开辟了高效新路径。一、核心技术融

 Matlab科研辅导帮
2026-05-12 22:30:14

 330

 6

#算法 #dnn #回归
【23年算法】DBO-DNN多变量回归预测基于蜣螂算法-深度神经网络多回归时序预测附Matlab代码

在众多领域，如金融市场趋势研判、能源消耗管理、交通流量调控等，多变量时序数据的精准预测对决策制定起着举足轻重的作用。传统预测模型在面对复杂多变的多变量数据时，常受困于 “模型易陷入局部最优”“难以捕捉变量间复杂非线性关系” 等难题。而DBO-DNN 融合模型，借助 “蜣螂算法（DBO）全局寻优能力 + 深度神经网络（DNN）强大非线性建模能力”，为多变量回归时序预测开辟了高效新路径。一、核心技术融

 Matlab科研工作室
2026-05-12 22:30:11

 355

 7

#算法 #dnn #回归
【23年算法】DBO-DNN多变量回归预测基于蜣螂算法-深度神经网络多回归时序预测附Matlab代码

在众多领域，如金融市场趋势研判、能源消耗管理、交通流量调控等，多变量时序数据的精准预测对决策制定起着举足轻重的作用。传统预测模型在面对复杂多变的多变量数据时，常受困于 “模型易陷入局部最优”“难以捕捉变量间复杂非线性关系” 等难题。而DBO-DNN 融合模型，借助 “蜣螂算法（DBO）全局寻优能力 + 深度神经网络（DNN）强大非线性建模能力”，为多变量回归时序预测开辟了高效新路径。一、核心技术融

 matlab科研助手
2026-05-12 22:30:12

 294

 9

#算法 #dnn #回归
张量‑深度神经网络混合模型用于阵列信号处理：一种公式化框架

本文提出了一种结合张量表示与深度神经网络（DNN）的混合模型框架，用于阵列信号处理任务。通过构建三阶或四阶张量模型保留阵列数据的多维结构（空间、时间、频率、极化等），并设计了三种典型融合架构：1）张量预处理+DNN（T-DNN）；2）内嵌张量层的神经网络（TNN）；3）张量递归神经网络（TRNN）。该框架通过张量分解降低参数量，同时利用DNN学习非线性映射，在损失函数中引入张量低秩约束和物理先验正

 weixin_63763813
2026-05-11 14:28:46

 518

 13

#dnn #人工智能
项目介绍 MATLAB实现基于GA-BFOA-DNN 遗传算法（GA）结合细菌觅食优化算法（BFOA）与深度神经网络（DNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优惠还请

本文提出了一种基于GA-BFOA-DNN混合算法的无人机三维路径规划方法。该方法结合遗传算法(GA)的全局搜索能力、细菌觅食优化算法(BFOA)的局部精细搜索特性，以及深度神经网络(DNN)的智能预测功能，有效解决了复杂三维环境下的路径规划问题。系统通过环境建模、路径编码、算法融合等模块，实现了多目标优化的三维路径规划，包括避障、能耗、平滑度等指标。MATLAB实现展示了从环境建模到算法集成的完整

 xiaoxingkongyuxi
2026-05-09 11:30:00

 313

 8

#matlab #dnn #算法 +4
项目介绍 MATLAB实现基于ACO-LSTM-DNN 蚁群算法（ACO）结合长短期记忆网络（LSTM）与深度神经网络（DNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优惠还

本文提出了一种基于蚁群算法（ACO）与深度学习（LSTM-DNN）融合的无人机三维路径规划方法。该方法通过ACO进行全局路径搜索，利用LSTM网络预测环境动态变化，并通过DNN对候选路径进行多维度综合评估。实验结果表明，该混合算法在复杂三维环境中能有效平衡路径长度、安全性、能耗等指标，生成高质量飞行路径。MATLAB实现验证了算法在路径最优性、环境适应性和计算效率方面的优势，为无人机智能路径规划提

 xiaoxingkongyuxi
2026-05-09 04:08:09

 417

 12

#matlab #lstm #dnn +4
项目介绍 MATLAB实现基于ACO-DNN-RNN 蚁群算法（ACO）结合深度神经网络（DNN）与循环神经网络（RNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优惠还请多多

本文提出了一种基于蚁群算法（ACO）结合深度神经网络（DNN）与循环神经网络（RNN）的无人机三维路径规划方法。针对复杂三维环境中路径规划面临的挑战，该方法通过DNN评估局部环境危险度，RNN预测路径序列风险，与蚁群算法的全局搜索能力相结合，构建混合智能规划框架。MATLAB实现中采用自适应多分辨率栅格建模环境，通过信息素更新机制融合深度模型输出，在保证避障安全的同时优化路径长度、平滑度和能耗等多

 xiaoxingkongyuxi
2026-05-08 22:39:09

 154

 2

#matlab #dnn #rnn +4
[具身智能-451]：深度神经网络、概率、相似度与创业的本质关联

在不确定的世界里，拥抱模糊性，利用概率思维进行建模，并通过相似度策略实现快速适应，是比追求精确规则更高级、更有效的生存智慧。无论是构建一个智能模型，经营一家公司，还是规划自己的人生，或许我们都应该少一些对“绝对正确”的执念，多一些对“概率”和“相似”的敬畏与运用。

文火冰糖的硅基工坊
2026-04-26 08:45:12

 343

 4

#dnn #机器学习 #自然语言处理
项目介绍 MATLAB实现基于GA-RNN-DNN 遗传算法（GA）结合循环神经网络（RNN）与深度神经网络（DNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优惠还请多多点一

本文介绍了一种基于GA-RNN-DNN混合算法的无人机三维路径规划方法。该方法结合遗传算法(GA)的全局搜索能力、循环神经网络(RNN)的序列建模能力以及深度神经网络(DNN)的环境特征提取能力，在MATLAB环境中实现了复杂三维场景下的智能路径规划。文章详细阐述了项目背景、目标意义、技术挑战及解决方案，包括三维环境建模、算法融合架构、计算优化等关键技术。通过模块化设计将环境建模、遗传算法优化和深

 xiaoxingkongyuxi
2026-04-26 08:15:00

 396

 10

#matlab #rnn #dnn +4
项目介绍 MATLAB实现基于GA-DNN-RNN 遗传算法（GA）结合深度神经网络（DNN）与循环神经网络（RNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优惠还请多多点一

摘要：本文提出了一种基于GA-DNN-RNN混合算法的无人机三维路径规划方法。该方法结合遗传算法(GA)的全局搜索能力、深度神经网络(DNN)的局部特征提取能力和循环神经网络(RNN)的时序预测能力，有效解决了复杂三维环境下的多目标路径规划问题。项目实现了环境建模、路径参数化、网络训练和优化求解的完整流程，通过MATLAB平台进行仿真验证。实验结果表明，该混合算法在保证路径安全性的同时，能够实现能

 xiaoxingkongyuxi
2026-04-24 18:45:00

 39

#matlab #dnn #rnn +4
Carsim与Simulink联合仿真：用滑模观测器精准估计轮胎力

基于SMO滑模观测器的轮胎力估计方法真的太好用啦！省去轮胎模型，避免了很多麻烦，还提高了估计精度。以后搞轮胎力估计仿真，就它啦！通过这次仿真，深刻体会到技术的不断进步带来的便利。传统方法的局限在新方法面前变得不值一提。期待以后能在这个基础上继续优化，让轮胎力估计更加准确和可靠。使用Carsim和Simulink联合进行仿真，通过滑模观测器（SMO）估计轮胎的纵向力和侧向力。该方法在双移线工况下测试

 RZcKUXIhvPR
2026-04-22 16:30:00

 285

 4

#dnn
Trompt：迈向更优质的深度神经网络，用于表格数据

表格数据可以说是金融、医疗和电子商务等多个实际领域中最常用的数据结构之一。然而，基于最近发布的一份表格基准测试，我们可以看到深度神经网络在表格数据集上仍落后于基于树的模型（Grinsztajn 等，2022）。本文提出了Trompt——即Tabular Prompt——一种受语言模型提示学习启发的新颖架构。提示学习的核心是通过一组外部提示调整大型预训练模型，而无需直接修改模型。基于这一思想，特罗姆

 nap-joker
2026-04-20 11:47:58

 396

 9

#dnn #人工智能 #神经网络
项目介绍 MATLAB实现基于PSO-DNN-LSTM 粒子群优化算法（PSO）结合深度神经网络（DNN）与长短期记忆网络（LSTM）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优

本文介绍了一种基于PSO-DNN-LSTM混合算法的无人机三维路径规划方法。该方法结合粒子群优化算法(PSO)的全局搜索能力、深度神经网络(DNN)的高维特征提取能力和长短期记忆网络(LSTM)的时序建模能力，用于解决复杂三维环境中的无人机路径规划问题。文章详细阐述了算法架构设计、MATLAB实现过程，包括三维环境建模、PSO路径编码与优化、DNN-LSTM联合评估等关键模块。该方法能够有效处理多

 xiaoxingkongyuxi
2026-04-15 20:24:21

 166

 2

#matlab #dnn #lstm +4
项目介绍 MATLAB实现基于ACO-DNN 蚁群算法（ACO）结合深度神经网络（DNN）进行无人机三维路径规划（含模型描述及部分示例代码）专栏近期有大量优惠还请多多点一下关注加油谢谢你的鼓励

本文提出了一种基于蚁群算法(ACO)与深度神经网络(DNN)融合的三维无人机路径规划方法。针对复杂三维环境中多约束路径规划问题，该方法通过蚁群算法进行全局搜索，利用深度神经网络学习环境特征与路径质量的关系，为蚁群提供数据驱动的启发信息。MATLAB实现包括三维环境建模、蚁群路径搜索、DNN训练与协同优化等模块，最终输出满足避障、能耗等约束的三维路径。实验结果表明，该混合算法能有效平衡路径长度与安全

 xiaoxingkongyuxi
2026-04-13 12:15:00

 348

 10

#matlab #dnn #算法 +4
有图有真相 MATLAB实现基于深度神经网络（DNN）进行多变量时间序列预测（代码已调试成功，可一键运行，每一行都有详细注释）专栏近期有大量优惠还请多多点一下关注加油谢谢你的鼓励是我前行的动

本文介绍了一个基于深度神经网络(DNN)的多变量时间序列预测MATLAB实现方案。项目采用滑动窗口数据预处理、双隐藏层全连接网络结构，并实现了双阶段超参数搜索、断点恢复、早停机制、Dropout正则化和L2权重衰减等技术。主要功能包括：数据生成：自动创建包含5个特征和2个目标的模拟数据集参数配置：通过GUI界面设置滑动窗口长度、预测步长等关键参数模型训练：采用Adam优化器，支持从检查点恢复

 xiaoxingkongyuxi
2026-04-12 12:00:00

 408

 9

#matlab #dnn #人工智能 +4
基于深度神经网络的苹果病害叶片分类识别

本文摘要：本研究提出了一种基于深度学习的苹果病害识别系统，采用VGG16和ResNet50两种卷积神经网络模型对苹果叶片病害进行分类。通过收集1166张苹果病害叶片图像，建立包含9类病害的数据集，并进行了数据增强和预处理。实验结果表明，ResNet50模型取得了97%的分类准确率，优于VGG16的95%。为便于实际应用，开发了基于PyQt5的用户界面系统，可实现快速病害识别（约0.5秒/张）。该

 QQ79856539
2026-04-11 21:51:51

 168

#dnn #分类 #人工智能
OpenCV DNN模块实现风格迁移：从原理到实战（附完整代码）

OpenCV的DNN模块让风格迁移变得简单易行，无需深度学习框架即可实现艺术效果转换。核心流程包括：通过blobFromImage预处理图像，用readNetFromTorch加载预训练模型，进行推理后处理后输出。支持静态图片和实时视频处理，只需几十行代码就能在CPU上运行。关键点在于正确处理图像格式转换和参数设置，如swapRB通道顺序调整和scalefactor数值缩放。提供多种艺术风格模型选

 2201_75420345
2026-04-09 15:45:03

 887

 16

#opencv #dnn #人工智能
DNN风格迁移：OpenCV深度学习模块实战

本文介绍了使用OpenCV DNN模块实现图像风格迁移的方法。主要内容包括：1）OpenCV DNN模块支持多种深度学习框架模型，特别是Torch7格式的风格迁移模型；2）详细解析了blobFromImage预处理、readNetFromTorch模型加载和前向传播等核心API；3）通过单图风格迁移和四宫格视频风格迁移两个实战案例，展示了代码实现过程。该方法无需依赖PyTorch等重型框架，能够快

 輕華
2026-04-09 10:29:23

 1003

 8

#深度学习 #dnn #opencv
[具身智能-298]：深度神经网络实现语音识别的库、模型、方案

如果你是。

文火冰糖的硅基工坊
2026-04-09 00:22:26

 310

#dnn #语音识别 #人工智能
Matlab深度学习，使用CNN-LSTM进行图像分类。如何在Matlab中搭建CNN-LS...

网络结构才是重头戏。注：本程序只是帮助大家参考如何在Matlab中搭建CNN-LSTM模型，用的卷积核数量很少，LSTM隐含单元数目也非常少，故本实验结果较差。注：本程序只是帮助大家参考如何在Matlab中搭建CNN-LSTM模型，用的卷积核数量很少，LSTM隐含单元数目也非常少，故本实验结果较差。按4:1比例随机划分训练集和测试集，训练集为400只猫400只狗，测试集为100只猫和100只狗。按

 QUFridIM
2026-04-06 18:15:00

 301

 4

#dnn
基于Comsol的单相变压器绕组及铁芯振动形变仿真探索

有限元仿真模型四：基于comsol的单相变压器绕组及铁芯振动形变仿真模型1、单相变压器绕组振动形变模型：绕组在漏磁场的洛伦兹力作用下振动，在长期作用下发生位移形变2、单相变压器铁芯振动形变模型：铁芯在磁致伸缩作用下发生振动形变注：时域仿真可以设置观察点，导出随时间变化的变压器磁通、位移、压力、形变曲线在电力领域，对单相变压器的研究至关重要，而借助Comsol进行绕组及铁芯振动形变仿真模型的搭建，能

 QmZVLlLHvXq
2026-04-06 16:15:00

 340

 8

#dnn