本研究所提出的径向场梯度神经网络模型是一种广义模型,它的主要特点是可以实现自上至下的设计,即可以按照要求的识别目标预置神经网的吸引子位置,并且没有严格的容量限制,这是其它的神经网模型所难以做到的。该模型的基本组成单元一径向场神经元具有主动地对三维目标的不同投影进行聚类以进行建模的能力,对于三维目标识别来说,这也是一个很有意义的结果。本研制的系统可应用于三维目标的识别和跟踪、函数迫近、汉字识别等领域。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
点目标三维运动测量的单目运动轨迹交会原理与方法研究
空间高速运动目标的超宽带三维成像方法研究
应用于高速运动目标的高速三维重构技术研究
基于李群流形的三维成像刚性目标的运动估计方法研究