-
Geomagic Control X 2017基础教程
3D数据检测软件教学教程，可以帮助使用人员更加快速掌握软件使用基础教程本教程的目的是让你基础的了解在 Geomagic Control X的检查过程.通过程序的教程,你将学会Geomagic Control X的基本使用方法基本的检查过程在本次课程中,你将学到如何导入参考和测试数据并把它们对齐到一起.在检査数据的3D比较和添加比较点之后你将学会如何输出结果报告127GNi. 43503H22.32244614的Pe,料动什dP长359,系1阳A17atinsti检查GD&T在本次课程中,你将学会如何在模型上测量2D和3DGD&T(几何尺寸和公差PMI界面在本次课程中,你将学会如何通过使用PM面向导,导入其他CAD程序已定义PM的参考数据.并检查参考和测试数据之间的偏差.系统检查过程在本次课程中,你将学会如何打开一个含有GD&T测量的 Geomagic Control x项目文件除了现有的测量,你还将检查轮廓偏差,2DGD&T,和2D比较.伞2叫钣金检查过程在本次课程中,你将学会如何检査钣金数据.你将使用RPS对齐方法来对齐数据.多个2D比较命令将用来检查参考和测试数据0≠2aRLES0使用面片数据作为基准数据在本次课程中,你将学会如何使用面片对象作为参考数据,并在检査3DGD&T和面片对象的偏差Gd Dist0:1556D4t:0.141Gaa Dist=0.09b2Gs02590.1237Gap Distt Gap Dist,0:15034第一章.基本的检查过程概要本次练习包括什么?步骤介绍结果导入参考和测试数据使用初始对齐命令对齐数据2使用初始对齐工具对齐参考和测试数据添加3D比较特征3使用3D比较工具分析模型的整体偏差.添加2D比较特征4Ltr使用2D比较工具分析模型的断面偏差.添加比较点理三5分析模型上特定位置的偏差.日但生成报告6将分析结果生成报告■步骤1:导入参考和测试数据在步骤1中,将导入参考数据和测试数据并利用数据创建一个检测项目导入参考数据在模型管理器中选择其中一个结果数据标签把它设置成激活标签.2.在初始选项卡中,导入组下,点击导入或者选择菜单>文件>导入3.从下面的路径浏览这个文件 Reference Data. CXProj然后点击仅导入/Sample/Basic/Basic Inspection Process「导入文件4.一个CAD对象将在模型视图中显示并自动设置成参考数据.二、导入测试数据.在初始选项卡中,导入组下,点击导入或者选择菜单>文件>导入2.从下面的路径浏览这个文件 Measured Data. CXProj然后点击仅导入/Sample/ Basic/Basic Inspection Process「导入文件3.一个面片对象将在模型视图中显示并自动设置成测试数据.步骤2:使用初始对齐命令对齐数据在步骤2中,初始对齐工具将用于对齐测试数据和参考数据初始对齐工具可以智能的把测试数据移动到参考数据合适的位置上初始对齐1.在初始选项卡中对齐组下,点击初始对齐,或者选择菜单>插入>对齐>初始对齐侣亮显命令运行命令注释:此工具也可以从上下文菜单中访问.在模型视图中任意位置点击右键然后在上下文菜单中点击对齐工具.查看"上下文菜单"在 Geomagic Contro/X的帮助说明来获取更多信息d Frit Annotation styleselection modeL: All-FacesShift+AnItt: NSE nverseshiit-2.取消选择利用特征识别提高对齐精度选项.7 Initial Alignment√xEnhance Alignment Accuracy with Feature recognition注释:如果勾选利用特征识别提高对齐精度选项,程序将分析和比较参考和测试数据之间的特征形状然后移动测试数据到两个数据间的最小偏差处3.点击OKM4.检查测试数据是否已经对齐到参考数据上步骤3:添加3D比较特征在步骤3中,3D比较工具将用于计算和显示参考和测试数据之问的整体偏差、添加3D比较1.在初始选项卡中,比较组下,点击3D比较,或者选择菜单>插入>比较>3D比较亮显命令运行命令2.第一步,选择类型选项作为方法并选择贔短选项作为投影方冋.这种方法计算参考数据和测量数据之间的最小距离3 D Compare+√x7 Calculation OptionSampling Ratio% 7MethodO ShapeTHicknessProjection DirectionShortestO Along NormalCustomMax Deviation Auto ob More Options3.点击下一阶段进入下一步.测量数据将自动隐藏因此你可以清楚的看见色图注释:如果需要可以在模型管理器中点击参考数据后面的眼睛图标◎,使测量数据可见Model ManagerInsul bald回 Reference(o Feference DataReferenc是Eata电 Constructed GeometryMeasuredMeasured dataMeasured cata电 Cor structed Geometryv 99 AliyrinmenIlsa Initial AlignmentE Pairing Map3D Compare争3DGD&5f Cross Sectioned Probe Sequence回 Custom vievA Measurement4.检査预览.蓝色的区域表示测量数据在参考数据的下面或者后面,黄色到红色表示测量数据在参考数据的上面5.使用偏差标签下面的选择选项并在体上面选择若干点来査看特定位置的偏差值.每个点位置和偏差的注释将会显示Reference Pos. Measured PosGen vec.Check00008s000217024216829一0,18130113Reference Pos, Measured Pos, Gap vec:Cheel170,00o00000a85,00014.02301428210.24910,916.点击OK√完成命令二、隐藏3D比较在模型管理器中分析下点击3D比较后面的眼睛图标◎,使3D比较的结果在模型视图中不可见.步骤4:添加2D比较特征在步骤4中,2D比较工具将用于计算和显示参考和测试数据之间的断面偏差.你可以在模型上剪切一个平面断面来添加2D比较特征并测量参考和测试数据在断面上的缝隙一、添加2D比较1.在初始选项卡中,比较组下,点击2D比较或者选择菜单>插入>比较>2D比较亮显命令运行命令2.在第一阶段中,你将定义截面平面的位置和计算方法.选择偏移方法并选择一个平面作为基准平面PLane3.点击反转方向来反转切断面的方向4.在偏移距离的输入框中输入3mm来设置所选面的偏移距离.2 D Compare Q→√xv Set section planeO OffsetO RotationO Along CurveBase planeFace 4OffsetDistance[3m⑧D Multiple Cutting Planev Calculation OptionProjection DirectionShortest
- 2020-11-28下载
- 积分：1
-
基于AT89C51单片机控制的双闭环直流调速系统设计proteus
基于AT89C51单片机控制的双闭环直流调速系统设计，很好的资料，可以多多借鉴，主要是关于proteus仿真的
- 2021-05-06下载
- 积分：1
-
java web房屋出租系统项目
java web小项目实现功能：注册用户增加房屋信息，删除房屋信息，修改房屋信息实现高级查询出租房屋信息的功能
- 2020-12-05下载
- 积分：1
-
VC GDI+ 窗口截图内存BMP转JPG,压缩、JPG再转IStream流，IStream流再转 BYTE
VC GDI+ 窗口截图内存BMP转JPG,压缩、JPG再转IStream流，IStream流再转 BYTE 上体见 http://blog.csdn.net/q610098308/article/details/78181933
- 2020-12-07下载
- 积分：1
-
MATLAB PV 模块（含DC-DC,DC-AC,MPPT以及pdf手册文件）
这个MATLAB压缩包里含PV模型，PV+DCDC+DCAC模块，MPPT模块等。还有4分PDF文件，详细介绍了仿真文件的使用。
- 2020-06-23下载
- 积分：1
-
视频中背景建模目标检测综述(北京大学)
基于视频的移动目标检测是一个重要且有挑战性的任务，在许多应用中都起到相当关键的作用。本次论文研读围绕该主题展开，深入阅读了十余篇论文，在本文总结了视频中移动目标检测的一些主要方法及各自的优劣。报告接下来的部分组织如下:第二节介绍一般问题的陈述及典型的应用,第三节与第四节分别介绍基于像素的移动目标检测方法与基于区域的移动目标检测方法,第五节进行简单的讨论与总结。2问题陈述及应用一般而言移动目标检测并不单独地构成应用,而是作为一个组件出现在许多实际的应用之中。故移动目标检测的具体要求随着应用的改变而有很大的不同。例如对足球场上球员及足球的检测与跟踪就和对视频中用户手势的跟踪有所不同,前者的关键在于如何应对复杂的光照变化有效提取运动物体,后者的难点则在于如何从整个躯休大范围的运动背景中将手势的运动识别并提取出来。尽管不同的应用可能提出不同的技术上的要求,但是相当一部分这类问题还是可以在同一的框架下进行探讨和比较的。以下就是本文讨论范围内一般问题的陈述( Figure1):a.高层次的模型一般具有检测、跟踪、识别三个模块,其中识别模块并不必须b.检测模块可细分为移动日标区域检测与移动目标分组,其中前者是这个模块能够顺利工作的保证,其日的是将各帧内移动日标所在的区域标出该模型的输入为连续的视频,输出为跟踪的物体(即轨迹)或分类的物体,DetectioTrackingbackgroundObject detectionMatching usingFramescolor texture andTrackedsubtractionusing contoursmotion featuresobiectsGr。 up handling(merging andlittonFigure1系统框架图中即为一个典型的流程图,其中省略了分类模块并把运动目标区域检测规定为背景差分方法。该模型的典型应用场景是室内外的视频监视分析( Figure2),特别是交通数据的分析。另外体育运动视频(如足球或台球)的分析也能在该模型下解决。Figure2移动目标检测的典型应用:视频监控本文讨论的就是这样一个系统之中移动目标检测部分内容,并且将重点放在了如何判定移动目标区域的部分。这是这样的系统中的最初的处理,对于之后的处理能否获得有效的信息至关重要。该内容主要涉及两个问题:如何提取运动的前景,及如何建立一个良好的背景模型。后者一般并不是应用任务中所要求完成的,但往往是用以提取运动前景很好辅助工具,将新的一帧“减去”背景即可获得移动前景,故同时具有这两个步骤的方法也被称为“背景差分”,是移动目标检测中的一大类主流方法,本报告中涉及的大部分方法即属于这一类3基于像素的移动目标检测31均值-阈限方法均值-阈限( Figure3)的基本思路是计算每个像素的平均值和标准差作为它的背景模型Mean 2*Avg DiffMean”Mean-2*Avg DiffFigure3均值-國限方法4图中为某视频中单个像素在一定时间内不断更新得到的平均值和平均差值3,该像素处在天空的位置,在一段时问后有人的手挥过该区域,可以看到由于前景目标明显不如背景中的天空明亮,所以可以很容易将其分辨出来实际上均值-阈限方法就是赋予视频中每个像素一个统计上的背景模型,例如高斯分布模型4。每个点需要两个参数来衡量:均值与方差。后面将看到,许多更先进的棊于像素的移动目标检测方法其实无非采用了更复杂的分布模型来描述每个像素32阴影去除及三高斯模型简单的帧差值或均值-阈限方法在很多应川中都面临一个很严重的问题:阴影。在某些光照条件下,移动物体产生的阴影相对背景具有非常显著的差别从而被识别成了前景,有时这些阴影比物体本身还人,并且导致原本独立的运动物体连接在一起无法分割。一种简单的思路是放弃使用灰度值进行背景建模,而采用颜色信息从而将阴影的移动去除掉。这类方法需要一条假设:移动目标投射到路面上的阴影主要改变了该位置的亮度而对色度没有大的影响°。部分情况下确实可以承认该假设。在不同的颜色模型下有不同提取亮度信息的方式。在HSV等空间中这个任务尤为简单,因为亮度本身就是一个独立的分量,所以在该分量以外的维度上进行背景建模与差分就能消除一定的阴影。如果在常用的RGB颜色空间中,亮度的提取就稍微复杂倒。Figure4RGB空间中的亮度与色度3类似标准差的作用,但是计算更快捷。C.R. Wren, A Azarbayejani, T. Darrell, and A P Pentland "pfinder Real-Time Tracking of the human body lEEETrans. Pattern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 780-785, July 1997J.M. Alvarez, A Lopez, and r Baldrich, " Illuminant-Invariant Model-Based Road Segmentation",IEEE IntelligentVehicles Symposium, June 20085将一个像素的颜色值在RGB三维空间中表示( Figure4),背景建模就是确定了穿过原点的一条色度直线,所有在该直线上的颜色都认为是背景色。当前颜色相对参考颜色(背景)的亮度分量a1由最小化下式给出:φ(a;)=(l1-c1E)2a2表示该像素当前值相对参考背景色的相对亮度。如果其值为1则代表亮度相同,大于1代表比背景更亮,小于1代表比背景更培当前颜色到色度直线的垂直距离就表小色度的偏离:CD1=‖l2-aE1‖(3)利用色度与亮度的偏离值就可以将新的颜色值分为四个类别Forground: CDi> IcD or ai> Alow, elseM()Back ground:aτa2else(4)ShadowelseHighlightotherwise其中CD2与a分别代表均一化之后的两个偏离分量。这些方强烈依赖于上面提到的假设:阴影仅仅改变背景亮度而不改变色度。但是这个假设实际上并不总是有效,很多时候还需要更复杂的方法达到去除阴影,鉴别真正移动目标的目的。三高斯模型4就是针对去除阴影的考虑提出的。这个模型中采用三个高斯分布相结合( Figure5)对各像素进行建模。三个高斯成分分别为:道路、运动前景及阴影。这三个成分组合成为了完整的混合模型(b)和印甲品f叫intersity valeFigure5三个高斯分布相结合6此方法之后面临的主要问题是如何通过一定时间的学习获得每个高斯分布的参数从而建立有效的模型。相关文献中提出采用EM算法( ExpectationMaximization Algorithm)进行学习。EM算法是一个迭代的算法,通过有限步的迭代就能够获得较好的模型估计。一般而言,为了从一个数据集中获得该数据集满足的混合分布,可以采用最大后验概率估计的方法进行估计,但是这样的方法需要关于每个数据分类的信息(即每个值属于哪个类别)。然而在移动目标检测过程中往往都是无监督的学习从而不可能获得这样的分类信息,而只能自动设定个预先的分类,然后通过迭代不断改进,这就是EM算法的基本思路另外,由于各点的数据是不断改变的,于是采川原始的EM算法对每一帧都进行重复的迭代既不必要也不现实,可以采用EM算法的一个变种:增量EM算法33高斯混合模型(GMM331背景建虞在某些场景之下,采用三个高斯分布的混合模型仍然无法有效地描述复杂的现实环境,于是髙斯混合模型四被提出了。高髙斯混合模型采用类似3.2中三个髙斯模型的思路,希望采用多个高斯分布相结合的方法来描述环境。与前面的模型不同的是,现在高斯分布的个数不是固定的一个或三个了,而是随着各个像素实际的需要动态地进行设定。另外该方法也放弃采用费时的EM算法而采用更快捷的方式进行背景建模与更新。假设已知像素(xo,y)在过去一段时间中的颜色值或灰度值{X1,…,X}={(xo,yo,):1≤i≤t(5)若由K个高斯分布的高斯混合模型对该像素进行建模,则新观察到一个颜色值或灰度值的概率为P(x1)=)o*n(x,,E(6)在RGB等彩色空间中为了简化计算可以采用如下公式k,t7)A Dempster, N. Laird, and D. Rubin, "Maximum Likelihood from Incomplete Data via the EM algorithm", Journalof the Royal Statistical Society, pp. 1-38, 1977这个公式假设了各个颜色分量是相互独立的。尽管事实并不如此,但这样计算在保留充分的精确性的同时大大降低了计算复杂性。这样每个像素就采用κ个峰的髙斯混合模型完成了建模。剩余的问题同样是如何对模型中的各个参数进行估计,以及如何判别前景。3.3.2背景更新背景更新大致有这几个步骤:a.每一个新的值都与所有K个高斯分布进行匹配,直到找到充分吻合的分布(判断方式与均值-阈限方法类似)b.若新的值与所有K个分布都不接近,则将K个分布中权值最小的一个替换成一个新的分布,该分布以新的值为均值,并且具有很高的初始方差和很低的初始权重;C.若新的值与某个分布充分接近,则认为其属于该分布并更新各个分布的权值及参数Ort=(1-aOKt-1+aM(8)=(1-p)ut-1+p·X(9)=(1-p)21+p(X-1)(x-2)(10)here(kok(11)其中(8)式中Mkt对于匹配上的分布唯1,对于其他分布为0α表示适应性的强弱,α越大,给予新的值的权重越大,也就适应得越快;(9)式(10)式仅针对匹配上的分布,而其他分布的参数保持不表3.3.3前景检测运动前景的检测主要有以下几个步骤a.对所有的高斯分布按照ω/σ进行从大到小的排序;b.取前B个高斯分布,满足B= argminkT(12)k=其中T表示背景应该占的比重,如果T取得较小则类似于前面介绍的均值阈限模型,T取得较大则允许背景有更丰富的特性,如随风摆动的树叶或水面的波纹等等。C.如果当前出现的新的值并不符合这B个高斯分布,则认为是运动的前景,否则认为是背景。34非参数模型341背景建模为了能够更快速地适应变化的背景,并且保证对移动物体的敏感性,马里兰大学A. Elgammal等人提岀采用非参数的模型四对各个像素进行建模。该方法并不指定确切模型形式,而釆用核旳数来利用历史薮据建立模型。在釆用高斯核的情况下,一个颜色出现的概率’∑K(x-x∑∏1(13)2这样实际上就是对考虑范围内所有的历史值都建立一个高斯分布,并利用所有这些分布对当前值进行分析。由于高斯分布的假设,故(x1+1-x1)~N(0272),于是可以估计方差(14)0.68V2其中m是|x+1-xl的中位数。号外由于在这种方法下需要大量计算核函数的值,故可以预先计算出一定精度的核函数数据表,通过查表的方法大大加快计算的速度。实验表明这样的方法在一般的PC机上是可以达到实时的计算要求的。34.2减少错误检测为了降低由于局部抖动(如树叶抖动、摄像机抖动)带来的错误检测,该方法利用了一定的区域信息。原先的P(x1)现在改用Pm(x代替PN(t= maxyEN(x)Prix Byy(15)此处N(x)指该像索周围的一个小区域,B指像素y对应的背景模型。这样就充分降低了由于小范围抖动导致的错误检测。7该式成立仍然需要假设各个颜色分量相互独京。9该方法需要维护两个背景模型:长期模型及短期模型。其中短期的模型是为了能够快速适应变化的背景而提出的,仅利用相当短的一段历史值建立模型,另外该模型采用选择更新机制(仅对判定属于背景的值进行更新);长期的模型在相当长的时间内通过盲更新机制(对所有值进行更新)获得。两个模型判定结果的交集能够进一步降低错误的检测,但同时也去除了部分实际上是移动目标的部分。最终采用的策略为:所有由短期模型检测出来,并且与两个模型判定结果交集相邻的像素被视作运动的前景3.4.3去除阴景这个方法同样提到了去除阴影的问题( Figure6)采用RGB颜色模型的一个变种表示颜色:RBR+G+B·9=R+G+Bb=R+G+B′(16)s=RtG+B(17)令A为某个像素在一定时间内的取值,而定义B如下B={x1|x∈A≤≤阝(18)其含义就是该像素过去的背景取值中与当前值亮度接近的值的集合利用B中的值在(r,g)二维空间上进行上述的背景建模及前景检测,就能很有效地消除检测的阴影。Figure6非参数模型下的阴影去除4基于区域的移动目标检测从上面的介绍的方法来看,建立的背景模型越来越复杂:高斯分布的个数从一个到三个,再到K个,再到每个历史值各一个。这样的背景模型已经具有了高度的复杂性,但是在有些应用环境下效果仍然并不理想。反思一下这些方法的特点,仅仅利用各个像素的独立信息而没有考虑像素之间的关联性是键的原因。其实在3.42中采用方法实际上已经开始尝试以局部区域作为考虑问题的范围,
- 2020-12-03下载
- 积分：1
-
模糊理论和神经网络的基础与应用.pdf
模糊理论和神经网络的基础资料，相关知识说得较明白易懂。模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)中国计算机学会学术著作丛书模糊理论和神经网络的基础与应用Introduction to Fuzzy Theory andNeural Networks and Their Application赵振宇徐用恐著清华大学出版社广西科学技术出版社模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)(京)新登字158号(桂)新登字06号内容简介模糊理论和神经网弊是近年来得到迅速发展的嘶兴学料,它们的应用和影响己经遍及人工智能算机科学自动控制、专家系统信息科学、 CAD/CAN医疗诊断、经济等部门和领域本书系统驰论述了模糊理论和神经网络的基本理论、方法,从统一的工程角度综合分析了两大学科的最新成果,研究动向以及两者交叉部分中的前沿研究并介绍了高技术的应用实例。全书非14章,分三大都分第一部分为模糊理论的基础、建模方法和实际应用第二部升为神经网将的基本理论罔络学习方法和典型实倒第三部分讨论了模棚系统和神经网络系统的异同、融合和相互转换方法,本书还提供了大暈劑颞,以便读者自己模伤实践加深理解。本书可供白动控制计算机、信号信息处理、电路与系统、系綻工程等专业的高校师生利科技人虽遄用版权所有,醐印必究。本书封面貼有消华大学出版社激光防伪标签,无标签者不得销嘗肉书在版編目(CIP數据模糊理论和神经网络的基础与应用=Ⅰ NTRODUCTION TO FUZZY THEORY ANDNEURAL NETWORKS AND THEIR APPLI CATTON/赵振宇,徐用懋著.一北京:清华大学出版社,1995.19〔中国计算机学会学术者作丛书IsHN7-302-02061-2I.模r.①赵…闪徐…】,①模糊数学-应用-计算机网络②神经网络应川计算机网终Ⅳ.TP393中国版本图书馆CIP数据核字(95)第23616号出版者:清华大学出版社(北京清华大学校内,邮编100084)西科学技术出版社(厂西南宁河堤路14号,邮编530021印刷者:北京市清华园印刷厂发行者:新华书店总店北京科披发行所开本:787×1092116印张;13.75字数:324千字版次:i996年6月第1版199日年6月第1次印刷号:IN7-302-020612/TP·958印数:001-4000定价:16.00元模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)清华大学出版社广西科学抆术出版社计算机学术著作出版基金评审委员会主任委员张效祥副主任委员周远清汪成为委员王鼎兴杨芙清李三立施伯乐徐家福夏培肃董韫美张兴强徐培忠模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)出版说明近午来随岩微电子和计算相技术渗透到各个技术领域,人类正在步入一个技术迅插发展的新时期。这个新时期的主要标志是计算机和信息处理的广泛应用。计算机在改造传统产业实现管理自动化促进新兴产业的发展等方面都起着重要作用,它在现代化建设中的战略地位愈来盒明显。算机科学与其它学科的交叉又产生了许多新学科推功着科学技术向更广阔的领域发展,正在对人类社会产生深远的影响科学技术是第一生产力。计算机科学技术是我国高科技领域的一个重要方面。为了推动我国计算机科学及产业的发展,促进学术交流,使科研慮果尽快转化为生产力华大学出版杜与广西科学技术出版社联合设立了“计算机学术著作基金”,旨在支持和员科技人员,提写高水平的学术著作,以反映和推广我国在这一领域的最新成果计算机学术著作出版基金资助出版的著作范国包括:有重要理论价值或重要应用价值的学术专著计算机学科前沿探索的论著推动计算机拔水及产业发的专著;与计算机有关的交叉学科的论蓍有较大应用价值的工具书世界名著的优透翻译作品。凡经作者本人申请,计算机学术著作出版基金评审委员会评牢通过的著作,将由该基金资助出版,出版社将努力徹好出版工作基金还支持两社列选的国家高科技葷点图书和国家教委重獻图书规划中计算机学科领域的学术著作的出版为了做好选题工作出版社特邀请“中国计算机学会”“中国中文信息学会”帮助做好组织有关学术普作丛书的列选工作。热诚希望得到厂大计算机界同仁的支持和帮助清华大学出版社计算机学术著作出版基金办公室西科学技术出版社1992年4月模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)丛书序亩计算机是当代发展最为迅猛的科学技术其应用几乎已深入到人类社会活动和生活的一切领域大大提高了社会生产力引起了经济结构社会结构和生活方式的深刻变化和变革,是最为活跃的生产力之一。计算机本嘉在国际范围内已成为年产值达250亿美元的巨大产业国际争异常剧烈,预计到本世纪末将发展为世界第一大产业。计算帆科技具有极大的综合性质,与众多科学技术相交叉而反过来又渗入更多的科学技术,促进它们的发展。计算机科技内容十分丰富学科分支生长尤为迅速,日新月异,层出不穷。因此在我国计算机科技尚比较落后的情况下加强计算机科技的传播实为当务之急。中国计算机学会一直把出版图书刊物作为学术动的重要内容之一。我国计算机专家学者通过科学实践做出了大量成果积累了丰富经验与学识。他们有撰写著作的大积极性,但相当时期以来计算机学术著作出于印数不多,出版往往退到不少困难,专业性越强有深度的著作出版难度越大最近清华大学出版杜与西科学枝术出版社为促进我国计算机科学技术及产业的发椎动计算机科技著作的出版工作,特设立“计算机学术著作出版基金”,以支持我国计算机科技工作者撰写高水平的学术著作并将资助出版的著作列为中国计算机学会的学术荷作从书我们十分盒视这件事,并三把它列为学会本屈理事会的工作要点之一。我们希望这一系划丛书能对传播学术成果,交流学术愿想促进科转化为生产力起到良好作月能对我国计算积科技发展具有有益的导向意义,也希望我国广大学会会员和计算机和技工作者括海外工作和学习的神州学人们能积极投稿,出好这一系列丛书。中国计算机学会1992年4月20日模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)Introduction to Fuzzy Theory, Neural Networks sand Their Applicationsby Zhen-Yu Zhao and Yong-Mao XuThe fields of fuzzy sets and neural networks have made rapid progress in recentyears, This book gives a comprehensive presentation on recent developments in boththeory and applications, Special emphasis is placed on basic concepts, system designnalysis and development methods of fuzzy systems and neural network systemsThis hook consists of three majar parts. The first two parts present the fundamen-tals and real world applications of fuzzy sets theory and ueural nel works, respectivelyThe last part addresses various state-of-the-art techniques o combine fuzzy logic withneural networks eliminating the disadvantages of each of these technologies while effec-tively combining their advantageshis book can be used as the text for an advanced course on fuzzy theory and neuraletworks. It is also a valuable reference to all researchers and engi eers interested inthese subjects模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)序非高兴得知赵振宇博士和除月懋教投巴完成他们的合著《棋糊理论利神兰网络的基础与应用》近年来模糊理论和神经网络提供了行之有效的方法来解决在特定环境以及采用定性描述方式的多冒的设计中的各种间题这本节从模糊埋论利神网络的基出发,综合分析和归纳了两领域的研究成果,并附有大量的应用实例赵博士和徐教授对棋糊系统和神经网络研究较深,这次他们对此专题的合著正合时宜。此外,赵博土还利用他精通语和英讦的特长,充分收纳了这两大领域的最新发展和动向。二十余年前,L, A. Zadeh教提出的模棚集合哩论已在工程的众多领域中得到广泛深入的研究。对于实际操作人员,即没有精确的数据和过程模型他也能操作和控制复杂的过程。而模糊理论正是将掘作人员的操作经骏鞍换成可以在计算机上运行的掉制算法以便实现模糊控制樸糊控制已泛应用于水质控制她铁操作汽车减震和牵引以及摄泉机聚焦等系统中。人工神经网络是由大量并行分布、有机相联的神经元构成的计算机构,对这种计算机构的研究受启于生物神纸系统的学习能力和并行机制。近年米,对神经网络方面的研究受到愈来愈密切的关注,特别在人工智能、心理学、工程学和物理学等学科中显得空前的活跃。另外,应用神经网络技术的商业产品亦愈来愈多,典型的例子如:语言识别系统爆炸检测器和飞机座位订票系统等绒合模糊理论、神经网络以及其它智能算法(如人上邀传斧法)的研究和应用将有卡常广阔的前景。一个明显的例子就是结合神网络的学习能力来训练基于模糊规则的系统。此书在这方面已有深刻的反映。作者正从统一的角度综合闯述了惯糊理论和抻经网络的重大课题和应用。我相信,此书对行志于模糊理论和神纸网络研究的读者是有裨益Masayos hi tomizuka美圈加州怕党莱大学机械系教授模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)FOREWORDI am very pleased that Dr. Zhen-Yu Zhao and Professor Yong-Mao Xu have completed theit book," Introduction to Fuzy Theory, Neural Networks, and Their Appli-cations. In recent years, the fuzzy theory and neural networks have demonstrated theiryaludc for providing solutiont ta problems in unccrtain and imprecise environments a3well as to those with multi-design objectives, which may be stated in a qualitative man-ner. This book starts with Fundamentals of fuzzy theory and neural networks, developsthe ideas for comprehensive coverage of the two sub jects and presents their applications. Having rich rcscarch experienec in fuzzy systcms and neural nerworks, Dr. Zharand Professor Xu make an ideal team to write a book on these subjects. D. Zhao hastaken an advantage of his mastery of two ianguages, Japanese and English. Many recentimporcant developmerts in fuzzy thcory and neural networks havc bcen rcportcd in thesctwo languagesThe theory of fuzzy set&, established by Professor L, A. Zadeh about 20 years agohas been extensively studied in varicus fields of engineering. It is well known that hu-man beings have an ability to operate and control complicated processes without havingprecise data and plant models, Fuzzy theary has been shown to translate such knowldge of human beings into computer implementable control algorithms which are ronmonly called"fuzzy control. "Fuzzy control has been used in many practical applicalionssuch as water quality control, subway operation systems, automotive suspension andraction control and camcorder fotusing and stabilizationArtificial neural networks are computing architectures that consist of massiveparallel interconnections of simple neural proCessors. The study of such architectureshas becn inspired by thc learning abilities and parallelism of biological nervous syatemsIn recent years, neura! networks have received considerable Attention and are now beingactively explored in the fields of artificial intelligence psychology engineering andphysics. Neural networks have been applied to many conmercial products such asspeech recognition systems, explosive detectors and airline seat allocation systerms.Ambitned use af fuzzy theory neural networks, as well as other computational in-telligence algorithms such as genetic algotithms, has heen recognized as being promising, An obvious example is the training of fuzzy rule-based systems ly using the learm
- 2021-05-06下载
- 积分：1
-
svm用MATLAB编写的svm源程序，可以实现支持向量机，用于特征分类或提取
【实例简介】用MATLAB编写的svm源程序，可以实现支持向量机，用于特征分类或提取
- 2021-10-29 00:31:47下载
- 积分：1
-
图像复原振铃效应处理——边界振铃效应抑制方法
申明：未经授权，本程序代码仅供研究参考，不得应用于任何商用场合。对复原图像振铃效应之一的边界振铃效应进行处理，本程序提供4种方法抑制因边界截断导致的边界振铃效应。参考文献：《基于振铃抑制的运动模糊图像复原方法研究》
- 2020-11-04下载
- 积分：1
-
HIDKomponente_1.0.34
delphi读写USB HID的控件，非常好用，1.0.34版本。
- 2020-11-30下载
- 积分：1
|
联系客服（QQ：3324461878）
