-
题名基于CW-RNNs网络的手势识别算法
被引量：3
- 1
-
-
作者
卓少伟
柳培忠
黄德天
王铭航
汪鸿翔
-
机构
华侨大学工学院
-
出处
《海峡科学》
2016年第7期51-56,共6页
-
文摘
该文在分析表征手势特征和神经网络理论基础上,根据手运动轨迹的连续性规律来研究适用于手势识别的关键技术——基于手势轨迹模型的新型神经网络算法。针对手势识别的模糊性和准确性问题,基于手势局部区域跟踪结果,采用一种新型神经网络算法,实现用于人机交互的动态手势识别。手势识别部分的研究是采用一种新型的循环神经网络(CW-RNNs)对手势运动的轨迹进行识别。根据跟踪部分提取的手指运动轨迹坐标,定义手势模版,采用该方法对手势模版进行学习。首先定义连续动态手势模版,采用时间频率循环神经网络对手势模版进行学习,对每组孤立的动态手势模版进行学习,形成手势识别模型。对影响CW-RNNs模型的因素进行了实验验证和深度分析,通过与多层RNNs、三层RNNs的识别效果进行比较,论证了本文模型对手势轨迹模版识别的优越性。
-
关键词
手势识别
cw-rnns
手运动轨迹
手势模版
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于CW-RNNs的PMSM故障诊断
- 2
-
-
作者
杨柏
王森
唐天瑶
段莹莹
张超臣
靳龙飞
-
机构
沈阳工程学院研究生部
沈阳工程学院自动化学院
大连大发电供热有限公司
国网沈阳供电公司
-
出处
《沈阳工程学院学报（自然科学版）》
2020年第3期72-77,共6页
-
文摘
针对永磁同步电机(PMSM)故障诊断问题,提出了一种基于权重改进粒子群算法与时钟驱动循环神经网络(Clockwork RNNS)PMSM的故障诊断方法。以定子电流与振动信号作为PMSM的故障特征数据,该方法引入权重改进粒子群算法自动优化超参数得到神经内网络最优超参数。通过试验结果表明:粒子群算法能够快速地确定神经网络的最优超参数以提高实验效率,减少工作量;与BP神经网络、支持向量机(SVM)、浅层LSTM等方法在同等试验条件下进行比较,该算法具有更高的准确率与时效性。
-
关键词
权重改进粒子群算法
cw-rnns
故障诊断
超参数优化
-
Keywords
Weight improved particle swarm optimization
cw-rnns
Fault diagnosis
Hyper-parametric optimization
-
分类号
TM341
[电气工程—电机]
-
-
题名基于集成CW-RNN的时间序列预测研究
被引量：2
- 3
-
-
作者
刘絮
郑建国
-
机构
东华大学
-
出处
《计算机与数字工程》
2020年第7期1590-1594,1699,共6页
-
文摘
虽然时间序列预测问题已形成较为完整的理论体系,但是在复杂情况下的预测准确度和灵活性仍有提高的余地。针对复杂时间序列预测问题提出一种基于深度学习的集成模型。首先分别使用时钟驱动循环神经网络(CW-RNN)和向量自回归(VAR)模型进行预测,然后采用stacking的方式集成两者预测结果。实验结果表明,相比单一模型和传统模型,集成模型对时间序列的预测准确度和灵活性均有显著提高。
-
关键词
cw-rnn
时间序列
stacking集成
-
Keywords
cw-rnn
time series
stacking integration
-
分类号
F222.3
[经济管理—国民经济]
-
