logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

北斗导航 | RTK下的接收机自主完好性监测(RAIM)算法研究综述及进展

接收机自主完好性监测(Receiver Autonomous Integrity Monitoring,RAIM)是保障卫星导航系统可靠性的核心技术之一,其通过接收机内部冗余观测信息的一致性检验,实现对卫星故障的自主检测与隔离。随着实时动态定位(Real-Time Kinematic,RTK)技术在高精度定位场景中的广泛应用,以及多星座、双频GNSS技术的快速发展,传统RAIM算法已逐步演进为高级

#算法#无人机
计算机视觉与深度学习 | 常见深度学习神经网络简介(FNN+CNN+RNN+LSTM+GRU+GAN+GNN+Transformer)

对于工程实践,MATLAB 的 Deep Learning Toolbox 提供了简洁的函数(如 trainNetwork)来统一训练各类网络,并可通过 trainingOptions 配置优化器、学习率等超参数;Transformer 摒弃了 RNN 的循环结构,完全基于自注意力机制(Self-Attention),是当前 NLP 和 CV 领域的基石模型。GRU 是 LSTM 的简化版本,合并

#图像处理#计算机视觉#深度学习 +1
2025 博客之星年度评选:投票编号223

摘要:开发者MichaelBeechan首次入围CSDN"博客之星"年度评选(编号223),感谢支持并邀请投票。提供GitHub和CSDN主页链接,以及投票二维码。

文章图片
计算机视觉与深度学习 | Python实现EMD-SSA-VMD-LSTM时间序列预测(完整源码和数据)

以下是使用Python实现进行时间序列预测的完整代码,结合经验模态分解(EMD)、奇异谱分析(SSA)、变分模态分解(VMD)与LSTM深度学习模型。该方案适用于复杂非平稳信号的预测任务,代码包含数据生成、多级分解、模型构建和结果可视化。

文章图片
#lstm#深度学习#算法 +2
计算机视觉与深度学习 | 传统图像处理技术的未来发展前景分析

中国图像处理市场规模预计将从2019年的约1000亿元增长至2025年的2000亿元以上,年复合增长率达15%以上,显著高于全球平均水平[1]。南京先进激光技术研究院等机构的招聘需求也反映出,掌握图像增强、特征提取等传统技术仍是算法工程师的核心竞争力[55]。全球医学图像处理市场规模预计从2025年的150亿美元增长至2030年的280亿美元,年复合增长率13.3%[117]。2025年AI算法变

#计算机视觉#算法#图像处理
计算机视觉与深度学习 | Python实现EMD-SSA-VMD-LSTM-Attention时间序列预测(完整源码和数据)

以下是用Python实现时间序列预测的完整解决方案。该方案结合了四层信号分解技术与注意力增强的深度学习模型,适用于处理高度非平稳的复杂时间序列。

文章图片
#lstm#python#深度学习 +2
问题 | 对于初学者来说,esp32和stm32哪个比较适合?

对于初学者选择ESP32还是STM32入门嵌入式开发,需综合考虑学习目标、兴趣方向及未来职业规划。以下是两者的对比分析及建议: 1. 适合初学者的关键因素 ESP32的优势 内置无线通信:集成Wi-Fi和蓝牙功能,无需额外模块即可开发物联网(IoT)项目,如智能家居、远程传感器等,适合快速实现无线应用。开发环境友好:支持Arduino IDE和MicroPython,使用C++或Python编写代

#stm32#嵌入式硬件#单片机
问题 | Matlab:Fatal Error on startup(致命错误)

================================================博主github:https://github.com/MichaelBeechan博主CSDN:https://blog.csdn.net/u011344545================================================今天有个小伙伴安装Matlab后,打开时出现F

北斗导航 | 接收机自主完好性监测算法研究综述:从算法到应用

接收机自主完好性监测(Receiver Autonomous Integrity Monitoring,RAIM)技术通过卫星冗余观测数据实现导航系统的自主完好性检测,是保障生命安全关键领域导航可靠性的核心技术之一。近年来,随着多星座导航系统的全球组网和人工智能技术的快速发展,RAIM技术研究呈现出从传统单星座单故障检测向多源融合、模型自适应和智能化演进的清晰趋势。

文章图片
#算法#最小二乘法
计算机视觉与深度学习 | Python实现EMD-SSA-VMD-LSTM时间序列预测(完整源码和数据)

以下是使用Python实现进行时间序列预测的完整代码,结合经验模态分解(EMD)、奇异谱分析(SSA)、变分模态分解(VMD)与LSTM深度学习模型。该方案适用于复杂非平稳信号的预测任务,代码包含数据生成、多级分解、模型构建和结果可视化。

文章图片
#lstm#深度学习#算法 +2
    共 22 条
  • 1
  • 2
  • 3
  • 请选择