论文部分内容阅读
车联网边缘智能的计算迁移优化研究
【机 构】
：
广东工业大学
【出 处】
：
广东工业大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
随着计算机处理能力的增强以及可训练数据量的增多,基于端到端训练的卷积神经网络模型已经成为解决模式识别、计算机视觉等领域内复杂任务的重要方法,并且取得了令人瞩目成绩。然而,这些高性能深度网络模型参数量庞大、模型结构复杂、内存需求高等特点限制了其在计算能力有限的平台如手机、移动可穿戴装置等移动设备上的部署。因此,如何在保持深度卷积网络模型性能的同时对网络模型进行加速和压缩,成为目前深度学习领域的研究热
学位
随着现代工业的迅猛发展,人们不断地深入研究非线性控制,在研究过程中常常需要对系统进行建模,但系统在数学建模时往往会出现建模误差,其将会对系统的性能和控制精度产生负面的影响,甚至会造成系统不稳定,所以在控制器的设计过程中,考虑未建模动态是十分重要的.有限时间控制具有收敛速度快,抗干扰强,控制精度高等优点,近几十年受到学者们广泛关注.有限时间控制的关键特征是系统的状态在有限时间内达到平衡,然后保持在平
学位
多智能体系统是由多个智能体组成的分布式独立系统,它能够解决单一智能体无法解决的问题.多智能体系统在实际工程中的应用越来越广泛,系统中故障出现的概率也随之增大,而当执行器发生故障时,会影响系统的稳定性.在多智能体系统中,每个智能体控制器的设计都取决于自身以及邻居的状态,多智能体系统的一致性控制研究一直是研究的热点之一.本文针对几类具有执行器故障的多智能体系统,提出了几类不同的自适应动态面控制策略,本
学位